三、实验操作指导
这就是实验模型。显然模型将一个非线性模型转化成了线性 模型，在运用计量经济学进行模型研究时，将非线性模型 化为线性模型来简化分析一直是计量经济学的指导准则。
2.打开文件，进行回归
（1）打开文件命令 use c:\data\nerlove,clear 或者直接从菜单栏中“file”选择“open”找到需要打开的数据 文件nerlove
通过绘制残差图可以直观地观察到是否存在异方 差，但是观察残差图的方法标准较为模糊，会遇 到模型残差图很难判断的情形。所以只采用残差 图的方式判定模型的方差形式是不够严谨的，必 须配合下面几种正规的检验方法才有信服力。 （2）怀特检验法 根据本章节介绍的该方法的原理，Stata可以直接 得到检验结果。对模型基本回归结束后，需要在 命令窗口输入如下命令：
3.异方差检验 对模型进行回归并不是本章的知识，然而回归是一个基础， 即做异方差检验之前必须做回归，下面将会详细介绍异方 差检验的基本方法。 （1）残差图观察法 做完模型的基本回归后，运用Stata绘制残差图来观察异 方差是否存在。 在命令窗口中输入如下两个命令中的任意一个即可 rvfplot (residual-versus-fitted plot) rvpplot varname (residual-versus-predictor plot) 第一个命令语句的作用是绘制默认形式的残差图，第二个 命令语句的作用是绘制残差与某个解释变量的散点图， varname可以换做认为合理的解释变量。
二、实验内容和数据来源 数据来自Nerlove 1963年的一篇文章，数据内容是美国1955 年145家电力企业的横截面数据，变量主要有TC(企业总 成本)、Q（产量）、PL（工资率）、PF（燃料价格）及 PK（资本租赁价格）。完整的数据在本书附带光盘里的 data文件夹的“nerlove.dta”工作文件夹中。 根据cobb-douglas生产函数:，在企业追求成本最小化的 的合理假设下，可证明其成本函数也为cobb-douglas函数， 可显示如下： 本实验中，运用nerlove数据分析各个解释变量对总成本 TC的影响，并运用多种方法检验是否存在异方差，如果 存在异方差则对模型进行合理的修正，最终得到一个效果 较好的模型。
Байду номын сангаас
estat imtest, white
读怀特检验结果图： 可见怀特检验的原假设是模型是同方差，备择假 设是无约束异方差。怀特检验结果显示，模型以 p值为0的检验结果显著地拒绝了原假设。结论与 前面的残差图结果是一致的，但更具有说服力。 此外，该检验还对异方差的的形式（skewness （偏斜）、kurtosis（峰度））进行了检验，结 果显示偏斜的程度在统计上更加显著。
(2)对回归方程进行估计 在stata命令窗口中输入如下命令：
根据实验结果图回归方程具体化为：lntc=3.57+0.72lnq+0.46lnpl-0.22lnpk + 0.43lnpf；根 据结果图中给出的p值看出，在10%和5%的置信 度下模型都只有lnq和lnpf的系数和常数项通过了t 检验。
在前面的章节中，已经介绍过作残差图的各种命令，所作 出的各种图形虽然有些差异，但是所展示的信息是基本一 致的。图8.2中显示残差的方差是变化的，从一开始时分 散程度很大（方差大），然后逐渐变得紧凑（方差变小）， 这样一来很显然的否定了球形扰动项的假设。即通过残差 图观察法，得出的结论是此模型存在异方差问题。 在stata中分别输入： rvpplot lnq rvpplot lnpf rvpplot lnpl rvpplot lnpk 通过rvpplot varname命令的残差预测图知道异方差存在主 要的决定变量是lnq，因为它与残差形成的散点图与被解 释变量的拟合值形成的残差图形状最相似，但是其他变量 也或多或少的影响了异方差的形成。
第4讲 异方差与自相关
主要内容
1-异方差检验与处理 2-自相关和可行广义最小二乘法
第1节：异方差检验与处理
一、基本原理

要解决模型中存在的异方差问题，分为两个步骤：第一， 要准确的检测出异方差的存在；第二，解决异方差带来的 副作用，使模型估计量具有很好的性质。下面将会详细介 绍异方差检验和处理的原理。
4、异方差的处理
若检测结果是存在异方差，就要对异方差的问题进行处理， 下面将会介绍Stata中常用的修正存在异方差的模型的方 法。 （1）稳健标准差加OLS法 此方法适用于大样本的情况，Stata中所使用的命令语句 是： reg y x1 x2 …, robust 显然从命令语句上看，与普通最小二乘法区别就是后面加 上“robust”，表示在模型估计中采用的是稳健标准差。在 实验中，以nerlove数据为例，来看此种修正的操作结果。 在命令窗口中输入： reg lntc lnq lnpl lnpf lnpk, robust 与图8.1异方差处理之前的回归结果比较，系数的估计量 没有发生变化，而估计量的置信区间和标准差发生了变化。 在稳健标准差这种方法估计下，各估计量的t检验p值发生 了很大变化，在10%的置信度下，只有lnpk的系数未通过 检验。
（一）异方差检验的方法
（1）残差图观察法。由于异方差就是模型 扰动项的方差是变化的，根据这个原理就 可以观察模型残差拟合值的图形，根据图 形的形状变化判断异方差是否存在。但是 这种方法的严谨性稍差，并不是主流的检 验方法。
（2）怀特检验方法。由于模型扰动项的稳健标准差在同 方差的情况下还原为普通标准差，所以怀特检验的原理简 单来说就是看扰动项的稳健标准差与普通标准差的差距大 小。 White在1980年基于这一思想提出了怀特检验。
（二） 异方差的处理方法
（1）稳健标准差加OLS法 只要样本容量足够大，在模型出现异方差的情况 下，使用稳健标准差时参数估计、假设检验等均 可正常进行，即可以很大程度上消除异方差带来 的副作用。
（2）广义最小二乘法
（3）加权最小二乘法（WLS）
（4）可行广义最小二乘法 该方法是先用样本数据一致的估计出V(X),然后使用GLS法对模型进行估计。 （此方法克服了GLS和WLS要求扰动项协方差已知的缺点）