外国人做的网站seo1现在怎么看不了
目录
1.异方差的检验
1 BP检验
2white检验
2.异方差的修正
1.异方差的检验
1 BP检验
选择检验方法：BP
BP检验的实际步骤（非机器）：
1.y对所有x进行回归，得到残差u。计算残差的平方u^2
2.u^2对所有x进行回归，得到拟合优度R^2
3.计算F统计量或LM统计量，看显著性水平决定是否拒绝原假设（H0：同方差）
p=0.1142>0.05不拒绝原假设，即原来的模型是同方差的
2white检验
选择检验方法：white
white检验的实际步骤（非机器）：
1.y对所有x进行回归，得到残差u和拟合值y。计算残差的平方u^2和拟合值的平方y^2
2.u^2对拟合值y和拟合值的平方y^2进行回归，得到拟合优度R^2
3.计算F统计量或LM统计量，看显著性水平决定是否拒绝原假设（H0：同方差）
p=0.0224<0.05拒绝原假设，即原来的模型是异方差的
有了异方差就要设法去减小异方差，进行矫正
2.异方差的修正
由于多个变量的存在，我们无法确定究竟是由哪个变量引起的异方差。因此，可以选择使用FeasibleGLS进行修正。
FeasibleGLS的步骤：
1.y对所有的x进行回归，得到残差u，计算log（u^2)
2.log（u^2)对所有的x进行回归，得到拟合值g，计算h=exp(g)
3.以1/h为权数，重新对原方程进行回归
回归之后，通过【quick-generate series】生成u，再生成log（u^2)
luu对所有x进行回归，forecast得到拟合值luuf
生成hh【1/exp（luuf）】，并以hh作为权重
estimation-option-在weight选择inverse variance，输入权重，即可进行加了权重后的回归
【or大样本情况下，想要只改变standard error：对截面数据，使用white】
