广义异方差模型例题

广义异方差模型例题：

例：1969年1月至1994年9月澳大利亚储备银行2年期有价证券月度利率数据如表所示（行数据）

4.99 5

5.03 5.03 5.25 5.26 5.3 5.45 5.49 5.52 5.7

5.68 5.65 5.8

6.5 6.45 6.48 6.45 6.35 6.4 6.43 6.43

6.44 6.45 6.48 6.4 6.35 6.4 6.3 6.32 6.35 6.13 5.7

5.58 5.18 5.18 5.17 5.15 5.21 5.23 5.05 4.65 4.65 4.6

4.67 4.69 4.68 4.62 4.63 4.9

5.44 5.56

6.04 6.06 6.06

8.07 8.07 8.1 8.05 8.06 8.07 8.06 8.11 8.6 10.8 11

11 11 9.48 9.18 8.62 8.3 8.47 8.44 8.44 8.46 8.49

8.54 8.54 8.5 8.44 8.49 8.4 8.46 8.5 8.5 8.47 8.47

8.47 8.48 8.48 8.54 8.56 8.39 8.89 9.91 9.89 9.91 9.91

9.9 9.88 9.86 9.86 9.74 9.42 9.27 9.26 8.99 8.83 8.83

8.83 8.82 8.83 8.83 8.79 8.79 8.69 8.66 8.67 8.72 8.77

9 9.61 9.7 9.94 9.94 9.94 9.95 9.94 9.96 9.97 10.83

10.75 11.2 11.4 11.54 11.5 11.34 11.5 11.5 11.58 12.42 12.8 5

13.1 13.12 13.1 13.15 13.1 13.2 14.2 14.75 14.6 14.6 14.45

14.5 14.8 15.85 16.2 16.5 16.4 16.4 16.35 16.1 13.7 13.5

14 12.3 12 14.35 14.6 12.5 12.75 13.7 13.45 13.55 12.6

12 11 11.6 12.05 12.35 12.7 12.45 12.55 12.2 12.1 11.15 11.85 12.1 12.5 12.9 12.5 13.2 13.65 13.65 13.5 13.45 13.35 14.45 14.3 15.05 15.55 15.65 14.65 14.15 13.3 12.65 12.7 12 .8

14.5 15.1 15.15 14.3 14.25 14.05 14.7 15.05 14.05 13.8 13.2 5

13 12.85 12.6 11.8 13 12.35 11.45 11.35 11.55 10.85 10.9 12.3 11.7 12.05 12.3 12.9 13.05 13.3 13.85 14.65 15.05 15.1 5

14.85 15.7 15.4 15.1 14.8 15.8 15.8 15 14.4 13.8 14.3

14.15 14.45 14.1 14.05 13.75 13.3 13 12.55 12.25 11.85 11.5 11.1 11.15 10.7 10.25 10.55 10.25 10.3 9.6 8.4 8.2 7.25

8.35 8.25 8.3 7.4 7.15 6.35 5.65 7.4 7.2 7.05 7.1

6.85 6.5 6.25 5.95 5.65 5.85 5.45 5.3 5.2 5.55 5.15

5.4 5.35 5.1 5.8

6.35 6.5 6.95 8.05

7.85 7.75

8.6

（1）考察该序列的方差齐性。（2）选择适当的模型拟合该序列的发展

解答：（1）1、时序图：

时序图显示序列存在曲线趋势，我们对原序列进行差分得到残差序列的图。

差分后的残差图整均值平稳，但伴随大小不等的随机波动。我们对残差序列进行自回归，再考察自回归残差序列的方差齐性。

2、用AUTOREG过程建立序列｛Xt｝关于一阶滞后项lagx的回归模型，并检验残差序列的自相关性和异方差性。

检验显示Dh统计量为1.8550,Dh统计量的P值为0.0318小于0.05,结果显示残差序列具有显著的自相关性。

显示回归模型常数截距项不显著（0.0736>0.05）。

显示残差序列具有显著的异方差性。

3、arch的定阶

proc autoreg data=hh;

model x=lagx /lagdep=lagx archtest;

model x=lagx/nlag=4backstep garch=(p=1,q=1);

output out=res cev=v;

run;

参数检验显示除AR5参数不显著外，其它参数显著。

综合考虑残差序列自相关性和异方差性检验结果，尝试拟合无回归常数项的广义异方差模型，nlag=4，garch=(p=1,q=1)。

4、异方差模型：

拟合效果很理想。

???????-+==+=+=---15123173.62700.01272.09997.0t t t t t t t t t t t h E h e h u u x x εεε（其中e^t~n(0,0.26999)）

附程序：

data hh;

input x@@; difx=dif(x); lagx=lag(x);

year=intnx("month","01jan1969"d ,_n_-1);

format year monyy7.;

cards ; 4.99 5 5.03 5.03 5.25 5.26 5.3 5.45 5.49 5.52 5.7 5.68 5.65 5.8 6.5 6.45 6.48 6.45 6.35 6.4 6.43 6.43 6.44 6.45 6.48 6.4 6.35 6.4 6.3 6.32 6.35 6.13 5.7 5.58 5.18 5.18 5.17 5.15 5.21 5.23 5.05 4.65 4.65 4.6 4.67 4.69 4.68 4.62 4.63 4.9 5.44 5.56 6.04 6.06 6.06 8.07 8.07 8.1 8.05 8.06 8.07 8.06 8.11 8.6 10.8 11 11 11 9.48 9.18 8.62 8.3 8.47 8.44 8.44 8.46 8.49 8.54 8.54 8.5 8.44 8.49 8.4 8.46 8.5 8.5 8.47 8.47 8.47 8.48 8.48 8.54 8.56 8.39 8.89 9.91 9.89 9.91 9.91 9.9 9.88 9.86 9.86 9.74 9.42 9.27 9.26 8.99 8.83 8.83

