(资料图)

white异方差检验怎么搞

比较怀特统计量n*R^2与相应卡方分布χ2的临界值 自由度为辅助回归方程中解释变量的个数R^2为可决系数如果怀特检验量大于临界值，则拒绝同方差假设，及存在异方差，反之不存在异方差

异方差检验用eviews怎么操作

X2的二次项存在异方差，可以用1/X2做加权最小二乘，我试了试可以的，就是输入“ls y/x2 c x1/x2 1/x2 ”自相关是看最后一行Durbin-Watson stat 1.900238，这个统计量接近2说明没有自相关，你做这个没问题。异方差是在菜单中的view-residual test-whitehete……（no cross）

计量经济学如何运用Eiews进行异方差检验

在Eviews中，异方差检验法有好几个，建议用white异方差检验法，最方便。方法如下：生成一个equation窗口，在该窗口中点击工具栏中的view，在下拉菜单中点击residual test，在它的下拉菜单中选择white heteroskedasticity。有两个选线，cross和no cross，分别是指有交叉项和没有交叉项。你可以都选，看哪个拟合得好。不过注意，当自变量即X的个数较少时，选没有交叉项的。在结果窗口中，主要看F值的Probability，要小于你设定的阿尔法值。

请高手指教如何用spss进行异方差检验和补救

这个检验SPSS13，未经专家考证，方差相同的正态分布、White检验、帕克检验和Gleiser检验，如果不能通过。上述仅代表个人观点。或许还可以用SPSS的回归过程生成残差序列值，因为回归分析要求残差服从均值为0，然后再对残差序列进行方差齐性检验，可以完成方差齐性检验，将Nomal Probability Plot选上），则可以认为存在异方差，除了残差图之外，SPSS中提供了更为简便的方法，具体参考Eviews的回归分析部分。如果是回归分析过程中关于残差的检验，它的异方差检验更完备，它还提供G-Q检验。如果Eviews会用，可以对原始变量进行转换，可以考虑用Eviews来做，或者使用加权最小二乘法WLS。 因为方差分析过程一般要求方差齐，所以存在异方差最好能进行调整，因此必须对残差进行异方差性检验。至于如果补救措施，可以大致判断出残差是否异方差性，在同一菜单中的Post Hoc中提供了方差齐（Equal Variances）假设和方差不齐（Equal Variances not）假设下各自适用的分析方法.0的线性回归过程中提供了残差的PP正态检验图（菜单在Linear过程的Plots中，方差不齐时就选用下面的几种来实现，在Option选项中将Homogeneity of variance test复选框打勾在方差分析过程中进行方差齐性检验即可：Analyze-Compare Means-One Way ANOVA进入单因素方差分析过程，仅供参考。 操作菜单

如何进行异方差与自相关检验

在我认知范围内，多重共线性问题一直不是计量里的什么大问题，回归之前看看各变量之间的相关系数基本就可以确定是否需要进一步检验了，线性相关性比较高，那就直接剔除吧！异方差检验我也没有做过，我一般直接就用稳健标准差，从来不用一般标准差！至于自相关检验这个问题也是没有做过的！我认为做什么检验和文章关系比较大！我做过一篇fdi的文章，里面采用fdi存量数据，存量数据肯定有很强自相关性，于是我就采用动态面板估计了，后来经过几个模型的比对发现，fdi存量的自相关性对回归结果影响很小。计量实证还是应该为自己的思想服务，检验越多、方法越复杂不见得就一定是好事！以上愚见，仅供参考！水平有限，望请谅解！