异方差Eviews spss

异方差
关注985论文数据分析中心，可自助查询，也可全程服务，手把手带你完成一篇毕业论文。

教你运用实证计量统计分析工具，提高论文含金量，给大学划上一个完美的句号！
含义：异方差性（heteroscedasticity ）是相对于同方差而言的。

所谓同方差，是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。

如果这一假定不满足，即：随机误差项具有不同的方差，则称线性回归模型存在异方差性。

若线性回归模型存在异方差性，则用传统的最小二乘法估计模型，得到的参数估计量不是有效估计量，甚至也不是渐近有效的估计量；此时也无法对模型参数进行有关显著性检验。

对存在异方差性的模型可以采用加权最小二乘法进行估计。

Eviews：有几种方法——
1、残差平方序列：在Workfile的对话框中，由路径：Procs/GenerateSeries，进入Generate Series by Equation对话框，键入“e2=resid^2”，生成残差平方项序列e2；②直接在命令栏里输入“genre2=resid^2”，按Enter,得到残差平方项序列e2；③直接在命令框里输入“scat log(x2) e2”，按Enter，得到残差图，进行分析即可。

2、White检验：按路径view/residualtests/white heteroskedasticity(cross terms)，进入White检验，其中crossterms表示有交叉乘积项，看p值即可，一般小于0.05即可拒绝同方差假设。

可使用加权最小二乘法进行修正回归。