Czy podczas wykonywania testu (wektorowego) AR1-2 muszę brać pod uwagę heteroskedastyczność?

Test autokorelacji (AR) 1-2 jest zdefiniowany następująco – często nazywany testem Breuscha – Godfreya ( Link do Wiki ):

Test jest wykonywany poprzez pomocniczą regresję reszt na oryginale zmienne i pozostałości opóźnione (brak reszt opóźnionych na początku próby jest zastępowany przez zero, więc żadne obserwacje nie są tracone). Nieograniczone zmienne są zawarte w regresji pomocniczej. Hipoteza zerowa nie jest autokorelacją, która zostałaby odrzucona, gdyby statystyka testowa była zbyt wysoka. Ten test LM jest ważny dla systemów z opóźnionymi zmiennymi zależnymi i diagonalną autokorelacją resztkową, podczas gdy ani test Durbin-Watson, ani rezydualne autokorelacje nie zapewniają prawidłowego testu w tym przypadku.

Mam model VAR i próbuję określić ilość opóźnień do uwzględnienia. Mój model cierpi na heteroskedastyczność, więc używam testu Walda, aby wziąć to pod uwagę podczas wnioskowania. Istnieje duża różnica między normalnymi błędami standardowymi a błędami standardowymi zgodnymi z heteroskedastycznością w moim modelu.

Używam OxMetrics i zwraca tę samą statystykę testu AR1-2, gdy szacuję model za pomocą normalne błędy i błędy zgodne z heteroskedastycznością. Czy dzieje się tak dlatego, że heteroskedastyczność w modelu głównym nie ma wpływu na test regresji pomocniczej, czy tylko dlatego, że OxMetrics nie wykonuje w tym przypadku właściwego testu?

Komentarze

  • Co to jest test AR1-2?
  • Zaktualizowałem pytanie o definicję, mam nadzieję, że to pomoże.
  • To rzeczywiście pomaga. Czy test ma inną nazwę lub czy istnieje odniesienie do artykułu badawczego proponującego test?
  • Powinienem był to uwzględnić w moim pierwotnym pytaniu! Chociaż nie zostało to wyraźnie określone w dokumentacji (definicja, którą podałem), myślę, że OxMetrics używa testu Breuscha-Godfreya, jak przedstawiono w większości podręczników Wprowadzenie.

Odpowiedź

Test Breuscha-Godfreya nie opiera się na szacunkowych błędach standardowych, dlatego nie ma znaczenia, czy w regresjach używasz błędów standardowych odpornych na heteroskedastyczność, czy nie.

Bardzo krótki opis testu BG w celu sprawdzenia autokorelacji AR (1):

  1. Przeprowadź regresję OLS i oblicz reszty.
  2. Regresuj reszty na niezależnych zmiennych modelu i reszt z opóźnieniem.
  3. Oblicz statystykę testową, mnożąc R-kwadrat drugiej regresji przez wielkość próby.
  4. Porównaj statystykę testową z odpowiednimi Rozkład chi-kwadrat.

Jak widać, żaden z powyższych kroków nie zależy od tego, jak oszacujesz błędy standardowe, ani w Twojej „głównej” regresji lub w „pomocniczej” regresji stężenia glukozy we krwi.

Aby uzyskać więcej informacji, zobacz tutaj , aby uzyskać szczegółowe wyjaśnienie testu stężenia glukozy we krwi . Pamiętam, że możesz nawet pobrać dane wymienione w pliku PDF gdzieś na stronie, jeśli chcesz powtórzyć procedurę.

Komentarze

  • Cześć dlaczego czy test BG jest używany do autokorelacji, podczas gdy test BP jest używany do heteoskedastyczności, mimo że oba testy wyglądają bardzo podobnie?

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *