EViews计量经济学实验报告异方差的诊断及修正
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。
EViews计量经济学实验报告-异方差的诊断及修正模板(word文档良心出品)
姓名 学号实验题目 异方差的诊断与修正一、实验目的与要求：要求目的：1、用图示法初步判断是否存在异方差，再用White 检验异方差；2、用加权最小二乘法修正异方差。
二、实验内容根据1998年我国重要制造业的销售利润与销售收入数据，运用EV 软件，做回归分析，用图示法，White 检验模型是否存在异方差，如果存在异方差，运用加权最小二乘法修正异方差。
三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等）（一） 模型设定为了研究我国重要制造业的销售利润与销售收入是否有关，假定销售利润与销售收入之间满足线性约束，则理论模型设定为：i Y =1β+2βi X +i μ其中，i Y 表示销售利润，i X 表示销售收入。
由1998年我国重要制造业的销售收入与销售利润的数据，如图1：1988年我国重要制造业销售收入与销售利润的数据 （单位：亿元）（二） 参数估计Dependent Variable: Y Method: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28Included observations: 28Variable Coefficient Std. Error t-Statistic Prob. C 12.03564 19.51779 0.616650 0.5428 X0.1043930.008441 12.366700.0000R-squared 0.854696 Mean dependent var 213.4650 Adjusted R-squared 0.849107 S.D. dependent var 146.4895 S.E. of regression 56.90368 Akaike info criterion 10.98935 Sum squared resid 84188.74 Schwarz criterion 11.08450 Log likelihood -151.8508 F-statistic 152.9353 Durbin-Watson stat1.212795 Prob(F-statistic)0.000000估计结果为： iY ˆ = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670）2R =0.854696 2R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。
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。
计量经济学EViews自相关检验及修正实验报告
自相关问题的检验与修正【实验目的与要求】熟练使用EViews软件进行计量分析，理解自相关的检验和估计的基本方法【实验准备】1.自相关的基本概念：若Cov(u i,u j)=E(u i uj)=0(i≠j)不成立，即线性回归模型扰动项的方差—协方差矩阵的非主对角线元素不全为零，则称为扰动项自相关，或序列相关（serial correlation）2.自相关的后果：（1）在扰动项自相关的情况下，尽管OLS估计量仍为无偏估计量，但不再具有最小方差的性质，即不是BLUE。
（2）OLS估计量的标准误差不再是真实标准误差的无偏估计量，使得在自相关的情况下，无法再信赖回归参数的置信区间或假设检验的结果。
3.检验自相关的基本方法：残差检验、D.W检验、Q检验4.自相关的修正方法：广义差分法。
【实验内容】1.利用实验数据建立实际有效汇率REER对名义有效汇率NEER的一元回归模型，根据残差检验、D.W 检验、Q检验判别是否存在自相关。
2.利用实验数据，建立中国出口EX对中国进口IM的一元回归模型，根据残差检验、D.W检验、Q 检验判别是否存在自相关。
3.如果检验结果为存在自相关，根据残差检验和D.W检验估计一阶自相关系数。
4.根据估计出的一阶自相关系数，利用广义差分法估计模型。
5.对利用广义差分法估计得到的模型，根据残差检验、D.W检验、Q检验判别是否存在自相关。
6.对实际有效汇率REER对名义有效汇率NEER和中国出口EX对中国进口IM的一元回归模型，根据残差检验和Q检验判别是否存在高阶自相关。
7.如果检验结果为存在高阶自相关，根据残差检验估计高阶自相关系数。
8.根据估计出的高阶自相关系数，利用广义差分法估计模型。
9.对利用广义差分法估计得到的模型，根据残差检验和Q检验判别是否存在高阶自相关。
10.对在同样数据基础上得到的不同模型进行比较分析。
以下实验数据为1980-2003年人民币名义有效汇率（NEER）和实际有效汇率（REER）的数据（来源于国际货币基金组织出版的国际金融统计（IFS））和1982-2002年中国出口（EX）和进口（IM）（单位：亿美元）的数据（来源于中国商务部网站）。
异方差的检验及修正
异方差问题的检验与修正【实验目的】1、深刻理解异方差性的实质、异方差出现的原因、异方差的出现对模型的不良影响（即异方差的后果），掌握估计和检验异方差性的基本思想和修正异方差的若干方法。
2、能够运用所学的知识处理模型中的出现的异方差问题，并要求初步掌握用Eviews处理异方差的基本操作方法。
【实验原理】1、最小二乘估计。
2、异方差。
3、最小二乘残差图解释异方差。
4、Breusch-Pagan检验（B-P检验）和White检验（怀特检验）检验特定方差函数的异方差性。
5、稳健标准差和加权最小二乘法对特定方差函数的异方差性的修正。
【实验软件】Eviews6.0【实验步骤】一、设定模型首先将实验数据导入软件之中。
（注：本实验报告正文部分只显示软件统计结果，导入数据这一步骤参见附A）本次实验的数据主要是Big Andy店的食品销售收入数据与食品价格数据，共采用了75组。
实验数据来源于课本中的例题，由老师提供。
