怀特检验到底看什么？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

原帖见 https://bbs.pinggu.org/thread-999752-1-1.html
怀特检验的结果是
White Heteroskedasticity Test:                                
                                
F-statistic        4.148468            Probability                0.011832
Obs*R-squared        11.60896            Probability                0.020509
                                
                                
Test Equation:                                
Dependent Variable: RESID^2                                
Method: Least Squares                                
Date: 12/27/10   Time: 22:08                                
Sample: 1 27                                
Included observations: 27                                
                                
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                                
C        -79700.74        75538.40        -1.055102        0.3028
X1        1.295425        1.026914        1.261473        0.2204
X1^2        -0.000116        0.000292        -0.398070        0.6944
X2        1490.651        1383.797        1.077218        0.2931
X2^2        -6.978429        6.337612        -1.101113        0.2827
                                
R-squared        0.429961            Mean dependent var                1027.797
Adjusted R-squared        0.326318            S.D. dependent var                1482.430
S.E. of regression        1216.751            Akaike info criterion                17.21133
Sum squared resid        32570623            Schwarz criterion                17.45130
Log likelihood        -227.3530            F-statistic                4.148468
Durbin-Watson stat        2.065441            Prob(F-statistic)                0.011832


针对是不是存在异方差有两种观点：
其一是存在，因为看
F-statistic        4.148468            Probability                0.011832
Obs*R-squared        11.60896            Probability                0.020509
来说，p值落在接受域内，因此接受原假设，承认有异方差的存在


其二观点是不存在，因为看
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                                
C        -79700.74        75538.40        -1.055102        0.3028
X1        1.295425        1.026914        1.261473        0.2204
X1^2        -0.000116        0.000292        -0.398070        0.6944
X2        1490.651        1383.797        1.077218        0.2931
X2^2        -6.978429        6.337612        -1.101113        0.2827
来说，所有的交叉项和独立项的p值都不显著，再加上这里是小样本数据因此否认存在异方差。

那么上述两种观点哪个是正确的？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：怀特检验 observations Probability coefficient observation 怀特

顶一下，我刚刚也发了一个关于求助White检验的帖子，期待大神。。。

一个解释变量的变化会引起其他解释变量显著性的变化。White检验表明存在异方差，但是残差平方对原所有解释变量的交叉项和独立项进行回归时，所有解释变量系数t检验都不显著，这并不表示存在矛盾。例如：et^2=a+bX1，系数b的t检验是显著的，这表明是X1造成了异方差，如果加入解释变量^2，回归模型et^2=a+bX1+cX1^2系数的t检验可能都不显著，但是异方差确实存在。用et^2对各个解释变量及其各种形式做回归也是确定加权最小二乘法权数的一种方法。。。

szc412247754 发表于 2011-10-23 13:26
一个解释变量的变化会引起其他解释变量显著性的变化。White检验表明存在异方差，但是残差平方对原所有解释变 ...

说了半天你是认为可能加入的交叉项和原有的解释变量之间存在共线性。
你再看看这里输出的方程整体显著性水平r和调整的r都是很不显著，而且方程整体的p值也只达到了 0.011832，说明方程整体不咋地。一般多重共线性的，而且单个变量显著的话，方程整体的p和r是不会这样的。

我现在也更倾向于第二种答案。就是不存在异方差

Heteroskedasticity Test: White                               
                               
F-statistic        1.443941            Prob. F(13,91)                0.1550
Obs*R-squared        17.95533            Prob. Chi-Square(13)                0.1592
Scaled explained SS        18.65706            Prob. Chi-Square(13)                0.1341
                               
                               
Test Equation:                               
Dependent Variable: RESID^2                               
Method: Least Squares                               
Date: 05/04/13   Time: 14:31                               
Sample: 1 105                               
Included observations: 105                               
Collinear test regressors dropped from specification                               
                               
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                               
C        37.61346        10.36712        3.628148        0.0005
F1        -30.49883        22.33920        -1.365261        0.1755
F1^2        5.237316        4.383646        1.194740        0.2353
F1*F2        -11.81282        23.39903        -0.504842        0.6149
F1*F3        29.33350        25.57106        1.147137        0.2543
F1*XN        2.413165        23.16116        0.104190        0.9172
F2        14.65992        10.63053        1.379039        0.1713
F2^2        -8.872266        5.046372        -1.758148        0.0821
F2*F3        -1.676158        8.630080        -0.194223        0.8464
F2*XN        7.171926        11.05133        0.648965        0.5180
F3        17.03123        15.91773        1.069953        0.2875
F3^2        2.451981        2.243572        1.092892        0.2773
F3*XN        19.18494        20.46949        0.937245        0.3511
XN        -0.084343        11.27406        -0.007481        0.9940
                               
R-squared        0.171003            Mean dependent var                35.16118
Adjusted R-squared        0.052575            S.D. dependent var                53.47745
S.E. of regression        52.05268            Akaike info criterion                10.86596
Sum squared resid        246562.8            Schwarz criterion                11.21982
Log likelihood        -556.4627            Hannan-Quinn criter.                11.00935
F-statistic        1.443941            Durbin-Watson stat                2.280571
Prob(F-statistic)        0.154954                       
                                那这个怎么看呢

http://wenku.baidu.com/view/b92c02f1f61fb7360b4c65ea.html
看这个你就知道了，有一个公式的，大于临界值则拒绝原假设（同方差）