计量经济学实验指导_2
计量经济学实验报告
计量经济学实验报告1. 引言计量经济学是应用数学和统计学方法来研究经济现象的一门学科。
实验是计量经济学研究中常用的方法之一，通过设计和实施实验，可以帮助我们理解经济现象背后的因果关系。
本文将对一项计量经济学实验进行详细描述和分析，以展示实验的设计、数据分析和结论。
2. 实验设计2.1 实验目的本次实验的目的是研究市场供需关系对商品价格的影响。
具体而言，我们希望通过改变商品的市场供给量，观察商品价格如何变化，并分析供给弹性的大小。
2.2 实验假设在实验设计阶段，我们需要制定实验假设来指导实验的进行。
在本次实验中，我们假设市场供给量的变动会对商品价格产生影响，而且供给弹性的大小会决定价格的变动幅度。
2.3 实验步骤本次实验包括以下几个步骤：1.设定实验组和对照组：我们将随机选择一些参与者，并将其分为两组，一组作为实验组，一组作为对照组。
实验组将面临市场供给量变动的情况，而对照组则不受干扰。
2.确定商品和市场：我们选择一个特定的商品，并确定一个特定的市场来进行实验。
这样可以使实验更加具体和可控。
3.设定实验条件：在实验组中，我们逐步调整市场供给量，并记录下不同供给量下的商品价格。
对照组则保持市场供给量不变。
4.数据收集：在每次实验条件设定完毕后，我们将记录实验组和对照组的商品价格，并对数据进行整理和存储。
2.4 实验风险和伦理考虑在设计实验时，我们需要考虑实验可能存在的风险，并确保实验过程符合伦理要求。
具体而言，我们需要确保参与者的权益得到保护，并在可能对参与者造成负面影响的情况下停止实验。
3. 数据分析在实验进行完毕后，我们对数据进行分析，以验证实验假设并得出结论。
3.1 数据整理首先，我们将实验组和对照组的数据整理成表格形式，方便后续分析。
由于文档要求不能包含表格，这里无法展示具体的数据。
3.2 数据分析方法我们采用的数据分析方法主要包括描述统计分析和回归分析。
描述统计分析用于描述数据的基本特征，包括平均值、标准差、最小值和最大值等。
计量经济学上机实验
计量经济学上机实验上机实验一：一元线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参数估计并进行检验上机步骤：中国内地2011年中国各地区城镇居民每百户计算机拥有量和人均总收入一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y X2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y X2.相关图：键入命令 SCAT Y X 散点图：趋势图：上机结果：Yˆ11.958+0.003X=s (βˆ) 5.6228 0.0002t (βˆ) 2.1267 11.9826prob 0.0421 0.00002=0.831 R2=0.826 FR=143.584 prob(F)=0.0000上机实验二：多元线性回归模型实验目的：多元回归模型的建立、比较与筛选，掌握基本的操作要求并能根据理论对分析结果进行解释实验内容：对线性回归模型进行参数估计并进行检验上机步骤：商品的需求量与商品价格和消费者平均收入趋势图：散点图：上机结果:i Yˆ=132.5802-8.878007X1-0.038888X2s (βˆ) 57.118 4.291 0.419t (βˆ) 2.321 -2.069 -0.093prob 0.0533 0.0773 0.9286 R2=0.79 R2=0.73 F =13.14 prob(F)=0.00427三：非线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参上机步骤：我国国有独立核算工业企业统计资料一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y L K2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y K L2.相关图：键入命令 SCAT Y K L四．估计回归模型：键入命令LS Y C K L上机结果：Y =4047.866K1.262204L-1.227157s (βˆ) 17694.18 0232593 0.759696t (βˆ) 0.228768 5.426669 -1.615325prob 0.8242 0.0004 0.1407R2=0.989758 R2=0.987482 F=434.8689 prob(F)=0.0000上机实验四：异方差实验目的：：掌握异方差的检验与调整方法的上机实现实验内容：我国制造工业利润函数行业销售销售行业销售销售实验步骤：一．检验异方差性1．图形分析检验：1) 观察Y、X相关图：SCAT Y X2) 残差分析:观察回归方程的残差图LS Y C X在方程窗口上点击Residual按钮；2． Goldfeld-Quant检验：SORT XSMPL 1 10LS Y C X（计算第一组残差平方和）SMPL 19 28LS Y C X（计算第二组残差平方和）计算F统计量，判断异方差性3．White检验：SMPL 1 28LS Y C X在方程窗口上点击：View\Residual\Test\White Heteroskedastcity 由概率值判断异方差性。
计量经济学实验操作指导(完整版)
计量经济学试验（完整版）-—李子奈ﻬ目录实验一一元线性回归ﻩ错误!未定义书签。
一实验目得..................................... 错误!未定义书签。
二实验要求.................................... 错误!未定义书签。
三实验原理ﻩ错误!未定义书签。
四预备知识ﻩ错误!未定义书签。
五实验内容ﻩ错误!未定义书签。
六实验步骤..................................... 错误!未定义书签。
1、建立工作文件并录入数据................... 错误!未定义书签。
2、数据得描述性统计与图形统计: .............. 错误!未定义书签。
3、设定模型，用最小二乘法估计参数：ﻩ错误!未定义书签。
４、模型检验: ............................... 错误!未定义书签。
5、应用：回归预测：ﻩ错误!未定义书签。
实验二可化为线性得非线性回归模型估计、受约束回归检验及参数稳定性检验............................... 错误!未定义书签。
一实验目得：ﻩ错误!未定义书签。
二实验要求..................................... 错误!未定义书签。
三实验原理..................................... 错误!未定义书签。
四预备知识.................................... 错误!未定义书签。
五实验内容ﻩ错误!未定义书签。
六实验步骤ﻩ错误!未定义书签。
实验三多元线性回归...................... 错误!未定义书签。
一实验目得..................................... 错误!未定义书签。
三实验原理ﻩ错误!未定义书签。
四预备知识.................................... 错误!未定义书签。
计量经济学实验二
实验二〔一〕异方差性【实验目的】掌握异方差性的检验及处理方法【实验内容】建立并检验我国制造业利润函数模型【实验步骤】【例1】表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。
一、检验异方差性⒈图形分析检验⑴观察销售利润〔Y〕与销售收入〔X〕的相关图(图1)：SCAT X Y图1 我国制造工业销售利润与销售收入相关图从图中可以看出，随着销售收入的增加，销售利润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。
⑵残差分析首先将数据排序〔命令格式为：SORT 解释变量〕，然后建立回归方程。
在方程窗口中点击Resids按钮就可以得到模型的残差分布图〔或建立方程后在Eviews工作文件窗口中点击resid对象来观察〕。
图2 我国制造业销售利润回归模型残差分布图2显示回归方程的残差分布有明显的扩大趋势，即说明存在异方差性。
⒉Goldfeld-Quant检验⑴将样本安解释变量排序〔SORT X〕并分成两部分〔分别有1到10共11个样本合19到28共10个样本〕⑵利用样本1建立回归模型1〔回归结果如图3〕，其残差平方和为。
SMPL 1 10LS Y C X图3 样本1回归结果⑶利用样本2建立回归模型2〔回归结果如图4〕，其残差平方和为。
SMPL 19 28 LS Y C X图4 样本2回归结果⑷计算F 统计量：12/RSS RSS F =＝，21RSS RSS 和分别是模型1和模型2的残差平方和。
取05.0=α时，查F 分布表得44.3)1110,1110(05.0=----F ，而44.372.2405.0=>=F F ，所以存在异方差性⒊White 检验⑴建立回归模型：LS Y C X ，回归结果如图5。
图5 我国制造业销售利润回归模型⑵在方程窗口上点击View\Residual\Test\White Heteroskedastcity,检验结果如图6。
计量经济学实验操作指导完整李子奈
