【正文】 （W=權數變量） Y C X菜單方式：①在方程窗口中點擊Estimate按鈕；②在彈出的方程說明對話框中點擊Options，進入參數設置對話框；③在參數設置對話框中選定Weighted LS方法，并在權數變量欄中輸入權數變量，然后點擊OK返回方程說明對話框；④點擊OK，系統將采用WLS方法估計模型。一個很自然的做法就是將權數直接取成，并且估計模型時使殘差的加權平方和達到最?。?最小從形式上看，模型變換法和加權最小二乘法都可以消除模型中的異方差性，但模型變換法的實質就是加權最小二乘法。由于在極小化過程中對通常意義的殘差平方加上了權數，所以稱該方法為加權最小二乘法（Weighted Least Square，簡稱WLS），由此得到的參數估計量稱為加權最小二乘估計。一般情況下，若，則以除以原模型的兩端，就可以將模型轉化成同方差模型，因此，仍然可以使用OLS方法估計（變換后）模型中的參數。1．模型變換法模型變換法即對存在異方差性的模型進行適當的變量變換，使之成為滿足同方差假定的模型，然后再利用最小二乘法估計變換后的模型。如果經檢驗某個方程是顯著的，則表明隨機誤差項的方差（此時用或||來近似估計）隨著解釋變量取值的不同而變化，即存在異方差性。4．帕克（Park）檢驗和戈里瑟（Gleiser）檢驗帕克檢驗和戈里瑟檢驗的基本思想都是通過建立殘差平方序列或絕對值序列對解釋變量的（輔助）回歸模型，由回歸模型的顯著性、擬合優(yōu)度判斷異方差是否存在。（4）對于給定的顯著水平，若，則拒絕原假設H0，即認為（≠0）中至少有一個顯著地不等于0，模型存在異方差性；反之，則認為不存在異方差性。（3）計算輔助回歸模型的判定系數。不妨設回歸模型為二元線性回歸模型：則White檢驗的具體步驟為：（1）估計回歸模型，并計算殘差的平方。G—Q檢驗適用于檢驗樣本容量較大、異方差性呈遞增或遞減的情況，而且檢驗結果與數據剔除個數C的選取有關。 ~ 給定顯著水平，查F分布表，得臨界值。（4）提出假設，H0 : （即為同方差性）；H1:(即為異方差性)。（2）將序列中間的個觀察值除去，并將剩下的觀察值劃分為大小相同的兩個子樣本，每個子樣本的容量均為。相關圖的Eviews軟件命令：SCAT X Y （2）殘差分布圖分析如果殘差分布點不緊緊圍繞著一條水平線變動（既近似為一常數），其散布區(qū)域逐漸變寬或變窄或出現不規(guī)則的復雜變化，則表明模型存在異方差性。二、異方差性產生的后果（1）最小二乘估計不再是有效估計；（2）無法正確估計系數的標準誤差；（3）檢驗的可靠性降低；（4）增大模型的預測誤差。第五章 異方差性一、異方差性及其產生的原因對于線性回歸模型 如果出現： 則稱模型出現了異方差性（Heteroskedasticity），即隨機誤差項的離散程度（方差）隨樣本點的變化而變化。（4）逐步回歸法。四、多重共線性的修正方法（1）剔除引起共線性的變量；（2）增加樣本容量，減小參數估計量的方差；（3）差分法將原模型變換為差分模型，可以有效地消除存在于原模型中的多重共線性問題。一般地，當時，認為模型存在嚴重的多重共線性。的倒數稱為容許度，用表示。（4）方差膨脹因子法多元線性回歸模型中，的方差可以表示為，稱為方差膨脹因子，用來表示。（3）逐步回歸法以為被解釋變量，在模型中逐個引入解釋變量，進行模型估計。三、多重共線性的檢驗（1）簡單相關系數法對解釋變量之間的相關系數進行顯著性檢驗，若變量之間的相關性非常強，則有變量之間可能存在線性組合，模型存在著多重共線性。產生多重共線性主要有以下幾個原因：（1）經濟變量之間的內在聯系；（2）經濟變量變化趨勢的趨同性；（3）解釋變量中含有滯后變量。第四章 多重共線性一、多重共線性的概念及產生原因對于模型，若模型中的解釋變量之間存在較強的線性相關關系，即存在一組不全為零的常數，使得，則稱模型存在多重共線性。