快速上手，通常使用最小二乘法建立回归模型之后，需要检验模型的异方差性，自相关性，多重共线性，并对检验结果进行修正。这三个检验在计量经济学课程的实践报告里基本是绕不过的，但网上的方法又过于详细全面，我们只需要知道直接做法和方法就好了，列举出12345这些方法很多同学表示真的看不下去。具体这三大检验该如何上机操作，我拿最近接到的一个案例详细举例说明。
一、数据来源：
客户提供的数据是1981-2006年股票价格指数和gdp数据，股票价格指数为Y，gdp数据为x,这是一个一元一次方程，所以只做了异方差和序列相关性的检验。

模型建立
数据录入eviews，用最小二乘法进行线性回归，结果如下：

模型诊断
异方差性
通常使用怀特检验进行异方差性检验，步骤如下：


结果如下：

F值和nR2值均显著，所以说明存在异方差。
用加权最小二乘法进行异方差修正：

结果如下：

进行怀特检验：

可见，已经消除了异方差。
自相关性
回归模型中dw=0.440822,样本数量为26个，在5%的上下界查DW统计表得dL=1.30,dU=1.46,DW<dL,所以模型中存在自相关性。
计算自相关系数p=1-dw/2=0.779589,建立广义差分模型消除自相关，

结果如下：

DW=0.908327,由于使用了广义差分数据，样本容量减少为25，查DW统计表得:dL=1.29,dU=1.45 DW<dL ，广义差分模型中仍然存在自相关性。
所以说明可能为高阶自相关。采取LM检验，判断为二阶自相关，因此使用二阶广义差分法估计模型得：


进行LM检验

结果如下：

LM=0.900697不显著，已消除自相关。