计量经济学试验 (完整版)——李子奈目录实验一一元线性回归 (4)一实验目的 (4)二实验要求 (4)三实验原理 (4)四预备知识 (4)五实验内容 (4)六实验步骤 (4)1.建立工作文件并录入数据 (4)2.数据的描述性统计和图形统计： (6)3.设定模型，用最小二乘法估计参数： (6)4.模型检验： (7)5.应用：回归预测： (7)实验二可化为线性的非线性回归模型估计、受约束回归检验及参数稳定性检验9一实验目的： (9)二实验要求 (10)三实验原理 (10)四预备知识 (10)五实验内容 (10)六实验步骤 (10)实验三多元线性回归 (11)一实验目的 (11)三实验原理 (11)四预备知识 (11)五实验内容 (11)六实验步骤 (12)6.1 建立工作文件并录入全部数据 (12)6.2 建立二元线性回归模型 (12)6.3 结果的分析与检验 (12)6.4 参数的置信区间 (12)6.5 回归预测 (13)6.6 置信区间的预测 (13)实验四异方差性 (14)一实验目的 (14)二实验要求 (14)三实验原理 (14)四预备知识 (14)五实验内容 (14)六实验步骤 (14)6.1 建立对象： (14)6.2 用普通最小二乘法建立线性模型 (14)6.3 检验模型的异方差性 (14)6.4 异方差性的修正 (15)实验五自相关性 (16)一实验目地 (16)二实验要求 (16)三实验原理 (16)四预备知识 (16)五实验内容 (16)六实验步骤 (17)6.1 建立Workfile和对象 (17)6.2 参数估计、检验模型的自相关性 (17)6.3 使用广义最小二乘法估计模型 (18)6.4 采用差分形式作为新数据，估计模型并检验相关性 (19)实验六多元线性回归和多重共线性 (20)一实验目的 (20)二实验要求 (20)三实验原理 (20)四预备知识 (20)五实验内容 (20)六实验步骤 (20)6.1 建立工作文件并录入数据 (20)6.2 用OLS估计模型 (20)6.3 多重共线性模型的识别 (20)6.4 多重共线性模型的修正 (21)实验七分布滞后模型与自回归模型及格兰杰因果关系检验 (21)一实验目的 (21)二实验要求 (21)三实验原理 (21)四预备知识 (21)五实验内容 (21)六实验步骤 (22)6.1 建立工作文件并录入数据 (22)6.2 使用4期滞后2次多项式估计模型 (22)6.3 格兰杰因果关系检验 (23)实验八联立方程计量经济学模型 (24)一实验目的 (24)二实验要求 (25)三实验原理 (25)四预备知识 (25)五实验内容 (25)六实验步骤 (25)6.1 分析联立方程模型。
计量经济学上机实验指导书
得到估计结果之后，就可以根据输出统计 量中表现出的特性，对模型进行检验和合 适的修正。 得到满意结果后，可以使用模型进行预测。
第二节：一元线性回归模型的预 测
要对一元线性模型进行预测，需要在已知解释 变量值的条件下进行。要得到解释变量值的方 法有很多，练习时大多是已知的。在实际分析 问题时，方法之一是对时间T进行回归，再趋势 外推得到解释变量的值，即利用时间序列外推 预测。下面仍以前面的例子输入时间变量T，从 1981到2001年分别赋值1到21，建立时间序 列模型(略去随机项) GDP=a+Bt
* * 0
* t
ut
第五讲 多重共线性
1.多重共线性的检测－－简单相关系数法 命令：cor x1 x2 x3 x4 解释变量两两之间都
有非常高的线性相关， 可以判断模型中存在 多重共线性
2.多重共线性的修正－－逐步回归法 用Y分别对X1,X2,X3,X4作回归，得 Y对X1作回归：
Y对X2作回归：
点击ok， 完成最后 一步
最后结果和命令方式完全相同
第四讲 自相关
自相关的检验与修正一般包括如下步骤： 1.对原模型做回归得到残差。 2.描绘残差项与其滞后项的散点图，看是否 存在自相关。 3.利用回归结果中得Durbin-Watson统计量 判断模型是否存在自相关。 4.利用Durbin两步法对自相关做修正。 （数据来自课本87表5-1）
Weekly数据格式的解释
起始和终止日期都是一个日期。 它们必须是不同星期中的同一天，否则会 报错。 一个星期中的任何一天都可以作为一周的 起始日期。
第二讲 一元线性回归模 型
第一节：一元线性回归模型的估计
示例一： 一元线性模型的ＯＬＳ估计
《计量经济学》实验指导书
XX实验指导书《计量经济学》编写人：XX实验一 EViews软件的基本操作【实验目的】通过上机试验，了解EViews软件特点、工作窗口的组成、充分掌握EViews软件的基本操作、熟悉数据处理、统计分析（图形分析）【实验内容】EViews是专门用于从事数据分析、回归分析和预测的工具，使用EViews可以迅速从数据中找出统计关系，并用得到的关系去预测数据的未来值。
最小二乘估计是估计变量间线形关系中相互作用与影响的有效方法，在数据分析中有很重要的作用。
本次试验内容包括：进行EViews的一些基本操作来熟悉这个软件。
实验内容以表1-1所列出的税收收入和国内生产总值的统计资料为例进行操作。
