这期内容当中小编将会给大家带来有关stata采用rvpplot如何直接获取残差图进行异方差检验，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
站在用户的角度思考问题，与客户深入沟通，找到广饶网站设计与广饶网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都网站设计、成都网站制作、企业官网、英文网站、手机端网站、网站推广、域名注册、网站空间、企业邮箱。业务覆盖广饶地区。
在OLS回归之后，我们可以采用残差图的方式对模型进行异方差检验，即通过残差与解释变量之间的图形变化规律，来判断二者是否具有相关性，从而违背了经典假设。在Eviews里通常需要生成残差变量在进行残差与解释变量的散点图构建，但在stata里可以直接用rvpplot获取残差图进行异方差检验。
1
我们建立了关于北京市客运量（运送旅客数量）的经济模型，并对此展开了研究。通过不同的比较，我们的模型变量为lny——北京市客运量(万人)的对数)、x1——北京市公路营运载客汽车拥有量(万辆)、x2——北京市公路运输业就业人员数(万人)、x3北京市地区生产总值(亿元)，其中，lny为被解释变量，x1、x2、x3均为解释变量。部分数据如下：
1
首先进行OLS回归
.reg lny x1 x2 x3
完成回归后，可以使用命令得到残差图
.rvpplot x1
由图可知，公路营运载客汽车拥有量（x1）越大，扰动项的方差并没有明显的变化，表明不存在异方差。
.rvpplot x2
由图可知，公路运输业就业人员数（x2）越大，扰动项的方差并没有明显的变化，表明不存在异方差。
.Rvpplot x3
由图可知，地区生产总值（x3）越大，扰动项的方差并没有明显的变化，表明不存在异方差。
接下来可以采用BP检验、white检验进一步判断。
上述就是小编为大家分享的stata采用rvpplot如何直接获取残差图进行异方差检验了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。