Гетероскедастичность в spss Опции

[Де бин Анатолий]

Здравствуйте. Не подскажите, как в spss посмотреть наличие гетероскедастичности , не только используя графики рассеяния в регрессионном анализе, а в частности интересует реализация теста Уайта. Есть такое или как быть?
Также на вики
https://ru.wikipedia.org/wiki/%D0%A2%D0%B5%...%B5%D0%BD%D0%B0
говорится, что можно проверить через тест Спирмана. Я знаю про ранговые корреляции Спирмана, но в данном случае, я как не читаю, не понимаю что требуется. Как они через корреляции это определяют?

[passant]

Здравствуйте. Не подскажите, как в spss посмотреть наличие гетероскедастичности , не только используя графики рассеяния в регрессионном анализе, а в частности интересует реализация теста Уайта. Есть такое или как быть?
Также на вики
https://ru.wikipedia.org/wiki/%D0%A2%D0%B5%...%B5%D0%BD%D0%B0
говорится, что можно проверить через тест Спирмана. Я знаю про ранговые корреляции Спирмана, но в данном случае, я как не читаю, не понимаю что требуется. Как они через корреляции это определяют?

Если говорить предельно просто, то "гетероскедастичность" - это зависимость ошибки наблюдения зависимой переменной Y от значений независимой переменной Х. Соответственно, наличие гетероскедастичности можно обнаружить, построив модель, например регрессионную, получив остатки (т.е. те самые ошибки) и посмотрев, постоянны-ли остатки в отношении Х (более точнго - коррелируют-ли эти две величины). Тест Уайта анализирует не сами ошибки, а квадраты ошибок ( и, кстати, не только относительно Х, но это уже просто усложнение), сравнивая коэффициент детерминации этой вспомогательной регрессионной модели ошибок со с Хи-квадрат распределением. С другой стороны мы знаем, что коэффициент детерминации - это некоторая величина, функционально связанная с коэффициентом корреляции.
Другие критерии гетероскедастичности прости основываются на других подходах на выявлении факта коррелировананности ошибок и независимой переменной.
Коэффициент ранговой корреляции Спирмана - один из таких методов. Он предполагает, что сначала вы как и в других методах строите регрессионную модель, потом выделяете ошибки, их - как и значения независимой переменной - ранжируете и к полученным ранговым рядам применяете соответствующую статистику. Подтвердит эта статистика гипотезу - значит есть корреляция и соответственно остатки гетероскедастичны. Нет - значит нет.
Вот это - если совсем просто.