如下表：表Big Andy店月销售收入和价格的观测值sales price sales price sales price sales price 73.2 5.6975.7 5.5978.1 5.773.7671.8 6.4974.4 6.2288 5.2271.2 6.3762.4 5.6368.7 6.4180.4 5.0584.7 5.3367.4 6.2283.9 4.9679.7 5.7673.6 5.2389.3 5.0286.1 4.8373.2 6.2573.7 5.8870.3 6.4173.7 6.3585.9 5.3478.1 6.2473.2 5.8575.7 6.4783.3 4.9869.7 6.4786.1 5.4178.8 5.6973.6 6.3967.6 5.4681 6.2473.7 5.5679.2 6.2286.5 5.1176.4 6.280.2 6.4188.1 5.187.6 5.0476.6 5.4869.9 5.5464.5 6.4984.2 5.0882.2 6.1469.1 6.4784.1 4.8675.2 5.8682.1 5.3783.8 4.9491.2 5.184.7 4.8968.6 6.4584.3 6.1671.8 5.9873.7 5.6876.5 5.3566 5.9380.6 5.0282.2 5.7380.3 5.2284.3 5.273.1 5.0874.2 5.1170.7 5.8979.5 5.6281 5.2375.4 5.7175 5.2180.2 5.2873.7 6.0281.35.45756.0581.25.83696.33其中，sales 表示在某城市的月销售收入，以千美元为单位；price 表示在该城市的价格，以美元为单位。
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（SCAT X 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：X Y *032.0507.187+=∧----------（*）(0.17) (2.88) R 2=0.31 s.e.=2850 F=0.011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。
3、Gleiser 检验建立回归模型（LS Y C X ），结果如（*）式。
生成新变量序列： GENR E = ABS(RESID)分别建立新残差序列E 对各解释变量2121212/////---XXXX X X 的回归模型（LS E C X ），回归结果如各图所示。
EViews计量经济学实验报告异方差的诊断及修正
姓名 学号实验题目 异方差的诊断与修正一、实验目的与要求：要求目的：1、用图示法初步判断是否存在异方差，再用White 检验异方差；2、用加权最小二乘法修正异方差。
二、实验内容根据1998年我国重要制造业的销售利润与销售收入数据，运用EV 软件，做回归分析，用图示法，White 检验模型是否存在异方差，如果存在异方差，运用加权最小二乘法修正异方差。
三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等） （一） 模型设定为了研究我国重要制造业的销售利润与销售收入是否有关，假定销售利润与销售收入之间满足线性约束，则理论模型设定为：i Y =1β+2βi X +i μ其中，i Y 表示销售利润，i X 表示销售收入。
由1998年我国重要制造业的销售收入与销售利润的数据，如图1：1988年我国重要制造业销售收入与销售利润的数据 （单位：亿元）Dependent Variable: YMethod: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.??C 12.03564 19.517790.6166500.5428 X0.1043930.00844112.366700.0000R-squared0.854696 ????Mean dependent var 213.4650Adjusted R-squared 0.849107 ????S.D. dependent var 146.4895 S.E. of regression 56.90368 ????Akaike info criterion 10.98935 Sum squared resid 84188.74 ????Schwarz criterion 11.08450 Log likelihood -151.8508 ????F-statistic 152.9353 Durbin-Watson stat1.212795 ????Prob(F-statistic)0.000000估计结果为： iY ˆ = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670）2R =0.854696 2R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。
金融计量学实验一异方差的检验与修正Eviews截图
金融计量学实验一异方差的检验与修正E v i e w s截图Coca-cola standardization office【ZZ5AB-ZZSYT-ZZ2C-ZZ682T-ZZT18】异方差的检验与修正一、实验目的了解异方差、Goldfeld-Quandt检验、Spearman rank correlation检验、Park 检验、Breusch-Pagan检验、White检验、加权最小二乘法（WLS）、模型对数变化法等基本概念及异方差产生的原因和后果。
二、基本概念异方差就是对同方差假设的违反。
经典回归中同方差是指随着样本观察点X的变化，线性模型中随机误差项的方差并不改变，保持为常数。
异方差的检验有图示法及解析法，检验异方差的解析方法的共同思想是，由于不同的观察值随机误差项具有不同的方差，因此检验异方差的主要问题是判断随机误差项的方差与解释变量之间的相关性。
异方差的修正方法有加权最小二乘法和模型对数变化法等，其基本思想路线是变异方差为同方差，或者尽量缓解方差变异的程度。
三、实验内容及要求根据北京市1978-1998年人均储蓄与人均收入的数据资料，若假定X为人均收入（元），Y为人均储蓄（元），通过建立一元线性回归模型分析人均储蓄受人均收入的线性影响，并讨论异方差的检验与修正过程。
四、实验指导1. 用OLS估计法估计参数（1）导入数据打开Eviews软件，选择“File”菜单中的“New--Workfile”选项，出现“Workfile Range”对话框，在“Workfile frequency”框中选择“Annual”,在“Start date”和“End date”框中分别输入“1978”和“1998”，然后单击“OK”，弹出如下窗口：选择“File”菜单中的“Import--Read Text-Lotus-Excel”“打开”出现“Excel Spreadsheet Import”对话框并在其中输入“x”和“y”, 再单击“OK”完成数据导入。
