一个X对应一个Y，如何求方差呢？
（1）尽管在一次抽样中每个x取值可能只对应1个y值，但对于总体而言，理论上每个x取值对应的y值是有很多的。
（2）例如，研究身高(x)与血压值(y) 的关系，
尽管在一次抽样中每个身高值（如170cm) 所对应的血压值可能只有1个（如140mmHg), 但对于总体而言，这一固定的身高(170cm) 所对应的血压值应该有很多，可能是140mmHg, 也可能是150mmHg,所以理论上是有方差的。
1、BP（Breusch-Pagan）法
（1）既然线性回归无法做到对每个x取值对应的y 值计算方差，那么我们可以将条件放宽一些，可以简单地看某个x 取值范围内对应的y值的方差，这是可以做到的。所以实际中我们经常通过线性回归的残差图来判断方差齐性，即以因变量残差作为纵坐标，以自变量作为横坐标，绘制散点图。
（2）如拟合年龄(x)与BMI(y)的关系，可通过残差图，大致观察一下BMI的残差有没有随着年龄增加而出现增大或减小的趋势，如果有，则意味着可能存在方差不齐的现象。（将残差理解为方差，一种波动范围？）
image.png
2、White 检验
（1）White检验的思想与BP检验差不多，只不过考虑得更为周密。在BP检验中，只是给出了残差与自变量的线性关系，也就是说，只能检验残差增大或减小这样的线性趋势。如果残差不是线性趋势，而是先增大或减小等非线性趋势，那么BP检验就看不出来了。因此，White检验在最后建立的残差与自变量的回归模型中增加了各种高次项。
（2）不仅可以判断方差增大或减小的线性趋势，还可以检验其他的变化趋势。从这个意义上来讲， BP检验可以看作White检验的特例。
网友评论