異方差的處理eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第1頁!地區(qū)農(nóng)業(yè)總產(chǎn)值（億元）農(nóng)作物播種面積（千公頃）地區(qū)農(nóng)業(yè)總產(chǎn)值（億元）農(nóng)作物播種面積（千公頃）北京115.48295.01湖北1152.097030.01天津117.60433.95湖南1243.157390.71河北1639.078652.70廣東1328.704363.05山西322.653653.15廣西970.555594.40內(nèi)蒙古620.426761.47海南224.17754.32遼寧837.503703.88重慶401.483134.66吉林641.504943.99四川1316.609278.24黑龍江971.9411898.48貴州392.204464.53上海126.74390.66云南683.805801.86江蘇1542.537407.73西藏39.49232.92浙江735.922462.82陜西629.344044.74安徽1054.018853.90甘肅458.733759.00福建685.302191.18青海49.16516.68江西621.265245.13寧夏111.121189.83山東2604.0710724.40新疆767.004202.63河南2254.5214087.84

eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第2頁!一、檢驗異方差性⒈圖形分析檢驗（1）觀察農(nóng)業(yè)總產(chǎn)值（Y）與農(nóng)作物播種面積（X）的散點圖：在命令窗口輸入SCATXY；或者把X、Y以數(shù)據(jù)組（Group）的形式打開，然后點擊View/Graph/Scatter，如圖1所示。得到散點圖，見圖2。圖1eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第3頁!圖2eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第4頁!圖3eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第5頁!圖4eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第6頁!⑷計算F統(tǒng)計量：RSS1和RSS2分別是模型1和模型2的殘差平方和。取，所以存在異方差性。⒊White檢驗⑴建立回歸模型：LSYCX，回歸結(jié)果如圖6。eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第7頁!⑵在方程窗口上點擊View\ResidualTest\WhiteHeteroskedastcity(nocrossterms),檢驗結(jié)果如圖7。圖7eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第8頁!圖8eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第9頁!圖9eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第10頁!圖11eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第11頁!圖13eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第12頁!由上述各回歸結(jié)果可知，各回歸模型中解釋變量的系數(shù)估計值顯著不為0且均能通過顯著性檢驗。所以認(rèn)為存在異方差性。⑷由F值或確定異方差類型Gleiser檢驗中可以通過F值或值確定異方差的具體形式。本例中，圖11所示的回歸方程F值（）最大，可以據(jù)此來確定異方差的形式。eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第13頁!eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第14頁!eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第15頁!從圖2中可以看出，隨著農(nóng)作物播種面積的增加，農(nóng)業(yè)總產(chǎn)值不斷提高，但離散程度也逐步擴(kuò)大。這說明變量之間可能存在遞增的異方差性。⑵殘差分析首先將數(shù)據(jù)排序（命令格式為：SORTX；或打開X的數(shù)據(jù)表格，點擊Sort按鈕），然后建立回歸方程。在命令窗口輸入genre2=resid^2然后以組的形式把X和e2打開，做散點圖（在組窗口中點View/Graph/Scatter/SimpleScatter,如下圖（圖3）eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第16頁!⒉Goldfeld-Quant檢驗⑴將樣本安解釋變量排序（SORTX）并分成兩部分（分別有1到12共12個數(shù)據(jù)（子樣本1），20到31共12個數(shù)據(jù)（子樣本2））⑵利用子樣本1建立回歸模型1（回歸結(jié)果如圖4），其殘差平方和為351515.9。SMPL112LSYCXeviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第17頁!⑶利用樣本2建立回歸模型2（回歸結(jié)果如圖5），其殘差平方和為2265858。SMPL2031LSYCX圖5eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第18頁!圖6eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第19頁!直接觀察相伴概率p值的大小，若p值較小，則認(rèn)為存在異方差性。⒋Park檢驗⑴建立回歸模型（結(jié)果同圖6所示）。⑵生成新變量序列：GENRLNE2=log(RESID^2)GENRLNX=log（X）⑶建立新殘差序列對解釋變量的回歸模型：LSLNE2CLNX，回歸結(jié)果如圖8所示。eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第20頁!從圖8所示的回歸結(jié)果中可以看出，LNX的系數(shù)估計值不為0且能通過顯著性檢驗，即隨即誤差項的方差與解釋變量存在較強(qiáng)的相關(guān)關(guān)系，即認(rèn)為存在異方差性。⒌Gleiser檢驗（Gleiser檢驗與Park檢驗原理相同）⑴建立回歸模型（結(jié)果同圖6所示）。⑵生成新變量序列：genrE=ABS(RESID)⑶分別建立新殘差序列（E）對各解釋變量（X、X^2、X^(1/2)、X^(-1)、X^(-2)、X^(-1/2)）的回歸模型：LSECX，回歸結(jié)果如圖9、10、11、12、13、14所示。eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第21頁!圖10eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第22頁!圖12eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第23頁!圖14eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第24頁!二、運(yùn)用加權(quán)最小二乘法消除異方差權(quán)數(shù)采用，如果仍然存在異方差，可以嘗試其他權(quán)數(shù)在命令窗口輸入genrw1=1/abs(resid)回車然后輸入LS（W=W1）YCX得到以下方程eviews的異方差檢驗共27頁，您現(xiàn)在瀏覽的是第25頁!在方程窗口點View\ResidualTest\