eviews中怎么檢測異方差性的存在

在電子表格上復(fù)制橫截面的數(shù)據(jù). 在Eviews的工作區(qū)空白處貼上,點擊完成. 如圖, 輸入一元模型,點擊完成. 在工具欄表選擇異方差性測試 選取Breusch–Pagan test,這個測試主要檢定異方差性的存在,點擊確定. 在模型窗口出現(xiàn)Breusch–Pagan test的統(tǒng)計數(shù)

學(xué)習(xí)Eviews中如何利用統(tǒng)計方法檢測異方差性的存在

方法

在電子表格上復(fù)制橫截面的數(shù)據(jù).

懷特檢驗看n*R^2與相應(yīng)卡方分布臨界值（x^2（r））的大校 n為樣本容量，R^2為相關(guān)系數(shù)，x為卡方符號，r為輔助方程中解釋變量個數(shù)。 X X^ X*X2 X2 X2^2 由此看輔助方程中解釋變量個數(shù)共5個，所以你去查卡方分布表，查表得，在5%顯著性水平（如果

在Eviews的工作區(qū)空白處貼上,點擊完成

模型如果檢驗出存在異方差性，可用加權(quán)最小二乘法（Weighted Least Squares, WLS）進(jìn)行估計。如下圖，“權(quán)”可以有多種選擇，通常可以用1/|ei| eviews 也有懷特一致協(xié)方差矩陣估計量(WhiteHeteroskedasticity-ConsistenceCovariance Matrix Estima

如圖, 輸入一元模型,點擊完成.

異方差的處理地區(qū)農(nóng)業(yè)總產(chǎn)值（億元）農(nóng)作物播種面積（千公頃）地區(qū)農(nóng)業(yè)總產(chǎn)值（億元）農(nóng)作物播種面積（千公頃）北京天津河北山西115.48117.601639.07322.65295.01433.958652.703653.15湖北湖南廣東廣西1152.091243.151328.70970.557030.017390.7

在工具欄表選擇異方差性測試

在電子表格上復(fù)制橫截面的數(shù)據(jù). 在Eviews的工作區(qū)空白處貼上,點擊完成. 如圖, 輸入一元模型,點擊完成. 在工具欄表選擇異方差性測試 選取Breusch–Pagan test,這個測試主要檢定異方差性的存在,點擊確定. 在模型窗口出現(xiàn)Breusch–Pagan test的統(tǒng)計數(shù)

選取Breusch–Pagan test,這個測試主要檢定異方差性的存在,點擊確定.

選擇所需變量用group打開，選擇group框上的view----->graph（一元）/multiple graph（多元）------->scatter（散點）

在模型窗口出現(xiàn)Breusch–Pagan test的統(tǒng)計數(shù)據(jù), 用于測試異方差性的存在.左邊的檢定統(tǒng)計量適用于手算,右邊的p-value少于5%(選取95%置信區(qū)間), 證明了異方差性的存在

共線性： 通過了F檢驗，但是模型的某些自變量的系數(shù)的t檢驗沒有通過，而且相關(guān)系數(shù)比較大，這是多重共線性的典型特點。你需要檢驗?zāi)愕哪菐讉€沒通過t檢驗的自變量是否存在多重共線性。方法很簡單，把他們top ten sls lnsal lnta alr ceo中的其中

擴展閱讀，以下內(nèi)容您可能還感興趣。

eviews面板數(shù)據(jù)多重共線性、異方差和殘差檢驗

共線性：

通過了F檢驗，但是模型的某些自變量的系數(shù)的t檢驗沒有通過，而且相關(guān)系數(shù)比較大，這是多重共線性的典型特點。你需要檢驗?zāi)愕哪菐讉€沒通過t檢驗的自變量是否存在多重共線性。方法很簡單，把他們top ten sls lnsal lnta alr ceo中的其中一個作為因變量 其余的作為自變量，看能不能通過F檢驗，如果通過了，說明該變量與其余變量存在多重共線性，沒通過則不存在。存在多重共線性的變量應(yīng)該刪除一部分。但是如果理論表明該變量對模型確實有影響的話，就不能刪除，一切以理論為依據(jù)。

