Verwenden Sie den Park-Test zu prüfen für Heteroskedasticity
Der Park-Test beginnt mit der ein bestimmtes Modell des heteroskedastischen Prozess übernehmen. Im Einzelnen geht davon aus, dass die Heteroskedastie bis zu einem gewissen Macht einer unabhängigen Variablen proportional sein kann (Xkim Modell). Diese Annahme kann ausgedrückt werden als
Sie können durch die Verwendung einer Log-Transformation eine linearisierte Version des Park-Modell erhalten:
Da die Werte für
werden in der Praxis nicht bekannt, Ihre
werden aus den Residuen berechnet und als Proxies verwendet für
Die meisten Ökonometrie Software-Programme haben keine Befehle, die es Ihnen ermöglichen, automatisch einen Park-Test durchführen. Allerdings können Sie den Test, indem Sie folgende Schritte ausführen:
Schätzen Sie das Modell mit OLS:
Besorgen Sie sich die quadrierten Residuen, nach dem Modell der Schätzung:
Schätzen Sie das Modell mit OLS:
Untersuchen Sie die statistische Signifikanz von Alpha mit der t-Statistik:
Der Wert von
von der Regressions Abschätzen
ist eine Schätzung der Konstante (homoskedastic) Abschnitt der Fehlervarianz. Folglich wird, wenn die Schätzung des Koeffizienten alpha statistisch signifikant ist, dann haben Sie Beweise für Heteroskedastie. Wenn nicht, scheitern Sie die Nullhypothese von homoskedasticity abzulehnen.
Anhand der Daten aus der Major League Baseball-Spieler, können Sie ein Modell mit dem natürlichen Logarithmus des Auftragswertes als abhängige Variable des Spielers einzuschätzen und mehrere Spieler Merkmale als unabhängige Variablen.
Die unabhängigen Variablen sind dreijährige Mittelwerte für die slugging Prozentsatz des Spielers (Slg_3_avg) und an den Fledermäusen (Ab_3_avg), Alter des Spielers und des Spielers Amtszeit (Jahre) mit dem aktuellen Team. Die Abbildung zeigt die Schritt-für-Schritt-Prozess einen Park-Test in STATA durchzuführen.
Wenn es Heteroskedastie, dann at-Fledermäuse ist die Variable dafür verantwortlich. In diesem Fall ist der Koeffizient für die Variable lneinbavg (Unter Verwendung des natürlichen Logarithmus ab_3_avg wie durch den Park Test angegeben) ist statistisch signifikant mit einem p-Wert von 0,03. Daher können Sie die Hypothese homoskedasticity ablehnen.
Die Schwäche der Park-Test ist, dass es die Heteroskedastie übernimmt eine besondere funktionale Form. Darüber hinaus mit einer unabhängigen Variablen Heteroskedastie Identifizierung nicht ausschließen, dass andere Variablen auch eine Rolle spielen können.
Obwohl Diskussionen des Park-Test in den Lehrbüchern viele Ökonometrie noch üblich sind, angewendet typischerweise Ökonometrikern auf andere Alternativen angewiesen für Heteroskedastizität wie der Breusch-Pagan oder Weiß Tests zu testen.