503 Service Temporarily Unavailable
503 Service Temporarily Unavailable
openresty/1.9.7.4戈里瑟检验原理
计量经济学内容
08-12-18 &匿名提问
一、定义计量经济学（Econometrics）是应用经济学的一个分支学科。它以一定的经济理论和实际统计资料为依据，运用数学、统计学方法和计算机技术，通过建立计量经济模型，定量分析经济变量之间的随机因果关系。二、研究内容定量分析经济变量之间的随机因果关系。三、研究方法建立并运用计量经济模型。四、学科基础经济学、统计学、数学和计算机技术。五、计量经济学发展简史（略） 第二节  计量经济学与其它学科的关系一.    计量经济学与经济学 经济理论与数理经济学是计量经济学的理论基础，计量经济学利用各种具体数量关系以统计方式描述经济规律，可以验证和充实经济理论。二.    计量经济学与统计学经济统计学是对经济统计资料的收集、加工和整理，并列表图示，以描述整个观察期间的发展模式，或推测各种经济变量之间的关系。统计资料仅仅是计量经济研究的“素材”。计量经济学要以经济统计学提供的经济统计指标及数据研究经济现象的定量关系。所以，计量经济研究也是对统计资料一种深层次“挖掘”和“开发利用”。三.    计量经济学与数学由于计量经济学研究的主要是随机关系，所以需要引入数理统计方法以及集合与矩阵等理论和方法，并在此基础上发展了计量经济方法，成为计量经济研究的建模工具。数理统计学是计量经济学的数学理论基础。第三节  计量经济研究的步骤一．模型设定模型设定一般包括总体设计和个体设计。总体设计的目标是能正确反映经济系统的运行机制。个体设计的目标是能正确反映经济变量之间的因果关系。㈠ 研究经济理论根据一定经济理论揭示影响研究对象的因素及其影响方向和作用大小。对同一经济问题，所依据的经济理论不同，所分析的影响因素和构造的计量模型就可能不同。㈡ 确定变量选择变量必须正确把握所研究经济活动的经济学内容。确定纳入模型中的变量的性质，即哪个是被解释变量，哪个或哪些是解释变量。一般将将影响研究对象最主要的、定量的、经常发生作用的、有统计数据支持的因素纳入模型之中。慎重使用虚拟变量。㈢ 确定模型的数学形式一般有两种方式：一是根据经济行为理论，利用数理经济学推导出的模型形式；一是根据实际统计资料绘制被解释变量与解释变量的相关图。㈣ 设定模型中待估参数的符号和大小的理论期望值。    二、模型估计㈠样本数据样本数据类型：时间序列数据，应用此类数据建模时要注意数据的口径和易使模型产生序列相关；截面数据，此类数据易使模型产生异方差性；虚变量数据；平行数据（混合数据）。选择样本数据的出发点：模型的研究目的；模型的应用期限。样本数据的质量：完整性，准确性，可比性。㈡模型识别仅对联立经济计量模型而言，判断能否方程组估计出模型参数。㈢估计方法选择根据模型特点和估计方法的应用条件进行选择。㈣ 软件使用本课程主要学习和掌握EVIEWS软件。三、模型检验㈠ 经济检验检验求得的参数估计值的符号和大小与人们的经验和经济理论是否相符。㈡ 统计检验拟合优度检验：检验回归方程对样本观测值的拟合程度；方法为判定系数法。模型（方程）显著性检验：检验模型（方程）对总体的近似程度；方法为F检验法。变量显著性检验：检验模型中每个解释变量与被解释变量之间的线性关系是否显著；方法为t检验法。㈢ 计量经济学检验异方差检验：检验模型是否存在异方差性；方法主要有G-Q、White、Park、Gleiser等方法。自相关检验：检验模型是否存在自相关性；方法主要有D-W检验、偏相关系数检验、B-G检验法等。多重共线性检验：判断模型中解释变量之间是否存在线性相关关系，方法主要有简单相关系数、辅助回归模型、方差膨胀因子等方法。 ㈣ 预测性能检验判断模型是否可以进行外推预测。四、模型应用㈠ 结构分析分析经济变量或结构参数的变动对整个经济系统的影响。㈡ 经济预测利用模型预测经济变量未来发展。