8.83 8.82 8.83 8.83 8.79 8.79 8.69 8.66 8.67 8.72 8.77

9 9.61 9.7 9.94 9.94 9.94 9.95 9.94 9.96 9.97 10.83

10.75 11.2 11.4 11.54 11.5 11.34 11.5 11.5 11.58 12.42 12.85

13.1 13.12 13.1 13.15 13.1 13.2 14.2 14.75 14.6 14.6 14.45

14.5 14.8 15.85 16.2 16.5 16.4 16.4 16.35 16.1 13.7 13.5

14 12.3 12 14.35 14.6 12.5 12.75 13.7 13.45 13.55 12.6

12 11 11.6 12.05 12.35 12.7 12.45 12.55 12.2 12.1 11.15

11.85 12.1 12.5 12.9 12.5 13.2 13.65 13.65 13.5 13.45 13.35 14.45 14.3 15.05 15.55 15.65 14.65 14.15 13.3 12.65 12.7 12.8 14.5 15.1 15.15 14.3 14.25 14.05 14.7 15.05 14.05 13.8 13.25 13 12.85 12.6 11.8 13 12.35 11.45 11.35 11.55 10.85 10.9

12.3 11.7 12.05 12.3 12.9 13.05 13.3 13.85 14.65 15.05 15.15 14.85 15.7 15.4 15.1 14.8 15.8 15.8 15 14.4 13.8 14.3

14.15 14.45 14.1 14.05 13.75 13.3 13 12.55 12.25 11.85 11.5 11.1 11.15 10.7 10.25 10.55 10.25 10.3 9.6 8.4 8.2 7.25

8.35 8.25 8.3 7.4 7.15 6.35 5.65 7.4 7.2 7.05 7.1

6.85 6.5 6.25 5.95 5.65 5.85 5.45 5.3 5.2 5.55 5.15

5.4 5.35 5.1 5.8

6.35 6.5 6.95 8.05

7.85 7.75

8.6

;

run;

proc gplot data=hh;

plot (x difx)*year;

symbol i=line;

run;

proc autoreg data=hh;

model x=lagx /lagdep=lagx archtest;

model x=lagx /nlag=4backstep garch=(p=1,q=1) noint;

output out=out p=p pm=pm r=r rm=rm ucl=ucl lcl=lcl cev=cev; run;

data out;

set out;

uclr=1.96*sqrt(0.26747);

lclr=-1.96*sqrt(0.26747);

cuclr=1.96*sqrt(cev);

clclr=-1.96*sqrt(cev);

cuclp=p+1.96*sqrt(cev);

clclp=p-1.96*sqrt(cev);

run;

proc gplot data=out;

plot x*year=1 p*year=2 cuclp*year=3 clclp*year=3 lcl*year=4 ucl*year=4/overlay;

symbol1c=black i=none v=star;

symbol2c=red i=line v=none;

symbol3c=blue i=lnie;

symbol4c=green i=join v=star;

run;

proc gplot data=out;

plot r*year=1 uclr*year=2 lclr*year=2 clclr*year=3 cuclr*year=3 /overlay; symbol1c=black i=none v=star;

symbol2c=red i=line v=none;

symbol3c=blue i=lnie;

run;

proc arima data=out;

identify var=r nlag=24;

run;

第五章：异方差性(作业)教学文案

第五章：异方差性(作 业)

5.3 为了研究中国出口商品总额EXPORT对国内生产总值GDP的影响，搜集了1990～2015年相关的指标数据，如表5.3所示。 表3 中国出口商品总额与国内生产总值（单位：亿元） 资料来源：《国家统计局网站》 (1) 根据以上数据，建立适当线性回归模型。 (2) 试分别用White检验法与ARCH检验法检验模型是否存在异方差？ (3) 如果存在异方差，用适当方法加以修正。 解：（1） 仅供学习与交流，如有侵权请联系网站删除谢谢2

仅供学习与交流，如有侵权请联系网站删除 谢谢3 100,000 200,000300,000400,000500,000600,000700,000 X Y Dependent Variable: Y Method: Least Squares Date: 04/18/20 Time: 15:38 Sample: 1991 2015 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C -673.0863 15354.24 -0.043837 0.9654 X 4.061131 0.201677 20.13684 0.0000 R-squared 0.946323 Mean dependent var 234690.8 Adjusted R-squared 0.943990 S.D. dependent var 210356.7 S.E. of regression 49784.06 Akaike info criterion 24.54540 Sum squared resid 5.70E+10 Schwarz criterion 24.64291 Log likelihood -304.8174 Hannan-Quinn criter. 24.57244 F-statistic 405.4924 Durbin-Watson stat 0.366228 Prob(F-statistic) 0.000000 模型回归的结果： ^ 673.0863 4.0611i X i Y =-+ ()(0.043820.1368)t =- 20.9463,25R n == （2）white: 该模型存在异方差 Heteroskedasticity Test: White F-statistic 4.493068 Prob. F(2,22) 0.0231

