处理异方差的第一步就是要先明确什么是异方差。

在此处我们仅需简单理解为：异方差就是说随机误差项具有不同的方差。

下图为异方差的基本表现形式。观察下图我们可以大致观察出，样本点分布呈现出扩张或者收缩的趋势，我们可以通过画图简单判别是否存在异方差问题。

第二步：画图简单看看是不是存在异方差。

打开需要处理异方差问题的数据，按照以下命令进行处理：

regress y x1 x2 x3 x4

解释：其中y为被解释变量，x1-x4为解释变量。

rvfplot,yline(0) xline(0)

解释：画出残差和拟合值散点图的命令，其中yline(0) xline(0) 表示画出坐标轴的意思（可以不加，无影响）

rvpplot x1

解释：画出x1和残差之间散点图

只需要将实际问题中需要的解释变量和被解释变量带入即可，使用画图法初步观察是否存在异方差的情形，结合第一步的图例，观察如果感觉存在异方差则可以进一步进行异方差的检验。

补充：示例图为笔者使用网络上公开数据获得结果示意图，如果你得到的结果和我得类似，则说明你的操作正确，可以进行下一步操作了。

第三步（BP检验方法，不推荐使用，推荐使用WHITE检验）：感觉存在异方差，使用B-P检验

B-P检验的基础原理就是通过辅助回归的R^2,来检验是否存在异方差的情况。（详细概念，我会继续更新）命令如下：

estat hettest,rhs iid

解释：1.estat：post-estimation statistics

2.hettest：heteroskedasticity test 异方差检验

3.iid：独立同分布（不加默认是正态分布）

4.rhs：right hand sight 指的是使用右手边的全部解释变量进行辅助回归（不加默认使用y hat进行回归。）

补充：1.示例图为笔者使用网络上公开数据获得结果示意图，如果你得到的结果和我得类似，则说明你的操作正确，可以进行下一步操作了。

2.看不懂没关系直接使用命令进行检验即可，如果想要深入了解，笔者还会陆续更新相关基础知识内容。

3.如果得到Prob chi2 = 0.0000，则说明拒绝原假设，存在异方差，在实际操作中只要，p值小于0.05都可以认为存在异方差。

第三步（BP检验方法补充，可以不看）

如果想要对某些解释变量进行辅助回归，命令如下：

estat hettest 变量名，iid

补充：1.示例图为笔者使用网络上公开数据获得结果示意图，如果你得到的结果和我得类似，则说明你的操作正确，检验阶数。

2.如果得到Prob chi2 = 0.0000，则说明拒绝原假设，存在异方差，在实际操作中只要，p值小于0.05都可以认为存在异方差。

第三步（WHITE检验，推荐）

estat imtest，white

解释：imtest：information matrix test（信息矩阵检验）

补充：1.示例图为笔者使用网络上公开数据获得结果示意图，如果你得到的结果和我得类似，则说明你的操作正确，检验结束。

2.为啥推荐WHITE检验呢？因为WHITE检验可以检验二次项的异方差情况，我还会继续更新有关基础知识内容。

3.只需要看上半部分，IM-test我们不关心。

4.如果得到Prob chi2 = 0.0000，则说明拒绝原假设，存在异方差，在实际操作中只要，p值小于0.05都可以认为存在异方差。

建议使用WHITE检验

进一步处理异方差的内容，请参考我其他经验