本题使用VOTEl.RAW中的数据。（i）估计一个以voteA为因变量并以prtystrA、democA、log（expendA）和log（expendB）为自变量的模型。得到OLS残差[tex=0.857x1.286]5KV3a1aYTZ2Zwm+WGcaUu8Du+Yf1pUwMK0YfsKcf/PM=[/tex]，并将这些残差对所有的自变量进行回归。解释你为什么得到[tex=3.0x1.286]lHsxa5wMhEVHdN5dfL0ljQ==[/tex]。（ii）现在计算异方差性的布罗施一帕甘检验。使用F统计量的形式并报告P值。（iii）同样利用F统计量形式计算异方差性的特殊怀特检验。现在异方差性的证据有多强？
举一反三
- 将异方差性的布罗施-帕甘检验和怀特检验的特征相结合有不同的方法。文中没有讨论的一种可能性是将 [tex=1.0x1.5]bybt0n1ULyTKr5LP0Zh4emspaoH/1hlbvKVK2m78+l0=[/tex] 对 [tex=13.857x1.5]MZJDhJEKrBzJaXDFA534sSPgLk9W4M7KRwv3GC8d9X36fk3TACxHU0CXDKihr3SfuLyZWqgEwurvpYvgkZNW7hNnnSuEEh1u0kYeNUq8/00=[/tex] 进行回归。其中, [tex=0.857x1.214]HDXdck+r2qKLLH+te6GQfw==[/tex] 是 OLS 残差, [tex=0.786x1.286]IkEIUpuafUqrWqzlh6Abew==[/tex] 是 OLS 拟合值。于是, 我们可以检验 [tex=5.714x1.0]kaxIkZC7LAeTb5URurtm9px/USWRATbyHjoTdW+Xp6w=[/tex] 和 [tex=0.929x1.5]UfuHMW9RleTTOPkIr+0kMPVbAQ7Yn1X7mT4sHOiyJIg=[/tex] 的联合显著性。（当然，我们在回归中总是包含一个截距。）（i）与所建议的异方差F检验相联系的自由度是多少？（i）解释为什么上述回归的[tex=1.143x1.286]TI7jqqDiM1RJHIUxyvKDvg==[/tex]总是至少和BP回归和怀特检验特殊形式的[tex=1.143x1.286]TI7jqqDiM1RJHIUxyvKDvg==[/tex]一样大？（iii）第（i）部分是否意味着这个新检验总能比BP或怀特特殊情形估计量得到更小的P值？请解释。（iv）假设有人还建议在新提出的这个检验中增加。你认为这个主意如何？
- 将异方差性的布罗施一帕甘检验和怀特检验的特征相结合有不同的方法。正文中没有讨论的一种可能性是将[tex=1.0x1.286]jyAtNoQTpqVWWhaeEu0ZFtA/31G5PGRzV8BrjmSKEgw=[/tex]对[tex=1.214x1.286]+2po0BA5nQ0ANMPtIojO6A==[/tex]，[tex=1.286x1.286]Sbradpy8rvAK92mOyW/4Qw==[/tex]，[tex=1.143x1.286]PZ3wc82RrbgX5KwVcyJcmA==[/tex]，[tex=1.286x1.286]/UEFQMtphFpGaKqKcPypfQ==[/tex]，[tex=0.929x1.286]eNPoBzh+O0EJsbH9PrvxlrlYUZZRKhga1Lg3qMHEJFo=[/tex]；[tex=4.857x1.286]axzC9qQ2HqBtpy7wJsh+qDVYwl+Gc8LLeXCFGS8DBm0=[/tex]进行回归。其中，[tex=0.857x1.286]5KV3a1aYTZ2Zwm+WGcaUu8Du+Yf1pUwMK0YfsKcf/PM=[/tex]是OLS残差，[tex=0.786x1.286]yeWZytEK4C7GE/zWwv/2gpUoaSlQzC/rzUgGYPi1xqM=[/tex]是OLS拟合值。于是，我们可以检验[tex=1.214x1.286]+2po0BA5nQ0ANMPtIojO6A==[/tex]，[tex=1.286x1.286]Sbradpy8rvAK92mOyW/4Qw==[/tex]，[tex=1.143x1.286]PZ3wc82RrbgX5KwVcyJcmA==[/tex]，[tex=1.286x1.286]/UEFQMtphFpGaKqKcPypfQ==[/tex]和[tex=0.929x1.286]eNPoBzh+O0EJsbH9PrvxlrlYUZZRKhga1Lg3qMHEJFo=[/tex]的联合显著性。（当然，我们在回归中总是包含一个截距。）（i）与所建议的异方差F检验相联系的自由度是多少？（ii）解释为什么上述回归的[tex=1.143x1.286]TI7jqqDiM1RJHIUxyvKDvg==[/tex]总是至少和BP回归和怀特检验特殊形式的[tex=1.143x1.286]TI7jqqDiM1RJHIUxyvKDvg==[/tex]一样大？（iii）第（ii）部分是否意味着这个新检验总能比BP或怀特特殊情形估计量得到更小的P值？请解释。（iv）假设有人还建议在新提出的这个检验中增加[tex=0.929x1.286]eNPoBzh+O0EJsbH9PrvxlrlYUZZRKhga1Lg3qMHEJFo=[/tex]。你认为这个主意如何？
- 通过建立残差序列对解释变量的辅助回归模型来检验异方差性的方法有
- 以下关于异方差性检验方法的说法正确的有： A: 异方差检验首先要明确是纯异方差还是非纯异方差。 B: Park检验中对t统计量进行检验时应采用单侧检验 C: Park检验采用的是双对数回归模型。 D: White检验中可包含解释变量的交叉项，也可不包含解释变量的交叉项。 E: 异方差检验主要关注残差。 F: 若异方差与解释变量完全没有关系，White检验也无能为力。
- 以下关于异方差性检验方法的说法正确的有： A: Park检验中对t统计量进行检验时应采用单侧检验。 B: 异方差检验首先要明确是纯异方差还是非纯异方差。 C: Park检验采用的是双对数回归模型。 D: White检验中可包含解释变量的交叉项，也可不包含解释变量的交叉项。 E: 异方差检验主要关注残差本身。 F: 若异方差与解释变量完全没有关系，White检验也无能为力。