这学期刚学了初级计量经济学，开始尝试做计量的案例分析，选取了1986年-2013年的月度数据进行多元线性回归分析。
开始直接取对数，发现无法通过white异方差检验，总是拒绝原假设。换了一种方法，对每个变量进行加权处理，除以残差值，发现仍然没有通过异方差检验。
虽然知道用eviews进行异方差检验的方法有好几种。
根据图像进行直观判断；G-Q检验；我现在用的white检验；斯皮尔曼等级相关系数检验；戈里瑟检验；
因为我要交上去比较正规的作业，简单的图片判别肯定不具有说服力，G-Q检验要求是递增型异方差，要对解释变量进行升序排列后去掉中间的三分之一样本数量再对两边的子样本进行检验，计算过程繁琐不可取。
所以根据老师的意见，选用最常见通用的white检验方法，笔者进行前面说的加权或者取对数都没能通过white检验，很是头疼 ，而且发现怀特检验的原理是
WT（g）=T*（R^2) 和给定显著性水平下的卡方临界值，T的数量过大，可决系数很大的话导致T*(R^2)过大，而卡方临界值依赖于自由度（由解释变量个数决定），值的大小有限。


所以笔者发现如果回归过程中样本量很大，达到几百以上，拟合度很高的话，会不断导致white检验中拒绝原假设，难以通过异方差检验。


不知道论坛的各位大神在做计量检验过程中是否遇到LZ的问题，除了异方差之外似乎也没很好的办法。求论坛大牛指点一二。