全流程展現：Eviews檢驗與處理迴歸方程的異方差問題（二）

3、White檢驗

在估計模型的基礎上，在方程窗口上點擊View\Residual Test\WhiteHeteroskedastcity(no cross terms),檢驗結果：

直接觀察Obs*R-squared相伴機率p值的大小，由於p值小於0.05，則認爲存在異方差性。

4、Gleiser檢驗

創建迴歸模型，ls y c x，生成新變量序列：genr  E=ABS(RESID)，

分別創建新殘差序列（E）對各解釋變量（X、X^2、X^(1/2)、X^(-1)、X^(-2)、X^(-1/2)）的迴歸模型，在Eviews命令欄輸入如下命令，獲得如下結果。

LS  E C  X

LS  E C  X^2

LS  E C  X^(1/2)

LS  E C  X^(-1)

LS  E C  X^(-2)

LS  E C  X^(-1/2)

由上述各回歸結果可知，各回歸模型中解釋變量的係數估計值顯著不爲0且均能經過顯著性檢驗。因此認爲存在異方差性。

Gleiser檢驗中能夠經過F值或t值肯定異方差的具體形式。本例中，獲得的迴歸方程解釋變量X^(1/2)的擬合優度R^2最大，能夠據此來肯定異方差的形式。

5、運用加權最小二乘法消除異方差

權數採用resid的絕對值，在命令窗口輸入 genr w1=X^(1/2)回車

而後輸入  LS（W=W1） YC X，

或在方程窗口中點擊Estimate\Option按鈕，並在權數變量欄裏w1,以下：

最終獲得如下方程

在方程窗口點View\Residual Test\WhiteHeteroskedastcity(no cross terms), 進行White檢驗，發現異方差已經消除。

直接觀察Obs*R-squared相伴機率p值的大小，由於p值大於0.05，則認爲該模型不存在異方差性，也就是運用加權最小二乘法消除了原有模型存在的異方差問題。

 

本文分享自微信公衆號 - 博士的計量經濟學乾貨（econometrics_ABC）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。