实验一异方差性【实验目的】掌握异方差性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews 操作方法。【实验内容】以《计量经济学学习指南与练习》补充习题 4-16 为数据，练习检查和克服模型的异方差的操作方法。【4-16】表 4-1 给出了美国 18 个行业 1988 年研究开发（R&D）费用支出 Y 与销售收入 X 的数据。请用帕克（Park）检验、戈里瑟（Gleiser）检验、G-Q 检验与怀特（White）检验来检验 Y 关于 X 的回归模型是否存在异方差性？若存在异方差性，请尝试消除它。Eviews 异方差性实验报告Y=187.507+0.032*X（*）(0.17)(2.88)(2)残差图分析首先对数据按照解释变量 X 由小至大进行排序(SORTX),然后建立一元线性回归方程(LSYCX)。DependentVariable:YMethod:LeastSquaresD^te:12/06/11Time:23:08Sample:117Includedobservations:17VariableCoefficientStd.Errort-StatisticProb.C187.50681106.6310.1694320.8677其0.0319930.0111112.8793580.0115R-squared0.355966Meandependentvar2676.1S8AdjustedR-squared0.313031S.D.dependentvar343S.207S.E.ofregression2849.711Akaikeinfocriterion10S5795Sumsquaredresid1.22E+曲Schwarzcriterion1895598Loglikelihood-158.2926Hannan-Quinncriter.10.36770F-statistic0.290703Durbin-Watsonstat2.738533Prob(F-statistic)0011464因此，模型估计式为:R2=0.31s.e.=2850F=0.011建立残差关于 X 的散点图，可以发现随着 X 增加，残差呈现明显的扩大趋势，表明存在递增的异方差。Eviews 异方差性实验报告CHSs.ooa-6,000-oooooooooaVT5--Io50,000100,000150,000200,000250.0002、Park 检验建立回归模型(LSYCX),结果如(*)式。生成新变量序列：GENRLNE2=LOG(RESIDT)GENRLNX=LOG(X)生成新残差序列对解释变量的回归模型(LSLNE2CLNX)。从下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。DependentVariable:LNE2Method:LeastSquaresDate:12/04/11Time:13:27Sample:117Includedobsen/ations:17VariableCoefficientStd.Errort-StatisticProb.C-2.5472734.379017-0.5S15930.5695l_N冥1.5018570.40194237365000.0020R-squared0.482070Meandependentvar13.74855AdjustedR-squared0.4475418.D.dependentvar2.234574S.E.ofregression1.660905Akaikeinfocriterion3962733Sumsquaredr...