㈢政策评价利用模型评价经济政策效应，发挥“经济实验室”作用。㈣验证经济理论利用计量经济模型和实际统计资料验证某个经济理论假是否。 第四节  计量经济学内容体系一、广义计量经济学与狭义计量经济学广义计量经济学是利用经济理论、数学和统计学定量研究现象的数量经济方法的统称，内容包括回归分析、时间序列分析、投入产出分析等。狭义计量经济学就是我们通常所定义的计量经济学，主要研究经济变量之间的随机因果关系，采用的数学方法主要是在回归分析基础上发展起来的计量经济方法。这也是本课程的主要内容。二、理论计量经济学与应用计量经济学理论计量经济学主要研究计量经济学的理论和方法，侧重分析如何建立一个“优良”的模型来揭示经济变量之间的数量关系，所以参数估计和模型检验是其讨论的两个中心内容。应用计量经济学主要研究计量经济学的具体应用，侧重讨论如何利用计量经济模型定量分析具体的经济问题，中心内容是应用计量经济模型（如消费函数、生产函数、投资函数、需求函数等）的模型设定和模型应用。三、计量经济模型的类型㈠  单方程模型与联立方程模型单方程模型：模型系统只包含一个方程，即只研究某一个经济关系。联立方程模型：模型系统含有多个方程，涉及到多个经济关系。㈡ 静态模型与动态模型静态模型：模型中不含有滞后变量，反映不同经济变量之间相互关系。动态模型：模型中含有滞后变量，反映经济变量各期值之间的影响，更确切地描述了经济变量之间的相互关系。 第二章  回归模型教学目的和要求：了解总体回归方程和样本方程，掌握随机误差的意义和产生原因，掌握古典回归模型的假定；掌握OLS法的基本原理和高斯—马尔柯夫定理，了解系数的估计误差与置信区间；掌握回归模型统计检验的意义和方法；了解非线性回归模型参数的估计；掌握回归模型参数估计和统计检验的EVIEWS软件实现。第一节 古典回归模型一、回归分析1.    总体回归函数在总体中，解释变量x取各个给定值时y均值的轨迹称为总体回归直线，总体回归直线所对应的方程E(yi) = ?(xi) = a +bxi称为总体回归方程，常数a、b称为总体回归参数（或回归系数）。2.    样本回归函数在随机抽取的样本中，设法确定一条直线较好地拟合这些样本观察值，称这条直线为样本回归直线，其对应的方程 称为样本回归方程， 分别为总体回归参数a、b的估计。3.  回归分析的主要内容根据样本观察值确定样本回归方程；检验样本回归方程对总体回归方程的近似程度；利用样本回归方程分析总体的平均变化规律。二．模型的随机设定1．随机误差与残差随机误差为     εi＝yi－E(yi)总体回归模型的随机设定形式：yi＝E(yi)＋εi残差（或拟合误差） ei为随机误差εi的估计。2．产生随机误差的原因客观现象本身的随机性；模型本身的局限性；模型函数形式的设定误差；数据的测量与归并误差；随机因素的影响（如自然灾害等）三．古典回归模型的基本假定1．解释变量x为非随机变量。2．零均值假定：E(εi)=03．同方差假定：D(εi)=σ2（常数）4．非自相关假定：Cov(εi,εj)=0（i≠j）5．解释变量与随机误差项不相关假定：Cov(xi,εi)=0（或E(xiεi)=0）6．无多重共线性假定。 将满足这些假定的回归模型称为古典回归模型。第二节 回归模型的参数估计   一、最小二乘估计（OLS）1、最小二乘原理2．参数的最小二乘估计设 = ，利用微分学中求极值的方法，分别求Q关于待估参数的一阶偏导并令其为零，解正规方程组可得到各参数的估计值。 (2-1)
     二、最小二乘估计的性质1、参数估计量的评价标准无偏性；有效性；一致性。2、高斯—马尔可夫定理1、 在古典回归模型的若干假定成立的情况下，最小二乘估计是所有线性无偏估计量中的有效估计量，即OLS估计为“最佳线性无偏估计量”（Best  Linear  Unbiased  Estimator— BLUE）。三、系数的估计误差与置信区间1．OLS估计的概率分布（以一元线性回归为例），  2．系数的估计误差（以一元线性回归为例），3．系数的置信区间（以一元线性回归为例） 第三节 回归模型的统计检验一、模型的拟合优度检验所谓“拟合优度”，即模型对样本数据的近似程度，常用判定系数反映。 1．总平方和分解公式 设估计的多元线性回归模型为有           上式记成   TSS    =ESS    +    RSS          
2．判定系数判定系数为回归平方和(ESS)占总平方和(TSS)的比重，用符号R2表示，即0≤R2≤1，R2的值越接近于1，则表明模型对样本数据的拟合优度越高。判定系数的经济含义y的变化中可以用解释变量的变化来说明的部分，即模型的可解释程度。调整判定系数:判定系数受解释变量X的个数k的影响，在进行k不同的模型优劣比较时，判定系数必须进行调整。 SC（Schwarz Criterion，施瓦兹准则）和AIC(Akaike Information Criterion，赤池信息准则)也可以用于比较含有不同解释变量个数模型的拟合优度： SC或AIC值越小表明模型的拟合优度越高。二、模型的显著性检验模型的显著性检验，就是检验模型对总体的近似程度。最常用的检验方法是F检验法。对于多元线性回归模型 作假设H0：b1=b2=…=bk=0 构造统计量 对于给定的显著水平α，可由F分布表查得临界值Fα： 若F＞Fα，则拒绝H0，可以认为模型的线性关系是显著的；若F≤Fα，则接受H0，认为模型的线性关系不显著，回归模型无效，需重建。检验通不过的原因可能在于：所选取的解释变量不是影响被解释变量变动的主要因素,或者说影响y变动的因素除模型中的因素外，还有其它不可忽略的因素； 解释变量与被解释变量之间无相关关系；解释变量与被解释变量之间不存在线性相关关系；样本容量n比较小等。三、变量的显著性检验变量的显著性检验即检验模型中每个解释变量对被解释变量的线性影响是否显著，检验方法为t检验法。对于多元线性回归模型 作原假设：H0：bj=0构造统计量     给定显著水平α，由t分布表查得临界值tα/2.若|tj|&tα/2，拒绝H0，认为xj对y的线性影响显著；若|tj|≤tα/2，接受H0，认为xj对y的线性影响不显著，应考虑将xi从模型中剔除或改变模型形式，重新建立模型。变量显著性检验通不过的原因可能在于： 第一，xj与y不存在线性相关关系 ；第二，xj与y不存在任何关系;第三，xi与xj(i≠j)存在线性相关关系。 第四节  非线性回归模型一、可线性化模型模型经过适当的变量变换或函数变换就可以转化成线性回归模型，称这类模型为可线性化模型。1．倒数变换模型（双曲函数模型）  设:    则上式变换为: 对于模型: 设：    则上式变换为: 2．双对数模型（幂函数模型）  设： 则将其转换为  由于  因此，双对数模型中的回归系数b恰好就是被解释变量y关于解释变量x的弹性。3．半对数模型
 对数函数模型   y=a+blnx+ε  指数函数模型   lny=a+bx+ε  半对数模型中的回归系数也有很直观的含义：对数函数模型中b的意义：x增加1%时，y 将增长0.01b个单位，即 指数函数模型中b的意义：x增加1个单位时，y 将增长100b% ，即4．多项式模型设： 则模型变换为:二、不可线性化模型一般采用高斯—牛顿迭代法进行估计，即将其展开成泰勒级数之后，再利用迭代估计方法进行估计。1．迭代估计法（略）2．迭代估计法的EViews软件实现(1)设定待估参数的初始值。两种方式：方式1：使用PARAM命令，格式为： PARAM    1  初始值1    2     初始值2       ……方式2：在工作文件窗口中双击序列C，并在序列窗口中直接输入参数的初始值。(2)估计非线性模型 【命令方式】
