计量经济学报告
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。
计量经济学报告
计量经济学报告计量经济学报告计量经济学是经济学中的一个重要分支，它通过使用经济数据和数理统计方法，研究经济现象和经济理论之间的关系。
本报告将介绍计量经济学的基本概念和方法，以及计量经济学在实践中的应用。
首先，计量经济学主要研究经济数据的性质和规律。
经济数据可以分为时间序列数据和截面数据两类。
时间序列数据是在一段时间内收集的数据，例如一个国家的GDP变化；截面数据是在某个时间点上收集的数据，例如不同地区的失业率。
通过对这些数据进行分析，计量经济学可以揭示经济现象的特征和规律。
计量经济学的方法主要包括回归分析和假设检验。
回归分析是用来研究因变量和自变量之间关系的一种方法，例如通过分析收入和消费之间的关系来研究消费者行为；假设检验则是用来检验某个经济理论是否成立的方法，例如检验货币供应量和物价之间的关系。
这些方法可以帮助经济学家找到经济模型的参数估计值，从而更好地理解经济现象和预测未来的趋势。
在实践中，计量经济学有广泛的应用。
首先，计量经济学可以用来评估政策的效果。
例如，通过对某个政策的实施前后的数据进行回归分析，可以评估该政策对经济的影响。
其次，计量经济学可以用来预测未来的经济趋势。
例如，通过对历史数据进行回归分析，可以预测未来的股票价格和房价。
此外，计量经济学还可以用来研究经济理论的有效性。
例如，通过对经济理论中的假设进行检验，可以评估该理论是否能够准确解释实际经济现象。
总之，计量经济学是经济学中的重要分支，它通过使用经济数据和数理统计方法，研究经济现象和经济理论之间的关系。
计量经济学的方法主要包括回归分析和假设检验，其应用广泛，可以用来评估政策效果、预测经济趋势和研究经济理论的有效性。
通过计量经济学的研究，我们可以更好地理解经济现象，为经济决策提供科学依据。
计量经济学实训报告
计量经济学实训报告一、实验设计：本次实验是基于计量经济学的理论知识和方法，通过对已有的数据进行回归分析，验证理论假设的可行性。
实验的目的是了解计量经济学在实际应用中的重要性，以及掌握回归分析等基本方法。
二、实验过程：1.数据收集：我们选择了一个包含多个变量的数据集，包括自变量和因变量，旨在通过回归模型来预测因变量的取值。
2.数据清洗：对收集到的数据进行清洗和预处理，包括处理缺失值、异常值等。
3.变量选择：根据计量经济学的原理和假设，选择适合的自变量和因变量，并对其进行初步的分析。
4.模型建立：根据选择的自变量和因变量，建立回归模型，并假设一些条件。
5.模型估计：利用统计软件对建立的回归模型进行估计和拟合，获得回归系数和拟合度等相关参数。
6.模型诊断与检验：对建立的回归模型进行诊断和检验，检查模型的拟合度和有效性。
7.结果分析：根据模型估计和检验结果，分析自变量对因变量的影响程度和显著性等，并解读模型。
三、实验结果：经过以上的实验过程和分析，我们得到了以下结论：1.自变量X对因变量Y的影响具有统计显著性；2.自变量X1对因变量Y的影响程度较大，而自变量X2的影响相对较小；3.拟合度较高，模型的解释能力较强。
四、实验感想：通过本次实验，我们深刻认识到计量经济学在实际问题中的重要性。
通过建立回归模型，我们可以对研究对象的变量关系进行实证分析，从而对问题进行解释和预测。
同时，我们也了解到了回归分析中的一些注意事项，如数据的选择和处理、模型的建立和检验等。
在今后的学习中，我们将进一步掌握和应用计量经济学的方法，提高对实际问题的分析和解决能力。
同时，我们也意识到计量经济学的方法和理论需要结合实际问题来进行应用，只有在实际问题中进行实践和应用，才能更好地理解和掌握计量经济学的知识。
计量经济实验报告多元(3篇)
第1篇一、实验目的本次实验旨在通过多元线性回归模型，分析多个自变量与因变量之间的关系，掌握多元线性回归模型的基本原理、建模方法、参数估计以及模型检验等技能，提高运用计量经济学方法解决实际问题的能力。
二、实验背景随着经济的发展和社会的进步，影响一个变量的因素越来越多。
在经济学、管理学等领域，多元线性回归模型被广泛应用于分析多个变量之间的关系。
本实验以某地区居民消费支出为例，探讨影响居民消费支出的因素。
三、实验数据本实验数据来源于某地区统计局，包括以下变量：1. 消费支出（Y）：表示居民年消费支出，单位为元；2. 家庭收入（X1）：表示居民家庭年收入，单位为元；3. 房产价值（X2）：表示居民家庭房产价值，单位为万元；4. 教育水平（X3）：表示居民受教育程度，分为小学、初中、高中、大专及以上四个等级；5. 通货膨胀率（X4）：表示居民消费价格指数，单位为百分比。
