用white检验来检验异方差：

首先新建一个excel(while check.xls)文件。在这个表格中计算出

x5*x5 x5*date…两两乘积。

再用E-Views打开while check.xls。

输入命令Ls e c x5 date d2 d3 d4 x5_x5 x5_date x5_d2 x5_d3 x5_d4 date_date date_d2 date_d3 date_d4 d2_d2 d2_d3 d2_d4 d3_d3 d3_d4 d4_d4

得结果为：

Error Message：Near singular matrix.

原因是这里面很多变量线形相关。

X5_d2 date_d2 d2_d2 d2_d3 d2_d4 和 d2线形相关只保留一个d2可以

X5_d4 date_d4 d3_d4 d4_d4和d4线形相关只保留一个d4可以

在输入命令ls e c x5 date d2 d3 d4 x5_x5 x5_date x5_d3 x5_d4 date_date date_d3 date_d4 d3_d3

得结果：

R^2=0.736841   DW=1.474553   F=3.876902

上面的回归方程有13个变量，所以n=13．nR^2=13*0.736841=9.57893

α=0.01，n-k-1=31-13-1=17查卡方分布表有：

Xα(17)=6.408<9.57893=nR^2

所以模型的white检验存在异方差．

用图示法分析：

ls y c date x5 d2 d3 d4

genr e=resid

scat y e^2

得图形：

也可以看出存在异方差。

修正：

对y,date,x5分别取对数再回归可能可以消除异方差。

输入命令ls log(y) c log(date) log(x5) d2 d3 d4

得方程VI为:

Log(y)=2.539339 + 1.587883log(date) +  0.094314log(x5)  -   0.062049D2

        (6.62)          (15.96)            (2.56)              (-5.14)

 -0.006046D3  +  0.025020D4

     (-3.06)     (-3.07)

R^2=0.998302  DW=1.919213   F=3057.168

比较模型V和模型VI：

VI的R^2=0.998比V的R^2=737显著提高了。

在α=0.01，k=5，n=31查DW表有：

dL=0.90，dU=1.60

         模型VI的DW落再dU到4-dU的区间，明显不存在自相关性。而V的DW落在无法判断的区域。

所以模型VI比模型V好。

用图示法Check 异方差：

ls log(y) c log(date) log(x5) d2 d3 d4

genr lne=resid

scat y lne^2

基本上可以用一水平直线模拟这些点。所以异方差也很好的被消除了。

所以模型VI的异方差，自相关，多重共线都很好被消除，可以用它来预测。

所以确定最后的模型为：

Log(y)=2.539339 + 1.587883log(date) +  0.094314log(x5)  -   0.062049D2

        (6.62)          (15.96)            (2.56)              (-5.14)

 -0.006046D3  +  0.025020D4

     (-3.06)     (-3.07)

R^2=0.998302  DW=1.919213   F=3057.168

评论