实验四 异方差
实验四异方差性的检验与处理
实验四异方差性的检验与处理集团标准化工作小组 [Q8QX9QT-X8QQB8Q8-NQ8QJ8-M8QMN]实验四 异方差性的检验及处理（2学时）一、实验目的（1）、掌握异方差检验的基本方法； （2）、掌握异方差的处理方法。
二、实验学时：2学时 三、实验要求（1）掌握用MATLAB 软件实现异方差的检验和处理； （2）掌握异方差的检验和处理的基本步骤。
四、实验原理1、异方差检验的常用方法(1) 用X-Y 的散点图进行判断(2). 22ˆ(,)(,)e x e y 或的图形 ,),x )i i y i i （(e 或(e 的图形）(3) 等级相关系数法（又称Spearman 检验）是一种应用较广的方法，既可以用于大样本，也可与小样本。
检验的三个步骤 ① ˆt t y y=-i e②|i x i i 将e 取绝对值，并把|e 和按递增或递减次序排序，计算Spearman 系数rs ,其中：21ni i d =∑s 26r =1-n(n -1)③ 做等级相关系数的显着性检验。
n>8时，/2(2),t t n α>-反之，若||i i e x 说明与之间存在系统关系，异方差问题存在。
(4) 帕克(Park)检验帕克检验常用的函数形式：若在统计上是显着的，表明存在异方差性。
2、异方差性的处理方法: 加权最小二乘法 如果在检验过程中已经知道：222()()()i i i ji u Var u E u f x σσ===则将原模型变形为：121(i i p pi iy x x uf xβββ=+⋅++⋅+在该模型中：即满足同方差性。
于是可以用OLS估计其参数，得到关于参数12,,,pβββ的无偏、有效估计量。
五、实验举例例101i i iy x u=++若用线性模型，研究不同收入家庭的消费情况，试问原数据有无异方差性如果存在异方差性，应如何处理解：（一）编写程序如下：（1）等级相关系数法（详见文件）%%%%%%%%%%%%%%% 用等级相关系数法来检验异方差性 %%%%%%%%[data,head]=xlsread('');x=data(:,1); %提取第一列数据，即可支配收入xy=data(:,2); %提取第二列数据，即居民消费支出yplot(x,y,'k.'); % 画x和y的散点图xlabel('可支配收入x（千元）') % 对x轴加标签ylabel('居民消费支出y(千元)') % 对y轴加标签%%%%%%%% 调用regres函数进行一元线性回归 %%%%%%%%%%%%xdata=[ones(size(x,1),1),x]; %在x矩阵最左边加一列1，为线性回归做准备[b,bint,r,rint,s]=regress(y,xdata);yhat=xdata*b; %计算估计值y% 定义元胞数组，以元胞数组形式显示系数的估计值和估计值的95%置信区间head1={'系数的估计值','估计值的95%置信下限','估计值的95%置信上限'};[head1;num2cell([b,bint])]% 定义元胞数组，以元胞数组形式显示y的真实值,y的估计值，残差和残差的95%置信区间head2={'y的真实值','y的估计值','残差','残差的95%置信下限','残差的95%置信上限'};[head2;num2cell([y,yhat,r,rint])]% 定义元胞数组，以元胞数组形式显示判定系数，F统计量的观测值，检验的P值和误差方差的估计值head3={'判定系数','F统计量的观测值','检验的P值','误差方差的估计值'};[head3;num2cell(s)]%%%%%%%%%%%%% 残差分析 %%%%%%%%%%%%%%%%%%figure;rcoplot(r,rint) % 按顺序画出各组观测值对应的残差和残差的置信区间%%% 画估计值yhat与残差r的散点图figure;plot(yhat,r,'k.') % 画散点图xlabel('估计值yhat') % 对x轴加标签ylabel('残差r') % 对y轴加标签%%%%%%%%%%%% 调用corr函数计算皮尔曼等级相关系数res=abs(r); % 对残差r取绝对值[rs,p]=corr(x,res,'type','spearman')disp('其中rs为皮尔曼等级相关系数，p为p值');（2）帕克（park）检验法（详见文件）%%%%%%%%%%%%%%% 用帕克（park）检验法来检验异方差性 %%%%%%%[data,head]=xlsread(''); %导入数据x=data(:,1);y=data(:,2);%%%%%% 调用regstats函数进行一元线性回归，linear表带有常数项的线性模型，r表残差ST=regstats(y,x,'linear',{'yhat','r','standres'});scatter(x,.