- 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)。
时间 地点 实验题目 异方差的诊断与修正一、实验目的与要求：要求目的：1、用图示法初步判断是否存在异方差，再用White 检验异方差；2、用加权最小二乘法修正异方差。
二、实验内容根据1998年我国重要制造业的销售利润与销售收入数据，运用EV 软件，做回归分析，用图示法，White 检验模型是否存在异方差，如果存在异方差，运用加权最小二乘法修正异方差。
三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等）（一） 模型设定为了研究我国重要制造业的销售利润与销售收入是否有关，假定销售利润与销售收入之间满足线性约束，则理论模型设定为：i Y =1β+2βi X +i μ其中，i Y 表示销售利润，i X 表示销售收入。
由1998年我国重要制造业的销售收入与销售利润的数据，如图1：1988年我国重要制造业销售收入与销售利润的数据 （单位：亿元）（二） 参数估计1、双击“Eviews ”，进入主页。
输入数据：点击主菜单中的File/Open /EV Workfile —Excel —异方差数据2.xls ；2、在EV 主页界面的窗口，输入“ls y c x ”，按“Enter ”。
出现OLS 回归结果,如图2：估计样本回归函数Dependent Variable: Y Method: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.C 12.03564 19.51779 0.616650 0.5428 X0.1043930.008441 12.366700.0000R-squared0.854696 Mean dependent var 213.4650 Adjusted R-squared 0.849107 S.D. dependent var 146.4895 S.E. of regression 56.90368 Akaike info criterion 10.98935 Sum squared resid 84188.74 Schwarz criterion 11.08450 Log likelihood -151.8508 F-statistic 152.9353 Durbin-Watson stat1.212795 Prob(F-statistic)0.000000估计结果为： iY ˆ = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670）2R =0.854696 2R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。
2R =0.854696 , 拟合程度较好。
在给定 =0.0时，t=12.36670 > )26(025.0t =2.056 ，拒绝原假设，说明销售收入对销售利润有显著性影响。
F=152.9353 > )6,21(F 05.0= 4.23 ,表明方程整体显著。
（三） 检验模型的异方差※（一）图形法1、在“Workfile ”页面：选中x,y 序列，点击鼠标右键，点击Open —as Group —Yes2、在“Group ”页面：点击View －Graph —Scatter —Simple Scatter, 得到X,Y 的散点图（图3所示）：3、在“Workfile ”页面：点击Generate ，输入“e2=resid^2”—OK4、选中x,e2序列，点击鼠标右键，Open —as Group —Yes5、在“Group ”页面：点击View －Graph —Scatter —Simple Scatter, 得到X,e2的散点图（图4所示）：6、判断由图3可以看出，被解释变量Y 随着解释变量X 的增大而逐渐分散，离散程度越来越大； 同样，由图4可以看出，残差平方2i e 对解释变量X 的散点图主要分布在图形中的下三角部分，大致看出残差平方2i e 随i X 的变动呈增大趋势。
因此，模型很可能存在异方差。
但是否确实存在异方差还应该通过更近一步的检验。
※ （二）White 检验1、 在“Equation ”页面：点击View －Residual Tests —White 检验（no cross ）,（本例为一元函数，没有交叉乘积项）得到检验结果，如图5：White 检验结果White Heteroskedasticity Test:F-statistic3.607218 Probability 0.042036 Obs*R-squared6.270612 Probability0.043486Test Equation:Dependent Variable: RESID^2 Method: Least Squares Date: 10/19/05 Time: 15:29Sample: 1 28Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.C -3279.779 2857.117 -1.147933 0.2619 X 5.670634 3.109363 1.823728 0.0802 X^2-0.0008710.000653-1.3340000.1942R-squared0.223950 Mean dependent var 3006.741 Adjusted R-squared 0.161866 S.D. dependent var 5144.470 S.E. of regression 4709.744 Akaike info criterion 19.85361 Sum squared resid 5.55E+08 Schwarz criterion 19.99635 Log likelihood -274.9506 F-statistic 3.607218 Durbin-Watson stat 1.479908 Prob(F-statistic)0.0420362、因为本例为一元函数，没有交叉乘积项，则辅助函数为 2t σ=0α+1αt x +2α2t x +t ν 从上表可以看出，n 2R =6.270612 ，有White 检验知，在α=0,05下，查2χ分布表，得临界值5.002χ（2）=5.99147。
比较计算的2χ统计量与临界值，因为n 2R = 6.270612 > 5.002χ（2）=5.99147 ，所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。
