有没有人可以用eviews做时间序列分析？帮我分析一组数据~~~~~ 数据在哪里需要文字分析吗我的邮箱发给你了把数据和借鉴的论文一起发来哈
eviews多元线性回归模型，异方差怎么修正，需要具体eviews操作 模型如果检验出存在异方差性，可用加权最小二乘法（Weighted Least Squares，WLS）进行估计。如下图，“权”可以有多种选择，通常可以用1/|ei|eviews 也有怀特一致协方差矩阵估计量(WhiteHeteroskedasticity-ConsistenceCovariance Matrix Estimator)，这种方法提供大样本情形下回归标准差和回归系数的一致估计量，参数估计结果与普通最小二乘估计结果相同，但是可以进行有效的t检验和F检验。
Eviews数据统计与分析教程6章 基本回归模型的OLS估计-加权最小二乘法 最低0.27元开通文库会员，查看完整内容>；原发布者：风依西楼EViews统计分析基础教程第6章基本回归模型的OLS估计重点内容：？加权最小二乘法（消除异方差）？广义最小二乘法（消除序列相关和异方差）？广义矩估计EViews统计分析基础教程一、加权最小二乘法（WLS）1.异方差问题的解决当e79fa5e98193e4b893e5b19e31333433623766线性回归模型出现异方差时，所得到的估计量是非有效的。用加权最小二乘法（WLS）可以解决异方差问题。基本思路：赋予每个观测值残差不同的权数，从而使得回归模型的随机误差项具有同方差性。EViews统计分析基础教程一、加权最小二乘法（WLS）1.异方差问题的解决基本原理：设一元线性方程为yt=β0+β1xt+μt如果随机误t差项的方差Var(μt)与解释变量成比例关系，即Var(μt)=σt2=f(xt)×σ2说明随机误差项的方差与解释变量xt之间存在相关性，即存在异方差问题。EViews统计分析基础教程一、加权最小二乘法（WLS）1.异方差问题的解决消除方法：用1fx乘以一元线性方程的两端，得i1fxiyt=fxβ0+i1fxi1β1xt+1=E(μt)2=σ2fxfx从而，消除了异方差，随机误差项同方差。这时再用普通最小二乘法（OLS）估计其参数，得到有效的β0，β1估计量。则，Var(fiii1fxi1μ。
