Skal jeg tage højde for heteroskedasticitet, når jeg udfører (vektor) AR1-2-testen?
Autokorrelation (AR) 1-2 test er defineret som følger – ofte omtalt som Breusch – Godfrey test ( Wiki-link ):
Testen udføres gennem hjælperegression af restprodukterne på originalen variabler og forsinkede rester (manglende forsinkede rester i starten af prøven erstattes med nul, så ingen observationer går tabt). Ubegrænsede variabler er inkluderet i den supplerende regression. Nulhypotesen er ingen autokorrelation, som ville blive afvist, hvis teststatistikken er for høj. Denne LM-test er gyldig for systemer med forsinkede afhængige variabler og diagonal resterende autokorrelation, hvorimod hverken Durbin-Watson eller de resterende autokorrelationer giver en gyldig test i så fald.
Jeg har en VAR-model, og jeg prøver at bestemme mængden af forsinkelser, der skal medtages. Min model lider af heteroskedasticitet, så jeg bruger Wald-testen til at tage højde for det, når jeg foretager slutning. Der er en stor forskel mellem de normale standardfejl og de heteroskedasticitet-konsistente standardfejl i min model.
Jeg bruger OxMetrics, og den returnerer den samme AR1-2 teststatistik, både når jeg estimerer modellen med normale fejl og heteroskedasticitet-konsistente fejl. Er det fordi testen på hjælperegression ikke er påvirket af heteroskedasticiteten i hovedmodellen, eller er det bare fordi OxMetrics ikke udfører den rigtige test i dette tilfælde?
Kommentarer
- Hvad er AR1-2-testen?
- Jeg har opdateret spørgsmålet med en definition, håber det hjælper.
- Det hjælper faktisk. Har testen et andet navn, eller er der en henvisning til et forskningsoplæg, der foreslår testen?
- Jeg skulle have inkluderet det i mit originale spørgsmål! Selvom det ikke udtrykkeligt er angivet i dokumentationen (den definition, jeg har leveret), tror jeg, at OxMetrics bruger Breusch – Godfrey-testen som præsenteret i de fleste introduktionsbøger.
Svar
Breusch-Godfrey-testen er ikke afhængig af de estimerede standardfejl, derfor betyder det ikke noget, om du bruger heteroskedasticitets-robuste standardfejl i dine regressioner eller ej.
Meget kort beskrivelse af BG-testen for at kontrollere for AR (1) autokorrelation:
- Udfør OLS-regression og beregne resterne.
- Regresser resterne på den uafhængige variabler i din model og på de forsinkede rester.
- Beregn teststatistikken ved at multiplicere R-kvadraten af den anden regression med din stikprøvestørrelse.
- Sammenlign teststatistikken med den relevante Chi-Squared distribution.
Som du kan se, afhænger ingen af ovenstående trin af, hvordan du estimerer standardfejlene, hverken i din “hoved” regression eller i “hjælp” BG-regression.
For yderligere information, se her for en trinvis forklaring af BG-testen . Jeg husker, at du endda kan downloade de data, der er nævnt i pdf-filen et eller andet sted på siden, hvis du vil gentage proceduren.
Kommentarer
- Hej hvorfor bruges BG-test til autokorrelation, mens BP-test bruges til heteoscedasticitet, selvom begge test ser meget ens ud?