Stata软件异方差检验与处理：基本原理
所谓异方差，是指误差项 u 对不同的个体是不同的，从统计上讲，就是违反了球形误差的假设。当数据有异方差问题时，会导致test命令得到的结果产生偏差。
下面先介绍如何检验异方差。
异方差的检验通常有三种方法：
第一种是较为直观的观察法，进行回归后画出残差图，如果残差的波动较大，就说明可能存在异方差，但是这种方法并不严谨，只能作为进行异方差检验的一种直观参考；
第二种方法是BP检验（Breusch-Pagan检验），该检验的思想是将残差平方和作为被解释变量，原有的解释变量仍然作为解释变量，如果这个回归的系数都不显著，就说明残差平方和不被解释变量所解释，不存在异方差的情况；
第三种方法就是怀特检验，怀特检验的基本思想就是比较满足经典假设的普通标准差与异方差情况下稳健标准差的大小，如果二者差距过大，就说明存在异方差。
异方差的处理较为简单，因为异方差并不影响回归系数估计的一致性，最为常用的方法就是在进行检验的时候使用异方差稳健标准差进行修正。
除此之外，如果对于回归方程 Y=Xβ+ε ，知道其方差矩阵V，就可以经过变形对满足经典假设的方程 V -1/2 Y=V -1/2 Xβ+V -1/2 ε 进行回归估计，这种方法叫作广义最小二乘估计。
如果方差矩阵未知，就可以首先得到方差矩阵的估计，然后使用上述方法进行回归，这种方法叫作可行广义最小二乘估计。