 在命令窗口可以直接键入非线性模型的迭代估计命令NLS。格式为：NLS    被解释变量=非线性函数表达式【菜单方式】（1）在数组窗口中点击Procs\ Make   Equation； （2）在弹出的方程描述对话框中输入非线性回归模型的具体形式：（3）选择估计方法为最小二乘法后点击OK。 第三章  回归模型的扩展教学目的和要求：了解异方差性的意义、产生原因和影响，掌握异方差性的检验和修正方法；了解自相关性的意义、产生原因和影响，掌握自相关性的检验和修正方法；了解多重共线性的意义、产生原因和影响，掌握多重共线性的检验和修正方法；了解虚拟变量的意义和作用，掌握虚拟解释变量的引入方式和设置原则，了解虚拟被解释变量模型的估计方法；了解滞后变量模型的类型，掌握S.ALOM估计法和Koyck估计法，了解自回归模型的估计方法，掌握滞后效应分析和葛兰杰因果关系检验；掌握异方差性、自相关性、多重共线性检验和修正方法以及滞后变量模型估计的EVIEWS软件实现。第一节 异方差性一、异方差性及其产生的原因1.异方差性的定义对于线性回归模型 若D(εi)＝σ2i≠常数      (i=1,2,….n)则称模型存在异方差性（Heteroskedasticity）。2.产生异方差性的原因模型中遗漏了影响逐渐增大的因素；模型函数形式的设定误差；随机因素的影响。二、异方差性的影响1．最小二乘估计不再是有效估计2．无法正确估计系数的标准误差3．t检验的可靠性降低4．增大模型的预测误差三、异方差性的检验1．图示检验法（1）相关图分析如果随着x值的增加，散布点分布的区域逐渐变宽或变窄或出现不规则的复杂变化，则表明模型存在着递增型（递减型、或复杂型）的异方差性。在Eviews软件中，可利用“Scat“命令作Y对X的散点图： Scat Y X   （2）残差分布图分析建立回归模型之后，在方程窗口中点击Resids按钮可以得到模型的残差分布图，如果残差分布点不紧紧围绕在一条水平线变动（既近似为一常数），其散步区域逐渐变宽或变窄或出现不规则的复杂变化，则表明存在着异方差性。注意观察之前需要先将数据关于解释变量排序，命令格式为：SORT  X 2．怀特（White）检验White检验是建立辅助回归模型的方式来判断异方差性。其步骤为：（1）估计回归模型，并计算残差的平方 ；（2）估计辅助回归模型：残差平方 关于解释变量的二次函数。（3）计算辅助回归模型的判定系数R2；可以证明，在同方差的假设下，有nR2～χ2(q)其中自由度q为辅助回归模型中的自变量个数。（4）对于给定的显著水平α，若nR2&χ2α(q)，模型存在异方差性；反之，则认为不存在异方差性。利用EViews软件可以直接进行White检验：(1)建立回归模型：  LS Y  C  X (2)检验异方差性：在方程窗口中依次点击View\Residual  Test\ White Heteroskedastcity可以选择在辅助回归模型中是否包含交叉乘积项（Cross terms）。3．帕克（Park）检验和戈里瑟（Gleiser）检验帕克检验的模型形式为： 或        
 戈里瑟检验是利用多个模型形式进行检验：         …其中， 是随机误差项。如果经检验某个方程是显著的，则表明存在异方差性。四．异方差性的解决方法1．模型变换法模型变换法：对存在异方差性的模型进行适当的变量变换，使之成为满足同方差假定的模型，这样仍然可以利用最小二乘法估计变换后的模型，得到的参数估计还是最佳线性无偏估计。2．加权最小二乘法（Weighted  Least  Square—WLS）基本原理          (ωi为权重)注意权重的变化应与异方差的变化相反。通常将ωi直接取成1/σ2i。3．加权最小二乘估计的EViews软件实现（1）利用原始数据和OLS法计算（2）生成权数变量ωi ；（3）使用加权最小二乘法估计模型【命令方式】   LS(W=权数变量)  Y  C  X【菜单方式】①在方程窗口中点击Estimate按钮；②在弹出的方程说明对话框中点击Options，进入参数设置对话框；③在参数设置对话框中选定Weighted  LS方法，并在权数变量栏中输入权数变量，然后点击OK返回方程说明对话框；④点击OK，系统将采用WLS方法估计模型。