Musím při provádění (vektorového) testu AR1-2 zohlednit heteroskedasticitu?
Test autokorelace (AR) 1-2 je definován takto – často se označuje jako Breusch – Godfreyův test ( Odkaz Wiki ):
Test se provádí pomocí pomocné regrese zbytků originálu proměnné a zpožděné zbytky (chybějící zpožděné zbytky na začátku vzorku jsou nahrazeny nulou, takže se neztratí žádná pozorování). Neomezené proměnné jsou zahrnuty do pomocné regrese. Nulová hypotéza není autokorelace, která by byla odmítnuta, pokud je statistika testu příliš vysoká. Tento test LM je platný pro systémy se zpožděnými závislými proměnnými a diagonální reziduální autokorelací, zatímco ani Durbin-Watson, ani reziduální autokorelace v takovém případě neposkytují platný test.
Mám model VAR a snažím se určit množství zpoždění, které se má zahrnout. Můj model trpí heteroskedasticitou, takže používám Waldův test, abych to při odvozování zohlednil. V mém modelu je velký rozdíl mezi normálními standardními chybami a standardními chybami konzistentními s heteroskedasticitou.
Používám OxMetrics a vrátí stejnou statistiku testu AR1-2, i když odhaduji model s normální chyby a chyby konzistentní s heteroskedasticitou. Je to proto, že test pomocné regrese není ovlivněn heteroskedasticitou v hlavním modelu, nebo je to jen proto, že OxMetrics v tomto případě neprovádí správný test?
Komentáře
- Co je test AR1-2?
- Aktualizoval jsem otázku definicí, doufám, že to pomůže.
- To opravdu pomáhá. Má test jiný název nebo existuje odkaz na výzkumnou práci, která test navrhuje?
- Měl jsem to zahrnout do své původní otázky! Ačkoli to není výslovně uvedeno v dokumentaci (definice, kterou jsem uvedl), myslím, že OxMetrics používá test Breusch-Godfrey, jak je uveden ve většině učebnic Úvod.
Odpověď
Breusch-Godfreyův test se nespoléhá na odhadované standardní chyby, a proto nezáleží na tom, zda ve svých regresích používáte standardní chyby odolné vůči heteroskedasticitě nebo ne.
Velmi krátký popis testu BG ke kontrole autokorelace AR (1):
- Proveďte regresi OLS a spočítejte rezidua.
- Regrese reziduí na nezávislé proměnné vašeho modelu a na zpožděných zbytcích.
- Vypočítejte statistiku testu vynásobením R-kvadrát druhé regrese velikostí vašeho vzorku.
- Porovnejte statistiku testu s relevantními Distribuce Chi-Squared.
Jak vidíte, žádný z výše uvedených kroků nezávisí na tom, jak odhadujete standardní chyby, ať už v „hlavní“ regrese nebo v „pomocné“ BG regrese.
Další informace najdete zde , kde najdete podrobné vysvětlení BG testu. . Pamatuji si, že si můžete dokonce stáhnout data uvedená v pdf někde na webu, pokud chcete postup replikovat.
Komentáře
- Ahoj proč používá se BG test pro autokorelaci, zatímco BP test se používá pro heteoscedasticitu, i když oba testy vypadají velmi podobně?