如果WLS假设成立，那么点估计不应改变，用了WLS以后se会下降。

你比较两个回归，很难说点估计未变。因此，WLS的假设估计有问题，或者你的weights不对...

克服异方差可以利用reg+robust，你可以尝试下，看结果有何变量

此外，选择变量或者删除变量不是根据显著性去删除，而是根据你理论去
选择变量，如果变量不显著，只需要解释可能原因就可以了。
如果你冒然把她删除了，有时会导致omiited variables问题。

非常感谢！
你是说，reg I FCF Q PE AGR PGR OIR D Sale S ,robust这样吗？结果几乎和原OLS无区别。
我用white检验下来chi2(53)=108.81,prob>chi2=0.0000,这个结果应该说明是存在异方差吧？

另外，我是这样处理WLS的，不知道对不对：
在stata中实现WLS的方法如下：
reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=变量名]
其中，aweight后面的变量就是权重，是我们设定的函数。
一种经常的设定是假设扰动项的条件方差是所有解释变量的某个线性组合的指数函数。在stata中也可以方便地实现：
首先做标准的OLS回归，并得到残差项；
reg （被解释变量） （解释变量1） （解释变量2）……
predict r, resid
生成新变量logusq，并用它对所有解释变量做回归，得到这个回归的拟合值，再对这个拟合值求指数函数；
gen logusq=ln(r^2)
reg logusq (解释变量1) （解释变量2）……
predict g, xb
gen h=exp(g)
最后以h作为权重做WLS回归；
reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=h]

非常感谢！
你是说，reg I FCF Q PE AGR PGR OIR D Sale S ,robust这样吗？结果几乎和原OLS无区别。
我用white检验下来chi2(53)=108.81,prob>chi2=0.0000,这个结果应该说明是存在异方差吧？

另外，我是这样处理WLS的，不知道对不对：
在stata中实现WLS的方法如下：
reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=变量名]
其中，aweight后面的变量就是权重，是我们设定的函数。
一种经常的设定是假设扰动项的条件方差是所有解释变量的某个线性组合的指数函数。在stata中也可以方便地实现：
首先做标准的OLS回归，并得到残差项；
reg （被解释变量） （解释变量1） （解释变量2）……
predict r, resid
生成新变量logusq，并用它对所有解释变量做回归，得到这个回归的拟合值，再对这个拟合值求指数函数；
gen logusq=ln(r^2)
reg logusq (解释变量1) （解释变量2）……
predict g, xb
gen h=exp(g)
最后以h作为权重做WLS回归；
reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=h]

我知道WLS或者GLS都可以处理异方差
因为通常情况下WLS估计时，那个权重W不知道的情况下(当然，很多时候可以用残差的倒数等)，
这时候可以通过加robust选项来克服。

如果是面板数据，那可以考虑用xtscc命令