（3）对估计后的模型，再使用White检验判断是否消除了异方差性。第二节  自相关性一、自相关性及其产生原因1. 自相关性的定义对于模型 如果随机误差项的各期值之间存在着相关关系，即Cov(εt,εt-i)＝E(εtεt-i)≠0  (i=1,2,…,s)则称模型存在着自相关性（Autocorrelation）。随机误差项的自相关性可以有多种形式，其一般形式可以表示为     称模型存在p阶自相关2.自相关性产生原因模型中遗漏了重要的解释变量；模型函数形式的设定不当；经济现象发展惯性；随机因素的影响。二、自相关性的影响1．最小二乘估计不再是有效估计2．一般会低估OLS估计的标准误差3．t检验的可靠性降低4．降低模型的预测精度三、自相关性的检验1．残差图分析如果随着时间的推移残差分布呈现出周期性的变化，说明很可能存在自相关性。若呈现不规则的随机分布，则直观认为不存在自相关性。在方程窗口中点击Resids按钮，或者点击View\ Actual，Fitted，Residual\ Tabel，都可以得到残差分布图。2．德宾—沃森（Durbin-Watson）检验 (1) 提出假设 H0 :   ρ=0(2)构造检验统计量： 因为对于大样本: 由于-1≤ ≤1，所以  0 ≤DW ≤4。（3）进行判断 根据样本容量n、解释变量k，在给定的显著水平下，查DW检验统计量临界值的下限dL和上限dU
0≤DW≤dL时，拒绝H0，  认为存在一阶正自相关性。 4-dU≤DW≤4时，拒绝H0，认为存在一阶负自相关性。 dU≤DW≤4-dU时，接受H0，认为不存在一阶自相关性。           dL&DW&dU，或4-dU&DW&4- dL时，无法确定是否存在自相关性。应注意的问题：D-W检验只能判断模型是否存在一阶自相关性，不能判断模型是否存在高阶自相关性；样本容量很大；D-W检验有两个无法判定的区域。3．高阶自相关性检验(1)偏相关系数检验法偏相关系数是衡量多个变量之间相关程度的重要指标，可以用它来判断自相关性的类型。利用EViews软件计算偏相关系数，具体有两种方式：【命令方式】IDENT       RESID【菜单方式】在方程窗口中点击View\Residual Test\Correlogram-Q-statistics 屏幕将直接输出et与et-1 ,et-2 ,… ,et-p （p是事先指定的滞后期长度）的相关系数和偏相关系数，从中可以直观地看出残差序列的相关情况。 (2)布罗斯—戈弗雷（Breusch—Godfrey）检验法对于模型     设自相关形式为  作原假设H0：ρ1=ρ2=… =ρp=0①利用OLS法估计模型，得到残差序列et；②将et关于所有解释变量和残差的滞后值et-1 ,et-2 ,… ,et-p 进行回归，并计算出辅助回归模型的判定系数R2；③在大样本情况下，渐近在有 nR2～χ2(p)④ 对于显著水平α，若 ＞ ，拒绝H0，则模型存在自相关性。否则，模型不存在自相关性。利用EViews软件直接进行BG检验：在方程窗口中点击View\Residual Test \Serial Correlation LM Test，屏幕将输出辅助回归模型的有关信息，包括nR2及其临界概率值。但BG检验中，需要人为确定滞后期的长度。实际应用中，一般是从低阶的p（p=1）开始，直到p=10左右，若未能得到显著的检验结果，可以认为不存在自相关性。四、自相关性的解决方法1．广义差分法设线性回归模型  存在一阶自相关性  作广义差分变换： 则 称为广义差分模型，其中， 变换后模型的随机误差项υt满足回归模型的基本假定，所以可以利用OLS法估计参数 、 b进而得到 如果自相关类型为高阶自回归形式： 则广义差分变换为（以一元线性回归模型为例）： 同理得到满足基本假定的模型： 这样就可以对变换后的模型进行OLS估计，得到的仍然最佳估计量。2．