四、实验步骤1. 数据预处理：对数据进行清洗、缺失值处理和异常值处理，确保数据质量。
2. 模型设定：根据理论知识和实际情况，建立多元线性回归模型：Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ε其中，Y为因变量，X1、X2、X3、X4为自变量，β0为截距项，β1、β2、β3、β4为回归系数，ε为误差项。
3. 模型估计：利用统计软件（如SPSS、R等）对模型进行参数估计，得到回归系数的估计值。
4. 模型检验：对估计得到的模型进行检验，包括以下内容：（1）拟合优度检验：通过计算R²、F统计量等指标，判断模型的整体拟合效果；（2）t检验：对回归系数进行显著性检验，判断各变量对因变量的影响是否显著；（3）方差膨胀因子（VIF）检验：检验模型是否存在多重共线性问题。
5. 结果分析：根据模型检验结果，分析各变量对因变量的影响程度和显著性，得出结论。
五、实验结果与分析1. 拟合优度检验：根据计算结果，R²为0.812，F统计量为30.456，P值为0.000，说明模型整体拟合效果较好。
计量经济学课题报告
计量经济学课题报告题目：中国经济增长对环境污染的影响研究摘要：本报告旨在通过计量经济学的方法，研究中国经济增长对环境污染的影响。
首先，我们将回顾相关文献，了解已有的研究成果。
然后，我们将构建一个适当的经济增长模型，包括经济增长率、工业产出和环境污染指标。
接下来，我们将收集中国经济增长和环境污染的时间序列数据，并将其进行分析和解释。
最后，我们将利用计量经济学方法，如回归分析和面板数据分析，来评估中国经济增长对环境污染的影响，以及可能存在的因果关系。
通过这些分析，我们将得出结论并提出政策建议，以在经济增长与环境保护之间实现平衡。
关键词：计量经济学、中国经济增长、环境污染、时间序列数据、回归分析、面板数据分析、因果关系、政策建议引言：近年来，中国经济以惊人的速度增长，成为世界第二大经济体。
然而，与经济增长相伴随的是严重的环境污染问题。
中国的工业生产和能源消耗量不断增加，导致大气、水和土壤污染等环境问题日益严重。
因此，研究中国经济增长与环境污染之间的关系，对于制定有效的环境保护政策至关重要。
方法：本研究将采用计量经济学的方法来分析中国经济增长对环境污染的影响。
首先，我们将回顾相关文献，了解已有的研究成果，以便更好地构建研究模型和选择合适的变量。
然后，我们将构建一个适当的经济增长模型，包括经济增长率、工业产出和环境污染指标。
接下来，我们将收集中国经济增长和环境污染的时间序列数据，并将其进行分析和解释。
最后，我们将利用计量经济学方法，如回归分析和面板数据分析，来评估中国经济增长对环境污染的影响，以及可能存在的因果关系。
预期结果：根据我们的初步分析，我们预计中国经济增长对环境污染将产生负面影响。
高速发展的工业部门和城市化过程将导致更多的污染物排放和资源消耗。
然而，我们也将探讨其他可能的因素，如环保技术的进步和政府政策的影响，这些因素可能对中国环境污染产生积极影响。
结论：通过计量经济学的方法，我们将得出中国经济增长对环境污染的影响的结论。
eviews计量经济学实验报告
eviews计量经济学实验报告EViews计量经济学实验报告引言计量经济学是经济学领域中的一个重要分支，它运用数学、统计学和计量学的方法来分析经济现象。
EViews是一个常用的计量经济学软件，它提供了丰富的数据分析和模型建立工具，被广泛应用于学术研究和实际经济分析中。
本实验报告将利用EViews软件进行计量经济学实验，以探讨经济现象并得出相关结论。
实验目的本实验旨在利用EViews软件对某一经济现象进行实证分析，通过建立相应的计量经济模型，对经济现象进行量化分析，并得出相关结论。
实验步骤1. 数据收集：首先，我们需要收集与所研究经济现象相关的数据，包括时间序列数据和横截面数据等。
这些数据可以来自于官方统计机构、学术研究机构或者自行收集整理。
2. 数据预处理：接下来，我们需要对收集到的数据进行预处理，包括数据清洗、缺失值处理、异常值处理等，以确保数据的质量和完整性。
3. 模型建立：在数据预处理完成后，我们可以利用EViews软件建立计量经济模型，包括回归分析、时间序列分析、面板数据分析等，以探讨经济现象的内在规律和影响因素。
4. 模型估计：建立模型后，我们需要对模型进行参数估计，得到模型的具体参数估计值，并进行显著性检验和模型拟合度检验，以验证模型的可靠性和有效性。
5. 结果分析：最后，我们将对模型估计结果进行分析，得出与经济现象相关的结论，并对实证分析结果进行解释和讨论。
实验结论通过以上实验步骤，我们得出了关于某一经济现象的实证分析结果，并得出了相关的结论。
