【Eviews】异方差的检验(图示检验法、white检验法、GQ检验法)与修正(加权最小二乘法) | 您所在的位置:网站首页 › eviews导出残差序列 › 【Eviews】异方差的检验(图示检验法、white检验法、GQ检验法)与修正(加权最小二乘法) |
异方差: 模型中随机扰动项的方差 随 解释变量 的变动而变动。 异方差的检验: 图示法 先对y,x做线性回归,这样才能产生残差resid. GQ检验法 切记:先对解释变量x排序(一般是按照升序), 再截断样本,取一头一尾,计算残差平方和,构造F检验,得出结论。 注:[proc]—[making equations]—[equation estimate] 原样本数据共有23个,这里去掉了排序后的中间5个,取一头(前9个样本数据)和一尾(后9个样本数据),分别对其进行线性回归; 对后9个样本数据做回归的结果展示如下: 注意看·sample·为15 23 ;·include observations·为9. 计算F检验值:因为一头一尾线性回归中的使用观测样本数据个数是一样的,所以只需要提取·sum squared resid·这一项做除就行。 white检验法 先对x、y进行线性回归,并在equation框中,【view】-【residual diagnostic】-【heter… test】-【white】。 返回结果如下图: 异方差的修正: 加权最小二乘法。 举例: 如果 V a r ( u i ) = σ i 2 = σ 2 X i 2 Var(u_{i})=\sigma_{i}^{2}=\sigma^{2}X_{i}^{2} Var(ui)=σi2=σ2Xi2, 考虑 V a r ( u i X i ) = σ 2 Var(\frac{u_{i}}{X_{i}})=\sigma^{2} Var(Xiui)=σ2, 那么原模型 Y i = β 0 + β 1 X i + u i Y_{i}=\beta_{0}+\beta_{1}X_{i}+u_{i} Yi=β0+β1Xi+ui随之化为 Y i X i = β 0 X i + β 1 + u i X i \frac{Y_{i}}{X_{i}}=\frac{\beta_{0}}{X_{i}}+\beta_{1}+\frac{u_{i}}{X_{i}} XiYi=Xiβ0+β1+Xiui 这里的权数就是 1 X i \frac{1}{X_{i}} Xi1. 用Eviews操作如下: 方法一: 输入ls y/x c 1/x+回车,即可。 不建议使用该方法,理由:返回结果简单,很难体现出改进在了什么地方 方法二: 先对x、y进行线性回归,并在equation框中,点击[estimate]-[option] 需要设置的地方有:选择coefficient covariance matrix:white-weight type: inverse std.dev.-weighet series:1/x. 返回结果的格式如下: 🤦🤦🤦🤦🤦🤦🤦🤦🤦🤦🤦🤦 这篇博客被不止一次地修正,每次修正使用的数据集都不同,所以会出现有的地方·sample·为23,有的截图为29……,主要还是看操作 |
CopyRight 2018-2019 实验室设备网 版权所有 |