EViews会打开结果窗口显示标准系数结果(如上图),包括加权统计量 和未加权统计量。加权统计结果是用加权数据计算得到的 W x,UWI LS 未加权结果是基于原始数据计算的残差得到的 y 估计后,未加权残差存放在 RESID序列中 如果残差方差假设正确,则加权残差不应具有异方差性。如果方差假设正 确的话,未加权残差应具有异方差性,残差标准差的倒数在每个时刻t与w成比 例 在包含ARMA项方程中加权选项将被忽略。也要注意对于二元的,计数等 离散和受限因变量模型加权选项也不适用
11 EViews会打开结果窗口显示标准系数结果（如上图），包括加权统计量 和未加权统计量。加权统计结果是用加权数据计算得到的： ( ) ~ t t t t bWLS u = w y − x 未加权结果是基于原始数据计算的残差得到的： t t t bWLS u = y − x 估计后，未加权残差存放在RESID序列中。 如果残差方差假设正确，则加权残差不应具有异方差性。如果方差假设正 确的话，未加权残差应具有异方差性，残差标准差的倒数在每个时刻t与w成比 例。 在包含ARMA项方程中加权选项将被忽略。也要注意对于二元的，计数等 离散和受限因变量模型加权选项也不适用
§142异方差性和自相关一致协方差(HAC) Heteroskedasticity and autocorrelation Consistent Covariances 当异方差性形式未知时,使用加权最小二乘法不能得到参 数的有效估计。OLS提供在异方差存在时的一致参数估计,但通 常的OLS标准差将不正确。 在描述HAC协方差估计技术之前,应注意: 使用 White异方差一致协方差或 Newey-West异方差一致协方 差估计不会改变参数的点估计,只改变参数的估计标准差。 可以结合几种方法来计算异方差和序列相关。如把加权最 小二乘估计与 White或 Newey-West协方差矩阵估计相结合
12 §14.2 异方差性和自相关一致协方差（HAC） Heteroskedasticity and Autocorrelation Consistent Covariances 当异方差性形式未知时，使用加权最小二乘法不能得到参 数的有效估计。OLS提供在异方差存在时的一致参数估计，但通 常的OLS标准差将不正确。 在描述HAC协方差估计技术之前，应注意： 使用White异方差一致协方差或Newey-West异方差一致协方 差估计不会改变参数的点估计，只改变参数的估计标准差。 可以结合几种方法来计算异方差和序列相关。如把加权最 小二乘估计与White 或Newey-West协方差矩阵估计相结合
§1421异方差一致协方差估计( White) Heteroskedasticity Consistent Covariances(White) White(1980得出在存在未知形式的异方差时,对系数协方差进行正确 估计的异方差一致协方差估计量。Whte协方差矩阵公式为 T (XX) XX T-k 其中T是观测值数,k是回归变量数,L是最小二乘残差。 EViews在标准OLS公式中提供 White协方差估计选项。打开方程对话框, 说明方程,然后按 Options钮。接着,单击异方差一致协方差( Heteroskedasticity Consistent Covariance),选择 White钮,接受选项估计方程
13 §14.2.1 异方差一致协方差估计（White） Heteroskedasticity Consistent Covariances（White） White(1980)得出在存在未知形式的异方差时，对系数协方差进行正确 估计的异方差一致协方差估计量。White 协方差矩阵公式为： 1 1 1 2 ( ) ( ) ˆ − = − − = X X u x x X X T k T T t W t t t 其中T是观测值数，k是回归变量数， 是最小二乘残差。 EViews在标准OLS公式中提供White协方差估计选项。打开方程对话框， 说明方程，然后按Options钮。接着，单击异方差一致协方差(Heteroskedasticity Consistent Covariance)，选择White 钮，接受选项估计方程。 ut
在输出结果中, EViews会包含一行文字说明表明使用了 White估计量。 理 EViews File Edit Objects View Procs Quick Options Window Help EQuati on: EQ01 Workfile: 12-1 View Procs Objects Print Name Freeze Estimate Forecast Stats Resids Dependent variable: CUM Method: Least squares Date:8/172Tme:09:19 Sampl Included obserations: 30 White Heteroskedasticity-Consistent Standard Errors Covariance Variable Coefficient std Error t-Statistic Prob N 005807500124554.5627290.0001 C 559179860.2273509450520.3527 R-squared 0.741501 Mean dependent var 256 8727 Adjusted R-squared 0. 732269 S.D. dependent var 9756583 S.E. of regression 50. 48324 Akaike info criterion 1074550 Sum squared resid 71359.62 Schwarz criterion 083891 Log likelihood -159 1825 F-statistic 8031760 Durbin-Watson stat 2.008179 Prob(F-statistic
14 在输出结果中，EViews会包含一行文字说明表明使用了White估计量
§142HAC一致协方差( Newey-West) 前面描述的 White协方差矩阵假设被估计方程的残差是序列不相关的 Neey和wet(1987)提出了一个更一般的估计量,在有未知形式的异方差和 自相关存在时仍保持一致。 Newey-West估计量为 T 其中 (XX)Q(XX T uxx+ x,,u, +x,,u,u,x)))))))) q+1 t=y+1 q是滞后截尾,一个用于评价OLS残差,的动态的自相关数目的参数。 根据 Newey-West假设, EView中令q为: q=f00(4(7/100)9 要使用 Newey-West方法,在估计对话框中按 Options钮。在异方差一致协方差 项中选 Newey-West钮
15 §14.2.2 HAC一致协方差（Newey-West） 前面描述的White协方差矩阵假设被估计方程的残差是序列不相关的。 Newey和West (1987) 提出了一个更一般的估计量，在有未知形式的异方差和 自相关存在时仍保持一致。Newey-West估计量为： 其中 q是滞后截尾，一个用于评价OLS残差 的动态的自相关数目的参数。 根据Newey-West 假设，EViews中令q为： 要使用Newey-West 方法，在估计对话框中按Options钮。在异方差一致协方差 项中选Newey-West钮。 ut (4( 100) ) 2 9 q = floor T 1 1 ( ) ˆ ( ) ˆ − − − = X X X X T k T NW + + + − − = = = = + − − − − T t q v T t v t t t t t t v t v t v t v t t x u u x x u u x q u x x T k T 1 1 1 2 ( )) 1 1 ˆ