-
异方差性的检验和补救
一、
研究目的和要求
表
< br>1
列出了
1998
年我国主要制
造工业销售收入与销售利润的统计资料,请利用统
计软件
Evi
ews
建立我国制造业利润函数模型,检验其是否存在异方差,并加以补救。
表
1
我国制造工业
1998
年销售利润与销售收入情况<
/p>
行业名称
食品加工业
食品制造业
饮料制造业
烟草加工业
纺织业
服装制品业
皮革羽绒制品
木材加工业
家具制造业
造纸及纸品业
印刷业
文教体育用品
石油加工业
化学原料纸品
医药制造业
化学纤维制品
橡胶制品业
塑料制品业
非金属矿制品
黑色金属冶炼
有色金属冶炼
金属制品业
普通机械制造
专用设备制造
交通运输设备
电子机械制造
电子通讯设备
仪器仪表设备
销售利润
Y
187.25
111.42
205.42
183.87
316.79
157.7
81.7
35.67
31.06
134.4
90.12
54.4
194.45
502.61
238.71
81.57
77.84
144.34
339.26
367.47
144.29
201.42
354.69
238.16
511.94
409.83
508.15
72.46
销售收入
X
3180.44
1119.88
1489.89
1328.59
3862.9
1779.1
1081.77
443.74
226.78
1124.94
499.83
504.44
2363.8
4195.22
1264.1
779.46
692.08
1345
2866.14
3868.28
1535.16
1948.12
2351.68
1714.73
4011.53
3286.15
4499.19
663.68
二、
参数估计
EVIEWS
软件估计参数结果如下
Dependent Variable: Y
Method: Least Squares
Date:
06/01/16
Time:
20:16
Sample: 1 28
Included
observations: 28
Variable
C
X
R-squared
Adjusted R-squared
S.E. of
regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
12.03349
0.104394
Std. Error
19.51809
0.008442
t-Statistic
0.616530
12.36658
Prob.
0.5429
0.0000
213.4639
146.4905
10.98938
11.08453
11.01847
1.212781
0.854694
Mean
dependent var
0.849105
S.D. dependent var
56.90455
Akaike info criterion
84191.34
Schwarz criterion
-151.8513
Hannan-Quinn criter.
152.9322
Durbin-Watson stat
0.000000
用规范的形式将参数估计和检验结果写下
?
?
12.03349
?
0.104394
X
Y
i
?????
(19.51809)
?
??
(0.008442)
t
??
=(0.616530)
p>
??
(12.36658)
R
2
?
0.854694
??
F
?
152.9322
三、
检验模型的异方差
(一)
图形法
1.
相关关系图
600
< br>500
400
300
Y
200
100
0
0
p>
1,000
2,000
X
< br>3,000
4,000
5,000
X Y
相关关系图
2.
残差图形
生成残差平方序列
e
2
?
resid
2
,
做
p>
e
与解释变量
X
的散点图如下。
25,000
2
20,000
15,000
E
2
10,000
5,000
0
0
1,000
2,000
X
3,000
4,000
5,000
e
2
与
X
散点图
3.
判断
2
e
由图可以看出,
残差平方
对解释变量
X
的散点图主要分布在图形中的下三角
部分,大致看出残差平方
e
随
X
的变
动呈增大的趋势,因此,模型很可能存在异方
差。但是否确实存在异方差还应通过更进一
步的检验。
(二)
Goldfeld-
Quanadt
检验
1.
排序
使用
Sort X
命令对解释变量
X
进行排序。
2.
构造子样本区间,建立回归模型
样本容量
n=28
,去掉中间
c=8
个样本值,
得到两个样本区间
1~10
、
19~28
的
两组样本值。
1~10
区间回归估计
2
Dependent Variable: Y
Method: Least Squares
Date:
06/01/16
Time:
20:35
Sample: 1 10
Included
observations: 10
Variable
C
X
R-squared
Adjusted R-squared
S.E. of
regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
15.76466
0.085894
Std. Error
14.82022
0.019182
t-Statistic
1.063727
4.477937
Prob.
0.3185
0.0021
77.06400
31.70225
8.790677
8.851194
8.724289
2.280129
0.714814
Mean
dependent var
0.679166
S.D. dependent var
17.95685
Akaike info criterion
2579.587
Schwarz criterion
-41.95338
Hannan-Quinn criter.
20.05192
Durbin-Watson stat
0.002061
19~28
区间回归估计
Dependent Variable: Y
Method: Least Squares
Date:
06/01/16
Time:
20:36
Sample: 19 28
Included
observations: 10
Variable
C
X
R-squared
Adjusted R-squared
S.E. of
regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
-11.99687
0.110552
Std. Error
138.6642
0.039367
t-Statistic
-0.086517
2.808209
Prob.
0.9332
0.0229
369.2440
118.6175
11.99833
12.05884
11.93194
2.489267
0.496413
Mean
dependent var
0.433465
S.D. dependent var
89.28163
Akaike info criterion
63769.67
Schwarz criterion
-57.99163
Hannan-Quinn criter.
7.886037
Durbin-Watson stat
0.022906
3.
F
统计量值
对样本
1~10
回归分析
?
e
i
< br>?
1
10
2
1
i
?
2579.587
-
-
-
-
-
-
-
-
-
上一篇:基于稀疏矩阵的逆和行列式的计算
下一篇:自然拼音班听力训练资料