广义异方差模型例题

广义异方差模型例题： 例：1969年1月至1994年9月澳大利亚储备银行2年期有价证券月度利率数据如表所示（行数据） 4.99 5 5.03 5.03 5.25 5.26 5.3 5.45 5.49 5.52 5.7 5.68 5.65 5.8 6.5 6.45 6.48 6.45 6.35 6.4 6.43 6.43 6.44 6.45 6.48 6.4 6.35 6.4 6.3 6.32 6.35 6.13 5.7 5.58 5.18 5.18 5.17 5.15 5.21 5.23 5.05 4.65 4.65 4.6 4.67 4.69 4.68 4.62 4.63 4.9 5.44 5.56 6.04 6.06 6.06 8.07 8.07 8.1 8.05 8.06 8.07 8.06 8.11 8.6 10.8 11 11 11 9.48 9.18 8.62 8.3 8.47 8.44 8.44 8.46 8.49 8.54 8.54 8.5 8.44 8.49 8.4 8.46 8.5 8.5 8.47 8.47 8.47 8.48 8.48 8.54 8.56 8.39 8.89 9.91 9.89 9.91 9.91 9.9 9.88 9.86 9.86 9.74 9.42 9.27 9.26 8.99 8.83 8.83 8.83 8.82 8.83 8.83 8.79 8.79 8.69 8.66 8.67 8.72 8.77 9 9.61 9.7 9.94 9.94 9.94 9.95 9.94 9.96 9.97 10.83 10.75 11.2 11.4 11.54 11.5 11.34 11.5 11.5 11.58 12.42 12.85 13.1 13.12 13.1 13.15 13.1 13.2 14.2 14.75 14.6 14.6 14.45 14.5 14.8 15.85 16.2 16.5 16.4 16.4 16.35 16.1 13.7 13.5 14 12.3 12 14.35 14.6 12.5 12.75 13.7 13.45 13.55 12.6 12 11 11.6 12.05 12.35 12.7 12.45 12.55 12.2 12.1 11.15 11.85 12.1 12.5 12.9 12.5 13.2 13.65 13.65 13.5 13.45 13.35 14.45 14.3 15.05 15.55 15.65 14.65 14.15 13.3 12.65 12.7 12.8

《计量经济学》(庞浩第一版)第五章异方差性eviews上机操作

第五章异方差性 案例分析 一、问题的提出和模型设定 为了给制定医疗机构的规划提供依据，分析比较医疗机构与人口 数量的关系，建立卫生医疗机构数与人口数的回归模型。 假定医疗机构数与人口数之间满足线性约束，则理论模型设定为： i i i u X b b Y ++=21 其中i Y 表示卫生医疗机构数，i X 表示人口数。 数据搜集 四川省2000年各地区医疗机构数与人口数 地区 人口数（万人） 医疗机构数（个）Y 地区 人口数（万人） 医疗机构数（个）Y X X 成都 1013.3 6304 眉山 339.9 827 自贡 315 911 宜宾 508.5 1530 攀枝花 103 934 广安 438.6 1589 泸州 463.7 1297 达州 620.1 2403 德阳 379.3 1085 雅安 149.8 866 绵阳 518.4 1616 巴中 346.7 1223 广元 302.6 1021 资阳 488.4 1361 遂宁 371 1375 阿坝 82.9 536 内江 419.9 1212 甘孜 88.9 594 乐山 345.9 1132 凉山 402.4 1471 南充 709.2 4064

二、参数估计 Eviews上机具体操作： 利用eviews3.0进行分析 第一步：建立数据 1新建工作文档：file-new-workfile，在打开的workfile range对话框中的workfile frequency 中选择undated or irregular，start observation输入1，end observation输入21，点击ok。 2输入数据（先是data y x2 x3······然后是将excel中的数据复制过来即可）并保存 本题在命令窗口输入data y x，并点击name命名为GROUP01. 第二步：做回归 1最小二乘估计（ls y c x2 x3 ······） 本题在命令窗口输入ls y c x ，并点击name命名为EQ01. Dependent Variable: Y Method: Least Squares Date: 12/04/12 Time: 12:29 Sample: 1 21 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C -562.9074 291.5642 -1.930646 0.0686 X 5.372828 0.644239 8.339811 0.0000 R-squared 0.785438 Mean dependent var 1588.143 Adjusted R-squared 0.774145 S.D. dependent var 1310.975

试验一异方差的检验与修正-时间序列分析

案例三 ARIMA 模型的建立 一、实验目的 了解ARIMA 模型的特点和建模过程，了解AR ，MA 和ARIMA 模型三者之间的区别与联系，掌握如何利用自相关系数和偏自相关系数对ARIMA 模型进行识别，利用最小二乘法等方法对ARIMA 模型进行估计，利用信息准则对估计的ARIMA 模型进行诊断，以及如何利用ARIMA 模型进行预测。掌握在实证研究如何运用Eviews 软件进行ARIMA 模型的识别、诊断、估计和预测。 二、基本概念 所谓ARIMA 模型，是指将非平稳时间序列转化为平稳时间序列，然后将平稳的时间序列建立ARMA 模型。ARIMA 模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA ）、自回归过程（AR ）、自回归移动平均过程（ARMA ）以及ARIMA 过程。 在ARIMA 模型的识别过程中，我们主要用到两个工具：自相关函数ACF ，偏自相关函数PACF 以及它们各自的相关图。对于一个序列{}t X 而言，它的第j 阶自相关系数j ρ为它的j 阶自协方差除以方差，即j ρ＝j 0γγ ，它是关于滞后期j 的函数，因此我们也称之为自相关函数，通常记ACF(j )。偏自相关函数PACF(j )度量了消除中间滞后项影响后两滞后变量之间的相关关系。 三、实验内容及要求 1、实验内容： （1）根据时序图的形状，采用相应的方法把非平稳序列平稳化； （2）对经过平稳化后的1950年到2007年中国进出口贸易总额数据运用经典B-J 方法论建立合适的ARIMA （,,p d q ）模型，并能够利用此模型进行进出口贸易总额的预测。 2、实验要求： （1）深刻理解非平稳时间序列的概念和ARIMA 模型的建模思想； （2）如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准则建立合适的ARIMA 模型；如何利用ARIMA 模型进行预测； （3）熟练掌握相关Eviews 操作，读懂模型参数估计结果。 四、实验指导 1、模型识别 （1）数据录入 打开Eviews 软件，选择“File”菜单中的“New --Workfile”选项，在“Workfile structure type ”栏选择“Dated –regular frequency ”，在“Date specification ”栏中分别选择“Annual ”(年数据) ，分别在起始年输入1950，终止年输入2007，点击ok ，见图3-1，这样就建立了一个工作文件。点击File/Import ，找到相应的Excel 数据集，导入即可。

