bptest의 해석과 관련하여 약간 혼란 스러웠습니다. R에서 (library(lmtest)). bptest의 귀무 가설은 잔차가 일정한 분산을 갖는다는 것입니다. 따라서 0.05 미만의 p- 값은 동분 산성 가정이 거부되어야 함을 의미합니다. 그러나이 웹 사이트에서 :
다음과 같은 결과가 혼란 스럽습니다.
data: lmMod BP = 3.2149, df = 1, p-value = 0.07297 p- 값> 0.05는 귀무 가설 (잔차에서 분산이 변하지 않음)이 다음과 같을 수 있음을 나타냅니다. 거부되어 이질성이 존재합니다. 이는 lm 객체에 대한 선형 모델 가정 (gvlma)의 전역 유효성 검사를 실행하여 확인할 수 있습니다.
gvlma(lmMod) # validate if assumptions of linear regression holds true. # Call: gvlma(x = lmMod) Value p-value Decision Global Stat 15.801 0.003298 Assumptions NOT satisfied! Skewness 6.528 0.010621 Assumptions NOT satisfied! Kurtosis 1.661 0.197449 Assumptions acceptable. Link Function 2.329 0.126998 Assumptions acceptable. Heteroscedasticity 5.283 0.021530 Assumptions NOT satisfied! 그렇다면 왜 그렇습니까? p- 값> 0.05는 귀무 가설을 기각해야 함을 의미합니다. 실제로 p- 값이 0.05보다 작 으면 귀무 가설을 기각해야 함을 나타냅니다.
Answer
이것은 rstatistics.net에서 오타 여야합니다. Breusch-Pagan 검정의 귀무 가설이 동분 산성이라는 것이 맞습니다 (= 분산은 보조 회귀 변수에 의존하지 않음). $ p $-값이 “작게”되면 귀무 가설이 거부됩니다.
이 문제에 대해 rstatistics.net의 작성자에게 문의하여 동의하고 수정하는지 확인하는 것이 좋습니다.
또한 glvma()는 기본적으로 bptest()와 다른 보조 회귀자를 사용하고 학생 화를 끕니다. 보다 정확하게는 bptest()의 인수를 명시 적으로 설정하여 결과를 복제하면 차이점을 확인할 수 있습니다.
모델은 다음과 같이 지정됩니다.
data("cars", package = "datasets") lmMod <- lm(dist ~ speed, data = cars) bptest()에서 사용하는 기본값은 모델과 동일한 보조 회귀자를 사용합니다. 즉, speed. 또한 유한 샘플 속성이 개선 된 학생 화 버전을 사용하여 중요하지 않은 결과를 산출합니다.
library("lmtest") bptest(lmMod, ~ speed, data = cars, studentize = TRUE) ## studentized Breusch-Pagan test ## ## data: lmMod ## BP = 3.2149, df = 1, p-value = 0.07297 반대로 glvma() 학생 화를 끄고 분산의 선형 추세를 확인합니다.
cars$trend <- 1:nrow(cars) bptest(lmMod, ~ trend, data = cars, studentize = FALSE) ## Breusch-Pagan test ## ## data: lmMod ## BP = 5.2834, df = 1, p-value = 0.02153 보시다시피 $ p $-값은 모두 다소 작지만 5 %의 다른면에서. 학생용 버전은 모두 5 %를 약간 상회합니다.
댓글
가정이 충족되어야합니다.
glvma의 결정 레이블이 마음에 들지 않습니다. 이들은 유의성 별보다 나쁘고 p- 값 5.1 %를 전달합니다. 4.9 %와 근본적으로 다릅니다.
glvma실제로 iv id = “e6b369ee33의 p- 값을 기반으로 할 때 마지막 행에 " 가정이 충족되지 않았습니다! "라고 표시됩니다. “>