【零基础Eviews实例】01异方差的检验与修正 |
您所在的位置:网站首页 › 怎么用eviews进行dw检验 › 【零基础Eviews实例】01异方差的检验与修正 |
使用说明
本文档主要介绍有关线性回归模型关于异方差常见的判断方法(包括图像法、辅助回归、怀特检验三种)以及修正方式(加权最小二乘法)。使用软件为Eviews,和上一篇文章相同,此处也仅仅关注操作性的东西,即知道怎么判断是否存在异方差,以及如果存在异方差应该怎么做出修正进行说明,对于相关理论部分则并不涉及。 0. 前期准备以“农村居民恩格尔系数的影响因素”为例,选择农村居民恩格尔系数(Y)为被解释变量,解释变量有农村居民家庭人均纯收入(Income)、商品零售价格指数(Price)、第一产业增加值(Agriculture)。其中数据为1990年-2012年数据(因为2012年之后统计口径发生变化),所有数据均可在国家数据找到。 有可能被认为不安全网址,若无法打开国家数据可能需要点击高级然后选择继续访问即可进入 而关于如何导入数据这样的基础操作,已经在上一篇中进行过介绍,在此不做赘述,默认数据导入完成。当一切完成过后,应该能看到的是如下图所示的结果。接下来重点介绍如何进行异方差检验和对存在的异方差进行修正。 在回归方程界面中:选择Proc --> Make Residual Series 在工作文件界面下:选择Object –> Generate Series 在得到残差项过后,我们可以通过对残差项的处理,检验是否存在异方差 1.1 图像法所谓的图像法,即观察残差的波动程度(即方差)是否随被解释变量出现改变,粗浅的判断是否存在异方差。在此次为做出被解释变量与残差的图像。且为便于表示将Income/Price按照章节0.2的方法定义为K,即在界面中输入K = Income/Price即可,其中K表示实际收入水平。
此时在新出现的Group界面:选择View –> 点击Graph –> 选择Scatter –> 点击Ok得到最终图像 先选中为横坐标,后选中为纵坐标
所谓辅助回归,即看解释变量是否能对残差平方(e^2)进行解释,若可以则认为存在异方差。操作其实就是简单的进行回归分析,具体方式可看上一篇,在此直接在命令行输入ls e^2 c Income/Price Agriculture进行回归分析,观察回归的结果。 其实就是将原本的被解释变量由Y变成了e^2,看结果是否显著(这里不对e做回归是因为意义不大)
这也是我在上一篇中提到的方法(无数次提到的上一篇,后边几种检验可能还会经常提到),需要在现有模型(方程)界面中选择异方差分析,具体操作如下。 通过上述三种检验方式,我们发现可能存在异方差(因为图示法比较主观,其余两种只是特别勉强的通过),因此在此对异方差进行修正,采用加权最小二乘法(WLS)。通过观察图像,我们选择以1/K为权重进行修正。 在原有方程界面:点击Estimate–>选择Option –> 在Wights中选择一种类型,并设置权重为1/k,得到修正后的方程。 这里的权重并不一定非得为1/k只要修正过后能通过异方差检验即可
注:数据文件以上传资源(免积分下载),目前正在审核,随缘通过。若有需要可在国家数据中自行查找,或通过在评论区留下邮箱或私聊作者的方式获得(但是个人并不是经常看CSDN的消息,着急的建议自己查找) |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |