在模型设定科学合理的情况下，上述假设是 成立的。所以对残差项的检验是模型设定科学合 理的必要条件，对其所进行的检验也是必需的。 本节主要介绍常用的JB检验和相关图检验方法。
二、正态性检验
利用哈尔克-贝拉(Jarque-Bera)统计量对残差项 进行描述性统计，并检验其正态性原假设。JB统计 量的计算式为：
在Eviews秩序中，方程 对象中的残差独立性
检验
检验的结果见 下页图表
如果选定滞后期为9，则检验的例图如下：
从图上可见：该残差存在一阶自相关，可以 AR(1)因素，或以消费的一阶滞后来修改原模型。
㈡对残差平方的独立性检验
残差平方的独立性检验结果图
返回
四、案例分析
这是哈尔滨市的统计资料， 其中：GDZBXC为固定资本形成
误差项的正态性及白噪声检验
一、误差项的正态或白噪声分布假设 二、正态性检验的方法 三、白噪声检验的方法 四、案例分析
一、白噪声假设
在静态模型中，我们常假设误差项是服从正 态分布的，即误差序列ui～N(0,σ2)；而在动态的时 序数据模型中，我们假定误差项是服从白噪声分 布的，即误差向量εt～iidN(0,σ2)。
1.36e-13 -3.719885 73.22599 -68.92486 30.64097 0.222121 3.119596
Jarque-Bera 0.238111 Probability 0.887759
20 40 60 80
行。该检验是对正态序列进行自相关和偏自相关函数
计算，并就各滞后阶计算Q检验统计量，以确定“无
此阶自相关”假设成立的概率(P值)。Q的计算式为：
QLB
T
T 2
p rj2 j1 T
j
其中：rj是残差序列的j 阶自相关系数，T是观测值
的个数，p是设定的滞后阶数。图示如下页所示：
㈠对残差的独立性的检验
JB
N 6
k
S 2
1 4
K32ຫໍສະໝຸດ 其中：S为偏度，K为峰度，k是序列估计式中参数的
个数。一般在检验时使用JB统计量与卡方分布的临
界值比较进行，即当JB＞χ20.05(k)卡方临界值时否定 正态原假设。
三、自噪声的检验
自噪声的检验需要在正态性检验的基础上，利用
相 关 图 和 Q 统 计 量 (Correlogram-Q-statistics) 来 进
ECCY为二产业从业人数
且 已通过 了同方 差和自 相关等 检验。
残差的正态性检验图
6 5 4 3 2 1 0
-60 -40 -20 0
Series: Residuals Sample 1980 2006 Observations 27
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis