异方差性通过怀特检验如何判定？谢啦！！！！

Question

如题所述

Answer 1

eviews工具可以帮助我们进行异方差性的检验。具体而言，可以通过怀特检验（White Test）来判断模型是否存在异方差性。怀特检验中使用F统计量进行检验，如果P值小于某个显著性水平，如0.05，则可以认为模型存在异方差性。

在进行怀特检验时，我们关注的是检验统计量及其对应的P值。检验统计量包括F统计量、观测值乘以R方的平方和以及调整后的解释平方和。在检验中，如果观测值乘以R方的平方和或调整后的解释平方和对应的P值小于显著性水平，则可以认为模型存在异方差性。

具体到某次怀特检验的结果，F统计量为3.721586，对应的P值为0.0636；观测值乘以R方的平方和对应的P值为0.0604；调整后的解释平方和对应的P值为0.1418。从这些结果可以看出，观测值乘以R方的平方和和F统计量对应的P值均接近于0.05，这表明模型存在异方差性的可能性较大。

在怀特检验中，我们得到的回归方程为：残差平方对因变量的回归。回归结果显示，常数项系数为228765.0，标准误差为295129.6，t统计量为0.775134，对应的P值为0.4445；自变量X的平方项系数为0.001410，标准误差为0.000731，t统计量为1.929141，对应的P值为0.0636。这些结果进一步验证了模型可能存在异方差性。

在发现模型存在异方差性后，我们需要进行相应的修正。常用的修正方法包括加权最小二乘法（WLS）和对数变换等。通过适当的修正，我们可以使模型满足异方差性的假设，从而提高模型的稳健性和预测能力。

总的来说，通过怀特检验我们可以判断模型是否存在异方差性。如果检验结果显示存在异方差性，则需要进行相应的修正以提高模型的可靠性。在进行修正时，可以根据具体情况选择合适的修正方法，并确保修正后的模型满足异方差性的假设。