快速上手,通常使用最小二乘法建立回归模型之后,需要检验模型的异方差性,自相关性,多重共线性,并对检验结果进行修正。这三个检验在计量经济学课程的实践报告里基本是绕不过的,但网上的方法又过于详细全面,我们只需要知道直接做法和方法就好了,列举出12345这些方法很多同学表示真的看不下去。具体这三大检验该如何上机操作,我拿最近接到的一个案例详细举例说明。
一、数据来源:
客户提供的数据是1981-2006年股票价格指数和gdp数据,股票价格指数为Y,gdp数据为x,这是一个一元一次方程,所以只做了异方差和序列相关性的检验。

模型建立
数据录入eviews,用最小二乘法进行线性回归,结果如下:

模型诊断
异方差性
通常使用怀特检验进行异方差性检验,步骤如下:


结果如下:

F值和nR2值均显著,所以说明存在异方差。
用加权最小二乘法进行异方差修正:

结果如下:

进行怀特检验:

可见,已经消除了异方差。
自相关性
回归模型中dw=0.440822,样本数量为26个,在5%的上下界查DW统计表得dL=1.30,dU=1.46,DW<dL,所以模型中存在自相关性。
计算自相关系数p=1-dw/2=0.779589,建立广义差分模型消除自相关,

结果如下:

DW=0.908327,由于使用了广义差分数据,样本容量减少为25,查DW统计表得:dL=1.29,dU=1.45 DW<dL ,广义差分模型中仍然存在自相关性。
所以说明可能为高阶自相关。采取LM检验,判断为二阶自相关,因此使用二阶广义差分法估计模型得:


进行LM检验

结果如下:

LM=0.900697不显著,已消除自相关。
温馨提示:答案为网友推荐,仅供参考