全流程展现：Eviews检验与处理回归方程的异方差问题（一）

经典线性回归模型的一个重要假定是：整体回归函数中的随机偏差项知足同方差性，即它们都有相同的方差。若是这一假定不知足，则称线性回归模型存在异方差性。若线性回归模型存在异方差性，则用传统的最小二乘法估计模型，获得的参数估计量不是有效估计量，甚至也不是渐近有效的估计量；此时也没法对模型参数的进行有关显著性检验。对存在异方差性的模型能够采用加权最小二乘法进行估计。

现如下面数据为例，来全流程展现如何使用Eviews检验并修正回归方程的异方差问题：

数据来源：国家统计局——分省年度数据。

网址：http://data.stats.gov.cn/adv.htm?m=advquery&cn=E0103

1、建立Eviews数据文件

打开eviews软件，点击file——new——workfile，建立该数据的数据文件：

在命令窗口输入：series x， series y。将x、y的值复制进去，便可得：

2、建立模型

对上述数据创建线性回归模型：y=a+bx+u，采用eviews进行估计，获得：

从回归结果能够看出，X的系数为0.3071，代表X1变更一单位引发Y变更0.3071单位；在显著性水平为5%时，变量X的t值为10.5853，与它们的自由度为（31-2）为29的自由度的临界值t=1.782相比，变量是统计显著的。

3、异方差检验

（1）图示法检验

    观察农业总产值（Y）与农做物播种面积（X）的散点图：在命令窗口输入 SCAT  X  Y；

从图中能够看出，随着农做物播种面积的增长，农业总产值不断提升，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）G-Q检验

将样本安解释变量排序（SORT X）并分红两部分（分别有1到12共12个数据（子样本1），20到31共12个数据（子样本2））

利用子样本1创建回归模型1：点击estimation，在对话框里输入如下内容：

点击肯定，获得：

获得残差平方和RSS1为1405737.

利用样本2创建回归模型2：点击estimation，在对话框里输入如下内容：

获得:

获得残差平方和RSS2为残差平方和为6772857。

计算F统计量：                                     

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。