Kunne nogen forklare mig, hvad der er kriteriet for fortolkning af Breusch-Pagan-testen?
Jeg har anvendt ncvTest-test fra pakkebilen i R på en simpel lineær regression med en forudsigelsesvariabel, f.eks lm (vægt ~ størrelse). Jeg har følgende resultat:
Chisquare = 7,182687 Df = 1 p = 0,007361039
Jeg ser i andre spørgsmål, at p = 0,073459 indebærer heteroscedasticitet, mens p = 0,6283239 og p-værdi = 0,885 antyder homoscedascity. Ved at kigge på disse prøver antager jeg, at mit resultatsæt er heteroscedasticit, men jeg vil gerne vide, at det kun er p-værdi, og at der er en grænseværdi for ja / nej-beslutning (dvs. en p-værdi mellem 0,007 og 0,6). p>
Betyder Chisquare-værdi noget?
Svar
Breush-Pagan-testen skaber en statistik, der er chi-kvadrat distribueret og for dine data er statistikken = 7.18. P-værdien er resultatet af chi-kvadrat-testen, og (normalt) afvises nulhypotesen for p-værdi < 0,05. I dette tilfælde er nulhypotesen af homoskedasticitet, og den ville blive afvist.
Svar
For enhver hypotesetest er beslutningsreglen:
- Hvis p-værdi < niveau af betydning (alfa); så afvises nulhypotese.
- Hvis p-værdi> niveau af betydning (alfa); så afviser vi ikke nulhypotesen.
Betydningsniveauet (alfa) vælges af forskeren. Hvordan man vælger alpha (også kendt som sandsynligheden for at afvise nul, når det er sandt / type_I-fejl) er helt et andet problem. Det afhænger af “hvor sikker du vil være, før du afviser et null” Den mest almindelige værdi af alpha er 0,05
Nu, for BP-test, antager nullet homoskedasticitet . Så hvis p_val < 0,05 (eller din valgte alfaværdi); du afviser nul og udlede tilstedeværelsen af heteroskedasticitet, og hvis p_val> 0,05 (eller din valgte alfa-værdi); du undlader at afvise nullet og konkluderer, at der muligvis ikke er heteroskedasticitet.
Bemærk: En svaghed ved BP-testen er, at den antager, at heteroskedasticiteten er en lineær funktion af de uafhængige variabler . Manglende evne til at finde tegn på heteroskedasticitet med BP udelukker ikke et ikke-lineært forhold mellem den eller de uafhængige variabler og fejlvariansen.
Hvid test giver en fleksibel funktionel form, der er nyttig til at identificere næsten ethvert mønster af heteroskedasticitet. Det gør det muligt for den uafhængige variabel at have en ikke-lineær og interaktiv effekt på fejlvariansen.
Så mest anvendte test for homoskedasticitet er hvid test.