eviews的异方差检验

异方差的处理地区农业总产值（亿元）农作物播种面积（千公顷）地区农业总产值（亿元）农作物播种面积（千公顷）北 京115.48 295.01 湖 北1152.09 7030.01 天 津117.60 433.95 湖 南1243.15 7390.71 河 北1639.07 8652.70 广 东1328.70 4363.05 山 西322.65 3653.15 广 西970.55 5594.40 内蒙古620.42 6761.47 海 南224.17 754.32 辽 宁837.50 3703.88 重 庆401.48 3134.66 吉 林641.50 4943.99 四 川1316.60 9278.24 黑龙江971.94 11898.48 贵 州392.20 4464.53 上 海126.74 390.66 云 南683.80 5801.86 江 苏1542.53 7407.73 西 藏39.49 232.92 浙 江735.92 2462.82 陕 西629.34 4044.74 安 徽1054.01 8853.90 甘 肃458.73 3759.00 福 建685.30 2191.18 青 海49.16 516.68 江 西621.26 5245.13 宁 夏111.12 1189.83 山 东2604.07 10724.40 新 疆767.00 4202.63 河 南2254.52 14087.84 一、检验异方差性图形分析检验（1）观察农业总产值（Y）与农作物播种面积（X）的散点图：在命令窗口输入 SCAT X Y；或者把X、Y以数据组（Group）的形式打开，然后点击View/Graph/Scatter，如图1所示。得到散点图，见图2。图1 图2从图2中可以看出，随着农作物播种面积的增加，农业总产值不断提高，但离散程度也逐步扩大。这说明变量之间可能存在递增的异方差性。残差分析首先将数据排序（命令格式为：SORT X；或打开X的数据表格，点击Sort按钮），然后建立回归方程。在命令窗口输入 genr e2=resid2然后以组的形式把X和e2打开，做散点图（在组窗口中点View/Graph/Scatter/Simple Scatter,如下图（图3）图 3Goldfeld-Quant检验将样本安解释变量排序（SORT X）并分成两部分（分别有1到12共12个数据（子样本1），20到31共12个数据（子样本2）利用子样本1建立回归模型1（回归结果如图4），其残差平方和为。SMPL 1 12LS Y C X 图4 利用样本2建立回归模型2（回归结果如图5），其残差平方和为2265858。SMPL 20 31 LS Y C X 图545.69.351515/2265858/12RSSRSSF98.2)1112,1112(05.0F98.245.605.0FF计算F统计量：RSS1 和RSS2分别是模型1和模型2的残差平方和。取，所以存在异方差性。White检验建立回归模型：LS Y C X，回归结果如图6。图6 在方程窗口上点击ViewResidual TestWhite Heteroskedastcity(no cross terms),检验结果如图7。图7直接观察相伴概率p值的大小，若p值较小，则认为存在异方差性。Park检验建立回归模型（结果同图6所示）。生成新变量序列：GENR LNE2=log(RESID2)GENR LNX=log（X）建立新残差序列对解释变量的回归模型：LS LNE2 C LNX，回归结果如图8所示。图8 从图从图8所示的回归结果中可以看出，所示的回归结果中可以看出，LNX的系数的系数估计值不为估计值不为0且能通过显著性检验，即随即误差项且能通过显著性检验，即随即误差项的方差与解释变量存在较强的相关关系，即认为的方差与解释变量存在较强的相关关系，即认为存在异方差性。存在异方差性。Gleiser检验（检验（Gleiser检验与检验与Park检验原理相同）检验原理相同）建立回归模型（结果同图建立回归模型（结果同图6所示）。所示）。生成新变量序列：生成新变量序列：genr E=ABS(RESID)分别建立新残差序列（分别建立新残差序列（E）对各解释变量（）对各解释变量（X、X2、X(1/2)、X(-1)、X(-2)、X(-1/2)）的回）的回归模型：归模型：LS E C X，回归结果如图，回归结果如图9、10、11、12、13、14所示。所示。图9 图10 图11 图12 图13 图14 由上述各回归结果可知，各回归模型中解释变量的系数估计值显著不为0且均能通过显著性检验。所以认为存在异方差性。由F值或确定异方差类型Gleiser检验中可以通过F值或 值确定异方差的具体形式。本例中，图11所示的回归方程F值（）最大，可以据此来确定异方差的形式。2R2R二、运用加权最小二乘法消除异方差二、运用加权最小二乘法消除异方差权数采用权数采用 ，如果仍然存在异方差，可以尝，如果仍然存在异方差，可以尝试其他权数试其他权数 在命令窗口输入在命令窗口输入 genr w1=1/abs(resid)回车回车然后输入然后输入 LS（W=W1）Y C X得到以下方程得到以下方程e1在方程窗口点在方程窗口点ViewResidual TestWhite Heteroskedastcity(no cross terms),进行进行White检验，发现异方差已经消除。如下图检验，发现异方差已经消除。如下图三、在回归之前，对原序列均取对数，然后对对三、在回归之前，对原序列均取对数，然后对对数序列进行回归，有时能消除异方差数序列进行回归，有时能消除异方差