这些结论对于理解经济现象的内在规律和制定经济政策具有重要的参考价值。
总结EViews计量经济学实验报告通过利用EViews软件进行实证分析，对经济现象进行了深入探讨，并得出了相关结论。
这些结论对于经济学研究和实际经济分析具有重要的理论和实践意义，为我们深入理解经济现象和推动经济发展提供了重要的参考依据。
EViews软件的应用为我们提供了一个强大的工具，帮助我们更好地理解和分析经济现象，为经济学领域的研究和实践提供了重要的支持和帮助。
计量经济学eviews报告
计量经济学eviews报告在经济学研究中，计量经济学是一个重要的分支领域，它利用数理统计和经济理论方法，对经济现象进行定量分析和预测。
而在进行计量经济学研究时，经济学家们通常会使用eviews软件来进行数据处理和分析。
本报告将对eviews软件在计量经济学研究中的应用进行介绍和分析。
首先，eviews软件作为一款专业的计量经济学软件，具有强大的数据处理和分析功能。
它可以对各种类型的经济数据进行处理，包括时间序列数据、截面数据和面板数据等。
同时，eviews还提供了丰富的统计分析工具，如回归分析、时间序列分析、方差分析等，可以帮助经济学家们快速准确地进行数据分析和模型建立。
其次，eviews软件在计量经济学研究中的应用非常广泛。
在实证研究中，经济学家们通常会使用eviews来进行数据的导入和清洗，然后进行相关的计量分析。
例如，他们可以利用eviews进行回归分析，来探讨不同经济变量之间的关系；也可以利用eviews进行时间序列分析，来预测未来的经济走势。
总之，eviews为经济学家们提供了一个强大的工具，帮助他们更好地进行计量经济学研究。
另外，eviews软件还具有友好的用户界面和丰富的图表展示功能，使得经济学家们可以直观地呈现研究结果。
他们可以通过eviews生成各种统计图表，如散点图、折线图、柱状图等，直观地展示数据之间的关系和变化趋势。
这些图表不仅可以帮助经济学家们更好地理解数据，还可以用于学术论文和研究报告的展示。
总之，eviews软件在计量经济学研究中发挥着重要的作用，它为经济学家们提供了强大的数据处理和分析工具，帮助他们更好地进行实证研究。
未来，随着计量经济学研究的深入发展，相信eviews软件将会继续发挥重要作用，为经济学研究提供更多的便利和支持。
计量经济学实验报告(范例)
3、估计参数
方法一：在EViews主页界面点击“Quick”菜单，点击“Estimate Equation”，出现“Equation specification”对话框，选OLS估计，即选击“Least Squares”，键入“Y C X”，点“ok”或按回车，即出现如表2那样的回归结果。
表表12002年中国各地区城市居民人均年消费支出和可支配收入地区城市居民家庭平均每人每年消费支出元y城市居民人均年可支配收入元x北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南重庆四川贵州云南102846071919650692847109648598853426449738844620810464006042608713084736526631684549325596324504685608925574728988485413445459646360245413084598285827921246392933756667968523435605106652452626016610056132498081776411715606032409189366334647614366245406788526958561113720731532682272723804661080594408724056西藏陕西甘肃青海宁夏新疆695244527804506424504252610492563640807912633084615144617052606744689964作城市居民家庭平均每人每年消费支出y和城市居民人均年可支配收入x的散点图如图1
计量经济学报告
计量经济学报告在当今社会，计量经济学扮演着重要的角色。
它使用数学和统计方法来研究经济现象，并对经济政策制定者提供决策支持。
通过分析数据、建立模型以及进行推断，计量经济学能够帮助我们理解经济中的因果关系和发展趋势。
在这篇文章中，我们将探讨计量经济学的应用以及它对经济学研究的意义。
计量经济学的应用广泛。
它可以用于分析个体和家庭的消费行为，企业的生产效率，以及国家之间的贸易关系。
例如，通过使用计量经济学方法，经济学家可以测量某个因素对经济增长的影响，以及确定制定货币政策的最佳方式。