表1-1 我国税收与GDP统计资料单位：亿元资料来源：《中国统计年鉴1999》【实验步骤】一、数据的输入、编辑与序列生成㈠创建工作文件⒈菜单方式启动EViews软件之后，进入EViews主窗口。
在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。
其中， Annual——年度 Monthly——月度Semi-annual——半年 Weekly——周Quarterly——季度 Daily——日Undated or irregular——非时序数据选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日前1985和1998。
然后点击OK按钮，将在EViews软件的主显示窗口显示相应的工作文件窗口。
工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C （保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。
⒉命令方式在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。
命令格式为：CREATE 时间频率类型起始期终止期则以上菜单方式过程可写为：CREATE A 1985 1998㈡输入Y、X的数据⒈DATA命令方式在EViews软件的命令窗口键入DATA命令，命令格式为：DATA <序列名1> <序列名2>…<序列名n>本例中可在命令窗口键入如下命令：DATA Y X将显示一个数组窗口，此时可以按全屏幕编辑方式输入每个变量的统计资料。
计量经济学》实验报告
计量经济学》实验报告一、经济学理论概述1、需求是指消费者（家庭）在某一特定时期内，在每一价格水平时愿意而且能够购买的某种商品量。
需求是购买欲望与购买能力的统一。
2、需求定理是说明商品本身价格与其需求量之间关系的理论。
其基本内容是：在其他条件不变的情况下，一种商品的需求量与其本身价格之间成反方向变动，即需求量随着商品本身价格的上升而减少，随商品本身价格的下降而增加。
3、需求量的变动是指其他条件不变的情况下，商品本身价格变动所引起的需求量的变动。
需求量的变动表现为同一条需求曲线上的移动。
二、经济学理论的验证方法在此次试验中，我运用了Eviews和Excel软件对相关数据进行处理和分析。
1、拟合优度检验——可决系数R2统计量回归平方和反应了总离差平方和中可由样本回归线解释的部分，它越大，参差平方和越小，表明样本回归线与样本观测值的拟合程度越高。
2、方程总体线性的显着性检验——F检验（1）方程总体线性的显着性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显着成立作出判断。
（2）给定显着性水平α，查表得到临界值Fα（k，n-k-1）,根据样本求出F统计量的数值后，可通过F＞Fα(k，n-k-1) （或F ≤Fα(k，n-k-1)）来拒绝（或接受）原假设H0，以判定原方程总体上的线性关系是否显着成立。
3、变量的显着性检验——t检验4、异方差性的检验——怀特检验怀特检验不需要排序，对任何形式的异方差都适用。
5、序列相关性的检验——图示法和回归检验法6、多重共线性的检验——逐步回归法以Y为被解释变量，逐个引入解释变量，构成回归模型，进行模型估计。
三、验证步骤1、确定变量（1）被解释变量“货币流通量”在模型中用“Y”表示。
（2）解释变量①“货币贷款额”在模型中用“X”表示;1②“居民消费价格指数”在模型中用“2X ”表示；③把由于各种原因未考虑到和无法度量的因素归入随机误差项，在模型中用“μ”。
- 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)。
计量经济学实验指导实验一多元线性回归模型【实验目的】通过本实验，了解Eviews软件，熟悉软件建立工作文件，文件窗口操作，数据输入与处理等基本操作。
掌握多元线性回归模型的估计方法，学会用Eiews 软件进行多元回归分析。
通过本实验使得学生能够根据所学知识，对实际经济问题进行分析，建立计量模型，利用Eiews软件进行数据分析，并能够对输出结果进行解释说明。
【实验内容及步骤】本实验选用美国金属行业主要的27家企业相关数据，如下表，其中被解释变量Y表示产出，解释变量L表示劳动力投入，K表示资本投入。
试建立三者之间的回归关系。
【实验内容及步骤】1.数据的输入STEP1：双击桌面上Eviews快捷图标，打开Eviews，如图1.图1STEP2：点击Eviews主画面顶部按钮file/new/Workfile ，如图2，弹出workfile create对话框如图3。
