异方差性检验

(1)图示检验法:  相关图分析、残差分布图分析

(2)戈德菲尔德—匡特检验

(3)怀特检验

(4)戈里瑟检验

(5)加权最小二乘估计的Eviews实现

二、回归报告

1、图示检验法:  相关图分析、残差分布图分析

（1）观察销售利润（Y）与销售收入（X）的相关图：SCAT X Y

从我国制造工业销售利润与销售收入相关图中可以看出，随着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。

（2）残差分析。首先将数据排序(SORT X)，然后建立回归方程。在方程窗口点击Resids按钮就可以得到模型的残差分布图。

显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。

2、匡特检验

（1）将样本按解释变量排序（SORT X）并分成两部分（分别有2到11共10个样本和20到29共10个样本）

（2）利用样本1建立回归模型1，其残差平方和为2579.596

SMPL 2 11

LS Y C X

（3）利用样本2建立回归模型2，其残差平方和为63769.67.

SMPL 20 29

LS Y C X

（4）计算F统计量：F=RSS2/RSS1=63769.67/2579.596=24.72，RSS1和RSS2分别是模型1和模型2的残差平方和。

取α=0.05时，查F分布表得F0.05（10-1-1,10-1-1）=3.44，而F=24.72>F0.05=3.44，所以存在异方差性。

3、怀特检验

（1）建立回归模型：LS Y C X

（2）在方程窗口上点击View-Residual-Test-White Heteroskedastcity，检验结果如图。

其中F值为辅助回归模型的F统计量。取显著水平α=0.05，由于X20.05(2)=5.993、戈里瑟检验

5、加权最下二乘法

（1）首先，用SMPL命令设定样本的区间，SMPL 1 28

（2）进行最下二乘回归，得到残差序列，LS Y C X 

（3）根据残差确定权重，GENR W1=1/ABS(RESID)

（4）进行加权最小二乘估计，LS（W=W1） Y C X

回归结果如下：

教  师  评  语

指导教师：                       年   月    日