计量经济学简答题及答案

计量经济学简答题及答案 1、比较普通最小二乘法、加权最小二乘法和广义最小二乘法的异同。 答：普通最小二乘法的思想是使样本回归函数尽可能好的拟合样本数据，反映在 图上就是是样本点偏离样本回归线的距离总体上最小，即残差平方和最小∑=n i i e 12min 。只有在满足了线性回归模型的古典假设时候，采用OLS 才能保 证参数估计结果的可靠性。 在不满足基本假设时，如出现异方差，就不能采用OLS 。加权最小二乘法是对原 模型加权，对较小残差平方和2i e 赋予较大的权重，对较大2i e 赋予较小的权重，消除异方差，然后在采用OLS 估计其参数。 在出现序列相关时，可以采用广义最小二乘法，这是最具有普遍意义的最小二乘 法。 最小二乘法是加权最小二乘法的特例，普通最小二乘法和加权最小二乘法是广义 最小二乘法的特列。 6、虚拟变量有哪几种基本的引入方式? 它们各适用于什么情况? 答: 在模型中引入虚拟变量的主要方式有加法方式与乘法方式，前者主要适用于 定性因素对截距项产生影响的情况，后者主要适用于定性因素对斜率项产生影响的情况。除此外，还可以加法与乘法组合的方式引入虚拟变量，这时可测度定性因素对截距项与斜率项同时产生影响的情况。 7、联立方程计量经济学模型中结构式方程的结构参数为什么不能直接应用OLS 估计？ 答：主要的原因有三：第一，结构方程解释变量中的内生解释变量是随机解释变

量,不能直接用OLS 来估计；第二，在估计联立方程系统中某一个随机方程参数时，需要考虑没有包含在该方程中的变量的数据信息，而单方程的OLS 估计做不到这一点；第三，联立方程计量经济学模型系统中每个随机方程之间往往存在某种相关性，表现于不同方程随机干扰项之间，如果采用单方程方法估计某一个方程，是不可能考虑这种相关性的，造成信息的损失。 2、计量经济模型有哪些应用。 答：①结构分析，即是利用模型对经济变量之间的相互关系做出研究，分析当其 他条件不变时，模型中的解释变量发生一定的变动对被解释变量的影响程度。②经济预测，即是利用建立起来的计量经济模型对被解释变量的未来值做出预测估计或推算。③政策评价，对不同的政策方案可能产生的后果进行评价对比，从中做出选择的过程。④检验和发展经济理论，计量经济模型可用来检验经济理论的正确性，并揭示经济活动所遵循的经济规律。 6、简述建立与应用计量经济模型的主要步骤。 答：一般分为5个步骤：①根据经济理论建立计量经济模型；②样本数据的收集； ③估计参数；④模型的检验；⑤计量经济模型的应用。 7、对计量经济模型的检验应从几个方面入手。 答：①经济意义检验；②统计准则检验；③计量经济学准则检验；④模型预测检 验。 1、在计量经济模型中，为什么会存在随机误差项？ 答：①模型中被忽略掉的影响因素造成的误差；②模型关系认定不准确造成的误 差；③变量的测量误差；④随机因素。这些因素都被归并在随机误差项中考虑。因此，随机误差项是计量经济模型中不可缺少的一部分。 2、古典线性回归模型的基本假定是什么？ 答：①零均值假定。即在给定x t 的条件下，随机误差项的数学期望（均值）为0， 即t E(u )=0。②同方差假定。误差项t u 的方差与t 无关，为一个常数。③无自相关假定。即不同的误差项相互独立。④解释变量与随机误差项不相关假定。⑤正态性假定，即假定误差项t u 服从均值为0，方差为2 的正态分布。 3、总体回归模型与样本回归模型的区别与联系。 答：主要区别：①描述的对象不同。总体回归模型描述总体中变量y 与x 的相互 关系，而样本回归模型描述所观测的样本中变量y 与x 的相互关系。②建立模型的不同。总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。③模型性质不同。总体回归模型不是随机模型，样本回归模型是随机模型，它随着样本的改变而改变。 主要联系：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模

计量经济学课后答案第五章 异方差性汇总

第五章课后答案 5.1 （1）因为22()i i f X X =，所以取221i i W X =，用2i W 乘给定模型两端，得 31232222 1i i i i i i i Y X u X X X X βββ=+++ 上述模型的随机误差项的方差为一固定常数，即 2 2221 ()()i i i i u Var Var u X X σ== （2）根据加权最小二乘法，可得修正异方差后的参数估计式为 ***12233???Y X X βββ=-- ()()()() ()()() ***2*** *22232322 322*2*2** 2223223?i i i i i i i i i i i i i i i i i i W y x W x W y x W x x W x W x W x x β-= -∑∑∑∑∑∑∑ ()()( )()()( )( )** *2 ** ** 232222223 3 2 *2 *2** 2223223?i i i i i i i i i i i i i i i i i i W y x W x W y x W x x W x W x W x x β-= -∑∑ ∑ ∑ ∑∑∑ 其中 2223 2***23222, , i i i i i i i i i W X W X W Y X X Y W W W = = = ∑∑∑∑∑∑ ***** *222333 i i i i i x X X x X X y Y Y =-=-=- 5.2 （1） 22222 11111 ln()ln()ln(1)1 u ln()1 Y X Y X Y u u X X X u ββββββββββ--==+≈=-∴=+ [ln()]0 ()[ln()1][ln()]11 E u E E u E u μ=∴=+=+=又 （2） [ln()]ln ln 0 1 ()11 i i i i P P i i i i P P i i E P E μμμμμμμ===?====∑∏∏∑∏∏不能推导出 所以E 1μ（）=时，不一定有E 0μ（ln ）= (3) 对方程进行差分得： 1)i i βμμ--i i-12i i-1lnY -lnY =(lnX -X )+(ln ln 则有：1)]0i i μμ--=E[(ln ln

