Pitääkö minun ottaa huomioon heteroskedastisuus, kun suoritan (vektori) AR1-2-testiä?
Autokorrelaatio (AR) 1-2 -testi määritellään seuraavasti – usein kutsutaan nimellä Breusch – Godfrey-testi ( Wikilinkki ):
Testi suoritetaan alkuperäisen jäännösten yliregressiolla muuttujat ja viivästyneet jäännökset (näytteen alussa puuttuvat jääneet jäännökset korvataan nollalla, joten havaintoja ei menetetä). Rajoittamattomat muuttujat sisältyvät apuregressioon. Nollahypoteesi ei ole autokorrelaatio, joka hylätään, jos testitilasto on liian korkea. Tämä LM-testi on voimassa järjestelmissä, joissa on viivästyneitä riippuvia muuttujia ja diagonaalinen jäännösautokorrelaatio, kun taas Durbin – Watson – tai jäännösautokorrelaatiot eivät tarjoa pätevää testiä siinä tapauksessa.
Minulla on VAR-malli ja yritän määrittää sisällytettävien viiveiden määrän. Mallini kärsii heteroskedastiivisuudesta, joten käytän Wald-testiä sen ottamiseksi huomioon päätellessäni. Mallissani on suuri ero normaalien vakiovirheiden ja heteroskedastiivisuuteen perustuvien vakiovirheiden välillä.
Käytän OxMetricsia ja se palauttaa saman AR1-2-testitilaston, kun arvioin mallin normaalit virheet ja heteroskedastiikan johdonmukaiset virheet. johtuuko tämä siitä, että päämallin heteroskedastiikka ei vaikuta apuregressiotestiin vai johtuuko se vain siitä, että OxMetrics ei tee tässä tapauksessa oikeaa testiä?
Breusch-Godfrey-testi ei perustu arvioituihin vakiovirheisiin, joten sillä ei ole merkitystä, käytätkö regressioissasi heteroskedastiikkuutta tukevia vakiovirheitä vai ei.
Erittäin lyhyt kuvaus BG-testistä AR (1) -autokorrelaation tarkistamiseksi:
Kuten näette, mikään yllä olevista vaiheista ei riipu siitä, miten arvioit standardivirheet, joko ”pää” regressiossasi tai ”ylimääräisessä” BG-regressiossa.
Lisätietoja on täällä saadaksesi vaiheittaisen selityksen BG-testistä. . Muistan, että voit jopa ladata pdf-tiedostossa mainitut tiedot jonnekin sivustosta, jos haluat kopioida menettelyn.
Kommentit