t统计的p是出现这个t统计值的概率,如 t=1.95 时p=0.05."如果p越小",是指p相比0.05的程度,如0.01,反映在原假设参数为零的情况下,出现这个统计量可能性只有 0.01,从而,说明检验的参数为零的可能性越低(只有0.01,依小概率思想,拒绝).

white检验的统计量服从卡方分布.在同方差情况下,统计量值小;在异方差情况下,统计量值大.原假设是无异方差.如果从数据计算的统计量值大于选定的显著性水平,则认为存在异方差.这时的 p 值,还是小的好.

(在原假设下对应一个分布,依数据计算的统计量值服从这个分布,则统计量值出现的概率是 p.)

先搞清假设是关键啊，否则都不知道到底检验什么，也就不知道p的大小说明什么问题了。

P值就是检验的第一类错误概率，当然是越小越好。

至于多小，要看检验者的承受“第一类错误造成的损失”的能力……

0.01、0.05之类的设定只是一个惯例……

t统计的p是出现这个t统计值的概率,如 t=1.95 时p=0.05."如果p越小",是指p相比0.05的程度,如0.01,反映在原假设参数为零的情况下,出现这个统计量可能性只有 0.01,从而,说明检验的参数为零的可能性越低(只有0.01,依小概率思想,拒绝).

white检验的统计量服从卡方分布.在同方差情况下,统计量值小;在异方差情况下,统计量值大.原假设是无异方差.如果从数据计算的统计量值大于选定的显著性水平,则认为存在异方差.这时的 p 值,还是小的好.

(在原假设下对应一个分布,依数据计算的统计量值服从这个分布,则统计量值出现的概率是 p.)