各种检验总结
1、偏度：①序列的分布是对称的，S值为0；
②正的S值意味着序列分布有长的右拖尾；
③负的S值意味着序列分布有长的左拖尾。
2、峰度：①如果 K 值大于3，分布的凸起程度大于 正态分布；
②如果K值小于3，序列分布相对于正态分布是平坦的。
3、正态性检验：
Q-Q图：看QQ图上的点是否近似地在一条直线附近, 是的话近似于正态分布。 Jarque-Bera 检验：①如果P值很小，则拒绝原假设， X不服从正态分布；
②如果P值大于0.05（0.1） 接受原假设, X 服从正态分布 。
输入数据
用鼠标单击“Quick”，出现下拉菜单，单击“Empty Group”，出现“Group”窗口。
在数据表的第一列中键入y的数据，并将该序列名取为y；在第
二、第三列中分别键入x1 和x2的数据，并分别取名为x1和x2。
回归分析
用鼠标单击“Quick”，出现下拉菜单，单击“Estimate Equation”，在弹出对话框中键入 y c x1 x2；在 “Estimation Settings” 栏中选 择“Least Squares”（最小二乘法)；点击“OK”，屏幕显示回归分析结果如表3-16所示。
回归检验
1、拟合优度检验：R2 =0.864267说明，回归方程即上述样本需求函数的解释能力为 86.4%，即所有解释变量能对该被解释变量变动的86.4%作出解释。回归方 程的拟合优度较好。
2、回归模型的总体显著性检验：从全部因素的总体影响看，α表示显著性水平(一般取5%，也可取10%根据题目而定)假设在5%显著性水平上，若F检验的P值
小于0.05，说明所有解释变量对被解释变量的共同影响显著。
3、单个回归系数的显著性检验：从单个因素的影响看，在 5%显著性水平上，查看各个解释变量的T检验值若大于2，一般表示该解释变量对被解释变量有显著影响。但是，最主要是看解释变量的P检验值于0.05则表示该解释变量对被解释变量有显著影响。
，若P值小
异方差检验： （1）判断
1.图示法——残差的图示检验
通过resid 与 x的散布图判断，图形成喇叭状。或通过resid的平方 与 x的散布图判断。 在“Quick”菜单中选“Graph”项，在图形对话框里键入 resid x，可得 resid 与 x的散布图（见图 4-9） ，resid 与 x 的散布图表明存在异方差。 2.怀特检验。
在方程窗口中依次点击：View\\Residual Test\\ Heteroskedasticity Test,多元回归时一般选择有交叉项,
（2）异方差的修正（WLS 估计法）。加权重1/x^2。
。
在 OLS 对话框里键入：y c x，按回车键，然后在方程窗口中点击“Estimate\\Options”按钮，并在权数对话框里输入权数 1 / x^2 或者1 / e^2(其中的e是用
中的genr按钮，在弹出的框中输入e=resid)
若obs*R-squared对应的P值小于0.05，拒绝原假设，存在异方差性。例中为0.1691。
自相关检验：
（一）判断 1.残差图
通过resid(-1)和resid（纵轴）的残差图，有明显带状规律。
2.D-W检验 3.偏自相关系数检验
在方程窗口中依次点击：View\\Residual Test\\correlogram-Q-statistic
超出虚线的条块
4.拉格朗日乘数检验（B-G,LM）
在方程窗口中依次点击：View\\Residual Test\\Serail Correlation LM Test
若obs*R-squared对应的P值小于0.05，拒绝原假设，存在自相关。
（二）修正（广义差分）
DW利用DW统计量求
，再用广义差分法估计模型 ˆ122.杜宾（durbin）两步法 1.Y(1)(XX)()Ytt101tt1tt1
鼠标单击“Quick”，出现下拉菜单，单击“Estimate Equation”，在弹出的 OLS 对话框里键入：Yt
Yt1 c XtXt1，按回车键，
多重共线性检验
（一） 判断
1.相关系数法。R的绝对值大于等于0.8，存在多重共线性。
2.回归后，R平方较大，F检验显著，但有些变量T检验不显著，系数的正负号与理论违背。
（二） 修正
1.先用Ctrl键选中所有的解释变量和被解释变量，再右击鼠标，在open中选中as group，在新建的group窗口中点击view / Covarriance Analysis/ correlation
找到和被解释变量相关系数最大的解释变量，做二者的回归估计。
2.若该解释变量有显著影响，再加入和被解释变量相关系数第二大的解释变量做回归分析，若 R平方上升，P值显著则该变量应该加入模型，否则舍去。
