多元线性回归的异方差检验（Breusch-Pagan）.docxVIP

多元线性回归的异方差检验（Breusch-Pagan）

一、引言

多元线性回归是社会科学、经济学、管理学等领域实证研究中最基础且应用最广泛的计量分析方法之一，其核心是通过建立被解释变量与多个解释变量之间的线性关系，揭示变量间的因果关联或预测趋势。经典线性回归模型的有效性依赖于一系列严格假设，其中同方差假设——即随机误差项的方差在所有观测值下保持恒定——是保障参数估计有效性与假设检验可靠性的关键前提（古扎拉蒂，2009）。然而，在实际研究中，由于样本数据的异质性、模型设定偏误或测量误差等因素，同方差假设常被打破，进而出现异方差问题。异方差的存在会导致普通最小二乘估计的参数方差非有效，t检验、F检验的结果失真，甚至误导研究结论的解读（伍德里奇，2010）。因此，准确识别异方差的存在是计量分析中不可或缺的环节，而Breusch-Pagan检验作为基于拉格朗日乘数法的经典异方差检验方法，以其逻辑清晰、操作简便的特点，成为实证研究者的常用工具。本文将系统梳理异方差的基础概念与影响，详细阐述Breusch-Pagan检验的原理、操作步骤与实操要点，并通过与其他检验方法的对比明确其适用边界，为实证研究中异方差的检验提供严谨的方法参考。

二、异方差的基础概念与影响

（一）异方差的定义与表现形式

异方差是指经典线性回归模型中随机误差项的方差并非恒定值，而是随解释变量的取值或其他因素变化而变化的现象。