Behöver jag redogöra för heteroskedasticitet när jag utför (vektor) AR1-2-testet?
Autokorrelation (AR) 1-2-test definieras enligt följande – ofta kallat Breusch – Godfrey-test ( Wiki-länk ):
Testet utförs genom hjälpregression av resterna på originalet variabler och fördröjda rester (saknade eftersläpna rester i början av provet ersätts med noll, så inga observationer går förlorade). Obegränsade variabler ingår i hjälpregressionen. Nollhypotesen är ingen autokorrelation, vilket skulle avvisas om teststatistiken är för hög. Detta LM-test är giltigt för system med eftersläpna beroende variabler och diagonal kvarvarande autokorrelation, medan varken Durbin-Watson eller de återstående autokorrelationerna ger ett giltigt test i så fall.
Jag har en VAR-modell och jag försöker bestämma mängden fördröjningar som ska inkluderas. Min modell lider av heteroskedasticitet så jag använder Wald-testet för att ta hänsyn till det när jag gör inferens. Det är stor skillnad mellan de normala standardfelen och de heteroskedasticitetskonsistenta standardfelen i min modell.
Jag använder OxMetrics och den returnerar samma AR1-2-teststatistik både när jag uppskattar modellen med normala fel och heteroskedasticitetskonsistenta fel. Är det för att testet på hjälpregression inte påverkas av heteroskedasticitet i huvudmodellen eller är det bara för att OxMetrics inte utför rätt test i det här fallet?
Kommentarer
- Vad är AR1-2-testet?
- Jag har uppdaterat frågan med en definition, hoppas att det hjälper.
- Det hjälper verkligen. Har testet ett annat namn eller finns det en hänvisning till ett forskningspapper som föreslår testet?
- Jag borde ha inkluderat det i min ursprungliga fråga! Även om det inte uttryckligen anges i dokumentationen (den definition jag gav) tror jag att OxMetrics använder Breusch – Godfrey-testet som presenteras i de flesta introduktionsböcker.
Svar
Breusch-Godfrey-testet förlitar sig inte på de uppskattade standardfelen, därför spelar det ingen roll om du använder heteroskedasticitets-robusta standardfel i dina regressioner.
Mycket kort beskrivning av BG-testet för att kontrollera om AR (1) autokorrelation:
- Genomför OLS-regressionen och beräkna resterna.
- Regressera resterna på den oberoende variabler i din modell och på de eftersläpna resterna.
- Beräkna teststatistiken genom att multiplicera R-kvadraten av den andra regressionen med din provstorlek.
- Jämför teststatistiken mot relevant Chi-Squared distribution.
Som du kan se beror inget av stegen ovan på hur du uppskattar standardfelen, varken i din ”huvudsakliga” regression eller i ”extra” BG-regression.
För mer information, se här för en steg-för-steg-förklaring av BG-testet . Jag kommer ihåg att du till och med kan ladda ner data som nämns i pdf-filen någonstans på webbplatsen om du vill replikera proceduren.
Kommentarer
- Hej varför används BG-test för autokorrelation medan BP-test används för teoscedasticitet trots att båda testerna ser väldigt lika ut?