在frequency中选择integer data，在start date 和end date 中分别输入1和27，点击OK，出现图如4画面，Workfile 定义完毕。
在新建的workfile中已经存在两个objects，即c和residual。
c 是系数向量、residual是残差序列，当估计完一个模型后，该模型的系数、残差就分别保存在c和residual中。
图2图3图4STEP3：在workfile空白部分单击右键，选择New object，在Type of object 中选择Series，将该对象命名为Y,如图5.单击ok，得到图6。
图5图6STEP4：双击图6中的图标“y”，得到如下图7，是关于序列“y”的工作表。
点击表示命令栏中的“Edit+/-”即可进入数据输入状态，利用给定的数据逐步输入27个数值。
图7STEP5：重复上面的数据输入步骤，依次输入序列“L”和“K”.如下图8所示.图82数据描述(1).数据的查看方式。
Eviews可以有多种不同数据的查看方式，在数据输入时用的表格形式，即Spreadsheet。
双击“y”，得到Spreadsheet形式，点击表格命令栏中的view，选择Graph可以用图的形式显示数据。
如选择Line，得到图10的线性图。
图9图10(2).数据的统计性质。
双击“y”，得到Spreadsheet形式，点击表格命令栏中的“view”，选择“Descriptive Statistics”、“Histogram and State”，如图11，得到图12，其中给出了序列“y”的均值、方差等统计量以及用以判断该序列是否服从正态分布的JB概率等。
图11图123.多个序列的走势图。
有些时候为了方便找出多个变量之间的关系，需要观察多个变量的走势，Eviews处理这个问题的方法也很简单。
在workfile中按住control键依次选中“y”“l”“k”，单击右键，选择“open”“as group”如图13，得到图14。
此时3个序列被显示在一张表格中。
单击图13中的“View”“Graph”“Line”得到图15。
图13图14图154.生成新的序列。
有时为了研究的需要要在原有序列的基础上进行处理生产新的序列。
比如我们需要对序列“y”“l”“k”取对数的步骤如下：在命令栏中点击“Genr”得到如图15的对话框，在空白部分输入“lny=log（y）”表示新建的序列lny是由原有序列y取对数得到的。
点击“ok”后，lny序列被保存。
相同的方法可建立新序列lnl与lnk，如图17。
图174.多元回归分析。
利用序列“lny”“lnl”“lnk”进行多元回归分析的方法有两种。
按住control键，依次选中三个序列，右键选择“open”“as Equation”如图18得到图19。
或者在窗口上方的命令栏中点击选择“Quick”“Estimate Equation” 如图19得到图20。
在图20中输入lny、lnc、lnl、lnk，中间用空格键隔开，点击“确定”得到最终的回归分析结果，如图21。
图19图20图215.结果分析。
从图20可以看出，回归方程为LNY = 0.6078151931*LNL +0.371887487*LNK + 1.171524819，并且通过了F检验和t检验，并且可决系数为0.9424，调整后的可决系数为0.9377，表明建立的回归方程的统计性质是是比较好的。
点击命令栏中的“Resids”得到图21，可以看出实际值和拟合值是非常的接近的。
图22从图22中可以看出残差在0的上下摆动，可以对其进行正态性检验。
点击“resid”序列，选择“View”“Descriptive Statistics”，“Histogram and State”得到图23，通过正态性检验。
图23作业：利用中国统计年鉴2011，建立我国税收收入、国内生产总值、财政支出、商品零售价格指数的回归模型。
课堂练习据相关数据以税收收入为被解释变量，国民生产总值和财政支出及商品零售价格指数为解释变量建立我国税收收入的多元模型。
实验二异方差的检验与处理【实验目的】了解异方差的概念及产生的原因，学会异方差的检验方法(图示法、帕克检验法、格里瑟检验法、GQ检验法等)和修正的方法-加权最小二乘法。
【实验内容及步骤】Y消费性支出X可支配支出Y消费性支出X可支配支出8493.49 10349.69 7020.22 9279.166121.04 8140.5 5022 6489.974348.47 5661.16 3830.71 4766.263941.87 4724.11 4644.5 5524.543927.75 5129.05 5218.79 6218.734356.06 5357.79 8016.91 9761.574020.87 4810 4276.67 5124.243824.44 4912.88 4126.47 4916.258868.19 11718.01 4185.73 5169.965323.18 6800.23 4422.93 5644.86(1)采用OLS估计结果如图1：图1(2)观察e2—X图。
