2e（1）生成残差平方序列。在得到表5.2估计结果后，立即用生成命令建立序列i，记
为e2。生成过程如下，先按路径：Procs/Generate Series，进入Generate Series by Equation对话框，即
图5.4
然后，在Generate Series by Equation对话框中（如图5.4），键入“e2=（resid）^2”，
2ei则生成序列。
2Xet（2）绘制对t的散点图。选择变量名X与e2（注意选择变量的顺序，先选的变量
将在图形中表示横轴，后选的变量表示纵轴），进入数据列表，再按路径view/graph/scatter，可得散点图，见图5.5。
图5.5
2e2、判断。由图5.5可以看出，残差平方i对解释变量X的散点图主要分布在图形中的2ei下三角部分，大致看出残差平方随Xi的变动呈增大的趋势，因此，模型很可能存在异方
差。但是否确实存在异方差还应通过更进一步的检验。
（二）Goldfeld-Quanadt检验 1、EViews软件操作。
（1）对变量取值排序（按递增或递减）。在Procs菜单里选Sort Series命令，出现排序对话框，如果以递增型排序，选Ascenging，如果以递减型排序，则应选Descending，键入X，点ok。本例选递增型排序，这时变量Y与X将以X按递增型排序。
（2）构造子样本区间，建立回归模型。在本例中，样本容量n=21，删除中间1/4的观测值，即大约5个观测值，余下部分平分得两个样本区间：1—8和14—21，它们的样本个数均是8个，即n1?n2?8。
在Sample菜单里，将区间定义为1—8，然后用OLS方法求得如下结果
表5.3
在Sample菜单里,将区间定义为14—21，再用OLS方法求得如下结果
表5.4
（3）求F统计量值。基于表5.3和表5.4中残差平方和的数据，即Sum squared resid
e的值。由表5.3计算得到的残差平方和为?e方和为?22i21i?144958.9，由表5.4计算得到的残差平
?734355.8，根据Goldfeld-Quanadt检验，F统计量为
e?F??e
22i21i?734355.8?5.066144958.9 （5.33）
（4）判断。在??0.05下，式（5.33）中分子、分母的自由度均为6，查F分布表得临界值为
F0.05(6,6)?4.28，因为F?5.066?F0.05(6,6)?4.28，所以拒绝原假设，表明
模型确实存在异方差。
（三）White检验
由表5.2估计结果，按路径view/residual tests/white heteroskedasticity（no cross terms or cross terms），进入White检验。根据White检验中辅助函数的构造，最后一项为变量的交叉乘积项，因为本例为一元函数，故无交叉乘积项，因此应选no cross terms，则辅助函数为
22?????x??x?vt （5.34） t01t2t
经估计出现White检验结果，见表5.5。
2从表5.5可以看出，nR?18.0694，由White检验知，在??0.05下，查?分布表,2?(2)?5.9915（在（5.34）式中只有两项含有解释变量，故自由度为2）0得临界值.05，比222?(2)?5.9915，所以拒绝原假设，?0nR?18.0694较计算的统计量与临界值，因为＞.052不拒绝备择假设，表明模型存在异方差。
表5.5
四、异方差性的修正
（一）加权最小二乘法（WLS）
w1t?在运用WLS法估计过程中，我们分别选用了权数
111,w2i?2,w3i?XtXtXt。权
数的生成过程如下，由图5.4，在对话框中的Enter Quation处，按如下格式分别键入：
w1?1/X；w2?1/X^2；w3?1/sqr(X)，经估计检验发现用权数w2t的效果最好。下
面仅给出用权数
w2t的结果。
表5.7
表5.7的估计结果如下
??368.6090?2.9530XYii(4.3794)2(3.5894) R?0.9387,D.W.?1.7060,s.e.?276.0493,F?12.8838 （5.36） 括号中数据为t统计量值。
可以看出运用加权小二乘法消除了异方差性后，参数的t检验均显著，可决系数大幅提高，
F检验也显著，并说明人口数量每增加1万人，平均说来将增加2.953个卫生医疗机构，而不是引子中得出的增加5.3735个医疗机构。虽然这个模型可能还存在某些其他需要进一步解决的问题，但这一估计结果或许比引子中的结论更为接近真实情况。
第六章 案例分析
一、研究目的
2003年中国农村人口占59.47％，而消费总量却只占41.4%，农村居民的收入和消费是一个值得研究的问题。消费模型是研究居民消费行为的常用工具。通过中国农村居民消费模