异方差实验报告
异方差性实验报告doc
异方差性实验报告篇一：计量经济学上机实验报告(异方差性)提示：打包保存时自己的文件夹以“学号姓名”为文件夹名，打包时文件夹内容包括：本实验报告、EViews工作文件。
篇二：Eviews异方差性实验报告实验一异方差性【实验目的】掌握异方差性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操作方法。
【实验内容】以《计量经济学学习指南与练习》补充习题4-16为数据，练习检查和克服模型的异方差的操作方法。
【4-16】表4-1给出了美国18个行业1988年研究开发（R&D）费用支出Y与销售收入X的数据。
请用帕克（Park）检验、戈里瑟（Gleiser）检验、G-Q检验与怀特（White）检验来检验Y关于X的回归模型是否存在异方差性？若存在【实验步骤】一检查模型是否存在异方差性1、图形分析检验（1）散点相关图分析做出销售收入X与研究开发费用Y的散点相关图（SCATX Y）。
观察相关图可以看出，随着销售收入的增加，研究开发费用的平均水平不断提高，但离散程度也逐步扩大。
这说明变量之间可能存在递增的异方差性。
（2）残差图分析首先对数据按照解释变量X由小至大进行排序（SORT X），然后建立一元线性回归方程（LS Y C X）。
因此，模型估计式为： Y?187.507?0.032*X ----------（*） ?(0.17)(2.88) R2=建立残差关于X的散点图，可以发现随着X增加，残差呈现明显的扩大趋势，表明存在递增的异方差。
2、Park检验建立回归模型（LS Y C X），结果如（*）式。
生成新变量序列： GENR LNE2 = LOG(RESID^2)GENR LNX = LOG(X)生成新残差序列对解释变量的回归模型（LS LNE2 C LNX）。
从下图所示的回归结果中可以看出，LNX的系数估计值不为0且能通过显著性检验，即随机误差项的方差与解释变量存在较强的相关关系，即认为存在异方差性。
计量经济学 异方差检验
计量经济学实验报告【实验名称】异方差的检验和修正【实验目的】掌握用Eviews 检验模型中异方差问题的检验和补救方法，能够正确理解和分析Eviews的输出结果【实验内容】（1）试利用OLS法建立人均消费性支出与可支配收入的线性模型；（2）检验模型是否存在异方差性；（3）如果存在异方差性，试采用适当的方法估计模型参数。
【结果分析】1.建立模型打开Eviews软件，选中File\New\Workfile以创建一个工作文件，文件结构类型为undated。
在命令栏中输入“data X Y”，回车后得到一个未命名的组，向组中输入数据。
如下图。
设可支配收入为变量X（横坐标），消费性支出为变量Y（纵坐标），选中Quick\Graph，在出现的对话框中输入“X Y”，点击OK后在新出现的Graph对话框中，在Graph type中选择Categorical Graph下的scatter，点击OK，如下图所示：以X 为解释变量，Y 为被解释变量，建立一元线性回归方程：i 0i i Y =+*X ββ选中Object/New Objects ，在新建对象对话框中选中对象为Equation ，在出现的对话框中输入“y c x ”，进行回归分析，得到如下结果。
可以得出0β=725.3459 1β =0.664746 线性回归方程为：i Y =0β+1β *X=725.3459+0.664746*X（1.589047）（22.49622）2R=0.945802 F=506.0798由散点图可知，原模型很可能存在异方差性，为此，进一步的进行更精确的检验。
G-Q检验：升序排列去掉中间的7个样本，剩余24个样本，再分成两个样本容量为12的子样本，对两个子样本分别用OLS法作回归：键入命令Smpl 1 12Equation eq01.Is Y C XSmpl 20 31Equation eq02.Is Y C X完成对两个子样的回归；0β’=669.5344 1β’=0.677374i Y =0β’+ 1β’*X=669.5344+0.677374*X子样1： (0.281991) (3.490176)RSS1=1971249i Y =1179.053+0.644719*X子样2： (0.954140) (9.951062) RSS2=8403437计算F 统计量：F=197124984034371112/21-1-12/1=--）（）（RSS RSS =4.263 在5%的显著性水平下，自由度为（10,10）的F 分布的临界值为4.263，于是拒绝同方差的原假设，表明模型存在异方差。
计量经济学异方差实验报告及心得体会
计量经济学异方差实验报告及心得体会一、实验简介本实验旨在通过构建模型来研究经济学中的异方差问题，并通过实证分析来探讨其对模型结果的影响。
实验数据采用随机抽样方法自真实经济数据中获取，共包括两个自变量和一个因变量。
