1、計量經(jīng)濟學作業(yè)表5-1列出了2010年江西省環(huán)鄱陽湖生態(tài)經(jīng)濟區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)主營業(yè)務(wù)收入與利潤總額的統(tǒng)計資料，利用統(tǒng)計軟件Eviews建江西省環(huán)鄱陽湖生態(tài)經(jīng)濟區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)利潤函數(shù)模型。表1 江西省環(huán)鄱陽湖生態(tài)經(jīng)濟區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)主營業(yè)務(wù)收入與利潤總額情況地區(qū)利潤總額主營業(yè)務(wù)收入地區(qū)利潤總額主營業(yè)務(wù)收入南昌縣1128942483552湖口縣219641088745新建縣871031467325彭澤縣10680405748安義縣16861460589瑞昌市669761054673進賢縣314321075356余江梁縣29189

2、608661貴溪市3459677361627樂平市710201420708新干縣29624593662九江縣19628432199豐城市1396342035031武寧縣54449638272樟樹市595551208936修水縣57279446587高安市721981230235永修縣888371010809東鄉(xiāng)縣34753766277德安縣36721999202余干縣30041513642星子縣15055.5213898.5鄱陽縣9225261223都昌縣8919300141萬年縣47573702871一、 參數(shù)估計進入EViews軟件包，確定時間范圍；編輯輸入數(shù)據(jù)；選擇估計方程菜單，估計樣本

3、回歸函數(shù)如圖1所示。圖 1 估計樣本回歸函數(shù)估計結(jié)果為括號內(nèi)為t統(tǒng)計量值。二、 檢驗異方差性1、圖形分析檢驗觀察利潤總額（）與主營業(yè)務(wù)收入（）的相關(guān)圖(圖2)：SCAT X Y圖2江西省環(huán)鄱陽湖生態(tài)經(jīng)濟區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)主營業(yè)務(wù)收入與利潤總額相關(guān)圖從圖中可以看出，隨著主營業(yè)務(wù)收入的增加，利潤總額的平均水平不斷提高，但離散程度也逐步擴大。這說明變量之間可能存在遞增的異方差性。殘差分析首先將數(shù)據(jù)排序（命令格式為：SORT 解釋變量），然后建立回歸方程。在方程窗口中點擊“Resids”按鈕就可以得到模型的殘差分布圖（或建立方程后在Eviews工作文件窗口中點擊“resid”對象來觀察）。

4、圖 3 江西省環(huán)鄱陽湖生態(tài)經(jīng)濟區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)利潤總額回歸模型殘差分布圖3顯示回歸方程的殘差分布有明顯的擴大趨勢，即表明存在異方差性。2、Goldfeld-Quant檢驗（1）將樣本按解釋變量排序（SORT X）并分成兩部分（分別有1到8共8個樣本和14到21共8個樣本）（2）利用樣本1建立回歸模型1，其殘差平方和為=76350179。（3）利用樣本2建立回歸模型2，其殘差平方和為=1238403247。（4）計算F統(tǒng)計量：1238403247/76350179=16.22。取時，查F分布表得,，所以存在異方差性。3、White檢驗（1）建立回歸模型：LS Y C X，回歸結(jié)果如

5、圖4。圖4 江西省環(huán)鄱陽湖生態(tài)經(jīng)濟區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)利潤總額回歸模型（2）在方程窗口上點擊ViewResidualTestWhite Heteroskedastcity,檢驗結(jié)果如圖5。圖5 White檢驗結(jié)果其中F值為輔助回歸模型的F統(tǒng)計量值。取顯著水平，由于,所以不存在異方差性。實際應(yīng)用中可以直接觀察相伴概率p值的大小，若p值較小，則認為存在異方差性。反之，則認為不存在異方差性。4、Park檢驗（1）建立回歸模型（結(jié)果同圖4所示）。（2）生成新變量序列：GENR LNE2=log(RESID2)GENR LNX=log（x）（3）建立新殘差序列對解釋變量的回歸模型：LS LNE

6、2 C LNX，回歸結(jié)果如圖6所示。圖6 Park檢驗回歸模型從圖5-7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，即隨機誤差項的方差與解釋變量存在較強的相關(guān)關(guān)系，即認為存在異方差性。5、Gleiser檢驗（Gleiser檢驗與Park檢驗原理相同）（1）建立回歸模型（結(jié)果同圖4所示）。（2）生成新變量序列：GENR E=ABS(RESID)（3）分別建立新殘差序列（E）對各解釋變量（X,X2,X(1/2),X(1),X(2), X(1/2)）的回歸模型：LS E C X，回歸結(jié)果如下所示： (4.4315) (0.0296) (5.6705) (-0.4190) (

7、1.9905) (0.4788) （4.5320）（-1.4311）（5.6922） （-1.4563） （3.1546） （-1.2831）由上述各回歸結(jié)果可知，回歸模型中解釋變量的系數(shù)估計值顯著為0, 回歸模型不能通過顯著性檢驗，所以不能確定存在異方差性。（4）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，所有方程均無效。三、 調(diào)整異方差性1、確定權(quán)數(shù)變量根據(jù)Park檢驗，可以得出的一般形式為：生成權(quán)數(shù)變量：GENR W1=1/X(0.9158/2)根據(jù)Gleiser檢驗，可以取以下兩種形式作為權(quán)數(shù)變量：生成權(quán)數(shù)變量：GENR W2=1/ABS(RESID）GENR W3=1/ RESID 22、利用加權(quán)最小二乘法估計模型在Eviews命令窗口中依次鍵入命令：LS(W=) Y C X經(jīng)估計檢驗發(fā)現(xiàn)用權(quán)數(shù)的效果最好。下面僅給出用權(quán)數(shù)的結(jié)果。3、對所估計的模型再進行White檢驗，觀察異方差的調(diào)整情況對所估計