（1）分别利用线性模型和双对数模型建立研发费用模型，比较模型的统计检验结果和异方差性的变化情况；

线性模型ols估计结果

Variable Coefficient Std. Error t-Statistic Prob. C -13.95579 991.9935 -0.014068 0.9890 PRFT 0.239844 0.198592 1.207726 0.2459 SALS 0.012559 0.017997 0.697818 0.4960 自变量的系数均不显著 双对数模型估计结果： Variable Coefficient Std. Error t-Statistic Prob. C -7.036814 2.346589 -2.998741 0.0090 LOG(PRFT) 0.061873 0.258580 0.239280 0.8141 LOG(SALS) 1.245303 0.365220 3.409731 0.0039 自变量ln(sals)的系数在1%的水平上显著，销售额上升1%，研发费用上升1.25%

（2）检验模型的异方差性；

线性模型异方差white检验结果

White Heteroskedasticity Test: F-statistic 19.41659 Probability 0.000022 Obs*R-squared 16.01986 Probability 0.006788 显示存在异方差

对数模型异方差检验结果：

White Heteroskedasticity Test: F-statistic 0.830154 Probability 0.552299 Obs*R-squared 4.626025 Probability 0.463201 显示无法推翻异方差不存在的原假设

（3）对于双对数模型，分别取权数变量为W1=1/P、W2=RESID^2,利用ＷＬＳ方法重新估计模型，分析模型中异方差性的校正情况．

加权w1后，估计结果

Weighting series: 1/PRFT Variable Coefficient Std. Error t-Statistic Prob. C -8.055878 0.405299 -19.87636 0.0000 LOG(PRFT) -0.136211 0.073169 -1.861580 0.0824 LOG(SALS) 1.470365 0.039447 37.27482 0.0000 ln(prft)，ln(sals)两个自变量的系数在10%的水平上都显著，利润增加1%，研发减少0.14%（这个结论很奇怪），销售增加1%，研发增加1.47%

异方差检验结果

White Heteroskedasticity Test: F-statistic 1.584308 Probability 0.237667 Obs*R-squared 7.157464 Probability 0.209190 依然没有异方差存在

加权w2后，估计结果

Weighting series: RESID^2 Variable Coefficient Std. Error t-Statistic Prob. C 8.968248 3.207083 2.796388 0.0136 LOG(PRFT) 2.329719 0.596513 3.905564 0.0014 LOG(SALS) -1.996918 0.639430 -3.122965 0.0070 自变量均在1%的水平上显著

异方差检验结果

White Heteroskedasticity Test: F-statistic 30.24766 Probability 0.000002 Obs*R-squared 16.67678 Probability 0.005155 基本可以认为不存在异方差

闲着无事积点德吧。我是按照一般的方法作的，感觉题目有点问题，对数模型本身异方差检验的结果显示异方差并不明显，为什么后来要多此一举的加权进行修正呢，尽管加权后的确各项系数都显著了。不知道大牛们怎么解释？

晕晕的，好像用gq检验又是存在，