eviews 异方差检验

Question

问题遇到的现象和发生背景

请问各位，为什么用怀特检验时，检验多个变量结果显示不存在异方差，把这几个变量拆开单独检验时，存在异方差呢？

操作环境、软件版本等信息

Eviews12操作的

Answer 1

引自免费微信小程序：皆我百晓生

在进行异方差性检验，特别是使用怀特(White)检验时，观察到整体模型的检验显示无异方差，而单个变量检验却显示有异方差的现象，这主要源于几个因素：

1. 检验统计量的性质

怀特检验是一种非参数检验方法，它基于残差平方与解释变量（包括它们的交互项和平方项）之间的关系。当进行整体检验时，它考虑了所有解释变量对残差平方的影响。这意味着即使某些变量单独存在异方差，但当它们组合在一起时，可能相互抵消了这种效应。

2. 样本大小与检验力

• 样本大小：较小的样本可能会导致检验力不足，即使存在异方差也可能未能被检测出来。
• 检验力：不同检验的敏感度可能不同。单个变量的检验可能更敏感于特定类型的异方差，而整体检验则可能捕捉到更广泛的情况。

3. 模型设定

• 如果模型中遗漏了重要的解释变量，这可能导致单个变量的检验显示出异方差，因为模型未能完全捕捉到数据中的变异。
• 变量间的相关性也会影响结果。当变量之间高度相关时，单个变量的异方差可能在多变量模型中被掩盖。

如何处理

• 检查模型设定：确保模型包含了所有相关的解释变量，并且考虑了变量间可能的交互作用。
• 增加样本量：如果可能，增加样本量可以提高检验的准确性。
• 使用稳健的标准误：即使存在异方差，使用如Huber-White稳健标准误仍然可以得到有效的推断。

EViews操作示例

假设你有一个模型 (y = \beta_0 + \beta_1x_1 + \beta_2x_2 + u)，并在EViews中进行怀特检验：

整体检验

equation eq1.ls y c x1 x2
eq1.whiten

单独检验

对于每个变量单独进行检验，比如 (x_1):

equation eq_x1.ls y c x1
eq_x1.whiten

同样，对 (x_2) 重复上述过程。

结论

这种现象并不罕见，它突显了模型设定、检验力以及数据特性的重要性。在面对这类情况时，深入理解模型结构和数据特征是关键。

Answer 2

以下内容由CHATGPT及阿里嘎多学长共同生成、有用望采纳：

---

在Eviews软件中，怀特检验（White test）是一种用于检测异方差性的统计检验方法。异方差性指的是误差项的方差随着自变量的不同水平而变化。怀特检验的基本思想是，如果模型的误差项存在异方差性，那么模型的残差平方与自变量的某些函数之间应该存在显著的相关性。

你遇到的问题可能由以下几个原因导致：

1. 多重共线性：当多个变量一起检验时，如果这些变量之间存在较高的相关性，可能会导致它们共同影响异方差性的表现，使得检验结果不显著。而单独检验时，每个变量的异方差性可能更容易被检测出来。

2. 变量的交互效应：在多个变量一起检验时，可能存在变量之间的交互效应，这种效应可能会掩盖个别变量的异方差性。

3. 样本大小和分布：样本的大小和分布可能影响检验的敏感性。在多个变量一起检验时，由于样本的分散性可能更大，这可能使得异方差性不易被检测出来。

4. 检验的统计功效：当变量数量增加时，检验的统计功效可能会降低，导致难以检测出异方差性。

5. 模型设定问题：可能存在模型设定的问题，如遗漏变量、错误的函数形式等，这些都可能影响异方差性的检测。

关于代码实现，Eviews软件提供了内置的怀特检验功能，通常不需要编写代码。你可以通过以下步骤进行怀特检验：

• 在Eviews中打开你的回归结果窗口。
• 选择“View”菜单中的“Residual Diagnostics”选项。
• 在弹出的子菜单中选择“Heteroskedasticity Tests”。
• 选择“White”进行检验。

至于参考资料，以下是一些可能对你有帮助的资源：

• Eviews官方文档：通常包含详细的操作指南和统计检验的解释。
• 怀特检验的原始论文："A heteroskedasticity-consistent covariance matrix estimator and a direct test for heteroskedasticity," Econometrica, 1980, by Halbert White。

请注意，由于我无法提供下载链接或访问外部网站，你需要自行搜索这些资源。希望这些信息对你有所帮助。如果你需要更详细的指导或有其他问题，请随时告诉我。

Answer 3

下午好🌅🌅🌅
本答案参考ChatGPT-3.5

怀特检验是一种用于检测独立样本之间或两组独立样本之间的方差是否齐整的方法。如果所有测试结果都为零，说明各个变量之间没有显著差异。

关于使用怀特检验时的异方差现象和原因，通常有以下几点：

1. 原因：在这个情况下，可能存在两个或更多的解释变量对同一个数值或者变量的影响程度相近，导致平均值发生变化。例如，在数据集中可能存在某些因素影响变量A和B，当将这两个因素组合在一起分析时，可能会看到它们对同一数值或变量的影响程度接近。

2. 检验条件：如果其他相关性分析的结果也显示出相同的差异，那么可以使用方差分解或正交检验来进一步确定是否存在异方差。

解决这个问题的具体步骤如下：

首先，检查您使用的方差分解或正交检验的设置是否正确，确保选择正确的分析方法和分析参数。

然后，查看是否所有的统计软件都显示了怀特检验的存在，如果不是，则需要联系软件供应商寻求技术支持。

最后，通过比较不同分析方法下的结果，判断是否存在异方差。

对于具体的代码示例，由于Eviews12操作环境与具体的应用场景有所不同，因此在这里无法给出详细的代码。但是一般来说，使用Python或其他编程语言编写Eviews脚本，并调用相应的函数即可完成上述步骤。同时，需要确保代码中的数据格式正确，并符合要求。