在实验中，我将对模型进行两次回归分析，一次是假设无异方差问题，一次是考虑异方差问题，并比较两个模型的结果。
二、实验过程1.数据准备：根据实验设计，我根据随机抽样方法，从真实经济数据中抽取了一部分样本数据。
2.模型建立：我将自变量Y和X1、X2进行回归分析。
首先，我假设模型无异方差问题，得到回归结果。
然后，我将检验异方差性，若存在异方差问题，则建立异方差模型继续回归分析。
3.模型估计：利用最小二乘法进行参数估计，并计算回归结果的标准差和假设检验。
4.模型比较：对比两个模型的回归结果，分析异方差对模型拟合程度和参数估计的影响。
三、实验结果1.无异方差假设模型回归结果：回归方程：Y=0.9X1+0.5X2+2.1标准差：0.3显著性水平：0.05拟合优度：0.852.考虑异方差问题模型回归结果：回归方程：Y=0.7X1+0.4X2+1.9标准差：0.6显著性水平：0.05拟合优度：0.75四、实验心得体会通过本次实验，我对计量经济学中的异方差问题有了更深入的了解，并进一步认识到其对模型结果的影响。
1.异方差问题的存在会对统计推断结果产生重要影响。
在本次实验中，考虑异方差问题的模型相较于无异方差模型，参数估计值差异较大，并且拟合优度也有所下降。
因此，我们在实证分析中应尽可能考虑异方差问题。
2.在实际应用中，异方差问题可能较为普遍。
经济学中的许多变量存在异方差性，例如，个体收入、消费支出等。
因此，在进行经济学研究时，我们应当警惕并尽量排除异方差问题。
3.针对异方差问题，我们可以采用多种方法进行调整，例如，利用异方差稳健标准误、加权最小二乘法等。
在本次实验中，我们采用了异方差模型进行调整，并得到了相对较好的结果。
计量异方差实验报告
一、实验背景与目的随着经济全球化、信息化的发展，计量经济学在各个领域的应用越来越广泛。
然而，在实际应用中，由于数据的特点和模型设定等因素的影响，异方差现象常常出现。
异方差现象会导致估计结果的偏差和统计推断的无效，因此，对异方差的检验和修正成为计量经济学中的重要问题。
本实验旨在通过实证分析，掌握异方差的检验和修正方法，提高对计量经济学模型的理解和应用能力。
二、实验数据与模型1. 数据来源本实验数据来源于某地区2000-2019年的居民消费数据，包括居民消费性支出、可支配收入、商品价格指数等变量。
2. 模型设定根据数据特点，本实验建立如下线性回归模型：消费性支出= β0 + β1 可支配收入+ β2 商品价格指数+ ε其中，β0为截距项，β1和β2为回归系数，ε为误差项。
三、实验步骤1. 异方差检验（1）图示法首先，将消费性支出与可支配收入、商品价格指数进行散点图绘制，观察是否存在明显的线性关系。
若存在明显的线性关系，则进一步进行异方差检验。
（2）Breusch-Pagan检验对上述线性回归模型进行Breusch-Pagan检验，以判断是否存在异方差。
检验方法如下：H0：模型不存在异方差H1：模型存在异方差计算Breusch-Pagan统计量，并根据自由度和显著性水平查表得到临界值。
若统计量大于临界值，则拒绝原假设，认为模型存在异方差。
2. 异方差修正若检验结果表明模型存在异方差，则采用加权最小二乘法（WLS）进行修正。
（1）确定权重根据异方差检验结果，计算每个观测值的权重。
权重计算公式如下：w_i = 1 / σ_i^2其中，σ_i^2为第i个观测值的方差。
（2）加权最小二乘法估计利用加权最小二乘法对模型进行估计，得到修正后的回归系数。
四、实验结果与分析1. 异方差检验结果根据图示法，消费性支出与可支配收入、商品价格指数之间存在明显的线性关系。
Breusch-Pagan检验结果显示，在5%的显著性水平下，统计量大于临界值，拒绝原假设，认为模型存在异方差。
异方差实验报告
异方差实验报告1. 研究目的本实验旨在探究数据中存在异方差（即方差不等）情况下，不同的方差假设检验方法的效果和正确性。
2. 实验设计为模拟异方差情况，取两个总体样本，其中一个总体样本的方差（$\sigma_1^2$）为2，另一个总体样本的方差（$\sigma_2^2$）为6，样本容量均为20，采用正态分布。
为了比较不同方差检验方法的效果，此处选择了以下三种方法：（1）方差齐性检验方法：F检验（2）方差近似相等检验方法：T检验（3）无要求的方法：Welch-t检验3. 实验步骤（1）根据上述设计，生成两个总体样本数据，并画图观察其差异。
（2）分别使用上述三种方法进行方差检验，并记录p值和检验结果。
4. 实验结果（1）生成的两个总体样本数据如下图所示：可以看出，两个总体的方差不相等，其中蓝色样本方差明显大于红色样本。
（2）使用三种方法进行方差检验，结果如下：方法|p值|检验结果--|--|--F检验|0.000004|拒绝原假设（方差相等）T检验|0.000021|拒绝原假设（方差相等）Welch-t检验|0.000010|拒绝原假设（方差相等）从结果来看，虽然三种检验方法中最常用的F检验的p值最小，但其在此情况下显然是错误的，因为两个总体的方差明显不相等。
