不好意思，黑崎一护，对于panel data,我没研究过
只能看看后再回答你了~~

stata处理面板数据功能更强大一些，也很好上手。你可以去STATA专版看一看。

谢谢8楼，我关注一下

正好最近在做类似的东西，所以可以把我的做法说给你。
先对模型作出估计，然后点proc里面的make residual得到残差，
然后返回estimate框，将因变量处改为残差的平方(resid?)^2，而将Cross-section Specific处加入自变量之间的两两乘积（比如lnk?*lnl?)，其中自变量之间的两两乘积可以根据各人的兴趣列出，可以列出多个或者全部。
White检验的原则是，各个自变量的T值是越小越好，也就是说，各个自变量对于残差平方的显著性是越小越好，尤为重要的是，F值必须是不显著的，不然就代表white检验没有通过，回归方程存在异方差。

我也要做面板数据的 同求解答~~~

学习。。。

学习。。。
本文来自: 人大经济论坛 详细出处参考：http://www.pinggu.org/bbs/viewth ... amp;from^^uid=1401243

面板数据真是烦啊

请教下高手：

改为残差平方后  加入自变量间的乘积是否有要求呢？ 是全部还是只用几个？  会影响结果么？
在F值是改为残差平方后回归的结果吗？  检验其异方差只看F值就可以了吗？

真没找到那个White检验在哪里   谁又没遇到同样情况  求助啊

有木有更详细的啊~~~求高手~~面板数据真心桑不起~~~

受教了

我也有同样的问题,在这里没找到答案后我去了EVIEWS的用户论坛.上面对这个问题的回答是,EVIEWS是不能做面板数据的序列相关和异方差检验的.http://forums.eviews.com/viewtop ... +heteroskedasticity

xuexi

不错，EVIEWS操作起来确实非经

谢谢啦，本来还想直接做的呢

请教同学们，为什么我在view下面没有找到residual test??

我今天折腾一天了，Eviews 的确不能为panel data做异方差分析。。。整整一天啊，得到这么个结论。。。难受。

so exhausted and disappointment...

我也是没找到怎么做。

10楼很不错！！！

面板数据异方差处理方法

　　实际上，在处理面板数据线性回归时，主要考虑固定效应模型与pooled OLS的异方差问题。因为随机效应模型使用GLS估计，本身就已经控制了异方差。

　　Huber (1967)、Eicker (1967) 和 White (1980)提出了异方差—稳健方差矩阵估计，该方法能够在考虑异方差情况下求出稳健标准误。利用异方差稳健标准误对回归系数进行t检验和F检验都是渐近有效的。这就意味着，如果出现异方差，仍然可以使用OLS回归，只需结合使用稳健标准误即可。在STATA中，异方差—稳健标准误可以在“reg”或者“xtreg”语句后，加选择性命令“robust”即可得到。但是这一方法有一个假设的前提：残差项是独立分布的。

　　Parks(1967)提出了可行广义最小二乘法（FGLS），一般用于随机效应模型估计。基本思路是：先估计固定效应模型，得到〖个体误差项方差σ〗_ε^2 的估计值〖  σ ?〗_ε^2。继而估计混合OLS模型，利用其残差和第一步得到的〖  σ ?〗_ε^2,即可估计出总体误差项的方差σ ?_μ^2 。FGLS 估计量在N→∞或T→∞或二者都成立的情况下，都是渐进有效的。在STATA中，运用可行广义最小二乘法的命令是：xtgls。FGLS 要比“OLS+稳健标准误”处理异方差的方法更为有效，特别是在大样本的情况下。但是在更一般的情况下，“OLS+稳健标准误”比FGLS稳健，因为前者不需要估计条件方差函数的形式。

　　Beck and Katz (1995) 认为FGLS产生的标准误过小。为解决这一影响，他们提出了面板校正标准误（PCSE）来估计OLS的系数。在STATA中，带PCSE的pooled OLS可以由xtpcse获得。但是PCSE仅为T→∞时渐进有效的。当T/N 较小时，这一方法则不够精确。

　　Driscoll& Kraay (1998)提出了在N→∞的情况下渐近有效的非参数协方差矩阵估计方法，能够获得控制异方差和自相关的一致标准误，克服了PCSE在N→∞情况下不够准确的问题。在STATA中，获得Driscoll&Kraay 标准误的命令是xtscc。需要说明的是，xtscc只适用于估计pooled OLS和固定效应（组内）回归模型。

异方差性是查看残差序列的Bartlett统计量，原假设为不存在异方差。自相关就用残差序列的fisher或者LM统计量，服从Z分别，自己计算。

能具体赐教吗 ？大师