一、加權最小二乘法
運用OLS方法估計過程中，我們選用權數wt=1/|et|。權數生成過程如下，在圖52所示的情況下，在工作文件中點擊Object→Generate Series...，在彈出的窗口中，在Enter Equation處輸入w=1/@abs(resid)。
在工作文件中點擊Quick→Estimate Equation，在彈出的對話框中輸入Y C X，如圖510所示。
圖510
在圖510中點擊Options選項，選中Weighted LS/TSLS複選框，在Weight框中輸入w，如圖511所示。
圖511
點擊確定，即可得到加權最小二乘法的結果，如圖512所示。
圖512
由圖512中的數據，得到模型的估計結果：
Y∧=415.6603+0.729026X
(3.55)(32.5)
R2=0.9999R2=0.9999D.W.=2.3678
F=1056.477RSS=106856.0
可以看出，常數項的t統計量的值有了顯著的改進。
下麵檢驗是否經加權的回歸的模型已不存在異方差性。
記e≈2為加權回歸後模型的殘差估計的平方和。在圖512中，點擊View→Residual Tests→White Heteroskedasticity(no cross terms)，進入White檢驗，經過估計出現White檢驗結果，如圖513所示。
圖513
由圖513中的數據，得到：
e≈2=6196.481-0.165323X+0.0000048X2
(0.525)(-0.050)(0.023)
R2=0.003821
White統計量
nR2=0.07642
，其所對應的伴隨概率為
P=0.967983
，因此在5%的顯著性水平下，不能拒絕同方差的假設。
二、異方差穩健性標準誤方法
在圖52中，點擊Estimate按鈕，出現Spection窗口(見圖514)，點擊Option按鈕，在出現的Estimation Options窗口中，選擇Heteroskedasticity選項，並選擇默認的White選項(見圖515)，點擊確定按鈕退回到Equation Spection窗口(見圖514)，再點擊確定按鈕，即得到如圖516所示的結果。
圖514
圖515
圖516
可以看出，估計的參數與普通最小二乘法的結果相同，隻是由於參數的標準差得到了修正，從而使得t檢驗值與普通最小二乘法的結果不同。