第五章：异方差性(作业)

5.3 为了研究中国出口商品总额EXPORT 对国内生产总值GDP 的影响，搜集了1990～2015年相关的指标数据，如表5.3所示。 资料来源：《国家统计局网站》 (1) 根据以上数据，建立适当线性回归模型。 (2) 试分别用White 检验法与ARCH 检验法检验模型是否存在异方差？ (3) 如果存在异方差，用适当方法加以修正。 解：（1） 100,000 200,000300,000400,000500,000600,000700,000X Y Dependent Variable: Y Method: Least Squares Date: 04/18/20 Time: 15:38

Sample: 1991 2015 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C -673.0863 15354.24 -0.043837 0.9654 X 4.061131 0.201677 20.13684 0.0000 R-squared 0.946323 Mean dependent var 234690.8 Adjusted R-squared 0.943990 S.D. dependent var 210356.7 S.E. of regression 49784.06 Akaike info criterion 24.54540 Sum squared resid 5.70E+10 Schwarz criterion 24.64291 Log likelihood -304.8174 Hannan-Quinn criter. 24.57244 F-statistic 405.4924 Durbin-Watson stat 0.366228 Prob(F-statistic) 0.000000 模型回归的结果： ^ 673.0863 4.0611i X i Y =-+ ()(0.043820.1368)t =- 20.9463,25R n == （2）white: 该模型存在异方差 Heteroskedasticity Test: White F-statistic 4.493068 Prob. F(2,22) 0.0231 Obs*R-squared 7.250127 Prob. Chi-Square(2) 0.0266 Scaled explained SS 8.361541 Prob. Chi-Square(2) 0.0153 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 04/18/20 Time: 17:45 Sample: 1991 2015 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C -1.00E+09 1.43E+09 -0.700378 0.4910 X^2 -0.455420 0.420966 -1.081847 0.2910 X 102226.2 60664.19 1.685117 0.1061 R-squared 0.290005 Mean dependent var 2.28E+09

第五章：异方差性(作业)

为了研究中国出口商品总额EXPORT 对国内生产总值GDP 的影响，搜集了1990～2015年相关的指标数据，如表所示。 资料来源：《国家统计局网站》 (1) 根据以上数据，建立适当线性回归模型。 (2) 试分别用White 检验法与ARCH 检验法检验模型是否存在异方差 (3) 如果存在异方差，用适当方法加以修正。 解：（1） 100,000 200,000300,000400,000500,000600,000700,000X Y Dependent Variable: Y Method: Least Squares Date: 04/18/20 Time: 15:38

Sample: 1991 2015 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C X R-squared Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid +10 Schwarz criterion Log likelihood Hannan-Quinn criter. F-statistic Durbin-Watson stat Prob(F-statistic) 模型回归的结果： ^ 673.0863 4.0611i X i Y =-+ ()(0.043820.1368)t =- 20.9463,25R n == （2）white: 该模型存在异方差 Heteroskedasticity Test: White F-statistic Prob. F(2,22) Obs*R-squared Prob. Chi-Square(2) Scaled explained SS Prob. Chi-Square(2) Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 04/18/20 Time: 17:45 Sample: 1991 2015 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C +09 +09 X^2

计量经济学课件：第五章-异方差性汇总

第五章异方差性 本章教学要求：根据类型，异方差性是违背古典假定情况下线性回归模型建立的另一问题。通过本章的学习应达到，掌握异方差的基本概念包括经济学解释，异方差的出现对模型的不良影响，诊断异方差的方法和修正异方差的方法。经过学习能够处理模型中出现的异方差问题。 第一节异方差性的概念 一、例子 例1，研究我国制造业利润函数，选取销售收入作为解释变量，数据为1998年的食品年制造业、饮料制造业等28个截面数据（即n=28）。数据如下表,其中y表示制造业利润函数，x表示销售收入（单位为亿元）。

Y对X的散点图为 从散点图可以看出，在线性的基础上，有的点分散幅度较小，有的点分散幅度较大。因此，这种分散幅度的大小不一致，可以认为是由于销售收入的影响，使得制造业利润偏离均值的程度发生了变化，而这种偏离均值的程度大小不同是一种什么现象？如何定义？如果非线性，则属于哪类非线性，从图形所反映的特征看并不明显。 下面给出制造业利润对销售收入的回归估计。

模型的书写格式为 2 ?12.03350.1044(0.6165)(12.3666) 0.8547,..84191.34,152.9322213.4639, 146.4905 Y Y X R S E F Y s =+===== 通过变量的散点图、参数估计、残差图，可以看到模型中（随机误差）很有可能存在一种系统性的表现。 例2，改革开放以来，各地区的医疗机构都有了较快发展，不仅政府建立了一批医疗机构，还建立了不少民营医疗机构。各地医疗机构的发展状况，除了其他因素外主要决定于对医疗服务的需求量，而医疗服务需求与人口数量有关。为了给制定医疗机构的规划提供依据，分析比较医疗机构与人口数量的关系，建立卫生医疗机构数与人口数的回归模型。根据四川省2000年21个地市州医疗机构数与人口数资料对模型估计的结果如下： i i X Y 3735.50548.563?+-= （291.5778） (0.644284) t =(-1.931062) (8.340265) 785456.02=R 774146.02 =R 56003.69=F 式中Y 表示卫生医疗机构数（个），X 表示人口数量（万人）。从回归模型估计的

