怎么通过eviews10进行拟合优度检验

我们使用加权最小二乘法进行异方差的修正,得到的结果如上表。表格展示的是加权最小二乘法的估计结果。能够看出,经过异方差修正后,该模型的拟合优度为07169,修正后的拟合优度为07046,相较于异方差前修正后的拟合优度02092来看,提升较高;并且其F统计值为582521,相较之前也有较大的提升。 7a2e61c2a92d9264af4b3a44612235capng 对该异方差修正模型再次进行 White检验,我们发现,三种检验方式对应的P值均大于005,可见在5%的显著性水平下,没有充足的理由拒绝原假设,也就是说我们没有充分的理由证明残差项中存在异方差即在5%的显著性水平下,残差项中不存在异

如果是一般的回归，那么加权最小二乘法取权仅仅是方程本身误差项的绝对值的倒数！ 两种方法： 1蠢且勤快的方法：在回归结果窗口中按Estimate，改变你的回归项分别为“y1/abs(resid) x11/abs(resid) x21/abs(resid)……”，当然要在做完你的OLS后马上做，否则你的resid序列就不是你所要的误差序列了。 2聪明且懒的方法：你先用你所需要用的变量做一下OLS回归，然后在回归结果窗口里按Proc，选择下拉菜单里面的Make residual Serias，给个单字母的序列名字，这样可以生成一个误差序列，然后再在你的回归结果窗口中按Estimate选择Options，在Weighted LS/TSLS前画挑，并且在Weight后面的空白处填写：1/abs（刚才起的序列名字）然后就ok了。

参考资料：

>在EViews中做WLS估计需要你提供一个权重变量，然后指定这个权重变量与方差（这里是指的异方差，否者不需要权重）的关系，如果是权重与方差成比例就选variance,与标准差成比例就选std devition，与方差或标准差的倒数成比例就选inverse variance, inverse std dev。通常情况下，异方差都是与方差的倒数或标准差的倒数成比例，所以选inverse variance, inverse std dev的时候多。下面的scaling，选择eviews default 就行了。

---