()检验是将最小二乘法得到的对数残差对某个或某些对数解释变量回归,再根据该辅助回归模型总体显著性检验判断异方差性存在与否。(请用英文填写)A. whiteB. ARCHC. Park

本题考查异方差检验方法的识别，核心在于理解不同检验方法的步骤与适用场景。关键点在于：

1. White检验通过将残差平方对原解释变量及其非线性组合（如平方项、交互项）回归，检验异方差的存在。
2. ARCH检验专门用于时间序列数据，检测残差平方的自回归性。
3. Park检验假设异方差与某个解释变量的函数关系（如对数形式），通过回归残差平方与该变量判断异方差。

题目中描述的“对数残差对对数解释变量回归”更接近White检验的思路，尽管未明确提及非线性组合，但White检验的核心是通过辅助回归模型的整体显著性判断异方差，与题干描述的逻辑一致。

选项分析

1. White检验（A）

   • 步骤：
     1. 用OLS估计原模型，得到残差$e$。
     2. 构造辅助回归模型：将残差平方$e^2$作为被解释变量，解释变量包括原模型解释变量的非线性组合（如平方项、交互项）。
     3. 通过$F$检验或卡方检验判断解释变量整体是否显著。
   • 特点：无需预先假设异方差形式，适用于复杂非线性关系。

2. ARCH检验（B）

   • 核心：检测残差平方的自回归性，即当前残差平方是否与历史残差平方相关，适用于时间序列数据。

3. Park检验（C）

   • 假设：异方差与某个解释变量的函数关系（如$\ln(e^2) = \alpha + \beta \ln(x) + u$），通过回归检验$\beta$的显著性。

关键结论

题干中“对数残差对对数解释变量回归”更符合White检验的灵活性（允许非线性组合），而Park检验通常针对特定解释变量的函数形式。因此正确答案为A. White。