我用的怀特检验法得到了如下的结果，不太懂到底有没有异方差

Python010

我用的怀特检验法得到了如下的结果，不太懂到底有没有异方差,第1张

怀特检验看n*r^2与相应卡方分布临界值（x^2（r））的大小。n为样本容量，r^2为相关系数，x为卡方符号，r为辅助方程中解释变量个数。xx^x*x2x2x2^2由此看辅助方程中解释变量个数共5个，所以你去查卡方分布表，查表得，在5%显著性水平（如果你的问题所取得显著性水平不是5%，那就换成你的显著性水平再查）下，此临界值为11.072。比较11.072与n*r^2的大小（样本容量自己数数），前者大，则没异方差，否则有。

用方差稳定变换y=√y消除异方差用R做法:原模型y=a+bx+e的异方差指的是随机干扰项e存在异方差。

在样本回归函数中，随机干扰项不能观测，只能观测残差项，利用怀特检验等方法可以得到异方差与自变量的某种关系，即异方差结构，比如e^2=d*x^2等，用此关系作为异方差结构估计，在样本函数两侧同时除以权重x^2即可以得到异方差调整后满足经典假设的模型从而得到有效的参数估计。

后向误差分析

其理论由詹姆斯·威尔金森（James H. Wilkinson）提出和推广，可用于确定实现数字函数的算法在数值是否稳定。方法表明，尽管由于舍入误差而导致的计算结果不完全正确，但这是一个精确的解决方案。 如果所需的扰动小，按照输入数据的不确定性的顺序，则结果在某种意义上与数据“应得的”一样准确。 然后将算法定义为向后稳定。