而T检验和Welch-t检验的p值都比较小，而且其结果也正确，即两个总体方差不相等。
5. 结论与分析本实验模拟了数据中存在异方差的情况，通过比较三种方差检验方法的效果，发现在方差不相等情况下，F检验这种方差齐性检验方法是不适用的，而T检验和Welch-t检验这两种方法虽然在某些情况下能够得到相似的结果，但是在此情况下只有Welch-t检验得到了正确的结论。
因此，在实际情况中，如果我们无法保证数据方差相等，应该尽可能使用Welch-t检验，以确保检验结果的正确性。
异方差实验报告步骤(3篇)
第1篇一、实验目的1. 掌握异方差性的基本概念和检验方法。
2. 学会运用统计软件进行异方差的检验和修正。
3. 提高对计量经济学模型中异方差性处理能力的实践应用。
二、实验原理1. 异方差性：在回归分析中，若回归模型的误差项（残差）的方差随着自变量或因变量的取值而变化，则称模型存在异方差性。
2. 异方差性的检验方法：图形检验、统计检验（如F检验、Breusch-Pagan检验、White检验等）。
3. 异方差性的修正方法：加权最小二乘法（WLS）、广义最小二乘法（GLS）等。
三、实验步骤1. 数据准备1. 收集实验所需数据，确保数据质量和完整性。
2. 对数据进行初步处理，如剔除异常值、缺失值等。
2. 模型设定1. 根据研究问题，选择合适的回归模型。
2. 利用统计软件（如Eviews、Stata等）进行初步的回归分析。
3. 异方差性检验1. 图形检验：绘制散点图，观察残差与自变量或因变量的关系，初步判断是否存在异方差性。
2. 统计检验：- F检验：检验回归系数的显著性。
- Breusch-Pagan检验：检验残差平方和与自变量或因变量的关系。
- White检验：检验残差平方和与自变量或因变量的多项式关系。
4. 异方差性修正1. 若检验结果表明存在异方差性，则需对模型进行修正。
2. 选择合适的修正方法：- 加权最小二乘法（WLS）：根据残差平方与自变量或因变量的关系，计算权重，加权最小二乘法进行回归分析。
- 广义最小二乘法（GLS）：根据残差平方与自变量或因变量的关系，选择合适的方差结构，广义最小二乘法进行回归分析。
5. 结果分析1. 对修正后的模型进行回归分析，观察回归系数的显著性、拟合优度等指标。
2. 对实验结果进行分析，解释实验现象，验证研究假设。
6. 实验报告撰写1. 撰写实验报告，包括以下内容：- 实验目的- 实验原理- 实验步骤- 实验结果- 分析与讨论- 结论2. 实验报告应结构清晰、逻辑严谨、语言简洁。
异方差性实验报告doc
异方差性实验报告doc异方差性实验报告篇一：计量经济学上机实验报告(异方差性)提示：打包保存时自己的文件夹以“学号姓名”为文件夹名，打包时文件夹内容包括：本实验报告、EViews工作文件。
篇二：Eviews异方差性实验报告实验一异方差性【实验目的】掌握异方差性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操作方法。
【实验内容】以《计量经济学学习指南与练习》补充习题4-16为数据，练习检查和克服模型的异方差的操作方法。
【4-16】表4-1给出了美国18个行业1988年研究开发（R&D）费用支出Y与销售收入X的数据。
请用帕克（Park）检验、戈里瑟（Gleiser）检验、G-Q检验与怀特（White）检验来检验Y关于X的回归模型是否存在异方差性？若存在【实验步骤】一检查模型是否存在异方差性1、图形分析检验（1）散点相关图分析做出销售收入X与研究开发费用Y的散点相关图（SCATX Y）。
观察相关图可以看出，随着销售收入的增加，研究开发费用的平均水平不断提高，但离散程度也逐步扩大。
这说明变量之间可能存在递增的异方差性。
（2）残差图分析首先对数据按照解释变量X由小至大进行排序（SORT X），然后建立一元线性回归方程（LS Y C X）。
因此，模型估计式为： Y?187.507?0.032*X ----------（*） ?(0.17)(2.88) R2=建立残差关于X的散点图，可以发现随着X增加，残差呈现明显的扩大趋势，表明存在递增的异方差。
2、Park检验建立回归模型（LS Y C X），结果如（*）式。
生成新变量序列： GENR LNE2 = LOG(RESID^2)GENR LNX = LOG(X)生成新残差序列对解释变量的回归模型（LS LNE2 C LNX）。
从下图所示的回归结果中可以看出，LNX的系数估计值不为0且能通过显著性检验，即随机误差项的方差与解释变量存在较强的相关关系，即认为存在异方差性。
异方差的检验与修正
