实验报告课程名称：计量经济学实验项目：实验五异方差模型的检验和处理实验类型：综合性□设计性□验证性 专业班别： 13国贸10姓名：陈凤妍学号： 413011003实验课室：厚德A404指导教师：石立实验日期： 2016.05.27广东商学院华商学院教务处制一、实验项目训练方案小组合作：是□否 小组成员：无实验目的：掌握异方差模型的检验和处理方法实验场地及仪器、设备和材料实验室：普通配置的计算机，Eviews软件及常用办公软件。
实验训练内容（包括实验原理和操作步骤）：【实验原理】异方差的检验：图形检验法、Goldfeld-Quanadt检验法、White检验法、Glejser检验法；异方差的处理：模型变换法、加权最小二乘法(WLS)。
【实验步骤】本实验考虑三个模型：【1】广东省财政支出CZ对财政收入CS的回归模型；（数据见附表1：附表1-广东省数据）【2】广东省固定资产折旧ZJ对国内生产总值GDPS和时间T的二元回归模型；（数据见附表1：附表1-广东省数据）【3】广东省各市城镇居民消费支出Y对人均收入X的回归模型。
（数据见附表2：附表2-广东省2005年数据）（一）异方差的检验1.图形检验法分别用相关分析图和残差散点图检验模型【1】、模型【2】和模型【3】是否存在异方差。
注：①相关分析图是作因变量对自变量的散点图（亦可作模型残差对自变量的散点图）；②残差散点图是作残差的平方对自变量的散点图。
③模型【2】中作图取自变量为GDPS来作图。
相关分析图04008001,2001,6002,0002,4005001,0001,5002,000CSC Z残差散点图04,0008,00012,00016,00020,0005,00010,00015,00020,00025,000GDPSE 1相关分析图04,0008,00012,00016,00020,00024,0001,0002,0003,0004,000ZJGDPS T残差散点图04,0008,00012,00016,00020,00024,00028,00005,00010,00015,00020,00025,000GDPSE 2模型【3】相关分析图4,0008,00012,00016,00020,00024,0005,00010,00015,00020,00025,00030,000X1Y 1残差散点图1,000,0002,000,0003,000,0004,000,0005,000,0006,000,0007,000,0005,00010,00015,00020,00025,00030,000X1E 2【思考】①相关分析图和残差散点图的不同点是什么？②*在模型【2】中，自变量有两个，有无其他处理方法？尝试做出来。
（请对得到的图表进行处理，以上在一页内） 2.Goldfeld-Quanadt 检验法用Goldfeld-Quanadt 检验法检验模型【3】是否存在异方差。
注：Goldfeld-Quanadt 检验法的步骤为：①排序：②删除观察值中间的约1/4的，并将剩下的数据分为两个部分。
③构造F 统计量：分别对上述两个部分的观察值求回归模型，由此得到的两个部分的残差平方为∑21ie和∑22ie。
∑21ie为较大的残差平方和，∑22ie为较小的残差平方和。
④算统计量)2)(,2)((~2221*k c n k c n F ee F ii ----=∑∑。
⑤判断：给定显著性水平0.05=α，查F 分布表得临界值)()2)(,2)((αk c n k c n F ----。
如果)()2)(,2)((*αk c n k c n F F ---->，则认为模型中的随机误差存在异方差。
（详见课本135页）将实验中重要的结果摘录下来，附在本页。
obs X1 Y1 1 7021.94 4632.692 7220.439999999999 6317.033 7299.25 6350.384 8241.2 6463.3699999999995 8842.840000000001 6757.026 9214.6 7294.937 9867.36 7476.6499999999998 10097.2 7669.849 10908.36 8113.640000000001 10 11944.08 8296.43 11 12229.17 9505.66 12 15762.77 12651.95 13 17680.1 14323.66 14 18287.24 14468.24 15 18907.73 14485.61 16 21015.03 18550.56 17 22881.8 21188.84 18 28665.25 21767.78Dependent Variable: Y1Method: Least SquaresDate: 05/27/16 Time: 12:49 Sample: 1 7Included observations: 7Coefficient Std. Error t-Statistic Prob.X1 0.694962 0.210346 3.303899 0.0214 C 741.06461747.4610.4240810.6891R-squared 0.685846 Mean dependent var 6470.296Adjusted R-squared 0.623015 S.D. dependent var 930.0264S.E. of regression 571.0279 Akaike info criterion 15.76771Sum squared resid 1630364. Schwarz criterion 15.75226Log likelihood -53.18698 Hannan-Quinn criter. 