自相关系数ρ的估计方法利用广义差分法处理自相关性时，需要事先估计出ρ的值。ρ的常用估计方法有：（1）近似估计法在大样本(n≥30)情况下，可以用DW值近似估计ρ，即 对于小样本(n&30)，泰尔（Thei1.H）建议使用下述近似公式： 其中k为解释变量个数，当n→∞时， =1-DW/2。 （2）Durbin估计法；根据广义差分变换模型，可得   利用OLS估计ρ的值。（3）迭代估计法 ① 利用OLS法估计模型，计算第一轮残差et(1)；② 根据残差et(1)计算ρ的（第一轮）估计值： ③ 利用估计的ρ值进行广义差分变换：    并估计广义差分模型 ④ 计算（第二轮）残差和ρ的估计值；⑤ 重复执行③、④两步，直到ρ的前后两次估计值比较接近，即估计误差小于事先给定的精度δ时为止3．广义差分法的EViews软件实现（1）利用OLS法估计模型，计算残差序列RESID                  LS Y   C X（2）判断自相关性的类型                 IDENT    RESID（3）利用广义差分法估计模型  LS   Y   C   X   AR(1)   AR(2)  ……  AR(p)
请登录后再发表评论!实验二异方差模型的white检验与处理；【实验目的】；掌握异方差性的white检验及处理方法【实验原理；1.定性分析异方差；(1)经济变量规模差别很大时容易出现异方差；(2)利用散点图做初步判断；2、异方差表现与来源异方差通常有三种表现形式（1；（3）条件自回归型；（1）不需要对观测值排序，也不依赖于随机误差项服；(2)在不存在异方差假设条件下，统计量；TR
实验二 异方差模型的white检验与处理 【实验目的】 掌握异方差性的white检验及处理方法 【实验原理】
1. 定性分析异方差 (1) 经济变量规模差别很大时容易出现异方差。如个人收入与支出关系，投入与产出关系。 (2) 利用散点图做初步判断。 (3) 利用残差图做初步判断。 2、异方差表现与来源异方差通常有三种表现形式 （1）递增型 （2）递减型 （3）条件自回归型。 3、White检验 （1）不需要对观测值排序，也不依赖于随机误差项服从正态分布，它是通过一个辅助回归式构造 ?2 统计量进行异方差检验。White检验的零假设和备择假设是
(4－1)式中的ut不存在异方差，
(4－2)式中的ut存在异方差。 (2)在不存在异方差假设条件下，统计量
T R 2 ? ? 2(5)
其中T表示样本容量，R2是辅助回归式(4－3)的OLS估计式的可决系数。自由度5表示辅助回归式(4－3)中解释变量项数（注意，不计算常数项）。T R 2属于LM统计量。 （3）判别规则是
若 T R 2 ? ?2? (5), 接受H0（ut 具有同方差）
若 T R 2 > ?2? (5), 拒绝H0（ut 具有异方差） 【实验软件】 Eview6 【实验要求】
熟练掌握异方差white检验方法 【实验内容】 建立并检验我国部分城市国民收入y和对外直接投资FDI异方差模型 【实验方案设计】 下表列出了我国部分城市国民收入y和对外直接投资FDI的统计资料，并利用统计软件Eviews建立异方差模型。 地区 北京 天津 河北 山西 内蒙古 辽 宁 吉 林 Y
9338 FDI 473
19059 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 陕西 甘肃 青海 宁夏 新疆
【实验过程】
190 43 1534 1、启动Eviews6软件，建立新的workfile.
在主菜单中选择【File】--【New】--【Workfile】,弹出 Workfile Create对话框,在Workfile structure typ中选择unstructured/undted.然后在observations中输入30.在WF中输入Work1，点击OK按钮。如图：
2、数据导入且将要分析的数据复制黏贴.
