Breusch-Pagan検定の解釈の基準は何か説明してもらえますか？
パッケージカーからncvTest検定を適用しました1つの予測変数を使用した単純な線形回帰のRでlm（weight〜size）。次の結果が得られます。
カイ2乗= 7.182687 Df = 1 p = 0.007361039
他の質問では、p = 0.073459は等分散性を意味し、p = 0.6283239およびp値= 0.858であることがわかります。等分散性を意味します。これらのサンプルを見ると、私の結果セットはヘテロセダスティックであると思いますが、p値のみの基準であり、はい/いいえの決定に境界値があります（つまり、0.007〜0.6のp値）。
カイ2乗値は重要ですか？
回答
Breush-Pagan検定は、カイ2乗の統計を作成します分散され、データに対してstatistic = 7.18です。 p値はカイ2乗検定の結果であり、（通常）帰無仮説はp値< 0.05に対して棄却されます。この場合、帰無仮説は等分散性であり、棄却されます。
回答
仮説検定の場合、決定ルールは次のとおりです。
- p値の場合<有意水準（アルファ）;その後、帰無仮説は棄却されます。
- p値>有意水準（アルファ）の場合。その場合、帰無仮説を棄却できません。
有意水準（アルファ）は研究者によって選択されます。アルファを選択する方法（true / type_Iエラーの場合にnullを拒否する確率としても知られています）は、まったく別の問題です。 「nullを拒否する前にどれだけ確実になりたいか」によって異なりますアルファの最も一般的な値は0.05
現在、BPテストのでは、nullは等分散性を想定しています。したがって、p_val < 0.05（または選択したアルファ値）の場合。 nullを棄却し、不均一分散の存在を推測し、p_val> 0.05（または選択したアルファ値）の場合。 ヌルを拒否できず、不均一分散性がない可能性があると結論付けます。
注： BPテストの弱点は、不均一分散が次の線形関数であると想定していることです。独立変数。 BPで不均一分散の証拠を見つけられなくても、独立変数と誤差分散の間の非線形関係が除外されるわけではありません。
ホワイトテストは、不均一分散のほぼすべてのパターンを識別するのに役立つ柔軟な関数形式を提供します。これにより、独立変数が誤差分散に対して非線形でインタラクティブな効果を持つことができます。
したがって、等分散性の最も一般的に使用される検定は白検定です。