表4－15给出了美国18个行业1988年研究开发（Ramp;D)费用支出Y与销售收入X的数据。请用Park检验 Gleiser检验 G

EViews软件中Y关于X的OLS回归结果如表4-20所示。

表4-20

Dependent Variable：Y

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

193.1482

991.0039

0.194902

0.8479

X

0.031899

0.008329

3.829791

0.0015

R-squared

0.478272

Mean dependent var

3056.856

Adjusted R-squared

0.445664

S.D. dependent var

3705.973

S.E. of regression

2759.237

Akaike info criterion

18.78774

Sum squared resid

1.22E+08

Schwarz criterion

18.88667

Log likelihood

-167.0896

F-statistic

14.66730

Durbin-Watson stat

3.015564

Prob(F-statistic)

0.001477

下面进行异方差性的检验。
Park检验：
在上述回归估计做出后，选择“Quick\Generate Series”，在出现的对话框中输入“e=resid”，然后估计如下回归：
lne2=α0+α1lnX+μ
得
lne2=-8.915+1.4052lnX
(-0.797) (1.44)
R2=0.3413
根据Park检验规则，我们无法拒绝同方差性。
Glejser检验：
选择X的不同函数形式，做|ei|关于X不同函数形式的OLS回归，得
|ei|=578.83+0.0119Xi
(0.853) (2.093)
R2=0.2149
(-0.503)(2.370)
R2=0.2598
(3.76) (-1.617)
R2=0.1405
从前两个回归方程看，表明存在异方差性。
Goldfeld-Quandt检验：
按X从小到大排序后，去掉中间的4个数据，分别以前7个与后7个数据样本做Y关于X的回归，得
(-1.96) (4.53)
R2=0.8038， RSS2=412586
(0.4162) (0.8681)
R2=0.1310， RSS2=97356910
在5%的显著性水平下，自由度为(5，5)的F分布的临界值为F0.05(5，5)=10.97，可见拒绝模型同方差的假设。
White检验：
在EViews软件中，在用OLS法估计y关于X的回归后，选择“View\Residual Tests\White Heteroskedasticity(no cross terms)”得如表4-21所示的检验结果。

表4-21

F-statistic

3.056849

Probability

0.076993

Obs*R-squared

5.212093

Probability

0.073826

易知，接受同方差性假设。
总之，不同的检验方法，得到了不同的检验结论，表明该模型可能存在异方差性，但并不严重。
如果我们认定存在异方差性，由Glejser检验，
因此，为了消除异方差性，做回归：
R2=03648
可以看出，斜率项的t检验值显著增大，表明了异方差性的一定程度的消除。但拟合优度有些偏低。
以残差项e的绝对值的倒数为权数，使用加权最小二乘法，易得
y=28.957+0.0324X
(0.25) (80.54)
R2=0.9998
同样地，斜率项的t检验值显著增大，而且拟合优度也显著增加了。