(2)WhiteHeteroskedasticityCovariance（White异方差协方差）EViews能估计那些广义异方差性的强的协方差。这种形式的异方差性比上面介绍的截面异方差性更普遍，因为一个截面成员内的方差可以随时间不同。要得到怀特标准差和协方差,点Options按钮，选择WhiteheteroskedasticityConsistentCovariance。注意此选项不适用于SUR和随机影响估计。7、Pool方程举例我们以前述的5个企业、3个变量数据作为例子：通用汽车、克莱斯勒、_US。通用电气、西屋和美国钢铁。相应的Pool识别名称为_GM，_CH，_GE，_WE，首先，我们估计一个总投资I？的回归模型，解释变量是投资的滞后I?(-1)（注意‘？’必须放在滞后符前面）、前一年企业的市场价值F?、存货和设备价值S?。所有系数限定为对所有截面成员是一样的，这等价于对堆积数据忽略截面信息进行模型估计。4142§25.7 Pool方程视图和过程估计出Pool方程后，可以按下述方法检验输出结果：1、表达式选择View/Representations检查输出。EViews把Pool估计成一个方程的系统，每个截面成员一个方程。432、估计输出View/EstimationOutput选项会改变合并估计结果的输出形式。像其他估计对象一样，可通过选择View/CoefCovarianceMatrix来检查系数协方差矩阵的估计。3、检验EViews可以进行Pool方程估计参数的系数检验。选择View/WaldCoefficienttests…并输入要检验的限制条件。4、残差选择View/Residuals/Table或View/Residuals/Graph可把残差表示成表格形式或图形形式。EViews会显示每个截面方程的残差。残差命名形式为基本名RES后跟截面识别名。如果想用这些名称存储残差序列，选择Procs/MakeResids。5、残差协方差/相关性可以检查估计残差的同步协方差矩阵和相关矩阵。选择View/Residual,然后选择CorrelationMatrix或CovarianceMatrix查看矩阵。44