计量经济学上机实验手册标准化工作室编码[XX968T-XX89628-XJ668-XT689N]实验三异方差性实验目的：在理解异方差性概念和异方差对OLS回归结果影响的基础上，掌握进行异方差检验和处理的方法。
熟练掌握和运用Eviews软件的图示检验、G-Q检验、怀特（White）检验等异方差检验方法和处理异方差的方法——加权最小二乘法。
实验内容：书P116例4.1.4：中国农村居民人均消费函数中国农村居民民人均消费支出主要由人均纯收入来决定。
农村人均纯收入除从事农业经营的收入外，还包括从事其他产业的经营性收入以及工资性收入、财产收入和转移支付收入等。
为了考察从事农业经营的收入和其他收入对中国农村居民消费支出增长的影响，建立双对数模型：其中，Y表示农村家庭人均消费支出，X1表示从事农业经营的纯收入，X2表示其他来源的纯收入。
表4.1.1列出了中国内地2006年各地区农村居民家庭人均纯收入及消费支出的相关数据。
注：从事农业经营的纯收入由从事第一产业的经营总收入与从事第一产业的经营支出之差计算，其他来源的纯收入由总纯收入减去从事农业经营的纯收入后得到。
资料来源：《中国农村住户调查年鉴（2007）》、《中国统计年鉴（2007）》。
实验步骤：一、创建文件1.建立工作文件CREATE U 1 31 【其中的“U”表示非时序数据】2.录入与编辑数据Data Y X1 X2 【意思是：同时录入Y、X1和X2的数据】3.保存文件单击主菜单栏中File→Save或Save as→输入文件名、路径→保存。
二、数据分析1.散点图①Scat X1 Y从散点图可看出，农民农业经营的纯收入与农民人均消费支出呈现一定程度的正相关。
②Scat X2 Y从散点图可看出，农民其他来源纯收入与农民人均消费支出呈现较高程度的正相关。
2.数据取对数处理Genr LY=LOG(Y)Genr LX1=LOG(X1)Genr LX2=LOG(X2)三、模型OLS参数估计与统计检验LS LY C LX1 LX2得到模型OLS参数估计和统计检验结果：Dependent Variable: LYMethod: Least SquaresSample: 1 31LX1Adjusted R-squared . dependent var. of regression Akaike infocriterionSum squared resid Schwarz criterionLog likelihood F-statistic【注意：在学术文献中一般以这种形式给出回归方程的输出结果，而不是把上面的软件输出结果直接粘贴到文章中】可决系数，调整可决系数，显示模型拟合程度较高;同时,F 检验统计量，在5%的显着性水平下通过方程总体显着性检验。
可认为农民农业经营的收入和其他收入整体与农村居民消费支出的线性关系显着成立。
变量X2和截距项均在5%的显着性水平下通过变量显着性检验，但X1在10%的显着水平下仍不能通过检验。
四、异方差检验对于双对数模型，由于12(0.150214)(0.477453)ββ=<=【二者均为弹性系数】，可认为其他来源的纯收入而不是从事农业经营的纯收入的增长，对农户人均消费的增长更有刺激作用。
也就是说，不同地区农村人均消费支出的差别主要来源于非农经营收入及工资收入、财产收入等其他来源收入的差别，因此，如果模型存在异方差性，则可能是X2引起的。
1.图示检验法观察残差的平方与LX2的散点图。
①残差（resid ）残差（resid ）变量数据是模型参数估计命令完成后由Eviews 软件自动生成（在Workfile 框里可找到），无需人工操作获得。
注意，resid 保留的是最近一次估计模型的残差数据。
②残差的平方与LX2的散点图 Scat LX2 resid^2从上图可大体判断出模型存在递增型异方差性。
2．G-Q 法检验异方差补充：先定义一个变量T ，取值为1、2、…、31【分别代表各省市】，用于在做完G-Q 检验之后，再按T 排序，使数据顺序还原。
Data T 【提示：输入1、2、…、31】 ①将所有原始数据按照X2升序排列。
Sort X2Show Y X1 X2 LY LX1 LX2显示各个变量数据的目的是查看一下，所有变量数据是否按X2升序排列好了。
②将31对样本数据，去掉中间的7对，形成两个容量均为12的子样本，即1-12和20-31。
③对1-12的子样本做普通最小二乘估计，并记录残差平方和1RSS 。
Smpl 1 12 【意思是：将样本区间由1-31，改为1-12】 Ls LY C LX1 LX2Dependent Variable: LY Method: Least Squares Sample: 1 12LX1 Adjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid Schwarz criterion Log likelihoodF-statistic子样本1：12ln 3.1412080.398385ln 0.234751ln Y X X e =+++ 1RSS =④对20-31的子样本做普通最小二乘估计，并记录残差平方和2RSS 。