第五章 异方差性参考答案

第五章 异方差性课后题参考答案 5.1 （1）因为22()i i f X X =，所以取221i i W X =，用2i W 乘给定模型两端，得 31232222 1i i i i i i i Y X u X X X X βββ=+++ 上述模型的随机误差项的方差为一固定常数，即 2 2221 ()()i i i i u Var Var u X X σ== （2）根据加权最小二乘法，可得修正异方差后的参数估计式为 ***12233???Y X X βββ=-- ()()()() ()()() ***2*** *22232322 322*2*2** 2223223?i i i i i i i i i i i i i i i i i i W y x W x W y x W x x W x W x W x x β-= -∑∑∑∑∑∑∑ ()()( )()()( )()***2 ** * *232222 22 33 2 *2*2** 2223223?i i i i i i i i i i i i i i i i i i W y x W x W y x W x x W x W x W x x β-= -∑∑ ∑ ∑∑∑∑ 其中 2223 2***23222, , i i i i i i i i i W X W X W Y X X Y W W W = = = ∑∑∑∑∑∑ ***** *222333 i i i i i x X X x X X y Y Y =-=-=- 5.2 （1） 22222 11111 ln()ln()ln(1)1 u ln()1 Y X Y X Y u u X X X u ββββββββββ--==+≈=-∴=+ [ln()]0 ()[ln()1][ln()]11 E u E E u E u μ=∴=+=+= 又 （2） [ln()]ln ln 0 1 ()11 i i i i P P i i i i P P i i E P E μμμμμμμ===?====∑∏∏∑∏∏不能推导出 所以E 1μ（）=时，不一定有E 0μ（ln ）= (3)对方程进行差分得： 1)i i βμμ--i i-12i i-1lnY -lnY =(lnX -X )+(ln ln

异方差与自相关广义线性模型

第三章 异方差与自相关广义线性模型 本章继续讨论线性模型 Y =X β+ε, E (ε)=0 （ 所不同在于以前的关于误差方差的假定是 Var(ε)=σ2I n （ 这一章逐次推广讨论。第一节讨论异方差的存在与检验，尤其是在经济模型资料中的存在与影响，第二节讨论的是 n i diag Var i n ,,1,),,,()(2 221 已知 （ 2 221222222212121,),,,,,,,,,()( diag Var 未知 （ )ex p(),,,()(2 221 i i n Z diag Var ， 未知 （ 这些都是误差方差为对角阵的模型。 第三节讨论自相关线性模型。首先讨论的是残差一阶自回归线性模型，它的残差满足 i i i 1 （ )(,0)(,)(,0)(22j i E E E j i i i （ 此时残差εi 的方差虽不为对角阵，但只含一个参数。接着我们介绍自回归条件异方差(ARCH)模型，它的误差假设是 i p i p i i 221102 （ )(,0)(,)(,0)(22j i E E E j i i i （ 因为模型计算中用到了广义矩估计方法(GMM)，我们在第四节又介绍了GMM 。 第五节讨论的是 2 2 ,0)( M Var 未知，M 已知 （ 第六节讨论的是 2 2 ,0)( M Var 未知，M 已知 （ 所讨论的内容还是各种回归模型、算法及性质。 第一节 异方差的存在与检验 一、异方差的存在与影响 前面介绍的线性回归模型，都是假定随机误差项εi 独立同分布，有相同的方差

(Homoscedasticity) 2)( ,0)( i i Var E （ 但是实际抽样很难保证这一点。经济对象千差万别，可以按不同标准划分成不同的群体。这些群体间的差别导致样本方差不一致，于是就有所谓异方差(Heteroscedasticity): 2)( ,0)(i i i Var E （ 反映在散点图上，如下图可以明显看出样本方差与点 (X i , Y i )有关，随着样本数值增大而增大。 图 由于样本方差的差异，原来最小二乘估计的一些优良性质不再存在。如在一元线性回归 n i X Y i i i ,,1 ,10 （ 我们知道最小二乘估计 n i i XX i n j i n i i i XX XY Y S X X X X Y Y X X S S 1 1 2 1 1 )() )((? （ n i i XX i Y S X X X n X Y 11 0)(1 ?? （ 于是 )()()?(2 11i n i XX i Y Var S X X Var （ )()(1)?(2 10i n i XX i Y Var S X X X n Var （ 现在Var(Y i )不是常量，我们就无法证明0 1?,? 是最小方差线性无偏估计。显著性检验也成了问题。原来构造的F 统计量是分子分母都含有未知参数σ2, 可以分别提取公因式再约去，现 在是异方差，按原来方法构造的F 统计量里的未知参数无法直接约去，预测精度也无法保证。差不多原来推导的各种统计方法、统计性质由于基础动摇而都需重新考虑。 因此我们需要将一般线性回归模型推广。 不过在推广之前，首先要解决异方差的检验问题。 二、异方差的检验 异方差的检验一般需要比较大的样本，一般都是作所谓残差分析。 图