15.57670F-statistic 10.91575 Durbin-Watson stat 1.749751Prob(F-statistic) 0.021383Dependent Variable: Y1Method: Least SquaresDate: 05/27/16 Time: 12:50Sample: 12 18Included observations: 7Coefficient Std. Error t-Statistic Prob.X1 0.791414 0.147258 5.374327 0.0030C 586.5952 3068.733 0.191152 0.8559R-squared 0.852435 Mean dependent var 16776.66Adjusted R-squared 0.822922 S.D. dependent var 3677.261S.E. of regression 1547.415 Akaike info criterion 17.76151Sum squared resid Schwarz criterion 17.74606Log likelihood -60.16530 Hannan-Quinn criter. 17.57050F-statistic 28.88339 Durbin-Watson stat 1.957878Prob(F-statistic) 0.003004（请对得到的图表进行处理，以上在一页内）3.White检验法分别用White检验法检验模型【1】、模型【2】和模型【3】是否存在异方差。
Eviews操作：先做模型，选view/Residual Tests/White Heteroskedasticity (no cross terms/cross terms)。
摘录主要结果附在本页内。
模型【1】Heteroskedasticity Test: WhiteF-statistic 4.940866 Prob. F(2,25) 0.0156Obs*R-squared 7.932189 Prob. Chi-Square(2) 0.0189Scaled explained SS 14.57723 Prob. Chi-Square(2) 0.0007Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 05/27/16 Time: 13:19Sample: 1978 2005Included observations: 28Coefficient Std. Error t-Statistic Prob.C -879.8513 1125.376 -0.781829 0.4417CS 12.93720 4.651328 2.781398 0.0101CS^2 -0.006620 0.002964 -2.233561 0.0347R-squared 0.283292 Mean dependent var 1940.891Adjusted R-squared 0.225956 S.D. dependent var 4080.739S.E. of regression 3590.225 Akaike info criterion 19.31077Sum squared resid 3.22E+08 Schwarz criterion 19.45351Log likelihood -267.3508 Hannan-Quinn criter. 19.35441F-statistic 4.940866 Durbin-Watson stat 2.144291Prob(F-statistic) 0.015552从模型结果看出，nR²=7.932189，由White检验知，在α=0.05下，查x2分布表，得临界值X²0.05(2)=5.99147，比较计算的统计量与临界值，nR²=7.932189> X²0.05(2)=5.99147 ,所以拒绝原假设，不拒绝备择假设，表明模型存在异方差。
模型【2】Heteroskedasticity Test: WhiteF-statistic 1.993171 Prob. F(5,22) 0.1195Obs*R-squared 8.729438 Prob. Chi-Square(5) 0.1204Scaled explained SS 14.67857 Prob. Chi-Square(5) 0.0118Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 05/27/16 Time: 13:31Sample: 1978 2005Included observations: 28Coefficient Std. Error t-Statistic Prob.C 1837.898 6243.701 0.294360 0.7712GDPS -3.395093 5.407361 -0.627865 0.5366GDPS^2 -9.08E-05 0.000185 -0.489537 0.6293GDPS*T 0.160300 0.315176 0.508604 0.6161T -491.5614 1982.891 -0.247901 0.8065T^2 49.08543 152.9875 0.320846 0.7514R-squared 0.311766 Mean dependent var 3461.910Adjusted R-squared 0.155349 S.D. dependent var 7240.935S.E. of regression 6654.775 Akaike info criterion 20.63147Sum squared resid 9.74E+08 Schwarz criterion 20.91694Log likelihood -282.8405 Hannan-Quinn criter. 20.71874F-statistic 1.993171 Durbin-Watson stat 1.971537Prob(F-statistic) 0.119510从模型结果看出，nR²=8.729438，由White 检验知，在α=0.05下，查x2 分布表，得临界值X ²0.05(2)=5.99147，比较计算的统计量与临界值，nR²=8.729438> X ²0.05(2)=5.99147 ,所以拒绝原假设， 不拒绝备择假设，表明模型存在异方差。