Тест Голдфелда — Куандта

Материал из Википедии — свободной энциклопедии
Перейти к: навигация, поиск

Тест Голдфелда — Куандта (англ. Goldfeld-Quandt test) — процедура тестирования гетероскедастичности случайных ошибок регрессионной модели, применяемая в случае, когда есть основания полагать, что стандартное отклонение ошибок может быть пропорционально некоторой переменной. Тест также основывается на предположении нормальности распределения случайных ошибок регрессионной модели. Фактически это F-тест, поскольку статистика теста имеет распределение Фишера.

Сущность и процедура теста[править | править вики-текст]

В первую очередь, данные упорядочиваются по убыванию независимой переменной Z, относительно которой имеются подозрения на гетероскедастичность.

Далее обычным МНК оценивается исходная регрессионная модель для двух разных выборок — первых и последних m наблюдений в данном упорядочении, где m<n/2. Средние n-2m наблюдений исключаются из рассмотрения. Чаще всего объем исключаемых средних наблюдений — порядка четверти общего объема выборки. Тест работает и без исключения средних наблюдений, но в этом случае мощность теста меньше.

Для полученных двух оценок регрессионной модели находят суммы квадратов остатков и рассчитывают F-статистику, равную отношению большей суммы квадратов остатков к меньшей F=\frac {ESS_1/(m-k)} {ESS_2/(m-k)}=\frac {ESS_1} {ESS_2}.

Данная статистика при отсутствии гетероскедастичности (и при нормальности распределения ошибок) имеет распределение Фишера F(m-k,m-k). Следовательно, если данная статистика больше критического значения данного распределения при заданном уровне значимости, то нулевая гипотеза отвергается, то есть гетероскедастичность имеет место. В противном случае гетероскедастичность данного вида признается незначимой. Также можно проверить гипотезу с помощью P-значения данной F-статистики. Если P(F)<\alpha, где \alpha - уровень значимости, то гетероскедастичность значима, в противном случае - нет.

Замечание[править | править вики-текст]

В тесте можно использовать также подвыборки с разным количеством наблюдений. В этом случае тестовая статистика рассчитывается как \frac {ESS_1/(m_1-k)} {ESS_2/(m_2-k)}. Соответственно распределение этой статистики F(m_1-k,m_2-k).

Аналогично этот тест используется, если есть предположение о межгрупповой гетероскедастичности, когда дисперсия ошибки принимает, например, только два возможных значения.

См. также[править | править вики-текст]

Литература[править | править вики-текст]