在主菜单的空白处输入data x y按下enter。将国民收入y和对外直接投资FDI的统计资料数据复制黏贴。如图：
3、定性分析异方差，利用散点图做初步判断。
注：散点呈现递增型，说明存在异方差
4、异方差white检验
（1）建立回归模型：LS
（2）在方程窗口上点击View\\Residual\\Test\\White Heteroskedastcity
White检验结果1 其中F值为辅助回归模型的F统计量值。取显著水平??0.05，由于22,所以存在异方差性。实际应用中可以直接观察相伴概率?05.05(2)?5.99?nR?6.54621p值的大小，若p值较小，则认为存在异方差性。反之，则认为不存在异方差性。
5、 调整异方差性 (1)在Eviews命令窗口中依次键入命令：
Series y1=y/x
Series x1=1/x
Ls y1 c x1
(2) 对所估计的模型再进行White检验，观察异方差的调整情况.在方程窗口上点击View\\Residual\\Test\\White Heteroskedastcity
White检验结果2 其中F值为辅助回归模型的F统计量值。取显著水平??0.05，由于22,所以不存在异方差性。 ?0(2)?5.99?nR?6.【实验分析】 我国部分城市国民收入y和对外直接投资FDI存在异方差。不管是根据散点图还是经过white检验，都能得出这样的结论。从White检验结果1，我们可以看到，取显著水平22??0.05，由于?0,存在异方差性。调整后，同样取显著.05(2)?5.99?nR?6.水平??0.05，由于?0 ，不存在异方差性。 (2)?5.99?nR?6. 【小结】 通过这次实验操作，知道了怎样运用eviews软件进行异方差性的white检验及处理方法。 在操作过程中，我们小组先通过散点图对我国部分城市国民收入y和对外直接投资FDI之间是否存在异方差做了定性的分析，然后进行了异方差white检验。在两者都表明存在异方差后。经过Series y1=y/x，Series x1=1/x，命名给y1、x1，这样调整后，我国部分城市国民收入y和对外直接投资FDI之间不存在异方差。 三亿文库包含各类专业文献、专业论文、中学教育、各类资格考试、行业资料、高等教育、应用写作文书、51异方差性的white检验及处理方法等内容。　
　异方差性的white检验及处理方法_经济学_高等教育_教育专区。实验二 异方差模型的 white 检验与处理【实验目的】 掌握异方差性的 white 检验及处理方法 【实验原理... 　5、掌握异方差性的检验及处理方法 6、用图示法、斯皮尔曼法、戈德菲尔德、white 验证法,验证该模型是否存在异方差 二、 实验原理 1、异方差的检验出消除方法 2... 　实验五【实验目的】掌握异方差性的检验及处理方法 异方差性 【实验内容】第四...再用White检验法,检验得用W2加权的结果没有异方差性。 (三)异方差稳健标准误... 　自相关的检验(发现自相关) 6、自相关问题的解决办法 (时间序列部分讲解) 三、...1 不再是估计量方差的一致估计,而应该使 用 White 一致性估计: (X?X)-1 ... 　系 实训 (实践 ) 报告实实训名称一、 实训目的掌握异方差性的检验及处理方法...意义检验和统计检验; 2.分别用图形法、Goldfeld-Quant 检验、White 方法检验模型... 　3.White检验方法主要用于检验( ) A.异方差性 B.自相关性 C.随机解释变量 D...3.检验异方差性的方法有哪些? 4.异方差性的解决方法有哪些? 5.什么是加权最... 　计量经济学教程》实验报告实验名称:异方差性检验与估计 实验目的 1、图分析异方差性; 2、White 检验、Park 检验和 Gleiser 检验进行异方差性检验; 3、WLS 方法... 　实验四 异方差性【实验目的】 掌握异方差性的检验及处理方法 【实验内容】 ...3、White 检验 ⑴建立回归模型:LS Y C X,回归结果如图 4。 图 4 我国...