1、，在自由度为2下查卡方分布表，得比较临界值与卡方统计量值，即，同样说明模型中的随机误差项存在异方差。 （2）用权数，作加权最小二乘估计，得如下结果Dependent Variable: YMethod: Least SquaresDate: 05/28/07 Time: 00:20Sample: 1 60Included observations: 60Weighting series: 1/RVariableCoefficientStd. Errort-StatisticProb. C27.500006.09E-084.52E+080.0000X0.5000007.16E-106.98E+0
2、8Weighted StatisticsR-squared1.000000 Mean dependent var70.01964Adjusted R-squared S.D. dependent var379.8909S.E. of regression8.44E-10 Akaike info criterion-38.91622Sum squared resid4.13E-17 Schwarz criterion-38.84641Log likelihood1169.487 F-statistic4.88E+17Durbin-Watson stat0.786091 Prob（F-statis
3、tic）0.000000Unweighted Statistics0.883132119.66670.88111738.6898413.34005 Sum squared resid10321.500.377804White 检验：2.3575230.1038224.5840170.101063Test Equation: STD_RESID2273.86E-191.73E-192.2337560.02943.21E-212.16E-211.4895320.1419X2-7.59E-246.18E-24-1.2296410.22390.0764006.88E-190.0439931.56E-1
4、91.52E-191.32E-36 Durbin-Watson stat1.191531Prob（F-statistic）5.4令Y表示农业总产值，X1-X5分别表示农业劳动力、灌溉面积、化肥用量、户均固定资产和农机动力。建立模型：回归结果如下：从回归结果可以看出，模型的和值都较高，F统计量也显著。但是除的系数显著之外，其他系数均不显著，模型可能存在多重共线性。计算各解释变量的相关系数。相关系数矩阵X1X2X3X4X5 1.000000 0.851867 0.963173 0.456913 0.892506 0.843541 0.549390 0.856933 0.583048 0.92480
5、6 0.543765由相关系数矩阵可以看出，解释变量之间的相关系数较高，存在多重共线性。采用逐步回归的办法，来解决多重共线性问题。分别做Y对X1、X2、X3、X4、X5的一元回归，结果如下表所示：一元回归结果变量参数估计值0.0840780.4567671.5264100.0352770.078269t统计量8.097651 5.09937111.621322.991326 8.1979290.8676760.7222500.931061 0.472241 0.8704760.8544430.6944750.924167 0.4194650.857524其中加入X3的方程最大，以X3为基础，顺
6、次加入其他变量逐步回归，结果如下：加入新变量的回归结果（一）X3， X10.002636（0.089770）1.481909（2.8792930.915816X3， X20.0669090.7899581.3602915.4565840.921204X3， X41.3522919.7767640.0096912.1590710.944492X3， X51.115680（3.355936）0.023552（1.335921）0.929684经比较，新加入X4的方程，改进最大。且从经济意义来看，户均固定资产对农业总产值有影响，因此保留X4，再加入其他变量逐步回归，结果如下：加入新变量的回归结果（二
7、）X3，X4 X10.035438（1.365712）0.696651（1.399128）0.012887（2.638461）0.949360X3，X4 X20.047486（1.487193）1.241502（5.528062）0.009296（1.984375）0.940595X3， X4 ，X50.951924（3.375236）0.009594（2.312344）0.023059（1.592574）0.952585加入X1后方程的增大，但是t值不显著；加入X2后降低，且系数不显著；假如X5后方程的增大，但是t值不显著。修正多重共线性影响的回归结果为：接受原假设，模型不存在异方差。5.5
8、（1）建立样本回归模型。（2）利用White检验判断模型是否存在异方差。3.057161Probability0.0769765.2124710.073812和自由度为2下，查卡方分布表，得临界值，而White统计量，有，则不拒绝原假设，说明模型中不存在异方差。（3）有Glejser检验判断模型是否存在异方差。经过试算，取如下函数形式得样本估计式由此，可以看出模型中随机误差项有可能存在异方差。（4）对异方差的修正。取权数为，得如下估计结果5.6拒绝原价设，模型存在异方差。，加权后回归结果：5.7（1）求回归估计式。作残差的平方对解释变量的散点图由图形可以看出，模型有可能存在异方差。（2）去掉智
9、利的数据后，回归得到如下模型作残差平方对解释变量的散点图从图形看出，异方差的程度降低了。（3）如果去掉智利数据后得出不存在异方差的结论，则说明异方差性还会因为异常值的出现而产生。5.8（1）回归结果如下：Y = 12.12542711 + 0.1043661755*X （19.51012） （0.008439） t= （0.621494） （12.36777）=0.849130 S.E.=56.89947 DW=1.212859 F=152.9617销售收入每增长一元，销售利润平均增长0.104366元，拒绝原假设，说明销售收入对销售利润有显著性影响。，表明方程显著，且拟和程度较好（2）图形法
10、：从图中可以看出，有随着X增大而增大的趋势，所以模型可能存在异方差。用Glejser检验模型是否存在异方差。|=1.049787t =8.075394 =0.306629系数显著不为0，由此，可以看出模型中随机误差项有可能存在异方差。3.6095790.0419596.2737960.043417拒绝原假设，模型存在异方差。（3）对异方差的修正。16 1 28 28 1/X26.4548963.4856341.8518570.07540.1070750.0109849.7481670.92286367.934740.91989675.4657221.358809.02955411861.159
11、.124711-124.413795.026751.9091740.854132213.46500.848522146.489557.0139784515.421.2448883.1432570.0605745.6261430.060020不存在异方差.5.9（1）建立样本回归函数。从估计的结果看，各项检验指标均显著，但从残差平方对解释变量散点图可以看出，模型很可能存在异方差。（2）用White检验判断是否存在异方差。9.5094630.00125211.210850.003678由上表可知，给定，在自由度为2下，查卡方分布表，得临界值为，显然，则拒绝原假设，说明模型存在异方差。进一步，用AR
12、CH检验判断模型是否存在异方差。经试算选滞后阶数为1，则ARCH检验结果见下表ARCH Test:9.3947960.0061097.0313640.008009，在和自由度为1下，查卡方分布表，得临界值为，则说明模型中随机误差项存在异方差。 （3）修正异方差。 02:15 1978 2000 23 W26.6590270.25376126.241330.8686910.000985881.7938224.0761988.18650.206384-0.2352190.894478-0.1364814.705022777560.31.2811390.980282633.00040.9793434
13、90.534570.50182104380.60.279924 Y = 6.65902728 + 0.8686910728*X White 检验1.0213370.3781442.1313890.344489经检验异方差的表现有明显的降低。5.10剔除物价上涨因素后的回归结果如下：其中 代表实际消费支出，代表实际可支配收入用White 方法来检验模型是否存在异方差：1.6472880.2176473.2529140.196625 RESID2 05/07/07 Time: 17:14105.9636475.51820.2228380.82590.2642903.0373300.0870140.
14、9315X120.0009670.0043920.2200610.82810.141431275.88180.055574272.6726264.987514.118351404368.14.26646-159.36101.456581，表明模型不存在异方差。G-Q检验： Y118 1978 1986 94.18512418.099180.2312330.82370.8619550.0868519.9245250.933647180.26010.92416839.0110610.742727.779464807.84257.823292-33.0075998.496202.7170440.000022 1992 2000104.093620.845324.9936220.00160.5960560.05136711.603900.950583 Mean depend
