擾動項要滿足的條件
Var為方差
自相關：當i不等於j的時候，任何兩個擾動項相關系數為0
橫截面數據容易出現異方差的問題；
時間序列數據容易出現自相關的問題。
異方差
如果擾動項存在異方差：
（1）OLS估計出來的回歸系數是無偏、一致的。
（2）假設檢驗無法使用（構造的統計量（t統計量）失效了）。
（3）OLS估計量不再是最優線性無偏估計量（BLUE）。
怎么解決異方差：
（1）使用OLS + 穩健的標准誤
如果發現存在異方差，一 種處理方法是，仍然進行OLS 回歸，但使用穩健標 准誤。這是最簡單，也是目前通用的方法。只要樣本容量較大，即使在異方差的情況下，若使用穩健標准誤，則所有參數估計、假設檢驗均可照常進行。換言之，只要使用了穩健標准誤，就可以與異方差“和平共處”了
⭐Stock and Watson (2011)推薦，在大多數情況下應該使用“OLS + 穩健標准誤”
異方差的圖形形式
操作步驟：
1、觀察殘差與擬合之間的散點圖(通過圖形直觀看出異方差）要點：看數據是否大幅波動
我們觀察到擬合值出現了負數
其原因是：
有75%的奶粉品牌的評價量小於1109，評價量超過17000的只有10%不到， 而樣本均值卻達到了15800。這說明評價量的分布極度不平衡，大多數個體 的評價量都較小。從右圖（概率密度圖 ps:kdensity ）中也直觀的說明了絕大部分品牌的評價量都較小這一特征
2、異方差的假設檢驗
（1）BP檢驗 ps：estat hettest ,rhs iid
原假設：擾動項不存在
異方差P值小於0.05，說明在95%的置信水平下拒絕原假設，即我們認為擾動項存在異方差
（2）懷特檢驗（White test） ps: estat imtest ,white
一般情況都用懷特檢驗
懷特檢驗原假設： 不存在異方差
異方差P值小於0.05，說明在95%的置信水平下拒絕原假設，即我們認為擾動項存在異方差
3、具有異方差時的解決辦法
使用OLS + 穩健的標准誤 ps: reg ,r