点击上方“蓝字”关注我们
上期小统带大家学习了经典线性回归模型之检验及修正–多重共线性；今天我们继续学习修正检验–异方差(1)
如何利用 White检验进行异方差分析?
White检验的原假设和备择假设为:
H0:残差项中不存在异方差
H1:残差项中存在异方差
上表展示的是对原回归模型进行多重共线性修正后的模型进行的 White检验结果。
该检验结果通过三个统计值来判断：
(1)其F统计值为0.5769,相应的P值为0.5650,大于0.05,可见在5%的显著性水平下,该模型的残差项之间不存在异方差;
(2)nR2为1.1925.相应的P值为0.5509,小于0.05,可见在5%的显著性水平下,该模型的残差项之间不存在异方差;
(3)SS为0.7989,相应的P值为0.6707,小于.05,可见在5%的显著性水平下,该模型的残差项之间存在异方差;
由此,三个统计量均检测出在5%的显著性水平下,该模型的残差项之间
不存在异方差
,
即无需进行异方差修正。
那么,若
模型残差项之间存在异方差
,我们该使用什么方法进行修正呢?–
见下期
未完待续
文末说句正事
由于微信平台算法改版，公号内容将不再以时间排序展示，如果大家想第一时间看到我们的推送，
强烈建议星标我们和给我们多点点【在看】
。星标具体步骤为：
(1)点击页面最上方“211统计课堂”，进入公众号主页
(2)点击右上角的小点点，在弹出页面点击“
设为星标
”，就可以啦。
感谢支持，比心
。
