似然比分布,似然比检验 spss

计量经济学:异方差检验及修正

1、你现在的情况同时存在异方差和自相关，建议你先考虑产生自相关的原因是模型误设还是纯粹的自相关。如果只是纯粹的自相关，可以用FGLS解决自相关的问题。而你在解决了自相关后发现，还存在异方差的问题。但是通常情况下方差都是未知的，我们不方便再做加权最小二乘了。

2、不会用EVIEWS只会用R，不过我可以给你几个修正的思路。多重共线性常见的修正是删除相关性高的自变量（我不太了解你说的科克伦-奥克特迭代法），异方差常见的修正是Box-Cox变换。

3、异方差检验，自相关检验，多重共线检验，这是基本的。如果是时间序列，还要协整检验、格兰杰因果检验。如果是arima模型，还是残差的白噪声检验。

4、异方差性是计量经济学术语。指回归模型中扰动项的方差不全相等。假设线性回归模型中，扰动项 ε 的分量是均值为零，彼此独立的，但不全相等，在这种情况下。OLS 估计虽然具有无偏性和一致性，却不是最优线性无偏估计。因此在预测时波动较大。

5、自相关性和异方差性是重要的概念，分别在第4和第5章详细解释，实验五和六则演示如何识别和处理这些问题。多重共线性在第6章中讨论，实验七将教您如何诊断并解决多重共线性。第7章转向滞后变量模型和协整理论，以及误差修正模型的估计。

监督分类法的关键是什么?

1、由于图像中同一类别的光谱差异，造成训练样本没有很好的代表性；训练样本的选取和评估需花费较多的人力、时间；只能识别训练样本中所定义的类别，若某类别由于训练者不知道或者其数量太少未被定义，则监督分类不能识别。

2、监督分类，又称训练分类法，即用被确认类别的样本像元去识别其他未知类别像元的过程。已被确认类别的样本像元是指那些位于训练区的像元。

3、最大似然法 最大似然法是以未知类别像元属于某类的条件概率最大为判别准则，是在假定了各类服从正态分布，利用到训练样本的平均值和方差，具体计算以Bayes准则为依据，来将各个未知像元分类到已知类别中。因此，该法对不同类别的方差变化反应较敏感，是一种较为成熟、广泛运用的监督分类方法。

4、该分类法的精度取决于训练样区（地物类别）的多少和样本区的统计精度。由于计算简便，并可按像元顺序逐一扫描归类，一般分类效果也较好，因而是较常用的监督分类方法。最大似然法也是常用的监督分类方法之一。它是用贝叶斯判别原则进行分析的一种非线性监督分类。

近似卡方和df有啥要求

1、DF是Degree of Freedom （自由度） 的缩写。在统计学中，DF表示用于计算标准误差或样本方差等量的样本值数量。在回归分析中，DF是指在残差平方和的自由度，它表示可以自由变化的误差数量。自由度通常在设定置信区间和利用t检验和F检验时都是必要的参数。DF的值对结果的解释有着重要影响。

2、方分布的性质：卡方分布的图像分布在第一象限，且呈正偏态.。卡方分布随着自由度增加而逐渐趋向于对称，df很大时接近正态分布，当df趋向于正无穷大时，分布即为正态分布。卡方分布只有一个参数，即自由度n，不同的自由度决定不同的卡方分布，自由度越小，分布越偏斜。

3、当df=1，样本容量总和N30或N50时（取决于对检验结果要求的严格程度），χ值亚茨连续性校正公式：χ=[（|ad-bc|-N/2）N]/[（a+b）（a+c）（b+d）（c+d）]。