3、White检验微信
在估计模型的基础上，在方程窗口上点击View\Residual Test\WhiteHeteroskedastcity(no cross terms),检验结果：spa
直接观察Obs*R-squared相伴几率p值的大小，由于p值小于0.05，则认为存在异方差性。.net
4、Gleiser检验3d
创建回归模型，ls y c x，生成新变量序列：genr E=ABS(RESID)，blog
分别创建新残差序列（E）对各解释变量（X、X^2、X^(1/2)、X^(-1)、X^(-2)、X^(-1/2)）的回归模型，在Eviews命令栏输入如下命令，获得如下结果。ci
LS E C Xget
LS E C X^2it
LS E C X^(1/2)io
LS E C X^(-1)ast
LS E C X^(-2)
LS E C X^(-1/2)
由上述各回归结果可知，各回归模型中解释变量的系数估计值显著不为0且均能经过显著性检验。因此认为存在异方差性。
Gleiser检验中能够经过F值或t值肯定异方差的具体形式。本例中，获得的回归方程解释变量X^(1/2)的拟合优度R^2最大，能够据此来肯定异方差的形式。
5、运用加权最小二乘法消除异方差
权数采用resid的绝对值，在命令窗口输入 genr w1=X^(1/2)回车
而后输入 LS（W=W1） YC X，
或在方程窗口中点击Estimate\Option按钮，并在权数变量栏里w1,以下：
最终获得如下方程
在方程窗口点View\Residual Test\WhiteHeteroskedastcity(no cross terms), 进行White检验，发现异方差已经消除。
直接观察Obs*R-squared相伴几率p值的大小，由于p值大于0.05，则认为该模型不存在异方差性，也就是运用加权最小二乘法消除了原有模型存在的异方差问题。
本文分享自微信公众号 - 博士的计量经济学干货（econometrics_ABC）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。