判定系数R的较大，F也大于其相应临界值，回归模型是线性显著的；S的回归参数能通过t检验，是显著非零的；S的系数为0.00043，符合实际经济意义，能够通过经济意义检验；L的回归参数不能通过t检验，是显著为零的；
点击菜单：wiview\\Actual***\\,
2
屏幕显示：
残差散点图表明，残差绝对值随序列号 i 的增大而增大，可初步断定模型存在递增异方差。这可能就是模型OLS估计结果不理想的主要原因。
?）（3）建立残差序列和回归理论拟合值序列（即Yi，为进一步检验模型的异方差性服
务。
用e表示残差序列（ei），e2表示残差平方序列（ei），e1表示残差的绝对值序列（ei），
2
?） Y1表示回归理论（拟合）值序列（即Yi
30
输入：genr e=resid 回车 输入：genr e2=e^2 回车 输入：genr e1=abs(e) 回车 输入：forcst y1 回车
输入：show y1 e e1 e2 s l 回车，屏幕显示表:
3B-1.2用图示法检验模型的异方差性
（1）用图（表）RAF所显示的散点图检验模型的异方差性：
这种检验方法已经在“回归结果解读”以及有关例题中进行了说明，不再赘述。
（2）用残差的平方序列与某个解释变量或理论回归值的散点图检来验模型的异方差性：
首先，输入：scat(s) e2 y1,回车，屏幕显示图：
31
显然可见，残差平方ei随Si变大而明显变大，说明模型存在递增异方差。
其次，输入：scat(s) e2 l, 回车，屏幕显示可见，残差平方ei随Li变大并没有明显
2
2
变大，也无其他规律性，因此不能说明模型存在异方差。
再次，输入：scat(s) e2 s,回车，屏幕显示可见，残差平方ei随Y1变大而明显变大，也说明模型存在递增异方差。
2
3B-1.3用解析法检验模型的异方差性
解析法检验模型的异方差性的方法很多，很难说哪一种方法是最好的，下面仅介绍Spearman检验法、Goldfield-Quandt检验法、Park检验法、和Glejser检验法的操作方法。 （1） Goldfield-Quandt检验法
第一步，建立统计假设：
零假设H0: εi 是同方差 (i=1,2,??，17) 备择假设 H1：εi 不是同方差 第二步，处理观察值：
将解释变量Si的观察值按由小到大的顺序排列，然后将居中的3个观察数据去掉。再将剩余的14组数据分为样本容量为7的两个子样本。
第三步，建立回归方程，求残差平方和： 输入：sort s
输入：smpl 1 7 回车 输入：ls y c s l 回车 Genr r21=@ssr
2
屏幕显示回归结果，得：r21=∑e1i= 38.7131
输入：smpl 11 17 回车 输入：ls y c s l 回车 Genr r22=@ssr
2
屏幕显示回归结果，得：r22=∑e2i= 400.3811
第四步，建立统计量，计算统计值：
用所得的两个子样本的残差平方和构成F统计量，当H0为真时，统计值F为：
Genr F=r22/r21
2 2
F= r22/r21=∑e2i/ ∑e1i=400.3811/38.7131=10.342 第五步，作结论：
222
如果没有异方差性，则∑e1i和∑e2i应大体相等；如果存在异方差性，则∑e1i 应比 2
∑e2i小很多，即统计值F应很大。对给定的显著性水平α=5%，查表得临界值为： Fα（(n-c)/2-k-1,(n-c)/2-k-1）= F0.05 (7-2-1,7-2-1) = 6.39, 显然, F=10.342 > Fα(4,4)=6.39
则 ，拒绝H0，认为模型具有异方差性。
（2）Park检验法
2
第一步，对原模型用OLS法计算残差ei 和残差平方ei；
第二步，取异方差结构的函数形式为：?i2??2Si?ei
32
?可以改写成对数形式：ln?i2?ln?2??lnSi??i
第三步，建立方差结构回归模型：
由于?i2未知，Park建议用ei来替代之。如果用lne2表示lnei2，用lns表示lnSi，则：
2
输入：smpl 1 17 回车
输入：ls log(e2) c log(s)回车，屏幕显示:
得，回归方程为：
lne2=-4.7482+0.7097lns （Se）(9.7902)(0.8757) （t）(-0.4850)(0.8105)
2
R=0.0.0420,DW=0.4784,F=0.6569
第四步，对解释变量lns的回归系数进行t检验，并得出结论：
在0.05显著性水平下，双边临界值t0.025(15)=2.131，单边临界值t0.05(15)=1.753。因此，解释变量lns的回归系数是单边显著的，双边检验不显著。结合模型的线性显著性检验结果，可认为这种形式的异方差是显著不存在的。
（3）Glejser检验法
第一步，对原模型用OLS法计算残差ei（i=1，2 ??，17）；
第二步，结合上述散点图分析，认为Si 是与?i2有关的解释变量，则选定?i与Si的一
系列可能的函数，例如：
?i=b0+b1Si +εi ?i=b0+b1/Si +εi ?i=b0+b1√Si +εi
33
?i=b0+b1/√Si +ε
i
等等其他函数形式，其中εi为随机扰动项。
第三步，利用OLS法对上述模型进行估计，分别得回归方程如下：
输入：ls e1 c s 回车，得
ei=1.6411 + 5.677E-05Si R2=0.2437,F=4.8323
(2.2896) (2.582E-05) (0.7168) (2.1982) 输入：genr s1=1/s 回车，得
输入：ls e1 c s1 回车，得
ei=7.9738 – 97415S1i R2=0.1402,F=2.4462
(1.4801) (62285) (5.3849) (-1.5640)
输入：genr s2=s^(1/2) 回车，得 输入：ls e1 c s2 回车，得
ei=-1.6195 + 0.0285S2i R=0.2297,F=4.4721
2
(3.8345) (0.0135) (-0.4223) (2.1147)
输入：genr s3=1/S2 回车，得 输入：ls e1 c s3 回车，得
ei=10.922 - 1181.6S3i R2=0.1712,F=3.098
(2.8271) (671.21) (3.8632) (-1.7603)
如果显著性水平取0.05，则临界值分别为F0.05（1，15）= 4.54和t0.025(15)=2.131。上
2
述四个回归方程中，第一个回归方程的决定系数R=0.2437，是最大的。其F统计值为F=4.8323，大于临界值，因此模型是线性显著的；其相应解释变量S的回归系数也能通过t检验，是显著不为零的。所以，可认为异方差结构为：
?i2 =（1.6411 + 5.677E-05Si ）2
（4）White检验法
输入：ls y c l s 回车,屏幕显示结果窗口，
34