計量經濟學異方差性實驗

A. 計量經濟學中用懷特（White）檢驗修正了異方差性，進行自相關檢驗時發現該模型還有序列自相關，該如何修正

看你的目的是什麼啦，如果僅僅估計參數，無論是異方差還是自相關，你的回參數都是無偏的答；但方差較大，預測准確度較低。
你要克服異方差同時還有自相關，建議擬採用FGLS（可行廣義二乘），可同時達到目的。廣義差分盡管也可以，但損失自由度，而且要你自己推斷出相關系數。
但我覺得奇怪的是，你為什麼同時既有異方差又有序列相關；所以我覺得你很可能是有遺漏變數，遺漏變數進入殘差項中，且與自變數相關，最終會導致你估計非無偏且非一致。
所以，最好先用直接做回歸，後得到的殘差，與自變數測下相關性；如相關性強，則說明存在遺漏變數。然後你採用工具變數法進行回歸就可以了。

B. 大學的計量經濟學，檢驗yi的異方差性，還是證明什麼的，是考試的一道題，不知道怎麼做，大概是這樣的

se是標准誤差，就是y的回歸擬合值與其均值做的標准差。望採納。

C. 求一篇計量經濟學論文 利用Eviews軟體 異方差性的檢驗 自相關性的檢驗 經濟意義解釋 最好不要與網上重復。

已發送。。。
我的郵箱是[email protected]

D. 檢驗異方差性的方法有哪些

關於異方差性檢驗的方法大致有：圖示檢驗法、Goldfeld - Quandt 檢驗法、White檢驗法、Park檢驗法和內Gleiser檢驗法。事容實也證明，實際經濟問題中經常會出現異方差性，這將影響回顧模型的估計、檢驗和應用。因此在建立計量經濟模型時應檢驗模型是否存在異方差性。

異方差性是相對於同方差而言的。所謂同方差，是為了保證回歸參數估計量具有良好的統計性質，經典線性回歸模型的一個重要假定：總體回歸函數中的隨機誤差項滿足同方差性，即它們都有相同的方差隨機誤差項具有不同的方差，則稱線性回歸模型存在異方差性。

(4)計量經濟學異方差性實驗擴展閱讀

測量誤差對異方差性的作用主要表現在兩個方面：一方面，測量誤差常常在一定時間內逐漸積累，誤差趨於增加，如解釋變數X越大，測量誤差就會趨於增大；另一方面，測量誤差可能隨時間變化而變化，如抽樣技術或收集資料方法的改進就會使測量誤差減少。

不僅在時間序列上容易出現異方差性，利用平均數作為樣本數據也容易出現異方差性。收入較高和較低的人是少數的，大部分人的收入居於較高和較低之間，在以不同收入組的人均數據作為樣本時，由於每組中的人數不同，觀測誤差也不同。

E. 計量經濟學中，我在做實證分析時，模型既有異方差又有自相關，怎麼處理這個問題是怎麼處理的呢

首先，若是橫截面數據主要考慮異方差，若是時間序列主要考慮自相關。

你現在的情況同時存在異方差和自相關，建議你先考慮產生自相關的原因是模型誤設還是純粹的自相關。如果只是純粹的自相關，可以用FGLS解決自相關的問題。
而你在解決了自相關後發現，還存在異方差的問題。但是通常情況下方差都是未知的，我們不方便再做加權最小二乘了。這時要解決異方差的問題，可以採用懷特的「異方差穩健標准誤」，基於這個標准誤構造出的統計量可以做出有效的統計推斷。
再說一種方法吧，當同時存在異方差和自相關時，你可以直接使用HAC，也就是異方差自相關一致標准誤，基於這個標准誤構造的統計量可以做出正確的推斷。它的前提是你的樣本需要足夠大。
最後，還需要你根據自己的情況構造出一個合適的模型，上面那些只是理論上的參考。

F. 計量經濟學如何運用Eiews進行異方差檢驗

在Eviews中，異方差檢驗法有好幾個，建議用white異方差檢驗法，最方便。
方法如內下：
生成容一個equation窗口，在該窗口中點擊工具欄中的view，在下拉菜單中點擊resial test，在它的下拉菜單中選擇white heteroskedasticity。有兩個選線，cross和no cross，分別是指有交叉項和沒有交叉項。你可以都選，看哪個擬合得好。不過注意，當自變數即X的個數較少時，選沒有交叉項的。在結果窗口中，主要看F值的Probability，要小於你設定的阿爾法值。