如何进行stata中的异方差检验操作及其分析，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
回归分析诊断中的异方差检验是重要的内容之一，它有多种检验方法，包括图示法、BP检验、怀特检验等，这里介绍如何使用stata进行BP检验、怀特检验，并对结果如何进行分析与判断。
1
这里选取美国波士顿房贷数据作为示例，其样本有506个，数据展示如下：
这里建立如下回归模型：
用stata进行估计，代码为：
regress lprice lnox ldist rooms stratio
结果为：
2
首先进行BP检验：
根据stata估计结果，采用BP检验来判断方程是否存在异方差，B-P检验的基础原理就是通过辅助回归的R^2,来检验是否存在异方差的情况。
首先默认以拟合值y_hat来检验，代码为：
estat hettest,iid
这里边iid：表示扰动项独立同分布（不加默认是正态分布）
得到结果：
结果表明，在给定α=0.05的情况下,BP检验的卡方统计量chi2（1）=127.21，对应p值为0.000<0.05，拒绝方程不存在异方差的原假设，说明方程存在异方差。
还可以对某些解释变量进行辅助回归，命令如下：
estat hettest lnox ldist rooms stratio, iid
得到结果：
在给定α=0.05的情况下,BP检验的卡方统计量chi2（4）=69.87，对应p值为0.000<0.05，拒绝方程不存在异方差的原假设，说明方程存在异方差。
3
接下来是怀特检验：
根据stata估计结果，采用怀特检验来判断方程是否存在异方差，代码为：
estat imtest,white
得到结果：
在给定α=0.05的情况下,BP检验的卡方统计量chi2（14）=143.98，对应p值为0.000<0.05，拒绝方程不存在异方差的原假设，说明方程存在异方差。
以上是BP检验、怀特检验的基本形式，还可以根据自己的需求，在上述命令的基础上，进行改进，得到想要的结果。
关于如何进行stata中的异方差检验操作及其分析问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注亿速云行业资讯频道了解更多相关知识。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
