Test für Heteroskedasticity mit dem Goldfeld-Quandt-Test
Das Goldfeld-Quandt (GQ) Test in Ökonometrie beginnt mit der Annahme, dass ein Definitionspunkt vorhanden ist und verwendet werden kann, um die Varianz des Fehlerterm zu unterscheiden. Probe Beobachtungen werden in zwei Gruppen eingeteilt, und der Nachweis Heteroskedastie auf einem Vergleich der Restsumme der Quadrate basiert (RSS) Verwendung der F-Statistik.
Die Annahme ist, dass der Forscher können die entsprechenden Kriterien bestimmen die Probe zu trennen. Typischerweise wird ein vorbestimmter Wert für eine der unabhängigen Variablen als Schwellenwert verwendet, die einige Beobachtungen in der Gruppe A und die anderen Beobachtungen in der Gruppe B platziert
Die meisten Ökonometrie Software ist können Sie einen GQ-Test nicht automatisch durchführen, aber Sie können Software zur Durchführung dieses Tests verwenden, indem Sie diese einfachen Schritte ausführen:
Schätzen Sie Ihr Modell separat für jede Gruppe und erhalten die Restsumme der Quadrate für die Gruppe A (RSSEIN) Und die Restsumme der Quadrate für die Gruppe B (RSSB).
Berechnen Sie die F-Statistik von
Die Nullhypothese für die GQ-Test ist homoskedasticity. Je größer der F-Statistik, desto mehr Beweise Sie haben gegen die homoskedasticity Annahme und desto wahrscheinlicher werden Sie Heteroskedastie (unterschiedliche Varianz für die beiden Gruppen) haben.
Nehmen wir für einen Moment, dass Sie ein Modell mit dem natürlichen Logarithmus der Major League Baseball-Spieler "Vertragswert als abhängige Variable und mehrere Spieler Merkmale als unabhängige Variablen sind zu schätzen.
Drei-Jahres-Mittelwerte für slugging Prozent (Slg_3_avg) und an den Fledermäusen (Ab_3_avg), Alter und Amtszeit (die Anzahl der Jahre ein Spieler mit seinem aktuellen Team gewesen ist) sind die unabhängigen Variablen. Sie können die Probe durch die durchschnittliche Anzahl der an den Fledermäusen willkürlich aufteilen. Die Spieler in der Gruppe A haben unterdurchschnittlich an den Fledermäusen, und die Spieler in der Gruppe B haben überdurchschnittlich an den Fledermäusen.
Das F-Statistik in der Figur, die den Prozess der Durchführung eines Test GQ in STATA zeigt, legt nahe, dass der Unterschied in der RSS für die beiden Gruppen ist in einem einseitigen Test marginal signifikant (p-Wert = 0,0730).
Eine Schwäche des GQ-Test ist, dass das Ergebnis über die Kriterien zur Trennung der Probenmessungen in ihre jeweiligen Gruppen ausgewählt abhängt. Dieser Prozess ist oft recht willkürlich, so Beweise für Heteroskedastie in einem Test zu finden, nicht, um es mit verschiedenen Kriterien ausschließen verwendet nicht, um die Probe zu trennen.
Folglich liefern die GQ-Test jede Führung nicht für die Korrektur oder das Modell für Heteroskedastie Anpassung, die ein Grund, warum der angewandten Ökonometrie der Regel auf sie nicht verlassen, um für Heteroskedastie zu testen.