Kan iemand mij uitleggen wat het criterium is voor interpretatie van de Breusch-Pagan-test?
Ik heb de ncvTest-test toegepast vanuit de pakketauto in R op een eenvoudige lineaire regressie met één voorspellende variabele, bijv lm (gewicht ~ maat). Ik heb het volgende resultaat:
Chisquare = 7.182687 Df = 1 p = 0.007361039
Ik zie in andere vragen dat p = 0.073459 heteroscedasticiteit impliceert terwijl p = 0.6283239 en p-waarde = 0.858 impliceren homoscedascity. Door naar deze voorbeelden te kijken, zou ik aannemen dat mijn resultatenset heteroscedasticit is, maar ik zou graag willen weten of dit criterium voor alleen de p-waarde is en of er een grenswaarde is voor een ja / nee-beslissing (dwz een p-waarde tussen 0,007 en 0,6).
Is de waarde van Chisquare belangrijk?
Antwoord
De Breush-Pagan-test creëert een statistiek die chi-kwadraat is gedistribueerd en voor uw gegevens die statistiek = 7.18. De p-waarde is het resultaat van de chi-kwadraat-test en (normaal) wordt de nulhypothese verworpen voor p-waarde < 0,05. In dit geval is de nulhypothese homoskedasticiteit en zou deze worden afgewezen.
Antwoord
Voor elke hypothesetest is de beslissingsregel:
- Als p-waarde < significantieniveau (alfa); dan wordt de nulhypothese verworpen.
- Als p-waarde> significantieniveau (alfa); dan verwerpen we de nulhypothese niet.
Het significantieniveau (alfa) wordt gekozen door de onderzoeker. Hoe alfa te kiezen (ook bekend als de kans om de nul te verwerpen als deze waar is / type_I-fout) is een heel ander probleem. Het hangt af van “hoe zeker u wilt zijn voordat u een null afwijst” De meest voorkomende waarde van alpha is 0,05
Nu, voor BP-test, veronderstelt de null homoskedasticiteit . Dus if p_val < 0,05 (of de door u gekozen alfawaarde); je verwerpt de null en leidt de aanwezigheid van heteroskedasticiteit af en als p_val> 0,05 (of de door jou gekozen alpha-waarde); je slaagt er niet in om de null af te wijzen en concludeert dat er mogelijk geen heteroskedasticiteit is.
Opmerking: Een zwak punt van de BP-test is dat ervan uitgaat dat de heteroskedasticiteit een lineaire functie is van de onafhankelijke variabelen . Het niet vinden van bewijs van heteroskedasticiteit bij de BP, sluit een niet-lineaire relatie tussen de onafhankelijke variabele (n) en de foutvariantie niet uit.
Witte test biedt een flexibele functionele vorm die handig is voor het identificeren van bijna elk patroon van heteroskedasticiteit. Hiermee kan de onafhankelijke variabele een niet-lineair en interactief effect hebben op de foutvariantie.
Dus de meest gebruikte test voor homoskedasticiteit is de witte test.