计量经济大学作业(3)

计量经济学大作业

图5.3 中国货币流通量二元模型相关图

从上图中可以看出，随着居民消费价格指数与贷款额的增加，货币流量的平均水平不断提高，但离散程度也逐步扩大。这说明变量之间存在递增的异方差性。

B.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。

图5.4 中国货币流通量二元模型残差分布图

上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。

第 11 页 共 22 页

计量经济学大作业

②Goldfeld-Quant检验

A. 将样本按解释变量排序（SORT X）并分成两部分（分别有1到14共14个样本和15到28共14个样本），然后ls y x p：

B. 利用样本1建立回归模型1，其残差平方和为RSS1= 331721.5。 C. 利用样本2建立回归模型2，其残差平方和为RSS2= 5899249。 D. 计算F统计量：F?RSS2/RSS1＝5899249/331721.5=17.7837。 取??0.05时，查F分布表得

F0.05(30?2,30?2)?1.85,F?17.7837?F0.05?1.85，所以存在异方差性。

③White检验

A.建立回归模型：LS Y C P X，回归结果如图。

图5.5 中国货币流通量二元模型回归结果图

B. 在方程窗口上点击View\\Residual\\Test\\White Heteroskedastcity,检验结果如图：

图5.6 White检验结果

第 12 页 共 22 页

计量经济学大作业

其中F值为辅助回归模型的F统计量值。取显著水平??0.05，由于

2?0.05(2)?5.99?nR2?17.08787,所以存在异方差性。实际应用中可以直接观察相

伴概率p值的大小，若p值较小，则认为存在异方差性。反之，则认为不存在异方差性，这里的0.000215<0.001858，即认为存在异方差。

④Park检验

A. 建立回归模型（结果如White检验回归结果图所示）。 B. 生成新变量序列：GENR LNE2 = log(RESID^2)

GENR LNX = log(x) GENR LNP = log(p)

B.建立新残差序列对解释变量的回归模型：LS LNE2 C LNX LNXP，

图5.7 Park检验回归模型

从上图所示的回归结果中可以看出，LNX的系数估计值不为0且能通过显著性检验，即随机误差项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。

⑤Gleiser检验（Gleiser检验与Park检验原理相同） A. 建立回归模型（结果同图White检验回归结果图所示）。 B. 生成新变量序列：GENR E=ABS(RESID)

第 13 页 共 22 页

计量经济学大作业

C. 分别建立新残差序列（E）对各解释变量（X,X^2, X^(-1)）的回归模型： LS E C X P，回归结果如下所示：

a. E?1.32408?1.27?10X?0.00215P (1.81915) (-0.01809) （0.28102）

?7R2?0.00941,F?0.1281

b. E?1.26993?4.94?10?12X2?0.00285P

(1.93067) (-0.22601) （0.00540） R2?0.01127,F?0.153813 c．E?2.93779?4507.178X?1?0.00609P

(2.64229) (-1.68261) （-0.98962）

R2?0.103410,F?1.557041

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。

(3) 调整异方差性 ① 确定权数变量

根据Park检验，可以得出ei2的一般形式为：

lnei2??13.89144?3.582630lnXi?12.79321lnPi 生成权数变量：GENR W1=1/X^(-3.5826)

根据Gleiser检验，可以取以下三种形式作为权数变量：

W2?1XiW3?1eiW4?1ei2

生成权数变量：GENR W2=1/X^0.5

GENR W3=1/ABS(RESID) GENR W4=1/ RESID ^2

② 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：

第 14 页 共 22 页

计量经济学大作业

LS(W=Wi) Y C X

经估计检验发现用权数W2的效果最好。下面仅给出用权数W2的结果。如图所示：

图5.8 Wh用权数W2的结果

③ 对所估计的模型再进行White检验，观察异方差的调整情况

对所估计的模型再进行White检验，其结果对应图所示。所对应的White检验显示，P值较大，所以接受不存在异方差的原假设，即认为已经消除了回归模型的异方差性。

图5.9 White检验结果

6、自相关性

（1）自相关性检验

第 15 页 共 22 页