异方差的残差图分析中,为什么用(ei-1,ei)做残差图更合适?
时间: 2024-02-29 10:55:38 浏览: 16
在异方差的情况下,方差并不是常数,而是随着自变量变化而变化。如果使用简单的残差图(ei,yi),则无法直观地观察到方差的变化情况,可能会导致误判。因此,我们可以使用(ei-1,ei)来代替(ei,yi),其中ei-1是第i-1个残差,ei是第i个残差。这样,我们可以通过观察点的分布情况来判断方差是否随着自变量变化而变化。如果方差是常数,则点应该分布在水平线上;如果方差随着自变量变化而变化,则点应该分布在斜线上。因此,使用(ei-1,ei)做残差图更合适。
相关问题
残差分析和异方差检验的关系
残差分析和异方差检验是统计学中常用的两种方法,用于评估线性回归模型的合理性和准确性。它们之间存在一定的关系。
残差分析是通过对线性回归模型的残差进行检查和分析,来评估模型的拟合程度和假设的合理性。残差是指观测值与模型预测值之间的差异,残差分析可以帮助我们判断模型是否存在系统性的偏差或模型的假设是否满足。
异方差检验是用于检验线性回归模型中残差的方差是否恒定的方法。异方差指的是残差的方差在不同的自变量取值下不相等。异方差检验可以帮助我们判断模型的残差是否存在异方差问题,即残差的方差是否与自变量相关。
残差分析和异方差检验的关系在于,残差分析可以帮助我们观察到模型中是否存在异方差问题。如果残差分析显示残差的方差在不同的自变量取值下存在明显的差异,那么我们可以进行异方差检验来验证这一点。异方差检验可以帮助我们确定是否需要对模型进行修正,以解决异方差问题。
总结起来,残差分析是用于评估模型拟合程度和假设合理性的方法,而异方差检验则是用于检验模型中残差方差是否恒定的方法。它们可以相互补充,帮助我们更全面地评估和改进线性回归模型。
stata中在做完arima模型后,如何使用ARCH对残差进行异方差检验
对于这个问题,我可以回答。在stata中,可以使用archlm命令对ARIMA模型的残差进行ARCH检验。具体步骤是:先估计ARIMA模型,然后使用predict命令得到残差序列,最后使用archlm命令进行ARCH检验。