（5）自相關檢驗DW3．殘差分布觀察分析（1）各期殘差是否大都落在 的虛線框內，（2）殘差分布是否具有某種規(guī)律性，即是否存在著系統誤差，不好。 （3）各個解釋變量t檢驗的顯著性。 直觀地判斷兩者的相關程度和相關類型，即變量之間是線性關系還是非線性關系？ 2．模型估計結果觀察分析（1）回歸系數的符號和值的大小是否符合經濟意義，這是對所估計模型的最基本要求。 ③變量發(fā)展過程中是否有異常點等問題。 ①變量的發(fā)展趨勢是否一致？第三節(jié) 回歸模型的比較如何比較這些模型的優(yōu)劣、并從中選擇一個較為適宜的模型？ 1．圖形觀察分析 （1）觀察被解釋變量和解釋變量的趨勢圖。故，對于可線性化的模型最好還是將其先轉化為線性模型，再用OLS法估計。具體過程如下：⒈設定待估參數的初始值[方式一]在命令窗口中直接鍵入PARAM命令設定初始值，命令格式為：PARAM 1 初始值1 2 初始值2 ……例如，假定根據經濟理論，確定模型中的三個待估參數（）初始值為（,0,0）,則命令為PARAM 1 2 0 3 0[方式二]在工作文件窗口中雙擊序列C，并在序列窗口中直接輸入參數的初始值（注意序列C中總保留剛建立模型的參數估計值，若不重新設定，則系統自動將這些值作為參數的默認初始值）⒉估計非線性回歸模型[命令方式]在命令窗口中直接鍵入非線性回歸模型的估計命令NLS，命令格式為：NLS 被解釋變量=非線性函數表達式例如，估計模型的命令為：NLS Y=C（1）*（XC（2））/（XC（3））其中，C（1），C（2），C（3）表示待估計的回歸系數。因為⒋多項式函數模型模型的一般形式為令則原模型可轉化為多元線性回歸模型二、不可線性化回歸模型參數的估計泰勒級數展開法的EViews軟件實現。（因為）⒊半對數模型模型的一般形式為： （對數函數模型） （指數函數模型）令 或 則原模型轉化為以下線性形式；在半對數模型中回歸系數也具有很直觀的經濟含義：在對數模型中表明，每增加1%。在研究實際經濟問題中有以下幾類非線性模型，進行變量的直接或間接代換轉化為線性模型。但在實際應用中不必對值的大小過分苛求，重要的是考察模型的經濟意義是否合理。由下式得知，值越大，值也越大。⒊擬合優(yōu)度檢驗與模型顯著性檢驗的關系擬合優(yōu)度檢驗與模型顯著性檢驗是從不同的原理出發(fā)的兩類檢驗，前者是檢驗模型對樣本觀測值的擬合程度，后者是檢驗模型的總體線性關系。根據數理統計學的證明，、分別服從各自自由度的分布，即～～因此，在原假設成立的條件下，根據數理統計學中的定義，可以證明我們構造的統計量服從分布，即 （）3）作出判斷給定一個顯著水平，查F分布表得臨界值；根據樣本數據計算統計量的數值。三、F檢驗（整體顯著性檢驗）對于多元線性回歸模型若要檢驗模型中的被解釋變量與所有的解釋變量之間的整體線性關系在總體上是否顯著成立，即是檢驗參數是否顯著地不為零。二、多元線性回歸模型參數估計量的性質在多元線性回歸模型滿足基本假設的前提下，其參數的OLS估計和最大似然估計具有無偏性和有效性。第三章 多元線性回歸模型及非線性回歸模型第一節(jié) 多元線性回歸模型一、多元線性回歸模型的OLS估計對于多元線性回歸模型，利用OLS法，有：，分別求關于模型參數的一階偏導數，并令其等于零，經過化簡整理得到正規(guī)方程組。三、t檢驗的值檢驗在EViews軟件輸出的回歸分析結果中，在每個統計量的值的右端還列出了一個概率值（或值），它表明得到一個大于或等于從樣本得到的統計量的值的準確概率值（或一個原假設可被拒絕的最低顯著水平），其表達式為：這樣，若將固定在某一水平上，并在值小于時，則拒絕原假設，認為該變量的影響是顯著的，即若時，則拒絕原假設。給定顯著性水平，查自由度為的分布表，得臨界值。構造統計量。二、回歸系數的顯著性檢驗（檢驗）最常用