一般來講，時間序列資料較少出現異方差現象，更多地是序列相關問題。
用stata軟體實現異方差的檢驗，最直觀的是用圖示法。作出殘差關於某一解釋變數的散點圖，具體的命令如下：
reg 被解釋變數名 解釋變數名
prrdict e, resid
graph twoway scatter e 解釋變數名
此外，還有white檢驗、G-Q檢驗和Breuch-Pagan LM檢驗。white檢驗不是stata官方的命令，需要單獨下載補丁，G-Q檢驗則需要對變數有較多的先驗認識。我重點介紹一下B-P LM檢驗在stata中的實現：
在執行完迴歸指令regress以後，用 hettest 變數名 這個命令就能實現。其中變數名只包括除常數項以外的所有解釋變數名稱。你可以逐個命令進行操作，也可以用批處理的方式來實現。至於檢驗的原理不用在這裡說了吧？不太明白的話建議查查書。
序列相關性的檢驗
1、D-W檢驗
reg y x1 x2 x3
estat dwatson
(y為被解釋變數 x為解釋變數，執行上述命令便可得到D-W值，不過該檢驗存在無法判斷的盲區且只能對一階自相關進行檢驗)
2、Box and Pierce"s Q 檢驗
predict e, resid
wntestq e, lags(n)
（n為滯後階數，可以由少及多嘗試幾次）
一般來講，時間序列資料較少出現異方差現象，更多地是序列相關問題。
用stata軟體實現異方差的檢驗，最直觀的是用圖示法。作出殘差關於某一解釋變數的散點圖，具體的命令如下：
reg 被解釋變數名 解釋變數名
prrdict e, resid
graph twoway scatter e 解釋變數名
此外，還有white檢驗、G-Q檢驗和Breuch-Pagan LM檢驗。white檢驗不是stata官方的命令，需要單獨下載補丁，G-Q檢驗則需要對變數有較多的先驗認識。我重點介紹一下B-P LM檢驗在stata中的實現：
在執行完迴歸指令regress以後，用 hettest 變數名 這個命令就能實現。其中變數名只包括除常數項以外的所有解釋變數名稱。你可以逐個命令進行操作，也可以用批處理的方式來實現。至於檢驗的原理不用在這裡說了吧？不太明白的話建議查查書。
序列相關性的檢驗
1、D-W檢驗
reg y x1 x2 x3
estat dwatson
(y為被解釋變數 x為解釋變數，執行上述命令便可得到D-W值，不過該檢驗存在無法判斷的盲區且只能對一階自相關進行檢驗)
2、Box and Pierce"s Q 檢驗
reg y x1 x2 x3
predict e, resid
wntestq e, lags(n)
（n為滯後階數，可以由少及多嘗試幾次）