異方差：回歸過后，在輸出的結(jié)果那個窗口中選擇view-其中有一項是residuals tests,看清楚了，肯定有的。然后選擇最后一項Heteroskedasticity Test 再選擇 White，輸出結(jié)果就是異方差檢驗的懷特檢驗。

如果eviews時間序列arch檢驗無異方差性，white檢驗有異方差性選擇哪個

對于時間序列，如果存在序列相關(guān)那么white檢驗失效，需用用arch檢驗。

請問，Eviews懷特檢驗結(jié)果如下，是不是說明不存在異方差性，接下來該怎么做？直接做序列相關(guān)性檢驗嗎？

是的，不存在

不存在就很好了啊

異方差和序列相關(guān)是兩回事，如果沒做的話要做的

我替別人做這類的數(shù)據(jù)分析蠻多的

什么是懷特穩(wěn)健標(biāo)準(zhǔn)誤 在Eviews里怎么實現(xiàn)啊

懷特穩(wěn)健標(biāo)準(zhǔn)誤是指：其標(biāo)準(zhǔn)差對于模型中可能存在的異方差，或自相關(guān)問題不敏感；基于穩(wěn)健標(biāo)準(zhǔn)差計算的穩(wěn)健t統(tǒng)計量，仍然持續(xù)是漸進(jìn)分布（t分布）。

Eviews中的對標(biāo)方法：

1、首先第一步是涉及到：做OLS殘差的平方對OLS擬合值和擬合值的平方的回歸，要在進(jìn)行estimation時，按下圖方式操作

2、點擊選擇“option”之后，然后這時候就會進(jìn)去之后，注意的是要在“White”那里打鉤，如下圖所示。

3、最后的步驟是確保：在White檢驗中不選Include White cross terms時，只有C，(log(x1))²，(log(x2))²然后就是計算懷特統(tǒng)計量nR²。

請注意：無交叉項的WhInclude White cross terms時，變量只有C,(log(x1))²。

擴展資料：

異方差的穩(wěn)健標(biāo)準(zhǔn)誤是經(jīng)濟學(xué)術(shù)語，英文全稱為Heteroskedasticity-Robust+Standard+Error。

異方差—穩(wěn)健標(biāo)準(zhǔn)誤是指其標(biāo)準(zhǔn)差對于模型中可能存在的異方差或自相關(guān)問題不敏感，基于穩(wěn)健 標(biāo)準(zhǔn)差計算的穩(wěn)健t統(tǒng)計量仍然漸進(jìn)分布t分布。在Stata中利用robust選項可以得到異方差—穩(wěn)健標(biāo)準(zhǔn)誤估計量。

參考資料來源：百度百科-異方差性質(zhì)-穩(wěn)健型

eviews修正異方差命令

異方差首先要看殘差序列圖，大概看一看與X是啥關(guān)系，再進(jìn)行修正。當(dāng)然也可以自己試一試，如選擇1/X^3等等。

在EQUATION（等式）框內(nèi)輸入：y/X^3 c x/X^3就可以了吧。如果要按照你說的w2=1/x^2進(jìn)行賦值，必須先生成一個新的序列W2，然后在白色的程序框內(nèi)輸入：

IS Y*W2 C X*W2就可以了吧

異方差是用懷特檢驗法檢驗的，其實做一個十分完美的回歸方程是很難的，既要沒有異方差，又要系數(shù)、R^2比較好，DW值還得在2附近，不能有共線性，這要求你的數(shù)據(jù)本身沒問題，方程的形式也是正確的，不然就會出現(xiàn)怎么搞都搞不定的情況。

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。TEL:0731-84117792 E-MAIL:11247931@qq.com