(ベクトル)AR1-2検定を実行するときに不均一分散を考慮する必要がありますか?
自己相関(AR)1-2テストは、次のように定義されます。多くの場合、 Breusch–Godfreyテスト( Wikiリンク):
テストは、元の残差の補助回帰によって実行されます変数と遅延残差(サンプルの開始時に欠落している遅延残差はゼロに置き換えられるため、観測値が失われることはありません)。無制限の変数は、補助回帰に含まれます。帰無仮説は自己相関がないため、検定統計量が高すぎる場合は棄却されます。このLMテストは、遅延従属変数と対角残余自己相関を持つシステムに有効ですが、ダービン-ワトソンも残余自己相関も、その場合に有効なテストを提供しません。
VARモデルがあり、含めるラグの量を決定しようとしています。モデルはヘテロスケダスティック性に悩まされているため、推論を行うときにWaldテストを使用してそれを考慮に入れています。モデルの通常の標準誤差と不均一分散の一貫性のある標準誤差には大きな違いがあります。
OxMetricsを使用しており、モデルを推定すると、両方で同じAR1-2検定統計量が返されます。通常のエラーと不均一分散の一貫性のあるエラー。これは、補助回帰の検定がメインモデルの不均一分散の影響を受けないためですか、それともOxMetricsがこの場合に適切な検定を実行しないためですか。
Breusch-Godfrey検定は、推定された標準誤差に依存しないため、回帰でヘテロスケダスティックスロバストな標準誤差を使用するかどうかは関係ありません。
AR(1)自己相関をチェックするためのBGテストの非常に短い説明:
ご覧のとおり、上記の手順はいずれも、「メイン」回帰のいずれにおいても、標準誤差の推定方法に依存しません。または「補助」BG回帰で。
BGテストの詳細な説明については、こちらを参照してください。 。手順を複製したい場合は、PDFに記載されているデータをサイトのどこかにダウンロードすることもできます。
コメント