计量经济学及其应用：第6章.pptVIP

（3）White检验 在输出回归结果的界面下，View/Residual Tests，选择White Heteroskedasticity (no cross terms)或者White Heteroskedasticity ( cross terms)，本例选 (no cross terms)。输出结果如下所示。 表6-5 White检验输出结果 从上图可知，卡方统计量Obs*R-squared对应的P值为0.030715，因此，可以在5%的显著水平下，拒绝原假设，认为模型存在异方差性。变量REG对应的P值为0.0632，在10%显著水平下不为零；变量PRICE对应的P值为0.369，未通过显著性检验。由此，可以认为REG为引起异方差的主要原因。 （4） 异方差的纠正 加权最小二乘法 我们采用最常用的权重，由上图已经看出引起异方差的主要原因是变量REG的水平值，因此可以认为随机干扰项的方差与REG成比例，由此根据式（6-15）取权重为 ，并运用加权最小二乘法对原模型进行估计。在输出表6-2结果的界面下首先点击Estimate，然后再点击Option按钮，就会出现一个对话框，在该对话框下勾选Weighted LS/TSLS，并在权重Weight对应的空白处键入 ，如图6-5所示。接着点击“OK”