Essie2021-11-03 11:41:35

你好，
1.条件异方差：当存在条件异方差时，会导致残差的方差随着自变量增大而增大，如果看的是前面部分的小残差，比如在金融数据中，通常会使得标准误被低估，t统计量高估，此时显著性检验的原假设更容易被拒绝，因此更容易产生一类错误。因此残差的方差MSE较小，而F检验F=MSR/MSE，所以F检验也就不可靠了。如果看的是后半段方差较大的情况，那么所有的情况都是反过来的。
2.序列自相关：正序列自相关会使回归系数的标准误偏小，显著性检验的t统计量被高估，一类错误发生的概率增加；检验回归总体显著性的F统计量可能会被夸大，因为均方误差（MSE）往往会低估总体残差的方差，即F检验不可靠。负的序列自相关反之。
3.多重共线性：回归系数的标准误增大，估计的t统计量被低估，更难拒绝原假设，容易产生二类错误。
加油~