2 经济检验：
斜率项系数0.00045>0,说明收入每增加1元，生命预期就增加0.00045个时长，符合现实意义。0.2837>0，说明医疗保险每增加1元，生命预期增加0.2837个时长，符合现实意义。
3统计检验
（1）拟合优度检验
根据上表得出R2=0.6997，R2=0.6924 ,模型对观测值拟合程度较好，说明除了收入水平和医保的变化，还有其他因素对生命预期产生影响。
（2）F检验
在0.05的显著性水平下，自由度为n-k-1=58-3=55，F的临界值为2.383，由回归结果得F=95.54>2.383,说明收入与医保共同对生命预期产生显著影响。
（3）t检验
在0.05的显著性水平下，自由度为n-k-1=58-3=55，t的临界值为2.004，截距项系数17.483>2004,说明在没有收入与医保的情况下，生命周期很明显是依然存在的。收入系数t值3.180>2.004，医保系数8.608>2.004,通过显著性检验，说明收入与医保对生命预期产生显著的影响。
研究发现，异方差问题多存在于截面数据。在截面数据中通常处理的都是某个时点的样本，例如个体消费者或其家庭、企业、行业，或按区域划分的省、县、市等。而且样本规模不同，如小公司、中等公司或大公司，低收入、中等收入和高收入，换言之可能存在规模效应。在本次研究中，样本存在收入群体之间的不同，可能会存在异方差问题，下面进行异方差检验。
四、异方差检验
1.图示检验法
图1 回归残差图
图2 E^2与收入间散点图 图3 E^2与医保间散点图 由上图可知E^2中随着收入与医保的增加而增加，个别点有着明显的扩大趋势，由计量经济学知，观察值中有明显的异常值，若样本容量较小，那么异常值极有可能导致异方差。为进一步检验异方差我们需要进一步分析。
2 帕克检验
上面给出的图形检验比较直观，可以加以规范。如果存在异方差，那么异方差方差δ2可能与一个或多个变量系统相关，为了确定这一点可以做对一个或多个变量x的回归。在本次研究中，考虑到收入与医保对生命预期均有一定影响，即
原始模型中有两个解释变量分别对各解释变量进行检验。又由于异方差方差δ2是未知的，因此建议用ei代替ui进行回归
首先建立e2与收入（x1）间的双对数模型： 利用R语言与相关样本数据进行回归得到：
S.E=(1.0002) (0.1340) t=（4.458） （-2.369） P=(2.57e-05) (0.0201)
在5%的显著性水平下，自由度为n-k-1=58-1-1=56，t的临界值为1.99,截距项
B1的t值=|4.458|>1.99，拒绝原假设，说明截距项显著不为0，斜率项B2的t值=|-2.369|>1.99拒绝原假设，说明Lnx1对Lne2是有显著的影响的。表示存在异方差的可能。
接着建立e2与医保（x2）间的双对数模型：
根据样本数据建立回归方程得：
S.E=(2.0377) (0.4773) t=（2.412） （-1.370） P=(0.0181) (0.1743)
在5%的显著性水平下，自由度为n-k-1=58-1-1=56，t的临界值为1.99,截距项t值
=|2.412|>1.99，拒绝原假设，说明斜率项显著不为
0，斜率项t值=|-1.370|<1.99
接受原假设，说明Lnx2对Lne2是可以显著为0的。
综上我们可以看到Lne2受到其中一个解释变量——收入的显著影响，异方差是可能存在的。
3怀特检验
怀特检验是异方差更一般的检验方法,这种检验方法不需要对异方差的性质(形式、如递增等性质) 任何假定,因此是目前应用比较普遍的异方差检验方法。
这里用残差来表示随机误差项u;的(近似)估计量 于是有Var(ui)= E(ui)≈ei2
?)OLS ei=Yi-(Y即用ei2来表示随机误差项的方差。
（1）首先用普通最小二乘法估计回归方程，得到残差ei （2）做辅助回归： R语言得：
Variable Intercept X1 Estimate Std. Error t value Pr(>|t|)
-4.561e+01 2.470e-02 7.318e+01 4.118e-02 2.646 4.055e-04 -0.623 0.600 1.024 -0.331 0.535 0.550 0.309 0.741 0.260b 0.293 X2 X1X2 X12 X22 2.709 -1.344e-04 -5.424e-07 -2.352e-02 4.776e-07 -1.136 2.221e-02 -1.059
Residual error
standard Multiple R-squared
Adjusted R-squared
F-statistic
p-value
83.56 0.0282 -0.03327 0.459 0.8055
得到得方程为：
由于nR2=58*0.028=1.624<11.07，且p=0.8055，所以这里认为不存在异方差。
4格莱泽检验
格莱泽检验实质与帕克检验类似，可作为一种经验或实际处理方法加以应用
于是否存在异方差。建立模型：
S e=5.304e-01 7.409e-05 T= 8.829 -1.387 P=1.44e-13 0.169
S e= 0.69514 0.01063 T= 7.080 -1.235 P=4.26e-10 0.22
S e= 0.5839 255.7639 T=7.051 0.319 P= 4.86e-10 0.751
S e=1.37976 0.01738 T= 3.96 -0.93 P= 0.000158 0.355022
，
S e=2.3442 0.2699 T=2.516 -0.718 P=0.0138 0.4750
S e=0.8221 43.645 T=5.113 0.057 P=2e-06 0.955
异方差检验