首先生成 e2序列。
点击“genr”输入“e2=resid*resid”得到残差的平方e2。
点击窗口上方的“Quick”“Graph”“Scatter”如图2，得到图3，在空白部分输入“x，e2”，点击“ok”得到图4。
从中不看出随着X 的增大e2有变大的趋势，可以初步判断存在递增型的异方差。
图2图3图4(3)G-Q检验首先对序列“x”进行排序，然后选择前8个样本进行最小二乘回归，结果如下图5，选择后8个样本回归的结果如图6。
图5图6由图5和图6知道两组样本的残差平方和即SSR分别是126528.3、615472.0。
构造F统计量21/(811)4.86/(811)SSRFSSR--==--，又因为0.05(6,6) 4.28F=，于是拒绝无异方差的假设，表明模型存在异方差。
(4)怀特检验。
在对原模型进行OLS估计后的窗口中，选择“View”“Residual Tests”“White Hetero…”，如图7，得到如图8的检验结果。
图7图8从图8中可以看出nR2统计量的伴随概率为0.001789，即在5%的显著性水平下，原模型存在异方差。
(5)异方差的修正。
首先用log(e2)关于x的OLS回归，如下图9图9结果显示，变量的线性关系在5%的显著性水平下成立。
可生成权序列1exp(6.82510.00046)w x =+。
具体的方法为点击“genr”在对话框中输入w=1/@sqrt(exp(6.8251+0.00046))如下图10。
点击“ok”即可生成序列“w ”图10下面用加权最小二乘法进行估计。
首先选中序列“x”“y”，右键选择“open”“as equation”，在出现的对话框中输入“y c x”，如图11。
然后选择“option”，选中“Weighted LS/TSLS”，输入“w”，如图12。
点击“确定”，得到加权最小二乘的估计表达式，如图13。
图11图12图13可以看出与不加权的最小二乘小比较，加权的最小二乘估计使得参数估计值有所下降，但是标准差却增大了。
表明最小二乘低估了x对应参数的标准差。
可以验证加权最小二乘估计的模型已经不存在异方差，怀特检验的结果如图14。
图14注：在实际建立模型时候，可以对原有的序列取对数，这种方法有时可以消除异方差或者有效降低异方差。
课堂练习选择某省份，查找该省城镇居民家庭人均消费和收入的相关数据，建立回归模型后在进行异方差的检验与处理。
实验三 序列相关的检验与处理【实验目的】在理解自相关的基本概念及其导致的后果的基础上，掌握诊断自相关存在的方法和修正自相关的方法。
能够熟练使用Eviews 对实际经济问题独立进行自相关的诊断与处理。
【实验内容及步骤】下表是我国1980-2007年社会固定资产总额X 和工业增加值的统计结果，如果采用对数形式的模型：01ln y X ββμ=++，试对该模型进行序列相关的检验，若存在序列相关的问题，请采用相关方法处理。
(1)首先对取对数后的lny与lnx进行回归分析，结果如图1。
点击“Resids”得到残差序列图2。
(2)从残差图观察，此时似乎不太好像结论，下面用其他的检验方法检验相关性。
(3)D.W检验。
从图1中发现D.W.的值为0.379323。
又因为5%的显著性水平下，样本容量为28的D.W.分布的下限临界值为d L为1.33，因此模型存在1阶序列相关。
(4)LM检验。
在估计窗口中依次选中“View”“Residual Tests”“Serial Correlation LM Test”如图3。
在得到的窗口中输入滞后阶数“1”如图4所示。
点击“ok”后得到图5。
图1图2图3图4图5从图5中发现nR2统计量的伴随概率小于显著性水平5%，从而可知模型存在1阶的序列自相关。
同样的方法输入滞后阶数“2”“3”得到图6和图7。
图6从图6和图7我们可以发现，本模型存在2阶自相关，但是不存在3阶自相关。
图7(5)模型的估计。
选择“Quick”“Estimate Equation”，在出现的对话框中输入“lny c lnx AR(1) AR(2)”，得到图8的估计结果。
图8由图8可以知道原估计的模型可写为：LNY = 1.462411093 + 0.8657254045*LNX + 1.153099738AR(1) -0.5166722259AR(2)。
其中AR(1)和AR(2)前面的系数即为随机扰动项的相关系数。
我们还可以发现经广义最小二乘估计的模型已经不存在1阶序列相关性。
LM的检验结果如图9。
图9(6)在Eviews中，回到OLS估计的窗口，点击“Estimate”在出现的对话框中点击“Option”，在出现的窗口中选择“Heteroskedastic”选项，并选中“New-West”选项。