怀特检验,怀特检验怎么使用?

怀特检验怎么使用?

怀特检验的步骤为：在方程对象中，选择view/Residualtest/WhiteHeteroskedasticity。Eviews选项提供了含交叉项和不含交叉项的两个选择，存在冗余交叉项的时候，Eviews自动把它从检验回归中删除。选择White，此时如果是一元就去掉交叉乘积项的勾，多元就勾选。怀特检验是一种异方差检验方法，先将最小二乘估计残差的平方对模型的解释变量、解释变量平方以及解释变量交叉乘积进行回归，然后根据回归方程显著性判断是否存在异方差性。怀特检验（Whitetest）是2016年公布的管理科学技术名词。什么时候应该使用怀特测试？如果您的数据集有许多解释变量，则测试可能难以计算。除非您有运行WhiteTest的特定原因（即您需要自变量对方差产生交互式非线性影响），否则您应该使用更简单的Breusch-Pagan。怀特检验看n*R^2与相应卡方分布临界值（x^r））的大小。n为样本容量，R^2为相关系数，x为卡方符号，r为辅助方程中解释变量个数。

怀特检验服从什么分布

在假设H0成立时，检验统计量WT（k-=nR的平方服从自由度为n-1的分布，则确定自由度为n-1。怀特检验的优点在于它不需要知道异方差性的具体形式，因此在实际应用中比较灵活。它也有一些限制，比如要求误差项满足一定的分布假设，以及对辅助回归模型的选择和解释需要谨慎处理。因为奇异值和影响点往往对分析的影响较大，不能真实地反映数据的总体特征。正态分布检验：检验数据是否服从正态分布。很多检验能够进行的前提即总体数据分布服从正态分布。正态分布又名高斯分布，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。首先要明确，正态性检验的无效假设是＂数据服从正态分布“，也就是说，SW等方法先计算偏离正态的程度，然后看能否推翻无效假设。跟其他的假设检验一样，当数据越多时，越容易推翻无效假设。怀特检验用于检验异方差性。根据查询相关公开信息，怀特检验是2016年公布的管理科学技术名词，定义为一种异方差检验方法。ARCH检验则是检验残差是否存在自回归异方差结构。

white检验方法主要用于检验

：A检验异方差的方法很多，常用的方法有帕克(Park)检验与戈里瑟(G1eiser)检验、戈德菲尔德一匡特检验(G-Q检验)、怀特(White)检验、ARCH检验等。检验首先我们需要打开我们的电脑，然后我们先去找到电脑的这个工具栏，并且打开，选择异方差性的测试。然后呢，我们要先找到Whitetest这一接着我们点击Whitetest,而这个测试它主要检定的是异方差性的存在。White检验是一种用于检验回归模型中是否存在异方差（heteroskedasticity）的统计方法。它最早由经济学家HalbertWhite在1980年提出。根据查询相关资料信息显示：white检验是异方差检验的首选方法，因其不受约束，可以检查一切异方差，而且不用对数据进行排序，不依赖正态性假设。具体地，White检验通过将残差的平方作为因变量，自变量为原模型的自变量和自变量的平方、交叉项等，利用OLS估计方法进行回归分析，得到回归系数和对应的统计量，进而计算出p值进行假设检验。

怀特检验用于检验什么

异方差性。怀特检验（Whitetest）是2016年公布的管理科学技术名词。一种异方差检验方法。怀特检验可以用于检验异方差。ARCH检验则是检验残差是否存在自回归异方差结构。各种异方差检验的共同思想是，基于不同的假定，分析随机误差项的方差与解释变量之间的相关性，以判断随机误差项的方差是否随解释变量变化而变化。什么时候应该使用怀特测试，数据集有许多解释变量，则测试可能难以计算。除非有运行WhiteTest的特定原因（即需要自变量对方差产生交互式非线性影响），否则应该使用更简单的Breusch-Pagan。怀特检验（WhiteTest）异方差的一种检验方法，涉及到做OLS残差的平方对OLS拟合值和拟合值的平方的回归。怀特检验是最常用于检验异方差的方法。SPSSAU中会自动输出怀特检验结果。BP检验也可用BP检验结果判断，SPSSAU中会自动输出此结果。如果BP结果与white检验结果出现矛盾，建议以怀特检验结果为准。

为什么怀特检验会损失样本容量

因此，怀特检验需要大样本，并且假定随机项服从正态分布。DW=908由于使用了广义差分数据，样本容量减少为查DW统计表得:dL=dU=45DW<dL，广义差分模型中仍然存在自相关性。所以说明可能为高阶自相关。Goldfeld-Quandt检验（缺点，只能处理单升和单降型的异方差）Goldfeld-Quandt检验又称为样本分段法、集团法，由Goldfeld和Quandt1965年提出。数据粘贴完成后，点击上方的“Proc”，然后选择“MakeEquation”。在新弹出的界面中，依次选择“View”→“ResidualDiagnostics”→“HeteroskedasticityTests”。怀特检验结果就出来了。结果分析如下。一致性:当样本容量无限增大时,估计值会越来越接近它所估计的总体参数。有效性:若一个无偏估计量的方差对于其他无偏估计量的方差来说是最小的,那么它的取值是比较稳定的,则这一估计值是有效的。

进行怀特异方差检验,出现的结果如下,是什么意思

格式：根据检验，nR^2为自由度为21的、显著性为5%的临界值XX（你需要查表看下）（但是根据你的结果来看）nR^2大，拒绝原假设，所以存在异方差。用N*R^2得出卡方值，在你这里就是17*481962=然后查表，你这里是自由度为如果在显著性水平为05的情况下卡方临界值为临界值大于你的卡方值，所以应该是认为不存在异方差的。White检验是一种渐近检验，旨在用于大样本。对于较小的样本，请谨慎解释结果。White测试的一个问题是，即使误差的方差相等，它也可以返回显着的结果。看Obs*R-squared的p值是否<如果小于则存在异方差性。

感谢您的耐心阅读和支持。如果您想获取更多关于怀特检验以及怀特检验怎么使用?的信息，请关注我们的网站。