Czy ktoś mógłby mi wyjaśnić, jakie jest kryterium interpretacji testu Breuscha-Pagana?
Zastosowałem test ncvTest z zestawu samochodowego w R na prostej regresji liniowej z jedną zmienną predykcyjną, np lm (waga ~ rozmiar). Mam następujący wynik:
Chisquare = 7,182687 Df = 1 p = 0,007361039
W innych pytaniach widzę, że p = 0,073459 implikuje heteroskedastyczność, podczas gdy p = 0,6283239 i wartość p = 0,858 sugerują homoscedascity. Patrząc na te próbki, założyłbym, że mój zestaw wyników to heteroskedastikit, ale chciałbym wiedzieć, czy jest to tylko kryterium wartości p i czy istnieje jakaś wartość graniczna dla decyzji tak / nie (tj. Pewna wartość p między 0,007 a 0,6). p>
Czy wartość Chisquare ma znaczenie?
Odpowiedź
Test Breush-Pagan tworzy statystykę, która jest chi-kwadrat rozproszone i dla twoich danych ta statystyka = 7,18. Wartość p jest wynikiem testu chi kwadrat i (normalnie) hipoteza zerowa jest odrzucana dla wartości p < 0,05. W tym przypadku hipoteza zerowa dotyczy homoskedastyczności i zostanie odrzucona.
Odpowiedź
Dla każdego testu hipotezy reguła decyzyjna jest następująca:
- Jeśli wartość p < poziom istotności (alfa); wtedy hipoteza zerowa jest odrzucana.
- Jeśli wartość p> poziom istotności (alfa); wtedy nie możemy odrzucić hipotezy zerowej.
Poziom istotności (alfa) jest wybierany przez badacza. Jak wybrać alfa (znane również jako prawdopodobieństwo odrzucenia wartości null, gdy jest to prawda / błąd typu_I) to zupełnie inna kwestia. Zależy to od tego, „na ile chcesz być pewien przed odrzuceniem wartości null” Najczęściej spotykaną wartością alfa jest 0,05
Teraz dla testu BP, wartość zerowa zakłada homoskedastyczność . Więc jeśli p_val < 0,05 (lub wybrana przez Ciebie wartość alfa); odrzucasz wartość zerową i wnioskujesz o obecności heteroskedastyczności i jeśli p_val> 0,05 (lub wybrana przez ciebie wartość alfa); nie odrzucasz wartości zerowej i stwierdzasz, że może nie występować heteroskedastyczność.
Uwaga: Wadą testu BP jest to, że zakłada, że heteroskedastyczność jest funkcją liniową zmienne niezależne . Brak dowodów na heteroskedastyczność z BP nie wyklucza nieliniowego związku między zmiennymi niezależnymi a wariancją błędu.
Biały test zapewnia elastyczną funkcjonalną formę, która jest przydatna do identyfikacji prawie każdego wzorca heteroskedastyczności. Pozwala zmiennej niezależnej na nieliniowy i interaktywny wpływ na wariancję błędu.
Dlatego najczęściej stosowanym testem homoskedastyczności jest test Whitea.