实验五 异方差性
【实验目的】
掌握异方差性的检验及处理方法
【实验内容】
第四章习题8
㈠检验异方差性
⒈图形分析检验
⑴观察消费性支出（Y）与可支配收入（X）的相关图：SCAT X Y
从图中似乎看不出异方差性
（2）残差分析
首先将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。
残差图显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。
⒉Goldfeld-Quant检验
⑴将样本按解释变量排序（SORT X）并分成两部分（分别有1到10共10个样本和19到28共10个样本）
⑵利用样本1建立回归模型1，其残差平方和为142327.4。
SMPL 1 8
LS Y C X
⑶利用样本2建立回归模型2，其残差平方和为1021815。
SMPL 13 20
LS Y C X
⑷计算F统计量：FRSS2/RSS1＝7.1793，RSS1和RSS2分别是模型1和模型2的残差平方和。
（5）判断。取0.05时，查F分布表得F0.0(811)511,8而4.，28FF0.058,8，所以存在异方差性
⒊White检验
⑴建立回归模型。
⑵在方程窗口点击View/residual Test/ White Heteroskedasticity Test，得到结果。 F和Obs*R-squared的概率分别为0.000001，0.000353。均小于0.05，所以认为存在异方差性。
㈡调整异方差性
⒈确定权数变量
在线性方程中定义残差：GENR E1=resid
生成权数变量：GENR W1=1/ABS(E1)
⒉利用加权最小二乘法估计模型
在Eviews命令窗口中依次键入命令：
LS(W=W1) Y C X
或在方程窗口中点击Estimate\Option按钮，并在权数变量栏里输入W1，用W1加权的回归结果.
再用White检验法，检验得用W2加权的结果没有异方差性。
(三)异方差稳健标准误修正的结果
在方程窗口中点击Estimate\Option按钮，并选择Hteroscedasticity Cnsistent Cefficient Cvarince\white
实验五 异方差性
【实验目的】
掌握异方差性的检验及处理方法
【实验内容】
第四章习题8
㈠检验异方差性
⒈图形分析检验
⑴观察消费性支出（Y）与可支配收入（X）的相关图：SCAT X Y
从图中似乎看不出异方差性
（2）残差分析
首先将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。
残差图显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。
⒉Goldfeld-Quant检验
⑴将样本按解释变量排序（SORT X）并分成两部分（分别有1到10共10个样本和19到28共10个样本）
⑵利用样本1建立回归模型1，其残差平方和为142327.4。
SMPL 1 8
LS Y C X
⑶利用样本2建立回归模型2，其残差平方和为1021815。
SMPL 13 20
LS Y C X
⑷计算F统计量：FRSS2/RSS1＝7.1793，RSS1和RSS2分别是模型1和模型2的残差平方和。
（5）判断。取0.05时，查F分布表得F0.0(811)511,8而4.，28FF0.058,8，所以存在异方差性
⒊White检验
⑴建立回归模型。
⑵在方程窗口点击View/residual Test/ White Heteroskedasticity Test，得到结果。 F和Obs*R-squared的概率分别为0.000001，0.000353。均小于0.05，所以认为存在异方差性。
㈡调整异方差性
⒈确定权数变量
在线性方程中定义残差：GENR E1=resid
生成权数变量：GENR W1=1/ABS(E1)
⒉利用加权最小二乘法估计模型
在Eviews命令窗口中依次键入命令：
LS(W=W1) Y C X
或在方程窗口中点击Estimate\Option按钮，并在权数变量栏里输入W1，用W1加权的回归结果.
再用White检验法，检验得用W2加权的结果没有异方差性。
(三)异方差稳健标准误修正的结果
在方程窗口中点击Estimate\Option按钮，并选择Hteroscedasticity Cnsistent Cefficient Cvarince\white