- 1 - 异方差性、序列相关、多重共线性问题的检验和处理 1.异方差问题 以课件“第 3 周 3 异方差性”中的消费模型为例，consp=c+β1gdpp+β2consp(-1)+μ，样本是 1978~2000 年人均居民消费支出与人均国内生产总值。用最小二乘法估计的结果如下： 采用加权最小二乘法估计： 首先构造权序列1ie ，在 Eviews 命令窗口键入：series e1=1/abs(resid) 回车得到权序列e1。 然后采用加权最小二乘法估计原模型，选择“Equation Estimation”对象中的“Options”选 - 2 - 项，选择自己输入权序列选项，并输入权序列名称e1，点击“确定”，得到 WLS 估计结果： 比较 WLS 与 OLS 的估计结果，原样本数据的异方差性显著消除。 2.序列相关 以课件“第 4 周 1 序列相关性”中的中国商品进口模型为例。 首先，通过 OLS 法建立如下中国商品进口方程：M=c+β1GDP+μ，样本：1978~2001 年数据。OLS 估计结果： 输入权序列e1 输入产生权序列e1 的命令 - 3 - 检验发现存在一阶序列相关，采用广义差分法消除序列相关。首先，在“Equ ation Estimation”对象中的估计方法“Method”选项中仍选择 LS 方法（与 OLS 相同），在“Equ ation Specification” 中加入 ar(1) ar(2), 点“确定”，得到二阶差分的估计结果： 加入 ar(1) ar(2) - 4 - 实际操作中，可以先用一阶差分法，如果效果不理想，再用二阶、三阶…,并结合根据显著性检验结果判断高阶差分是否必要。下面是三阶差分的估计结果， 比较选择，二阶差分就足够消除原模型的序列相关性。 3.异方差、序列相关和多重共线性 以课件“第 4 周 2 多重共线性”中的消费函数模型为例。用中国 1980 年~1996 年的GDP和消费总量相关数据，建立中国消费函数模型： Cons = α + 1 Gdp + 2 Cons(-1)+ - 5 - OLS 估计结果： 对估计结果进行经济意义检验、统计检验、计量经济学检验（包括异方差检验、序列相关检验），White 异方差检验： 选择“Equation”对象中的“View ”菜单下的“Residual Tests”中的异方差检验： 选择“White”检验，点击“确定”，得到检验结果： - 6 - 根据F 统计量和n*R 统计量的数值和概率，判断原模型是否存在异方差问题。（注意White检验的原假设）。 再用拉格朗日乘数检验判断是否存在序列相关性： 选择“Equation”对象中的“View ”菜单下的“Residual Tests”中的LM 序列相...
