Test für Heteroskedasticity mit dem White-Test
In der Ökonometrie ist eine extrem häufige Test für Heteroskedastie die White-Test, die, indem sie die Heteroskedastie Prozess eine Funktion von einem oder mehreren der unabhängigen Variablen beginnt. Es ist ähnlich wie der Breusch-Pagan-Test, aber die White-Test ermöglicht die unabhängige Variable eine nicht-lineare und interaktive Effekt auf die Fehlervarianz zu haben.
Typischerweise wenden Sie die White-Test durch, dass Heteroskedastie unter der Annahme, eine lineare Funktion aller unabhängigen Variablen sein kann, eine Funktion ihrer quadrierten Werte, und eine Funktion ihrer Quer Produkte:
Wie in der Breusch-Pagan-Test, da die Werte für
sind nicht in der Praxis bekannt, die
werden aus den Residuen berechnet und als Proxies verwendet für
Die White-Test auf der Schätzung der folgenden Verfahren beruht:
Alternativ kann ein Weiß-Test durch Abschätzen durchgeführt werden
Führen Sie die folgenden fünf Schritte, um eine White-Test durchzuführen:
Schätzen Sie Ihr Modell mit OLS:
Besorgen Sie sich die vorhergesagte Y Werte nach Ihrem Modell zu schätzen.
Schätzen Sie das Modell mit OLS:
Bewahren Sie die R-Quadrat-Wert aus dieser Regression:
Berechnen Sie die F-Statistik oder die Chi-Quadrat-Statistik:
Die Freiheitsgrade für die F-Test gleich 2 im Zähler und n - 3 im Nenner. Die Freiheitsgrade für die Chi-Quadrat-Test sind 2. Wenn eine dieser Teststatistiken signifikant ist, dann Sie Beweise für Heteroskedastie haben. Wenn nicht, scheitern Sie die Nullhypothese von homoskedasticity abzulehnen.
Stellen Sie sich vor, 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. Wenn Sie diese Informationen in STATA-Stecker (den Sie über einen speziellen Befehl ausführen eine White-Test lässt), behält das Programm die vorhergesagte Y Werte, schätzt die Hilfs Regression intern, und meldet den Chi-Quadrat-Test.
Die Abbildung zeigt die resultierende Ausgabe, was darauf schließen lässt Sie die homoskedasticity Hypothese verwerfen sollte.
Obwohl die White-Test eine flexible funktionale Form bereitstellt, die zur Identifizierung fast jedes Muster von Heteroskedastie nützlich ist, ist es nicht sinnvoll, zu bestimmen, wie das Modell für Heteroskedastie zu korrigieren oder einzustellen.