残差检验_stata采用rvpplot直接获取残差图进行异方差检验

在OLS回归之后，我们可以采用残差图的方式对模型进行异方差检验，即通过残差与解释变量之间的图形变化规律，来判断二者是否具有相关性，从而违背了经典假设。在Eviews里通常需要生成残差变量在进行残差与解释变量的散点图构建，但在stata里可以直接用rvpplot获取残差图进行异方差检验。

1

数据

我们建立了关于北京市客运量(运送旅客数量)的经济模型，并对此展开了研究。通过不同的比较，我们的模型变量为lny——北京市客运量(万人)的对数)、x1——北京市公路营运载客汽车拥有量(万辆)、x2——北京市公路运输业就业人员数(万人)、x3北京市地区生产总值(亿元)，其中，lny为被解释变量，x1、x2、x3均为解释变量。部分数据如下：

1

OLS与残差图

首先进行OLS回归

.reg lny x1 x2 x3

完成回归后，可以使用命令得到残差图

.rvpplot x1

由图可知，公路营运载客汽车拥有量(x1)越大，扰动项的方差并没有明显的变化，表明不存在异方差。

.rvpplot x2

由图可知，公路运输业就业人员数(x2)越大，扰动项的方差并没有明显的变化，表明不存在异方差。

.Rvpplot x3

由图可知，地区生产总值(x3)越大，扰动项的方差并没有明显的变化，表明不存在异方差。

接下来可以采用BP检验、white检验进一步判断。

欢迎扫码关注，若有问题，请点击“在看”留言或在公众号里留言，看到必回。