1、計量經濟學作業表5-1列出了2010年江西省環鄱陽湖生態經濟區所轄主要縣、市的工業及建筑業主營業務收入與利潤總額的統計資料，利用統計軟件Eviews建江西省環鄱陽湖生態經濟區所轄主要縣、市的工業及建筑業利潤函數模型。表1 江西省環鄱陽湖生態經濟區所轄主要縣、市的工業及建筑業主營業務收入與利潤總額情況地區利潤總額主營業務收入地區利潤總額主營業務收入南昌縣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、 參數估計進入EViews軟件包，確定時間范圍；編輯輸入數據；選擇估計方程菜單，估計樣本

3、回歸函數如圖1所示。圖 1 估計樣本回歸函數估計結果為括號內為t統計量值。二、 檢驗異方差性1、圖形分析檢驗觀察利潤總額（）與主營業務收入（）的相關圖(圖2)：SCAT X Y圖2江西省環鄱陽湖生態經濟區所轄主要縣、市的工業及建筑業主營業務收入與利潤總額相關圖從圖中可以看出，隨著主營業務收入的增加，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。殘差分析首先將數據排序（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 江西省環鄱陽湖生態經濟區所轄主要縣、市的工業及建筑業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，回歸結果如

5、圖4。圖4 江西省環鄱陽湖生態經濟區所轄主要縣、市的工業及建筑業利潤總額回歸模型（2）在方程窗口上點擊ViewResidualTestWhite Heteroskedastcity,檢驗結果如圖5。圖5 White檢驗結果其中F值為輔助回歸模型的F統計量值。取顯著水平，由于,所以不存在異方差性。實際應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所示的回歸結果中可以看出，LNX的系數估計值不為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關系，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）由上述各回歸結果可知，回歸模型中解釋變量的系數估計值顯著為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、 調整異方差性1、確定權數變量根據Park檢驗，可以得出的一般形式為：生成權數變量：GENR W1=1/X(0.9158/2)根據Gleiser檢驗，可以取以下兩種形式作為權數變量：生成權數變量：GENR W2=1/ABS(RESID）GENR W3=1/ RESID 22、利用加權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經估計檢驗發現用權數的效果最好。下面僅給出用權數的結果。3、對所估計的模型再進行White檢驗，觀察異方差的調整情況對所估計