Smpl 20 31 【意思是：将样本区间由1-12，改为20-31】 Ls LY C LX1 LX2Dependent Variable: LY Method: Least Squares Sample: 20 31LX1Adjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid Schwarz criterion Log likelihoodF-statistic子样本2：12ln 3.9936440.113766ln 0.6201681ln Y X X e =-++2RSS =⑤异方差检验在5%与10%的显着性水平下，自由度为（9,9）的F 分布临界值分别为0.05(9,9) 3.18F =与0.10(9,9) 2.44F =。
因此5%显着性水平下不能拒绝同方差假设，但在10%的显着性水平下拒绝。
补充：怀特检验软件操作：在原始模型的OLS 方程对象窗口中，选择view/Residual test/White Heteroskedasticity 。
Eviews 提供了包含交叉项的怀特检验“White Heteroskedasticity （cross terms ）”和没有交叉项的怀特检验“WhiteHeteroskedasticity （no cross terms ）”这样两个选择。
【问题：如果是刚做完上面的G-Q 检验，如何得到原始模型答案：先恢复成全样本，再按T 排序，然后做OLS 回归。
】SMPL 1 31 【意思是：将样本区间恢复到1-31】 补充：将样本数据按T 升序排列，使数据顺序还原。
Sort T 【意思是：将数据顺序还原】 Ls LY C LX1 LX2下面是在原始模型的OLS 方程对象窗口中，选择view/Residual test/White Heteroskedasticity ，然后进行包含交叉项的怀特检验“White Heteroskedasticity （cross terms ）”所得到的输出结果【最上方显示了两个检验统计量：F 统计量和White 统计量nR 2；下方显示的是以OLS 的残差平方为被解释变量的辅助回归方程的回归结果】：Test Equation:Dependent Variable: RESID^2 Method: Least SquaresDate: 05/03/11 Time: 17:21 Sample: 1 31LNX1 LNX1^2 LNX1*LNX2 LNX2Adjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid Schwarz criterion Log likelihoodF-statistic可见，怀特统计量nR 2=【=31×】，大于自由度【也即辅助回归方程中解释变量的个数】为5的2分布临界值07.115205.0=）（χ，因此，在5%的显着性水平下拒绝同方差的原假设。
五、采用加权最小二乘法处理异方差【以下内容和教材P118-120不一样，但是我们必须掌握的重点——以原始模型的OLS 回归残差的绝对值的倒数为权数，手工完成加权最小二乘估计】LS LY C LX1 LX2Genr E=resid 【意思是：记录双对数模型OLS 估计的残差】 用残差的绝对值的倒数对LY 、LX1、LX2做加权： Genr LYE=LY/abs (E) Genr LX1E=LX1/abs (E) Genr LX2E=LX2/abs (E) Genr CE=1/abs (E) LS LYE CE LX1E LX2EDependent Variable: LYEMethod: Least Squares Sample: 1 31LX1EAdjusted R-squared . dependent var . of regressionAkaike info criterionSum squared resid Schwarz criterion可以看出，lnX1参数的t统计量有了显着改进，这表明在1%显着性水平下，都不能拒绝从事农业生产带来的纯收入对农户人均消费支出有着显着影响的假设。
六、检验加权的回归模型是否还存在异方差1.检验是否由LX1E引起异方差Sort LX1E 【意思是：将原始数据按LX1E升序排列】①子样本1的回归：Smpl 1 12LS LYE CE LX1E LX2EDependent Variable: LYEMethod: Least SquaresSample: 1 12LX1EAdjusted R-squared . dependent var. of regression Akaike infocriterionSum squared resid Schwarz criterionRSS=子样本1：1②子样本2的回归：Smpl 20 31LS LYE CE LX1E LX2EDependent Variable: LYEMethod: Least SquaresDate: 05/01/11 Time: 23:23Sample: 20 31LX1EAdjusted R-squared . dependent var. of regression Akaike infocriterionSum squared resid Schwarz criterion子样本2：2RSS =③异方差检验 【注意做题的步骤】提出假设 22012:H σσ= 22112:H σσ≠计算检验统计量：在5%的显着性水平下，自由度为（9,9）的F 分布临界值分别为0.05(9,9) 3.18F =。