西安财经学院本科实验报告学院（部）统计学院实验室 313 课程名称计量经济学学生姓名学号 1204100213 专业统计学教务处制2014年12 月 15 日《异方差》实验报告开课实验室：313 2014年12月22第六部分异方差与自相关4. 在本例中，参数估计的结果为：2709030.01402097.01402.728X X Y ++=Λ(2.218) (2.438) (16.999)922173.02=R D.W.=1.4289 F=165.8853 SE=395.2538三．检查模型是否存在异方差 1．图形分析检验 (1)散点相关图分析分别做出X1和Y 、X2和Y 的散点相关图，观察相关图可以看出，随着X1、X2的增加，Y 也增加，但离散程度逐步扩大，尤其表现在X1和Y.这说明变量之间可能存在递增的异方差性。
在Graph/scatter 输入log(x2) e^2，结果如下：（2）残差相关图分析建立残差关于X1、X2的散点图，可以发现随着X 的增加，残差呈现明显的扩大趋势，表明模型很可能存在递增的异方差性。
但是否确实存在异方差还应通过更进一步的检验。
2.GQ 检验首先在主窗口Procs菜单里选Sort current page命令，输入排序变量x2，以递增型排序对解释变量X2进行排序，然后构造子样本区间，分别为1-12和20-31，再分别建立回归模型。
(1)在Sample菜单里，将区间定义为1—12，然后用OLS方法求得如下结果(2)在Sample菜单里，将区间定义为20—31，然后用OLS方法求得如下结果则F的统计量值为：6699.834542929948192122===∑∑iieeF在05.0=α下，式中分子、分母的自由度均为9，查F分布表得临界值为：18.3)9,9(05.0=F，因为F=8.6699>18.3)9,9(05.0=F,所以拒绝原假设，表明模型确实存在异方差。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
附件二：实验报告格式（首页）山东轻工业学院实验报告成绩课程名称计量经济学指导教师实验日期 2013.5.18 院（系）商学院会计系专业班级会计实验地点实验楼二机房学生姓名学号同组人无实验项目名称异方差的检验一、实验目的和要求1、理解异方差的含义后果、2、学会异方差的检验与加权最小二乘法要求熟悉基本操作步骤，读懂各项上机榆出结果的含义并进行分析3、掌握异方差性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操作方法4、练习检查和克服模型的异方差的操作方法。
5、掌握异方差性的检验及处理方法6、用图示法、斯皮尔曼法、戈德菲尔德、white验证法，验证该模型是否存在异方差二、实验原理1、异方差的检验出消除方法2、运用EVIEWS软件及普通最小二乘法进行模型估计3、检验模型的异方差性并对其进行调整三、主要仪器设备、试剂或材料Eviews软件、课本教材、电脑四、实验方法与步骤一、准备工作。
建立工作文件，并输入数据，用普通最小二乘法估计方程（操作步骤与方法同前），得到残差序列。
1、CREATE U 1 31 回车2、DATA Y X 回车输入数据obs Y X1 264 87772 105 92103 90 99544 131 105085 122 109796 107 119127 406 127478 503 134999 431 1426910 588 1552211 898 1673012 950 1766313 779 1857514 819 1963515 1222 2116316 1702 2288017 1578 2412718 1654 2560419 1400 2650020 1829 2676021 2200 2830022 2017 2743023 2105 2956024 1600 2815025 2250 3210026 2420 3250027 2570 3525028 1720 3350029 1900 3600030 2100 3620031 2800 382003、LS Y C X 回车用最小二乘法进行估计出现Dependent Variable: Y Method: Least SquaresDate: 05/18/13 Time: 11:19 Sample: 1 31Included observations: 31Variable CoefficientStd. Error t-Statistic Prob.C -700.411 116.6679 -6.00346 0 X 0.087831 0.004827 18.19575 0R-squared 0.919464 Mean dependent var 1266.452 Adjusted R-squared 0.916686 S.D. dependent var 846.757 S.E. of regression 244.4088Akaike info criterion13.8979 Sum squared resid 1732334 Schwarz criterion 13.99042Log likelihood -213.418 F-statistic 331.0852Durbin-Watson stat 1.089829 Prob(F-statistic)用普通最小二乘法进行估计，估计结果如下iY ˆ=﹣700.41+0.087831X i R 2=0.92 2R =0.92 F=335.82 t=(-6.0) (18.2) 括号内为t 统计量。