^2) % 画x与残差平方的散点图xlabel('可支配收入(x)') % 对x轴加标签ylabel('残差的平方') %对y轴加标签%%%%%%% 对原数据x和残差平方r^2取对数，并对log(x)和log（r^2）进行一元线性回归ST1=regstats(log(.^2),log(x),'linear',{'r','beta','tstat','fstat'})% 输出参数的估计值% 输出回归系数t检验的P值% 输出回归模型显着性检验的P值(3)加权最小二乘法（详见文件）%%%%%%%%%%% 调用robustfit函数作稳健回归 %%%%%%%%%%%%[data,head]=xlsread(''); % 导入数据x=data(:,1);y=data(:,2);% 调用robustfit函数作稳健回归，返回系数的估计值b和相关统计量stats[b,stats]=robustfit(x,y) %调用函数作稳健回归% 输出模型检验的P值%%% 绘制残差和权重的散点图 %%%%%%%plot,,'o') %绘制残差和权重的散点图xlabel('残差')ylabel('权重'（二）实验结果与分析：第一步：：用OLS方法估计参数,并保留残差（1）散点图图可支配收入（x）居民消费支出（y）散点图因每个可支配收入x的值，都有5个居民消费收入y与之对应，所以上述散点图呈现此形状。
实验四异方差的检验
LOGO
w1=1/e
表一
themegallery
LOGO
w2=1/e^2
表二
themegallery
LOGO
3、分析
由表一的估计结果如下
Y i 374.89340.737423X i
（211.4532 ） (0.039238)
t = (1.772938) (18.7937)
R20.982523 R 2 =0.999889 F=989.2625
themegallery
LOGO
themegallery
LOGO
2、构造子样本区间，建立回归模型。
本题中样本容量n=20，删除中间的 1/4(20/4=5)的观测值，因为余下的观测 值要平分样本容量n1=n2=8.
LOGO
实验四
下表列出了某年中国部分省市城镇居民每 个家庭平均全年可支配收入X与消费性支出Y的 统计数据
themegallery
LOGO
themegallery
LOGO
（1）使用最小二乘法建立消费性支出与 可支配收入的线性模型；
（2）检验模型是否存在异方差； （3）如果存在异方差，是采用适当的方
themegallery
LOGO
（2）再点击 “view→Representations”，得到居 民人均消费支出与可支配收入的线性模型：
themegallery
LOGO
themegallery
LOGO
由表知参数估计线 性方程为：
Y i 2 7 2 .3 6 3 5 0 .7 5 5 1 2 5 X i
themegallery
LOGO
themegallery
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。
异方差检验
第四次实验报告---异方差检验一 实验内容建国以来，各地区的粮食产量有了较大提高。
近年来，城市开发占用了大量耕地面积，各地区政府为了在保证粮食产量的情况下尽可能的加快城镇化。
现根据1983年至2000年的数据，来研究粮食产量与播种面积之间的关系。
二 模型设定为了定量分析播种面积和粮食产量之间的关系，弄清是否是播种面积越大粮食产量越高，建立了粮食产量与播种面积的回归模型。
12i i i Y X u ββ=++其中i Y 表示第年的粮食产量；i X 表示播种面积。
数据如下：年份粮食产量Y （万吨） 粮食播种面积X3（千公顷） 1983 38728 114047 1984 40731 112884 1985 37911 108845 1986 39151 110933 1987 40208 111268 1988 39408 110123 1989 40755 112205 1990 44624 113466 1991 43529 112314 1992 44264 110560 1993 45649 110509 1994 44510 109544 1995 46662 110060 1996 50454 112548 1997 49417 112912 1998 51230 113787 1999 50839 113161 2000 46218 108463三 参数估计运用Eviews 软件，进行简单线性回归分析，得出参数估计值。
