表5.4
（3）求F统计量值。基于表5.3和表5.4中残差平方和的数据，即Sum squared resid的值。由表5.3计算得到的残差平方和为
22e?144958.9e?1i，由表5.4计算得到的残差平方和为?2i?734355.8，
根据Goldfeld-Quanadt检验，F统计量为
?eF??e
22i21i?734355.8?5.066144958.9 （5.33）
（4）判断。在??0.05下，式（5.33）中分子、分母的自由度均为6，查F分布表得临界值为F0.05(6,6)?4.28，因为
F?5.066?F0.05(6,6)?4.28，所以拒绝原假设，表明模型确实存在异方差。
（三）White检验
由表5.2估计结果，按路径view/residual tests/white heteroskedasticity（no cross terms or cross terms），进入White检验。根据White检验中辅助函数的构造，最后一项为变量的交叉乘积项，因为本例为一元函数，故无交叉乘积项，因此应选no cross terms，则辅助函数为
22?????x??x?vt t01t2t
（5.34）
经估计出现White检验结果，见表5.5。
nR2?18.0694，从表5.5可以看出，由White检验知，在??0.05下，
22??0查分布表,得临界值.05(2)?5.9915（在（5.34）式中只有两项含有
2?解释变量，故自由度为2），比较计算的统计量与临界值，因为
nR2?18.0694＞?0.05(2)?5.9915，所以拒绝原假设，不拒绝备择假设，
2表明模型存在异方差。
表5.5
四、异方差性的修正 （一）加权最小二乘法（WLS）
在运用WLS法估计过程中，我们分别选用了权数
w1t?111,w2i?2,w3i?XtXtXt。权数的生成过程如下，由图5.4，在对话
w1?1/X；w2?1/X^2；框中的Enter Quation处，按如下格式分别键入：
w3?1/sqr(X)，经估计检验发现用权数w2t的效果最好。下面仅给出用
权数w2t的结果。
加权最小二乘法:消除异方差
LS Y C X 最小二乘法估计，得到残差序列
GRNR E1=ABS(RESID) 生成残差绝对值序列 LS(W=1/E1) Y C X 以E1为权数进行加权最小二成估计
表5.7
表5.7的估计结果如下
??368.6090?2.9530XYii(4.3794)2(3.5894) R?0.9387,D.W.?1.7060,s.e.?276.0493,F?12.8838 （5.36）
括号中数据为t统计量值。
可以看出运用加权小二乘法消除了异方差性后，参数的t检验均显
著，可决系数大幅提高，F检验也显著，并说明人口数量每增加1万人，平均说来将增加2.953个卫生医疗机构，而不是引子中得出的增加5.3735个医疗机构。虽然这个模型可能还存在某些其他需要进一步解决的问题，但这一估计结果或许比引子中的结论更为接近真实情况。
相关推荐：
loading