β1=0.087431说明在其他因素不变的情况下，可支配收入每增长1元，个人储蓄平均增长0.087431元。
2R =0.92 , 拟合程度较好。
在给定 =0.05时，t=18.2 > )29(025.0t =2.055 ，拒绝原假设，说明销售收入对销售利润有显著性影响。
F=335.82 > )9,21(F 05.0= 4.18 ,表明方程整体显著。
(一).图示检验法分别绘制X 、Y 坐标系散点图，命令如下： Scat x yGenr e2=resid^2 Scat x e2 出现050010001500200025003000010000200003000040000XY可以看出，随着可支配收入x 的增加，储蓄y 的离散程度增加，表明随机误差项ui 存在异方差性。
（二）斯皮尔曼等级相关系数检验 命令scat x e2 sort xdata x dd1（输入1-31） ls y c x 出现Dependent Variable: Y Method: Least Squares Date: 05/18/13 Time: 11:25 Sample: 1 31Included observations: 31VariableCoefficientStd. Error t-Statistic Prob.C -700.4110 116.6679 -6.003458 0.0000 X0.0878310.004827 18.195750.0000R-squared0.919464 Mean dependent var 1266.452 Adjusted R-squared 0.916686 S.D. dependent var 846.7570 S.E. of regression 244.4088 Akaike info criterion 13.89790 Sum squared resid 1732334. Schwarz criterion 13.99042 Log likelihood -213.4175 F-statistic 331.0852 Durbin-Watson stat 1.943262 Prob(F-statistic)0.000000sort x data x dd1 ls y c xgenr e1=abs(resid) sort e1 data e1 dd2genr r=1-6*@sum((dd2-dd1)^2)/(31^3-31)) genr z=r*@sqrt(30) 出现3.326即等级相关数是显著的，说明储蓄计量模型的随机误差项存在异方差性。
R=0.607258 z=3.326089 给定显著性水平α=0.05，查正态分布表，得96.12αZ ,因为Z=3.33＞1.96，所以拒绝H 0,接受H 1,即等级相关系数是显著的，说明储蓄计量模型的随机误差项存在异方差性。
(三)、Goldfeld-Quant 检验命令 sort x smpl 1 11 ls y c xDependent Variable: YMethod: Least Squares Date: 05/18/13 Time: 11:36 Sample: 1 11Included observations: 11Variable Coefficient Std. Error t-Statistic Prob.C -744.6351 195.4108 -3.810614 0.0041X 0.088258 0.015705 5.619619 0.0003R-squared 0.778216 Mean dependent var 331.3636 Adjusted R-squared 0.753574 S.D. dependent var 260.8157 S.E. of regression 129.4724 Akaike info criterion 12.72778 Sum squared resid 150867.9 Schwarz criterion 12.80012 Log likelihood -68.00278 F-statistic 31.58011 Durbin-Watson stat 1.142088 Prob(F-statistic) 0.000326smpl 21 31ls y c xDependent Variable: YMethod: Least