理解异方差

Heteroskedasticity

这个单词特别长，它的中文名叫做异方差，它是怎么来的呢？细细道来。

我们使用最小二乘法的时候有一个基本假定，其他变量对于模型的影响是常数 u ，比如在模型 y=β0+β1x+u 里面我们假定除了 x 以外，其他影响 y 的东西都是常数，合起来就是 u . 在这个假设下最小二乘法能够顺利进行，也能保障无偏性和一致性。

但是实际中人们发现，这个 u 在数据的不同分组中的方差不一样，这就说明了我们认定为常数的 u 其实在变化，这就不满足假设，最小二乘法因此不能保证无偏性和一致性。

Eviews当中可以检验模型的异方差。

如何检验异方差

在EViews 里面先直接操作最小二乘法：

ls y c x

然后在View-Residual Diagnostics- Hete…. Test, Test type选择white，老白
接着看F统计的p值。

我们这次检验的假设是异方差不存在，F统计的p值（在0到1之间，是概率）大说明此假设显著，即异方差确实不存在，反之如果F的p值小的话，那异方差存在的概率就非常大。