第五章-异方差性-答案说课讲解

第五章-异方差性-答 案

第五章 异方差性 一、判断题 1. 在异方差的情况下，通常预测失效。（ T ） 2. 当模型存在异方差时，普通最小二乘法是有偏的。（ F ） 3. 存在异方差时，可以用广义差分法进行补救。（F ） 4. 存在异方差时，普通最小二乘法会低估参数估计量的方差。（F ） 5. 如果回归模型遗漏一个重要变量，则OLS 残差必定表现出明显的趋势。 （ T ） 二、单项选择题 1.Goldfeld-Quandt 方法用于检验（ A ） A.异方差性 B.自相关性 C.随机解释变量 D.多重共线性 2.在异方差性情况下，常用的估计方法是（ D ） A.一阶差分法 B.广义差分法 C.工具变量法 D.加权最小二乘法 3.White 检验方法主要用于检验（ A ） A.异方差性 B.自相关性 C.随机解释变量 D.多重共线性 4.下列哪种方法不是检验异方差的方法（ D ） A.戈德菲尔特——匡特检验 B.怀特检验 C.戈里瑟检验 D.方差膨胀因子检验 5.加权最小二乘法克服异方差的主要原理是通过赋予不同观测点以不同的权数，从而提高估计精度，即（ B ） A.重视大误差的作用，轻视小误差的作用 B.重视小误差的作用，轻视大误差的作用 C.重视小误差和大误差的作用 D.轻视小误差和大误差的作用 6.如果戈里瑟检验表明，普通最小二乘估计结果的残差与有显著的形式的相关关系（满足线性模型的全部经典假设），则用加权最小二乘法估计模型参数时，权数应为（ B ） A. B. C. D. 7.设回归模型为，其中()2i 2i x u Var σ=，则b 的最有效估计量为 （ D ） i e i x i i i v x e +=28715.0i v i x 21i x i x 1i x 1i i i u bx y +=

计量经济学 第五章 异方差性

第五章 异方差性 用OLS 法得到的估计模型通过统计检验后，还要检验摸型是否满足假定条件。由第二章知，只有模型的5个假定条件都满足时，用OLS 法得到的估计量才具有最佳线性无偏特性。当一个或多个假定条件不成立时，OLS 估计量将丧失上述特性。本节讨论当假定条件不成立时，对参数估计带来的影响以及相应的补救措施。 以下讨论都是在某一个假定条件被违反，而其他假定条件都成立的情况下进行。分为5个步骤。 （1） 回顾假定条件。 （2） 假定条件不成立对模型参数估计带来的影响。 （3） 定性分析假定条件是否成立。 （4） 假定条件是否成立的检验（定量判断）。 （5） 假定条件不成立时的补救措施。 5.1 异方差性的含义与产生的原因 5.1.1 同方差假定 -2 2 46810120 50 100 150 200 X Y 图5.1 同方差情形 图5.2 同方差情形 模型的假定条件⑴ 给出Var(u ) 是一个对角矩阵， Var(u ) = E(u u ' ) = σ 2I = σ 21 010 1?????????? ?? (5.1) 且u 的方差协方差矩阵主对角线上的元素都是常数且相等，即每一误差项的方差都是有限的相同值（同方差假定）；且非主对角线上的元素为零（非自相关假定），当这个假定不成立时，Var(u ) 不再是一个纯量对角矩阵。

Var(u ) = σ 2 Ω = σ 211220..00...0......00...TT σσσ???? ???????? ≠σ 2 I (5.2) 当误差向量u 的方差协方差矩阵主对角线上的元素不相等时，称该随机误差系列存在异方差，即误差向量u 中的元素u t 取自不同的分布总体。非主对角线上的元素表示误差项之间的协方差值。比如 Ω 中的 σi j 与σ 2的乘积 ,（i ≠ j ）表示与第i 组和第j 组观测值相对应的u i 与 u j 的协方差。若 Ω 非主对角线上的部分或全部元素都不为零，误差项就是自相关的。 本节讨论异方差。下一节讨论自相关问题。以两个变量为例，同方差假定如图5.1和5.2所示。对于每一个x t 值，相应u t 的分布方差都是相同的。 5. 1.2 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。递增型异方差见图5.3和5.4。图5.5为递减型异方差。图5.6为条件自回归型异方差。 123456720406080100120140160180200 Y 图5.3 递增型异方差情形 图5.4 递增型异方差 012345670 50 100 150 200X Y -8 -6-4-20246 DJ PY 图5.5 递减型异方差 图5.6 复杂型异方差 产生的原因主要有以下几种： (1) 模型中遗漏了某些解释变量。

异方差性习题与答案

第五章 异方差性习题与答案 1、产生异方差的后果是什么？ 2、下列哪种情况是异方差性造成的结果？ （1）OLS 估计量是有偏的 （2）通常的t 检验不再服从t 分布。 （3）OLS 估计量不再具有最佳线性无偏性。 3、已知模型：i i i i u X X Y +++=22110βββ 式中，i Y 为某公司在第i 个地区的销售额；i X 1为该地区的总收入；i X 2为该公司在该地区投入的广告费用（i=0,1,2……,50）。 （1）由于不同地区人口规模i P 可能影响着该公司在该地区的销售，因此有理由怀疑随机误差项u i 是异方差的。假设i σ依赖于总体i P 的容量，逐步描述你如何对此进行检验。需说明：A 、零假设和备择假设；B 、要进行的回归；C 、要计算的检验统计值及它的分布（包括自由度）；D 、接受或拒绝零假设的标准。 （2）假设i i P σσ=。逐步描述如何求得BLUE 并给出理论依据。 4、下表数据给出按学位和年龄划分的经济学家的中位数工薪： 表1 经济学家的工资表 年 龄 中位数工薪（以千美元计算） 硕士 博士 25－29 8.0 8.8 30－34 9.2 9.6 35－39 11.0 11.0 40－44 12.8 12.5 45－49 14.2 13.6 50－54 14.7 14.3 55－59 14.5 15.0 60－64 13.5 15.0 65－69 12.0 15.0 (1)有硕士学位和有博士学位经济学家的中位数工薪的方差相等么？ (2)如果相等，你会怎样检验两组平均中位数工薪相等的假设？ (3)在年龄35至5岁之间的经济学家，有硕士学位的比有博士学位的赚更多的钱，那么你会怎样解释这一发现？ 5、为了解美国工作妇女是否受到歧视，可以用美国统计局的“当前人口调查”中的截面数据，研究男女工资有没有差别。这项多元回归分析研究所用到的变量有： W —雇员的工资率（美元/小时） 1表示雇员为女性， 0表示女性意外的雇员。ED ：受教育的年数。AGE ：年龄

