Mohl by mi někdo vysvětlit, jaké je kritérium pro interpretaci Breusch-Pagan testu?
Použil jsem ncvTest test z balíčku vozu v R na jednoduché lineární regrese s jednou predikční proměnnou, např lm (hmotnost ~ velikost). Mám následující výsledek:
Chisquare = 7.182687 Df = 1 p = 0,007361039
Vidím v dalších otázkách, že p = 0,073459 implikuje heteroscedasticitu, zatímco p = 0,6283239 a p-hodnota = 0,858 znamenat homoscedascity. Při pohledu na tyto vzorky bych předpokládal, že moje sada výsledků je heteroscedasticit, ale chtěl bych vědět, že je to pouze kritérium p hodnoty a existuje nějaká hraniční hodnota pro rozhodnutí ano / ne (tj. Nějaká hodnota p mezi 0,007 a 0,6).
Záleží na hodnotě Chisquare?
Odpověď
Test Breush-Pagan vytváří statistiku, která je chi-kvadrát distribuováno a pro vaše data tato statistika = 7,18. Hodnota p je výsledkem chí-kvadrát testu a (obvykle) je nulová hypotéza odmítnuta pro hodnotu p < 0,05. V tomto případě má nulová hypotéza homoskedasticitu a byla by odmítnuta.
Odpověď
Pro jakýkoli test hypotézy je rozhodovací pravidlo:
- Pokud p-hodnota < úroveň významnosti (alfa); pak je nulová hypotéza odmítnuta.
- Pokud p-hodnota> hladina významnosti (alfa); pak se nám nepodaří odmítnout nulovou hypotézu.
Úroveň významnosti (alfa) je zvolena výzkumníkem. Jak vybrat alfa (také známé jako pravděpodobnost odmítnutí hodnoty null, když je chyba true / type_I) je úplně jiný problém. Závisí to na tom, „jak si chcete být jisti, než odmítnete null“ Nejběžnější hodnota alfa je 0,05
Nyní, pro test BP, null předpokládá homoskedasticitu . Takže pokud p_val < 0,05 (nebo vámi zvolená hodnota alfa); odmítnete null a odvodíte přítomnost heteroskedasticity a pokud p_val> 0,05 (nebo vámi zvolená hodnota alfa); neodmítnete null a usoudíte, že nemusí existovat heteroskedasticita.
Poznámka: Slabinou testu BP je to, že předpokládá, že heteroskedasticita je lineární funkcí nezávislé proměnné . Pokud nenajdete důkazy o heteroskedasticitě u BP, nevylučuje to nelineární vztah mezi nezávislou proměnnou (proměnnými) a odchylkou chyby.
Bílý test poskytuje flexibilní funkční formu, která je užitečná pro identifikaci téměř jakéhokoli vzorce heteroskedasticity. Umožňuje nezávislé proměnné mít nelineární a interaktivní účinek na odchylku chyby.
Takže nejčastěji používaným testem homoskedasticity je White test.