此外，计量经济学还可以用于评估政府政策的效果，如减贫计划和环境保护措施。
通过分析数据和建立模型，我们可以量化政策的效果并提出改进建议。
计量经济学的研究方法至关重要。
研究者使用大量的数据来验证他们的假设，并通过计量模型来预测未知的现象。
其中最常用的方法之一是回归分析。
回归分析可以用来研究两个或多个变量之间的关系，并量化这种关系的强度。
通过建立回归模型，我们可以识别出对一个变量的影响因素，并进一步探讨这种影响的原因。
为了确保分析结果的准确性和可靠性，计量经济学研究需要遵循一定的方法和原则。
首先，数据的选择和准备非常重要。
研究者需要确保所使用的数据具有代表性，并且要对数据进行清洗和整理，以便消除不准确或不完整的信息。
其次，模型的建立需要符合经济学的理论框架。
只有在理论的基础上，计量经济学模型才能更好地解释现实世界的经济现象。
此外，计量经济学还使用了一些假设和统计工具来处理数据中的问题，如异方差性和自相关性等。
计量经济学对经济学研究的意义不言而喻。
它不仅可以提供有关经济现象的深刻见解，还可以为经济政策制定者提供决策支持。
通过分析数据和建立模型，计量经济学使我们能够预测经济发展的趋势，并制定相应的政策来应对挑战。
此外，计量经济学还有助于改善政策的效果，并评估政府的干预措施。
通过使用计量经济学的方法，我们能够更好地理解经济学中的因果关系，并为实现可持续发展和社会福利做出贡献。
计量经济学报告
计量经济学报告摘要：本报告主要介绍计量经济学的定义、历史发展、主要方法和应用领域。
通过对计量经济学的深入研究，我们发现计量经济学在理论研究和实践应用中都具有重要意义，可以帮助我们更好地了解经济现象，并提供决策支持和政策建议。
本报告旨在为对计量经济学感兴趣的读者提供一个全面的介绍和参考。
1. 简介计量经济学是通过使用数学、统计学和计算机等工具来研究经济现象的学科。
它主要应用于定量研究、计量经济学模型的构建和预测、统计分析、经济政策的制定和评估等方面。
计量经济学的研究对象包括宏观经济、微观经济、产业经济、国际经济和金融市场等。
2. 历史发展计量经济学的历史可以追溯到19世纪末的经济学革命时期，当时经济学家开始使用数学和统计学方法来研究经济现象。
20世纪初，经济学家欧文·费雪发明了“最小二乘法”，这成为计量经济学中最基础的方法之一。
在20世纪中叶，计量经济学得到了迅速发展，许多经济学家提出了各种不同的计量经济学模型和方法。
其中比较有代表性的有钱伯斯的“结构模型”、Tobin的“投资理论”、卡普兰和斯特克的“固定效应模型”等。
此外，计量经济学在金融市场、国际贸易、环境经济、卫生经济、教育经济等领域也有广泛的应用。
3. 主要方法计量经济学的主要方法包括回归分析、时间序列分析、面板数据分析、因子分析、聚类分析、生存分析、计量计算等。
其中回归分析是最常用的方法之一。
它可以用来研究两个或多个变量之间的关系，并估算出它们之间的函数关系。
时间序列分析主要用于分析一个变量随时间变化的规律，例如价格走势、季节性效应等。
面板数据分析主要用于处理跨时间或跨地区的数据，包括纵向数据和横向数据。
因子分析可以用来提取数据中的基本因素和模式，聚类分析用于根据变量之间的相似性来进行分类，生存分析则主要用于研究个体或样本的生命状态和生存时间。
4. 应用领域计量经济学在许多领域都有广泛的应用。
其中，宏观经济学领域的应用比较突出，比如GDP的测算、经济增长预测、通货膨胀控制等。
- 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)。
计量经济学报告课程名称计量经济学班级与班级代码专业国际经济与贸易任课教师学号：姓名：日期：年月日研究储蓄额与GDP之间的关系中国储蓄存款总额（Y，亿元）与GDP（亿元）数据如下表。
表1年GDP 储蓄(Y) 年GDP 储蓄(Y)1972 2518.1 105.2 1987 11962.5 3081.41973 2720.9 121.2 1988 14928.3 3822.21974 2789.9 136.5 1989 16909.2 5196.41975 2997.3 149.6 1990 18547.9 7119.81976 2943.7 159.1 1991 21617.8 9141.61977 3201.9 181.6 1992 26638.1 117581978 3624.1 210.6 1993 34634.4 15203.51979 4038.2 281 1994 46759.4 21518.81980 4517.8 399.5 1995 58478.1 29662.31981 4862.4 523.7 1996 67884.6 38520.81982 5294.7 675.4 1997 74462.6 46279.81983 5934.5 892.5 1998 78345.2 53407.51984 7171 1214.7 1999 82067.46 59621.81985 8964.4 1622.6 2000 89442.2 64332.41986 10202.2 2238.5 2001 95933.3 73762.4第一步，散点图（图1）图1第二步，建立数学模型由经济理论知，中国储蓄存款总额受GDP 的影响，当GDP 增加时，中国储蓄存款总额也随着增加，它们之间具有正向的同步变动趋势。
中国储蓄存款总额除受GDP 的影响外，还受到其他一些变量的影响及随机因素的影响，将其他变量及随机变量的影响均归并到随机变量u 中，根据GDP 与Y 的样本数据，作GDP 与Y 之间的散点图可以看出，它们的变化趋势是线性的，由此建立中国储蓄存款总额Y 与GDP 之间的一元线性回归模型：i i i GDP Y μββ++=10第三步，估计参数样本回归模型为：t t t GDP Y μββ++=10下面是Eviews 的估计结果（表2）：表2Dependent Variable: Y Method: Least Squares Date: 12/13/11 Time: 12:27 Sample: 1972 2001 Included observations: 30Coefficient Std. Error t-Statistic Prob. C -4366.305 932.1408 -4.684169 0.0001 GDP0.7185770.02291831.354660.0000R-squared 0.972308 Mean dependent var 15044.68 Adjusted R-squared 0.971319 S.D. dependent var 22537.94 S.E. of regression3816.918 Akaike info criterion19.39661Sum squared resid 4.08E+08 Schwarz criterion 19.49003 Log likelihood -288.9492 Hannan-Quinn criter. 19.42650 F-statistic 983.1150 Durbin-Watson stat 0.206704 Prob(F-statistic)0.000000GDP Y718577.0305.4366ˆ+-= (-4.68) (31.35), R 2 =0.9723，DW=0.206704，T=30第四步，统计检验1. 拟合优度 样本可决系数为R-squared=0.972308 修正样本可决系数为：Adjusted R-squared=0.971319 即R 2=0.972308，R 2 =0.971319计算结果表明，估计的样本回归方程较好地拟合了样本观测值。
2. 回归系数估计值的显著性检验——t 检验 提出检验的原假设为0H ：2,1,0==i i β得t 统计量为0β的t-Statistic=-4.684169 1β的t-Statistic=31.35466对于给出显著性水平α=0.05，查自由度v=30-2=28的t 分布表，得临界值t 0.025（28）=2.05，|t 0|=4.684169＞t 0.025（28）=2.05，t 1=31.35466＞t 0.025（28）=2.05，故回归系数均显著不为零，回规模型中应包含常数项，GDP 对Y 有显著影响。
从以上的评价可以看出，此模型是比较好的。
3. F 检验提出检验的原假设为0H ：0β-1β=0对立假设为1H ：至少有一个i β不等于零(i=1,2)F-statistic=983.1150对于给定的显著性水平α=0.05，查出分子自由度为2，分母自由度为27的F 分布上侧分位数F 0.05（2，27）=3.35因为F=983.1150＞3.35,所以否定H 0，总体回归方程是显著的，即在中国储蓄存款总额Y 与GDP 之间存在显著的线性性。
第五步，检验异方差GDP Y718577.0305.4366ˆ+-= (-4.68) (31.35), R 2 =0.9723，DW=0.206704，T=30 1．利用残差图判断。
建立残差关于GDP 的散点图，如图5.1，可以发现随着GDP 增加，残差呈现不断增大的趋势，即存在递增性的异方差。
图22．用White方法检验是否存在异方差，得表3Heteroskedasticity Test: WhiteF-statistic 10.36874 Prob. F(2,27) 0.0005Obs*R-squared 13.03220 Prob. Chi-Square(2) 0.0015Scaled explained SS 13.06975 Prob. Chi-Square(2) 0.0015Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/15/11 Time: 21:15Sample: 1972 2001Included observations: 30Coefficient Std. Error t-Statistic Prob.C -57307.36 5222451. -0.010973 0.9913GDP 650.9958 433.6419 1.501229 0.1449GDP^2 -0.002376 0.004863 -0.488535 0.6291R-squared 0.434407 Mean dependent var 13597608Adjusted R-squared 0.392511 S.D. dependent var 20985874S.E. of regression 16356723 Akaike info criterion 36.15282Sum squared resid 7.22E+15 Schwarz criterion 36.29294Log likelihood -539.2922 Hannan-Quinn criter. 36.19764 F-statistic 10.36874 Durbin-Watson stat 1.029242 Prob(F-statistic)0.000456因为只含有一个解释变量，所以White 检验辅助回归式中应该包括两个解释变量。
辅助回归式估计结果如下：22002376.09958.65036.57307ˆt t t GDP GDP -+-=μ(-0.011) (1.50) (-0.49) R 2=0.4344, T=30TR 2=30*0.4344=13.03220＞0.6)2(025.0=χ，所以结论是该回归模型中存在异方差。
3. 克服异方差 异方差修正如下：表4Dependent Variable: Y Method: Least Squares Date: 12/14/11 Time: 16:27 Sample: 1972 2001 Included observations: 30 Weighting series: 1/GDPCoefficient Std. Error t-Statistic Prob. C -1584.144 176.6377 -8.968321 0.0000 GDP 0.5256390.03388215.51399 0.0000Weighted StatisticsR-squared 0.895788 Mean dependent var 2121.702 Adjusted R-squared 0.892066 S.D. dependent var 1703.101 S.E. of regression 880.7714 Akaike info criterion 16.46381 Sum squared resid 21721230 Schwarz criterion 16.55723 Log likelihood -244.9572 Hannan-Quinn criter. 16.49370 F-statistic 240.6838 Durbin-Watson stat 0.082459Prob(F-statistic)0.000000Unweighted StatisticsR-squared 0.890189 Mean dependent var 15044.68 Adjusted R-squared 0.886267 S.D. dependent var 22537.94 S.E. of regression 7600.750 Sum squared resid 1.62E+09Durbin-Watson stat0.075333再进行White 检验：表5Heteroskedasticity Test: WhiteF-statistic2.453316 Prob. F(2,27) 0.1050 Obs*R-squared 4.613428 Prob. Chi-Square(2) 0.0996 Scaled explained SS2.426664 Prob. Chi-Square(2)0.2972得ρˆ= 0.1050大于0.05，所以认为已经消除了回归模型的异方差性。