八、White 异方差校正功能和加权最小二乘法

1．White 异方差校正功能：我们使用表二的数据，在主菜单选Quick \Estimate Equations，进入输入估计方程对话框, 输入待估计方程　(cum in )，选择估计方法—普通最小二乘法，点击Options 按钮进入方程估计选择对话框，选择Heteroskedasticity Consistent Covariance \ White \ OK应用（见图十三）

[ 对这一方法的进一步了解可参考《经济计量分析》[美]威廉H格林 著，中国社会科学出版社，1998年3月，p423-424，适用于普通最小二乘法的协方差矩阵的估计]，回到估计方程对话框，点击OK得到校正后的回归方程（见图十四）。

同学们可以比较图十四中的方程与普通最小二乘法得到的方程。

２.加权最小二乘法：我们使用表二的数据，在主菜单选Quick \Estimate Equations，进入输入估计方程对话框, 输入待估计方程　(cum in )，选择估计方法—普通最小二乘法，点击Options 按钮进入方程估计选择对话框，选择Weighted LS/TSLS \ 在对话框内输入用作加权的序列名称in的平方根得倒数 \ OK应用（见图十五），

回到估计方程对话框，点击OK得到加权最小二乘法回归方程（见图十六并与图十四中的方程比较）。

EViews中进行加权最小二乘估计的过程为：选定一个与残差标准差的倒数成比例的序列作为权数，然后将权数序列除以该序列的均值进行标准化处理，将经过标准化处理的序列作为权数进行加权作最小二乘估计，这种做法不影响回归结果。但应该注意，Eviews的这种标准化处理过程对频率数据不适用。

<<上一节:异方差检验    下一节:一阶（高阶）序列相关校正>>