如何应付异方差、自相关、多重共线性

异方差：（Heteroscedasticity）
一如何检测？
①假设我们做一个回归，求出β1、β2、β3，然后返回求出序列{Ut}，现在要检测{Ut}是不是异方差的。

②设立辅助方程：既然假设是异方差，那么我们就假设{Ut}与X存在某种关系，这种关系比较复杂，只要我们证明α1、α2、α3……不为0，即可
③构建新的统计量：T·R2，先人曾经证明过其服从 卡方(m)分布。

④最后将算出来的T·R2值与卡方分布的临界值比较，……。

二、如何应对？
①如果异方差的形式已知，我们可以通过GLS（广义二乘法）来处理：
举例说明：
②如果异方差的形式未知
自相关：（Autocorrelation）
一如何检测？
我们直接可以看DW值，注意这个ρ值is the残差项之间的estimated correlation coefficient.
也可以用另外一种方法：
二如何应对？
①如果自相关的形式已知
•If the form of the autocorrelation is known, we could use a GLS procedure
But such procedures that “correct” for autocorrelation require assumptions about the form of the autocorrelation.
②未知：构建动态模型，如：
三多重共线性：（Multicollinearity）
①如何检测：
look at the matrix of correlations between the individual variables.
另外：R2 will be high but the individual coefficients will have high standard errors也可能存在多重共线性。

②如何解决：。