计量经济学异方差性实验

A. 计量经济学中用怀特（White）检验修正了异方差性，进行自相关检验时发现该模型还有序列自相关，该如何修正

看你的目的是什么啦，如果仅仅估计参数，无论是异方差还是自相关，你的回参数都是无偏的答；但方差较大，预测准确度较低。
你要克服异方差同时还有自相关，建议拟采用FGLS（可行广义二乘），可同时达到目的。广义差分尽管也可以，但损失自由度，而且要你自己推断出相关系数。
但我觉得奇怪的是，你为什么同时既有异方差又有序列相关；所以我觉得你很可能是有遗漏变量，遗漏变量进入残差项中，且与自变量相关，最终会导致你估计非无偏且非一致。
所以，最好先用直接做回归，后得到的残差，与自变量测下相关性；如相关性强，则说明存在遗漏变量。然后你采用工具变量法进行回归就可以了。

B. 大学的计量经济学，检验yi的异方差性，还是证明什么的，是考试的一道题，不知道怎么做，大概是这样的

se是标准误差，就是y的回归拟合值与其均值做的标准差。望采纳。

C. 求一篇计量经济学论文 利用Eviews软件 异方差性的检验 自相关性的检验 经济意义解释 最好不要与网上重复。

已发送。。。
我的邮箱是[email protected]

D. 检验异方差性的方法有哪些

关于异方差性检验的方法大致有：图示检验法、Goldfeld - Quandt 检验法、White检验法、Park检验法和内Gleiser检验法。事容实也证明，实际经济问题中经常会出现异方差性，这将影响回顾模型的估计、检验和应用。因此在建立计量经济模型时应检验模型是否存在异方差性。

异方差性是相对于同方差而言的。所谓同方差，是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差随机误差项具有不同的方差，则称线性回归模型存在异方差性。

(4)计量经济学异方差性实验扩展阅读

测量误差对异方差性的作用主要表现在两个方面：一方面，测量误差常常在一定时间内逐渐积累，误差趋于增加，如解释变量X越大，测量误差就会趋于增大；另一方面，测量误差可能随时间变化而变化，如抽样技术或收集资料方法的改进就会使测量误差减少。

不仅在时间序列上容易出现异方差性，利用平均数作为样本数据也容易出现异方差性。收入较高和较低的人是少数的，大部分人的收入居于较高和较低之间，在以不同收入组的人均数据作为样本时，由于每组中的人数不同，观测误差也不同。

E. 计量经济学中，我在做实证分析时，模型既有异方差又有自相关，怎么处理这个问题是怎么处理的呢

首先，若是横截面数据主要考虑异方差，若是时间序列主要考虑自相关。

你现在的情况同时存在异方差和自相关，建议你先考虑产生自相关的原因是模型误设还是纯粹的自相关。如果只是纯粹的自相关，可以用FGLS解决自相关的问题。
而你在解决了自相关后发现，还存在异方差的问题。但是通常情况下方差都是未知的，我们不方便再做加权最小二乘了。这时要解决异方差的问题，可以采用怀特的“异方差稳健标准误”，基于这个标准误构造出的统计量可以做出有效的统计推断。
再说一种方法吧，当同时存在异方差和自相关时，你可以直接使用HAC，也就是异方差自相关一致标准误，基于这个标准误构造的统计量可以做出正确的推断。它的前提是你的样本需要足够大。
最后，还需要你根据自己的情况构造出一个合适的模型，上面那些只是理论上的参考。

F. 计量经济学如何运用Eiews进行异方差检验

在Eviews中，异方差检验法有好几个，建议用white异方差检验法，最方便。
方法如内下：
生成容一个equation窗口，在该窗口中点击工具栏中的view，在下拉菜单中点击resial test，在它的下拉菜单中选择white heteroskedasticity。有两个选线，cross和no cross，分别是指有交叉项和没有交叉项。你可以都选，看哪个拟合得好。不过注意，当自变量即X的个数较少时，选没有交叉项的。在结果窗口中，主要看F值的Probability，要小于你设定的阿尔法值。