各种检验总结1、偏度： ①序列的分布是对称的，S值为 0；②正的 S值意味着序列分布有长的右拖尾；③负的 S值意味着序列分布有长的左拖尾。2、峰度： ①如果 K 值大于 3，分布的凸起程度大于正态分布；②如果 K 值小于 3，序列分布相对于正态分布是平坦的。3、正态性检验：Q-Q 图： 看 QQ 图上的点是否近似地在一条直线附近, 是的话近似于正态分布。Jarque-Bera 检验 ：①如果 P 值很小，则拒绝原假设，X 不服从正态分布；②如果 P 值大于 0.05（0.1） 接受原假设 , X 服从正态分布。输入数据用鼠标单击“Quick”，出现下拉菜单，单击“Empty Group”，出现“Group”窗口。在数据表的第一列中键入y 的数据，并将该序列名取为y；在第二、 第三列中分别键入 x1 和 x2 的数据，并分别取名为x1 和 x2。回归分析用鼠标单击“ Quick”，出现下拉菜单，单击 “Estimate Equation”，在弹出对话框中键入y c x1 x2；在 “Estimation Settings” 栏中选 择“Least Squares”（最小二乘法 )；点击“ OK”，屏幕显示回归分析结果如表3-16 所示。回归检验1、拟合优度检验： R2 =0.864267说明，回归方程即上述样本需求函数的解释能力为 86.4%，即所有解释变量能对该被解释变量变动的86.4%作出解释。回归方程的拟合优度较好。2、回归模型的总体显著性检验： 从全部因素的总体影响看， α 表示显著性水平 (一般取 5%，也可取 10%根据题目而定 )假设在 5%显著性水平上，若F 检验的 P 值小于 0.05 ，说明所有解释变量对被解释变量的共同影响显著。3、单个回归系数的显著性检验：从单个因素的影响看，在5%显著性水平上，查看各个解释变量的T 检验值若大于 2，一般表示该解释变量对被解释变量有显著影响。 但是，最主要是看解释变量的P 检验值，若 P 值小于 0.05 则表示该解释变量对被解释变量有显著影响。异方差检验：（1）判断1.图示法 —— 残差的图示检验通过 resid 与 x 的散布图判断，图形成喇叭状。或通过resid 的平方与 x 的散布图判断。在“ Quick ”菜单中选“Graph”项，在图形对话框里键入resid x，可得resid 与 x 的散布图（见图4-9） ，resid 与 x 的散布图表明存在异方差。2.怀特检验。在方程窗口中依次点击：View\Residual Test\ Heteroskedasticity Test, 多元回归时一般选择有交叉项 , 。（2）异方差的修正（WLS 估计法）。加权重1/x^2 。在...