回归结果如下：Dependent Variable: Y Method: Least Squares Date: 10/26/11 Time: 08:47Sample: 1983 2000 Included observations: 18Variable Coefficient Std. Error t-Statistic Prob. C -33822.41 68409.15 -0.494414 0.6277 X20.6988800.6132731.1395900.2712R-squared 0.075073 Mean dependent var 44127.11 Adjusted R-squared 0.017265 S.D. dependent var 4409.100 S.E. of regression 4370.873 Akaike info criterion 19.70775 Sum squared resid 3.06E+08 Schwarz criterion 19.80668 Log likelihood -175.3698 F-statistic 1.298665 Durbin-Watson stat 0.118043 Prob(F-statistic)0.271231估计结果为 ˆ-33822.410.69888i iY X =+ （-0.494414）（1.13959） 20.075073,F=1.298665R =括号内为t 统计量从上述估计值中，我们可以看出其可决系数较低，F 统计量的值也很低。
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。
异方差试验报告
《计量经济学》上机实验报告四题目：异方差实验日期和时间：班级：学号：姓名：实验室：实验环境：Windows XP ; EViews 3.1实验目的：掌握异方差检验及修正方法，熟悉EViews软件的相关应用实验内容：利用实例数据和EViews软件，采用有关方法对建立的回归模型进行异方差的检验及处理。
第五章习题5.3实验步骤：一、建立工作文件⒈菜单方式⒉命令方式：CREATE A 起始期终止期二、输入数据三、检验异方差性⒈图示法排序sort X相关图：SCA T 变量名1 变量名2Ls y c x残差图：方程窗口点击RESID按钮⒉戈德菲尔德－匡特检验(C=n/4)①排序：sort X②取样本1 命令：Smpl 1 (n-n/4)/2③估计样本1：Ls y c x得到残差平方和RSS1即∑21i e③取样本1 命令：Smpl (n+n/4)/2 n④估计样本2：Ls y c x得到残差平方和RSS2即∑22i e⑤计算：F = RSS2/ RSS1若给定α，)2/)(,2/)((k c n k c n F F ---->α，表明存在异方差 3.怀特检验步骤：①取样：Smpl 1 n②估计回归模型（或非线性回归模型）计算残差序列：Ls y c x③怀特检验：在方程窗口中依次点击View\Residual Test\White Heteroskedastcity 得到nR 2，给定α，若nR 2>2αχ(q)，表明模型存在异方差性 4.帕克（Park ）检验 帕克检验的模型形式命令：①估计回归模型得到残差：ls y c x ②生成残差平方序列： genr E2=RESID^2 ③估计帕克检验模型 ： ls log(e2) c log(x)给定α，若F>αF (k-1,n-k)或F 统计值的伴随概率p 小于给定α，表明模型存在异方差性 5. 