【正文】 顯著正相關(guān) 。 圖 e與取對數(shù)模型殘差 lne圖 ，e與 lne相比 ， 幾乎成為一條直線 。 如果其參數(shù)顯著地不為零 ， 則存在異方差性 ， 相反 ， 則認為隨機誤差項滿足同方差假定 。第 4章 異方差性 異方差性的含義與產(chǎn)生的原因 異方差性的定義 設(shè)線性回歸模型為 : 圖 異方差性在散布圖上的反映 產(chǎn)生異方差性的原因 在計量經(jīng)濟研究中 ， 異方差性的產(chǎn)生原因主要有 1． 模型中遺漏了某些解釋變量 2． 模型函數(shù)形式的設(shè)定誤差 3． 樣本數(shù)據(jù)的測量誤差 4． 隨機因素的影響 異方差性的影響 對模型參數(shù)估計值無偏性的影響 由此可見 ， 隨機誤差項存在異方差性 ， 并不影響模型參數(shù)最小二乘估計值的無偏性 。 戈里瑟提出如下的假定函數(shù)形式： 帕克提出如下的假定函數(shù)形式： 3． 檢驗每個回歸方程參數(shù)的顯著性 。 用 GENR生成序列 lny和 lnx， 即在光標處鍵入： GENR lny=log（ y） GENR lnx=log（ x） 然后 ， 用 OLS方法求 lny對 lnx的回歸 ， 其結(jié)果如下： 表 對數(shù)變換回歸結(jié)果 為了分析異方差性的校正情況 ， 利用 WLS估計出每個模型之后 ， 還需要利用 White檢驗再次判斷模型是否存在異方差性 ， White檢驗結(jié)果如下： 從殘差圖也可以看出不存在異方差性 。 從事農(nóng)業(yè)經(jīng)營收入每增長 1%， 農(nóng)村居民人均消費支出將增長 %；從事非農(nóng)經(jīng)營收入每增長 1%， 農(nóng)村居民人均消費支出將增長 %。 例 我國制造工業(yè)利潤函數(shù)中異方差性的調(diào)整 。 利用 EViews軟件可以直接進行 White檢驗 。 現(xiàn)以此數(shù)據(jù)資料為例 ， 介紹檢驗異方差性的一些常用方法 。 以上懷特檢驗 、 戈里瑟檢驗和帕克檢驗方法統(tǒng)稱為 殘差回歸檢驗法 。 試根據(jù)表 ， 建立我國農(nóng)村居民人均消費函數(shù) （ 采用對數(shù)模型 ） ： 表 中國 2022年各地區(qū)農(nóng)村居民家庭人均純收入與消費支出（單位：元） 資料來源： 《 中國農(nóng)村住戶調(diào)查年鑒 》 （ 2022） 《 中國統(tǒng)計年鑒 》 （ 2022） 1． 首先用 OLS法建立我國農(nóng)村 人均消費函數(shù) ， 估計結(jié)果 如下 表 OLS法回歸結(jié)果 回歸結(jié)果顯示 ， 其他收入的增長 ， 對農(nóng)戶人均消費支出的增長更有刺激作用 。 模型 OLS回歸得到的殘差平方 e2與 lnX lnX1的散點圖 （