This set of tests allows you to tes

This set of tests allows you to test for a range of specifications of heteroskedasticity in the residuals of your equation. Ordinary least squares estimates are consistent in the presence of heteroskedasticity, but the conventional computed standard errors are no longer valid. If you find evidence of heteroskedasticity, you should either choose the robust standard errors option to correct the standard errors (see “Heteroskedasticity Consistent Covariances (White)” on page 33) or you should model the heteroskedasticity to obtain more efficient estimates using weighted least squares.

Kết quả (Việt) 1:

Này tập hợp các bài kiểm tra cho phép bạn kiểm tra cho một loạt các chi tiết kỹ thuật của heteroskedasticity trong dư của phương trình của bạn. Ước tính bình thường tối thiểu là phù hợp sự hiện diện của heteroskedasticity, nhưng thông thường tính tiêu chuẩn lỗi không còn hợp lệ. Nếu bạn tìm thấy bằng chứng về heteroskedasticity, bạn hoặc là nên chọn lỗi chuẩn mạnh mẽ các tùy chọn để sửa chữa lỗi chuẩn (xem "Heteroskedasticity phù hợp Covariances (trắng)" trên trang 33) hoặc bạn nên mô hình heteroskedasticity để có được hiệu quả hơn ước tính bằng cách sử dụng trọng tối thiểu.

Kết quả (Việt) 2:

Điều này thiết lập các bài kiểm tra cho phép bạn kiểm tra cho một loạt các chi tiết kỹ thuật của heteroskedasticity trong dư của phương trình của bạn. Thông thường nhất là hình vuông ước tính phù hợp với sự hiện diện của heteroskedasticity, nhưng sai số chuẩn thông thường tính toán không còn giá trị. Nếu bạn tìm thấy bằng chứng của heteroskedasticity, bạn có nên chọn tùy chọn sai số chuẩn mạnh mẽ để sửa lỗi tiêu chuẩn (xem "heteroskedasticity hiệp phương sai Phù (trắng)" trên trang 33) hoặc bạn nên mô hình các heteroskedasticity để ước lượng hiệu quả hơn bằng cách sử dụng phương tối thiểu có trọng .