戈里瑟（Gleiser ）检验 戈里瑟检验的模型命令：①估计回归模型得到残差：ls y c x 或非线性模型估计 ②生成残差绝对数序列： genr E1=abs(RESID ） ③估计帕克检验模型 ：当h=1时 ls e1 c x 当h=2时 ls e1 c x^2当h=1/2时 ls e1 c x^(1/2)或ls e1 c sqr(x ） 等等给定α，若F>αF (k-1,n-k)或F 统计值的伴随概率p 小于给定α，表明模型存在异方差性 四、利用加权最小二乘法估计回归模型命令：①估计回归模型（或非线性回归模型）得到残差 ls y c x ②根据帕克检验结果，生成权数1序列：genr w1=1/x^ 根据戈里瑟检验结果，生成权数2序列：genr w2=1/x^h 生成权数3序列：genr w3=1/abs(RESID) 生成权数4序列：genr w4=1/RESID^2③加权最小二乘法估计回归模型 Ls(w=w1) y c x Ls(w=w2) y c x Ls(w=w3) y c xie x e i i υβα=2ii i x e υβα++=ln ln ln 2ih i i x e υβα++=,21,2,1±±±=h βLs(w=w4) y c x④再运用怀特检验对加权最小二乘法估计回归模型进行异方差检验 试验结果： 写作例题 1、 图示法由相关图和残差图可知模型存在递增型异方差性 2、戈德菲尔德－匡特检验结果给定05.0=α，F=24.7244.3)210,210(05.0=--=>F F α，表明模型存在递增型异方差 3、怀特检验2704.62=nR 99.5)2(2205.0==>χχα，表明模型存在异方差4、帕克（Park ）检验ix e i l n 6743.15549.5l n 2+-=2R =0.4655 F=22.64 P=0.0001P 值远小于0.05，上述方程表明利润函数存在异方差 5、戈里瑟（Gleiser ）检验（1）ii x e 0153.02394.12+=2R =0.2982 F=11.05 P=0.003（2）ii x e 3862.16768.15+-=2R =0.3279 F=12.68 P=0.001（3）261074.20548.27i i x e -⨯+=2R =0.2177 F=7.24 P=0.012P 值远小于0.05，上述方程表明利润函数存在异方差，且模型（2）最优 6、加权最小二乘估计结果① (W=W1)(3.8823) (0.0099)（注：括号内数据为系数标准差）R 2=0.8483 nr 2=4.92 p=0.085（注：nr 2和p 为加权最小二乘估计模型的怀特检验结果）② (W=W2) (11.1877) (0.0077)x y 1086.09220.5ˆ+=x y1062.06493.8ˆ+=∑∑=24.72=579.5963769.67/2=/2122i i e e fR 2=0.6115 nr 2=3.16 p=0.206③ (W=W3) (3.7798) (0.0035) R 2=0.9754 nr 2=6.64 p=0.036④ (W=W4)(1.6603) (0.0021) t= (3.11) (54.16) R 2=0.9969 nr 2=3.10 p=0.213其中，每个方程下面第一组括号里的数字为系数的标准误差。
实验四异方差问题及其修正
实验四异⽅差问题及其修正实验四异⽅差问题及其修正案例：中国农村居民⼈均消费函数 P116 数据：地区⼈均消费⽀出Y 从事农业经营的收⼊X1 其他收⼊X2北京 5724.50 958.3 7317.2天津 3341.10 1738.9 4489.0 河北 2495.30 1607.1 2194.7 ⼭西 2253.30 1188.2 1992.7 内蒙古 2772.00 2560.8 781.1 辽宁3066.90 2026.1 2064.3 吉林 2700.70 2623.2 1017.9 ⿊龙江 2618.20 2622.9 929.5 上海 8006.00 532.0 8606.7 江苏 4135.20 1497.9 4315.3 浙江 6057.20 1403.1 5931.7 安徽 2420.90 1472.8 1496.3 福建 3591.40 1691.4 3143.4 江西 2676.60 1609.2 1850.3 ⼭东 3143.80 1948.2 2420.1 河南 2229.30 1844.6 1416.4 湖北 2732.50 1934.6 1484.8 湖南 3013.30 1342.6 2047.0⼴东 3886.00 1313.9 3765.9 ⼴西 2413.90 1596.9 1173.6 海南 2232.20 2213.2 1042.3 重庆 2205.20 1234.1 1639.7 四川2395.00 1405.0 1597.4 贵州 1627.10 961.4 1023.2 云南 2195.60 1570.3 680.2 西藏 2002.20 1399.1 1035.9 陕西 2181.00 1070.4 1189.8 ⽢肃 1855.50 1167.9 966.2 青海 2179.00 1274.3 1084.1 宁夏 2247.00 1535.7 1224.4 新疆2032.40 2267.4469.9建⽴模型： µβββ+++=22110ln ln ln X X Y⼀、模型的OLS 估计（1）录⼊数据打开EViews6，点“File ”→“New ”→“Workfile ”选择“Unstructured/Undated”，在Observations 后输⼊31，如下所⽰：点“ok”。
