white检验统计量为什么为nr2
作者&投稿：叔军 （若有异议请与网页底部的电邮联系）
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
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
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,反之不存在异方差超鹏保妇： ,确切的是n-k-1的自由度.在只有一个解释变量的情况下,k=1.所以服从n-2的自由度
青云谱区18093459438： white检验为什么辅助回归变量过多,容易丧失较多的自由度 - ？
超鹏保妇： 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
青云谱区18093459438： 怎么用stata做怀特检验 - ？
超鹏保妇： reg y x, r rvfplot estat imtest, white
青云谱区18093459438： 假设检验,异方差white检验,p值为0.07 请问显著吗?我假设不存在异方差.nxR方=5.21 对应的卡方值为28左右.请问是不是不显著? - ？
超鹏保妇：[答案] p=0.05一般被认为是显著与否的临界值,0.07的话理论上严格来说并未达到显著,不过勉强可以称作边缘显著,也就是接近于显著.
青云谱区18093459438： white估计量为什么只适用于大样本 - ？
超鹏保妇： white检验是对方差进行关于解析变量的回归,arch检验是方差进行残差平方的回归.在样本26的情况下进行arch检验吧.white、检验要大样本,况且你有5个变量white检验的话,在估计后可用数据就好少了. 不过一般检验两个都进行.他们从两个方面去验
青云谱区18093459438： eviews的问题.？
超鹏保妇： 异方差问题应该选择相信white检验,因为帕克、戈里瑟、g-q检验都还能不完整,white检验是最为完整的(当然一般情况下检验结果应该是一样的,你先看下结果是否正确吧)通过d.w.检验通过,表明存在一阶自相关,拉格朗日检验没通过,说明不存在二阶自相关. 根据我自己所学的知识作答,可能存在问题~请包涵
青云谱区18093459438： 计量经济学中用怀特(White)检验修正了异方差性,进行自相关检验时发现该模型还有序列自相关,该如何修正 - ？
超鹏保妇： 看你的目的是什么啦,如果仅仅估计参数,无论是异方差还是自相关,你的参数都是无偏的;但方差较大,预测准确度较低. 你要克服异方差同时还有自相关,建议拟采用FGLS(可行广义二乘),可同时达到目的.广义差分尽管也可以,但损失自由度,而且要你自己推断出相关系数. 但我觉得奇怪的是,你为什么同时既有异方差又有序列相关;所以我觉得你很可能是有遗漏变量,遗漏变量进入残差项中,且与自变量相关,最终会导致你估计非无偏且非一致. 所以,最好先用直接做回归,后得到的残差,与自变量测下相关性;如相关性强,则说明存在遗漏变量.然后你采用工具变量法进行回归就可以了.
青云谱区18093459438： 计量经济学中,简述经典线性回归模型中的同方差性假定并判断何种情况为异方差 - ？
超鹏保妇： D(ut) = E[ut - E(ut) ]^2=常数.称误差项ui 具有同方差性,就是模型具有同方差.当其不为常数时,即存在异方差,一般用white检验,序列取对数可以消除异方差.
青云谱区18093459438： 计量经济学中,关于对残差检验的问题？
超鹏保妇： LM检验和White检验都是看p值,如果p值小于你设定的显著性水平,也就是α,那么就表明自相关,ARCH异方差检验也是同理,如果对模型修正后,p>α了,那么就说明不存在异方差,自相关这些了,也就是你所说的通过了. 正态性检验你看下点完弹出来的直方图,符合正态的形态就可以通过了. 协整的话,你那样用EG两步法检验的话也可以,但比较麻烦,DF和ADF更好用些,直接看那3个值就OK了~
青云谱区18093459438： 求解答,不存在一阶自相关还可能有更高阶自相关吗 - ？
超鹏保妇： 一阶自相关检验: 1)OLS估计出模型,得出DW值; 2)查表:在德宾-沃森d统计量找到你估计模型的n(样本容量)和k(解释变量个数)及a对应的dl和du; 3)把DW和dl 和du作比较:DW《dl和4-dl<DW<4时,存在自相关;du<DW<4-du时不存...
