White Heteroskedasticity Test:                                
                                
F-statistic        4.148468            Probability                0.011832
Obs*R-squared        11.60896            Probability                0.020509
                                
                                
Test Equation:                                
Dependent Variable: RESID^2                                
Method: Least Squares                                
Date: 12/27/10   Time: 22:08                                
Sample: 1 27                                
Included observations: 27                                
                                
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                                
C        -79700.74        75538.40        -1.055102        0.3028
X1        1.295425        1.026914        1.261473        0.2204
X1^2        -0.000116        0.000292        -0.398070        0.6944
X2        1490.651        1383.797        1.077218        0.2931
X2^2        -6.978429        6.337612        -1.101113        0.2827
                                
R-squared        0.429961            Mean dependent var                1027.797
Adjusted R-squared        0.326318            S.D. dependent var                1482.430
S.E. of regression        1216.751            Akaike info criterion                17.21133
Sum squared resid        32570623            Schwarz criterion                17.45130
Log likelihood        -227.3530            F-statistic                4.148468
Durbin-Watson stat        2.065441            Prob(F-statistic)                0.011832

这个不存在异方差，因为你的是小样本，所以应该看
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                                
C        -79700.74        75538.40        -1.055102        0.3028
X1        1.295425        1.026914        1.261473        0.2204
X1^2        -0.000116        0.000292        -0.398070        0.6944
X2        1490.651        1383.797        1.077218        0.2931
X2^2        -6.978429        6.337612        -1.101113        0.2827

，从P值看，是都不显著的，所以认为没有异方差

7# 清荷1103

Many thanks！！

帖子不错，正是我要找的~~~

在克服异方差的时候，运用最小二乘法，权数怎么算？

顶一下。我也正在为White检验而纠结，只是我用的不是Eviews，而是R语言。。。。

若WT(g)=TR^2<卡方分布在某显著性水平下g的卡方值  那么模型中不存在异方差 （在该显著性水平下）
若大于则说明存在异方差（在该显著性水平下）
若异方差与X变量有关 则用X除以原回归式  即以1/X为权数做加权最小二乘估计  用eviews软件里面的option 健 选择weighted LS /TSLS 并在weight后面空白格里面输入1/X 点ok  再点击estimate equation 中的Ok键得到估计结果  再看有没异方差  如果有继续修正

权数可以重新生成一列数据1/x,比其他权重计算简单，而且结果比较准。具体可看网上李子奈老师的视频，讲的很清楚

很多有用的信息，谢了

F-statistic        4.148468            Probability                0.011832
那这个表示什么？？如果F检验不通过，怀特检验还有效吗？？跪求~~~~~

5楼和7楼的不一样啊，到底哪个对啊。。

27个属于小样本，所以看后面那个表？

有谁知道异方差怀特检验中卡方统计量的自由度是多少？假定原线性回归模型有K+1个解释变量（包括常数项）。卡方自由度的计算公式是（k+1）*（k+2）/2   ??哪里能找到具体计算过程？

计量没有学好