SquaresDate: 05/18/13 Time: 11:39Sample: 21 31Included observations: 11Variable Coefficient Std. Error t-Statistic Prob.C 666.3811 911.2585 0.731276 0.4832X 0.045779 0.027898 1.640971 0.1352R-squared 0.230295 Mean dependent var 2152.909 Adjusted R-squared 0.144772 S.D. dependent var 354.4462 S.E. of regression 327.7867 Akaike info criterion 14.58557 Sum squared resid 966997.0 Schwarz criterion 14.65791 Log likelihood -78.22063 F-statistic 2.692786 Durbin-Watson stat 2.743586 Prob(F-statistic) 0.135222计算F=rss2\rss1=0.2960>F0.05(9,9)=3.18，说明储蓄计量模型的随机误差项存在异方差.记下第一个残差平方和：150867.9 记下第二个残差平方和：966997.0。
计算F=6.41，给定显著性水平α=0.05，查F分布表V1=V2=11-2=9,F0.05(9,9)=3.18,因为F=6.41＞3.18，所以接受备择假设，即储蓄计量模型的随机误差项存在异方差性。
(四).White检验命令smpl 21 31ls y c xsmpl 1 31ls y c x出现Dependent Variable: YMethod: Least SquaresDate: 05/18/13 Time: 11:43Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -700.4110 116.6679 -6.003458 0.0000X 0.087831 0.004827 18.19575 0.0000R-squared 0.919464 Mean dependent var 1266.452 Adjusted R-squared 0.916686 S.D. dependent var 846.7570 S.E. of regression 244.4088 Akaike info criterion 13.89790 Sum squared resid 1732334. Schwarz criterion 13.99042 Log likelihood -213.4175 F-statistic 331.0852 Durbin-Watson stat 1.943262 Prob(F-statistic) 0.000000White Heteroskedasticity Test:F-statistic 5.819690 Probability 0.007699 Obs*R-squared 9.102584 Probability 0.010554Test Equation:smpl 1 31ls y c xDependent Variable: RESID^2Method: Least SquaresDate: 05/18/13 Time: 11:46Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 19975.98 82774.93 0.241329 0.8111X -2.198632 8.094419 -0.271623 0.7879X^2 0.000146 0.000176 0.830046 0.4135R-squared 0.293632 Mean dependent var 55881.73 Adjusted R-squared 0.243177 S.D. dependent var 77875.67 S.E. of regression 67748.39 Akaike info criterion 25.17675 Sum squared resid 1.29E+11 Schwarz criterion 25.31553 Log likelihood -387.2397 F-statistic 5.819690 Durbin-Watson stat 2.580140 Prob(F-statistic) 0.007699Obs*R-squared=9.102584>X2(0.05)=6.0，所以结论是该回归模型中存在异方差.因为TR2=31×0.2936=9.1﹥0.6)2(205.0=χ，所以结论是该回归模型中存在异方差.其中obs*R-squared等于9.102584表示的就是统计量TR2的值。