《Eview教程异方差》课件

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,Eviews,软件的应用二,异方差性的检验和处理,异方差性的概念,经典线性回归模型假设回归扰动项是同方差的。如果回归扰动项不满足这个条件，即回归扰动项的方差随着自变量的不同而不同，就存在异方差。,不存在异方差的序列（线性图）,异方差逐渐增大的序列（线性图）,异方差逐渐减小的序列（线性图）,还有异方差的变化有其他规律或者没有规律的情形。,存在异方差对方程估计的影响,参数估计量满足无偏和一致性，不再满足有效性。,参数方差估计量有偏,。,回忆：推导参数估计量和方差估计量过程。,推导过程：简要过程参阅,Pindyck&Rubinfield,的计量经济模型与经济预测；详细过程参见,W.Greene,的计量经济分析。,异方差性的检验,总体思路是检验随机误差项与解释变量观测值之间的相关性。（因为异方差性就是指在不同的样本点，随机误差项有不同的方差。）,有多种检验方法。,通常采用的原假设是“不存在异方差”，,备择假设是,“,存在异方差,”,。,Park,检验,Park,认为随机扰动项的形式为,两边取对数，,令,Glejser,检验,Goldfeld-Guandt,检验（,P&R,p95,）,考虑一元回归模型,将数据按自变量大小排列。,省略中间的,d,项观测值。,拟合两个回归模型。每个回归模型都有(,N-d)/2,个数据。,Goldfeld-Guandt,检验,(续,),计算每个回归模型的残差平方和：,ESS,1,（,对应较小的,x,）,和,ESS,2,（,对应较大的,x,）,.,假设误差服从正态分布，且不存在序列相关，则,Breusch-Pagan,检验,(,P&R,p96),用方程,做,OLS,回归，计算残差 ，并用这些残差估计,Breusch-Pagan,检验,（续）,然后用方程,做回归。,如果 服从正态分布，那么在原假设下有,更一般，如果有,p,个变量，则服从自由度为,p,的 分布。,White,检验（,P&R,p96,）,用残差平方作为自变量，用原来的自变量和自变量的平方项作为新自变量。比如两个变量情形为,检验统计量为,k,为除常数项外自变量的个数。,异方差性的处理（一）,异方差形式已知：（课本，,p58,60,）,如果在检验过程中通过某种方式已知,则使用,作为权重，使用加权最小二乘法。,异方差性的处理（二）,异方差形式未知,的情形。,HC,协方差（,White,）,HAC,协方差（,Newey-West,）,它只改变估计标准差，不改变参数的点估计。,原理省略（可以参考,P&R,），,Eviews,提供。,处理异方差的实例,采用,2001,年我国各省，市，自治区的国内生产总值,gdp,和最终消费,com,来估计我国的消费函数，这是一个典型的截面数据，从数据中可以看出模型有很大的异方差性。,数据,地 区,gdp,com,河南,5640.11,3114.13,北京,2845.65,1467.71,湖北,4662.28,2408.84,天津,1840.1,901.85,湖南,3983,2553.14,河北,5577.78,2509.3,广东,10647.71,5841.32,山西,1779.97,1046.43,广西,2231.19,1597.05,内蒙古,1545.79,936.19,海南,545.96,299.86,辽宁,5033.08,2828.09,重庆,1749.77,1078.06,吉林,2032.48,1331.32,四川,4421.76,2691.47,黑龙江,3561,2110.54,贵州,1084.9,833.87,上海,4950.84,2149.07,云南,2074.71,1430.44,江苏,9511.91,4295.96,西藏,138.73,82.79,浙江,6748.15,3306.1,陕西,1844.27,1004.5,安徽,3290.13,2108.09,甘肃,1072.51,674.42,福建,4253.68,2225.23,青海,300.95,197.79,江西,2175.68,1357.47,宁夏,298.38,223.52,山东,9438.31,4582.61,新疆,1485.48,854.6,数据说明：,数据单位为亿元，数据来源于中国经济信息网,http:/202.114.65.32,只能从校园网访问。,模型,根据凯恩斯理论中的消费函数形式，建立下列回归方程：,用,Eviews,进行,OLS,估计,用,Eviews,进行,White,检验,F,统计值,White,检验统计量,伴随概率,White,检验的缺点,White,检验不具建设性。,即它无法估计残差方查的形式。,它一般只用于检验是否存在异方差。,Park,检验,本例中,Park,检验回归方程的形式为,步骤,保存刚才,OLS,回归的残差。,用,Park,检验的方程进行估计。,用该命令保存残差序列。,相当于用菜单操作,回归结果,Estimation Command:,LS LOG(RESID_EQ_OLS2)LOG(GDP)C,Substituted Coefficients:,LOG(RESID_EQ_OLS2)=0.5218281156*LOG(GDP)+5.844487688,处理异方差一（,WLS）,计算 的估计值。,用 的估计值的平方近似 的方差。,利用,Eviews,的,forecast,功能计算 。,用 作为权重进行,WLS。,forecast,按钮,选择要预测变量,自动命名,预测区间,得到新序列,3.填入权重,2.在前一窗口点击,option,1.建立一个新方程,eq_wls,4.点击,OK。,结果有所改善。,异方差的处理二（方差一致估计）,选择,white,或者,newey-west,估计结果对比,结果分析,仅有估计方差改变。,现在的方差的估计是一致的，可用于预测。,