条件异方差模型分析解析

第三节 自回归条件异方差(ARCH)模型 金融时间序列数据通常表现出一种所谓的集群波动现象。模型随机误差项中同时含有自相关和异方差。 一、ARCH 模型 （Auto-regressive Conditional Heteroskedastic —自回归条件异方差模型） 对于回归模型 t kt k t t x b x b b y ε++++= 110 （3.3.1） 若2 t ε服从AR （q ）过程 t q t q t t νεαε ααε++++=--221102 （3.3.2） 其中t ν独立同分布，并满足0)(=t E ν , 2)(σν=t D 则称（3.3.2）式为ARCH 模型，序列t ε服从q 阶ARCH 过程，记为t ε～ARCH （q ）。 (3.3.1)和(3.3.2)称为回归—ARCH 模型。 注：不同时点t ε的方差2)(t t D σε=是不同的。

对于AR （p ）模型 t p t p t t y y y εφφ+++=-- 11 （3.3.3） 如果t ε～ARCH （q ），则（3.3.3）与（3.3.2）结合称为AR （p ）-ARCH （q ）模型。 ARCH （q ）模型还可以表示为 *t t h = εt ν (3.3.4) 2 1 022 110j t q j q t q t t h -=--∑+=+++=εααεαεααα (3.3.5) 其中，t ν独立同分布，且0)(=t E ν,1)(=t D ν,00>α 0≥j α)2,1(q j = 且11<∑=q j j α （保证ARCH 平稳）。 有时，（3.3.5）式等号右边还可以包括外生变量，但要注意应保证t h 值是非负的。如： p t p t q t q t t h h h ----++++++=θθεαεαα 1122110 1011<+<∑∑==p j j q i i θα 对于任意时刻t ，条件期望 E （t ε| ,1-t ε）=0)(*=t t E h ν （3.3.6）

第五章 异方差性 答案

第五章 异方差性 一、判断题 1. 在异方差的情况下，通常预测失效。（ T ） 2. 当模型存在异方差时，普通最小二乘法是有偏的。（ F ） 3. 存在异方差时，可以用广义差分法进行补救。（F ） 4. 存在异方差时，普通最小二乘法会低估参数估计量的方差。（F ） 5. 如果回归模型遗漏一个重要变量，则OLS 残差必定表现出明显的趋势。（ T ） 二、单项选择题 方法用于检验（ A ） A.异方差性 B.自相关性 C.随机解释变量 D.多重共线性 2.在异方差性情况下，常用的估计方法是（ D ） A.一阶差分法 B.广义差分法 C.工具变量法 D.加权最小二乘法 检验方法主要用于检验（ A ） A.异方差性 B.自相关性 C.随机解释变量 D.多重共线性 4.下列哪种方法不是检验异方差的方法（ D ） A.戈德菲尔特——匡特检验 B.怀特检验 C.戈里瑟检验 D.方差膨胀因子检验 5.加权最小二乘法克服异方差的主要原理是通过赋予不同观测点以不同的权数，从而提高估计精度，即（ B ） A.重视大误差的作用，轻视小误差的作用 B.重视小误差的作用，轻视大误差的作用 C.重视小误差和大误差的作用 D.轻视小误差和大误差的作用 6.如果戈里瑟检验表明，普通最小二乘估计结果的残差i e 与i x 有显著的形式 i i i v x e +=28715.0的相关关系（i v 满足线性模型的全部经典假设），则用加权最小二乘法估计模型参数时，权数应为（ B ） A. i x B. 21i x C. i x 1 D. i x 1 7.设回归模型为i i i u bx y +=，其中()2i 2i x u Var σ=，则b 的最有效估计量为（ D ）

计量经济学第五章练习题及参考解答

第五章练习题及参考解答 5.1 设消费函数为 i i i i u X X Y +++=33221βββ 式中，i Y 为消费支出；i X 2为个人可支配收入；i X 3为个人的流动资产；i u 为随机误差 项，并且222)(,0)(i i i X u Var u E σ==（其中2 σ为常数）。试解答以下问题： (1)选用适当的变换修正异方差，要求写出变换过程； (2)写出修正异方差后的参数估计量的表达式。 练习题5.1参考解答： （1）因为2 2()i i f X X =，所以取221 i i W X = ，用2i W 乘给定模型两端，得 312322221i i i i i i i Y X u X X X X βββ=+++ 上述模型的随机误差项的方差为一固定常数，即 22221 ( )()i i i i u Var Var u X X σ== （2）根据加权最小二乘法，可得修正异方差后的参数估计式为 ***12233???Y X X βββ=-- ()()()() ()()() ***2**** 2223232232 2*2 *2**2223223?i i i i i i i i i i i i i i i i i i W y x W x W y x W x x W x W x W x x β-= -∑∑∑∑∑∑∑ ()()()()()()() ***2**** 2322222233 2*2 *2**2223223?i i i i i i i i i i i i i i i i i i W y x W x W y x W x x W x W x W x x β-= -∑∑∑∑∑∑∑ 其中 22232***23222, , i i i i i i i i i W X W X W Y X X Y W W W = = = ∑∑∑∑∑∑ **** **222333 i i i i i x X X x X X y Y Y =-=-=- 5.2 下表是消费Y 与收入X 的数据，试根据所给数据资料完成以下问题：