EViews计量经济学实验报告异方差的诊断及修正
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。
- 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)。
实验四异方差
4.1 实验目的
掌握异方差问题出现的来源、后果、检验及修正的原理，以及相关的EViews 操作方法。
思考：
（1）异方差的问题属于计量经济学分析步骤中的哪一步需要考虑的？【模型检验——>计量经济意义检验】
（2）异方差检验的方法有哪些？【图检法、怀特检验、戈里瑟检验、等级相关系数检验、戈德菲尔德-夸特检验】每种方法的检验步骤是什么？【略】
（3）异方差出现时，如何补救？也即其修正方法是什么？【加权最小二乘法】
4.2 实验内容
已知某地区的个人储蓄Y，可支配收入X的截面样本数据，建立它们之间的线性计量经济模型，练习检查和克服模型的异方差的操作方法。
【具体数据见教材p125】
4.3 实验步骤
4.3.1 检查模型是否存在异方差性
（1）图示法：利用残差图判断。
建立残差关于x的散点图，如图4.1，可以发现随着x增加，残差呈现不断增大的趋势，即存在递增性的异方差。
图4.1
（2）用White方法检验是否存在异方差。
在一元线性回归的基础上，做White检验。
在回归式窗口中点击View键选Residual Tests/White Heteroskedasticity功能，如图4.2。
图4.2
检验式存在有无交叉项两种选择，一般选择无交叉项，得到图4.3的结果：通过white检验中的p-值可以判断模型存在异方差。
图4.3
（3）用戈德菲尔德——夸特检验是否存在异方差
按X排序（数据资料已经完成升序排列）
Data T
Sort x
Smpl 1 11 ls y c x
Smpl 21 31 ls y c x
去掉中心9组数据，得到第一、二个子样本。
其样本容量相等，同为11。
对两个子样本回归，见图4.4和图4.5。
得到两组残差平方和。
图4.4
12
150867.9i
e
=∑
图4.5
22966997.0i
e
=∑
计算966997.0
6.4115086
7.9
F =
=，并查表得临界值0.05(9,9) 3.18F =；比较大小，之
后作出决策：拒绝原假设，则存在异方差。
数据还原：smpl 1 31 sort t
（4）用戈里瑟检验是否存在异方差
e=z为因变量，X为自变量；进行回归，而且不包括常数项。
见图4.6。
以
i
图4.6
从图4.6可以看出，X通过了显著性检验，即X对z有显著影响。
因此存在异方差。
（5）用等级相关系数检验是否存在异方差
在EXCEL中完成。
4.3.2 克服异方差
用Eviews进行加权最小二乘法。
Ls y c x
在弹出的对话框中进行设置。
如下图4.7和图4.8所示。
并可以得到回归结果，见图4.9。
图4.7
图4.8
图4.9
由此可得，回归方程为：
=-+
742.470.09
y x
模型检验：
经济意义检验；统计检验；计量经济意义检验——异方差检验；前两种省略。
判断样本回归方程是否存在异方差，采用White检验，同样地结果见图4.10。
图4.10
由此可见，通过White检验可以看到p-值大于0.056，所以接受不存在异方差的原假设，即认为已经消除了回归模型的异方差性。
该方程不存在异方差。
通过了异方差的检验。
Ls y c x
Genr w=1/abs(resid)
练习：
完成P133，第2题。
要求：另外需用图示法、怀特检验和戈里瑟检验分别诊断是否存在异方差。
且该实验不包括模型预测；重点是检验异方差的存在与否，所以其他内容可概要写出。
如数据文件建立等等。
具体数据见Excel表。
在实验报告中完成。
如果是进行G-Q检验时，需注意先对X排序！！！。