（四） 异方差的修正在运用加权最小二乘法估计过程中，分别选用了权数t 1ω=1/t X ，t 2ω=1/2t X ，t 3ω=1/t X 。
1、在“Workfile ”页面：点击“Generate ”，输入“w1=1/x ”—OK ；同样的输入“w2=1/x^2”“w3=1/sqr(x)”；2、在“Equation ”页面：点击“Estimate Equation ”,输入“y c x ”,点击“weighted ”,输入“w1”,出现如图6：用权数t 1ω的结果Dependent Variable: Y Method: Least Squares Date: 10/22/10 Time: 00:13 Sample: 1 28Included observations: 28 Weighting series: W1Variable Coefficient Std. Error t-Statistic Prob.C 5.988351 6.403392 0.935184 0.3583 X 0.1086060.008155 13.31734 0.0000Weighted StatisticsR-squared0.032543 Mean dependent var 123.4060 Adjusted R-squared -0.004667 S.D. dependent var 31.99659 S.E. of regression 32.07117 Akaike info criterion 9.842541 Sum squared resid 26742.56 Schwarz criterion 9.937699 Log likelihood -135.7956 F-statistic 177.3515 Durbin-Watson stat1.465148 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared0.853095 Mean dependent var 213.4650 Adjusted R-squared 0.847445 S.D. dependent var 146.4895 S.E. of regression 57.21632 Sum squared resid 85116.40Durbin-Watson stat 1.2614693、在“Equation ”页面：点击“Estimate Equation ”,输入“y c x ”,点击“weighted ”,输入“w2”,出现如图7：ω的结果用权数t2Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:16Sample: 1 28Included observations: 28Weighting series: W2Variable Coefficient Std. Error t-Statistic Prob.C 6.496703 3.486526 1.863374 0.0737X 0.106892 0.010991 9.725260 0.0000Weighted StatisticsR-squared 0.922715 Mean dependent var 67.92129Adjusted R-squared 0.919743 S.D. dependent var 75.51929S.E. of regression 21.39439 Akaike info criterion 9.032884Sum squared resid 11900.72 Schwarz criterion 9.128041Log likelihood -124.4604 F-statistic 94.58068Durbin-Watson stat 1.905670 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared 0.854182 Mean dependent var 213.4650Adjusted R-squared 0.848573 S.D. dependent var 146.4895S.E. of regression 57.00434 Sum squared resid 84486.88Durbin-Watson stat 1.2422124、在“Equation”页面：点击“Estimate Equation”,输入“y c x”,点击“weighted”,输入“w3”,出现如图8：ω的结果用权数t3Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:17Sample: 1 28Included observations: 28Weighting series: W3Variable Coefficient Std. Error t-Statistic Prob.C 8.640341 11.18733 0.772333 0.4469X 0.106153 0.007746 13.70473 0.0000Weighted StatisticsR-squared0.611552 Mean dependent var 165.8420 Adjusted R-squared 0.596612 S.D. dependent var 67.13044 S.E. of regression 42.63646 Akaike info criterion 10.41205 Sum squared resid 47264.56 Schwarz criterion 10.50720 Log likelihood -143.7686 F-statistic 187.8197 Durbin-Watson stat1.275429 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared0.854453 Mean dependent var 213.4650 Adjusted R-squared 0.848855 S.D. dependent var 146.4895 S.E. of regression 56.95121 Sum squared resid 84329.44Durbin-Watson stat 1.233545经估计检验，发现用权数t 1ω，t 3ω的结果，其可决系数反而减小；只有用权数t 2ω的效果最好，可决系数增大。