Тест Бреуша – Годфри - Breusch–Godfrey test

В статистика, то Тест Бреуша – Годфри используется для оценки достоверности некоторых допущений моделирования, присущих применению регрессионный модели к наблюдаемым рядам данных.[1][2] В частности, это тесты за наличие серийная корреляция который не был включен в предлагаемую структуру модели и который, если он присутствует, будет означать, что из других тестов будут сделаны неверные выводы или что будут получены неоптимальные оценки параметров модели.

Модели регрессии, к которым может применяться тест, включают случаи, когда запаздывающие значения зависимые переменные используются как независимые переменные в представлении модели для последующих наблюдений. Этот тип структуры распространен в эконометрические модели.

Тест назван в честь Тревор С. Бреуш и Лесли Г. Годфри.

Фон

Тест Бреуша – Годфри - это тест на автокорреляция в ошибки в регрессионной модели. Он использует остатки из рассматриваемой модели в регрессивный анализ, и из них выводится тестовая статистика. В нулевая гипотеза это то, что нет серийная корреляция любого порядка до п.[3]

Потому что тест основан на идее Проверка множителя Лагранжа, его иногда называют LM-тест на серийную корреляцию.[4]

Аналогичную оценку можно также провести с Тест Дарбина – Ватсона и Тест Юнга – Бокса. Однако этот тест является более общим, чем тест с использованием статистики Дарбина – Ватсона (или критерия Дарбина час statistic), который действителен только для нестохастических регрессоров и для проверки возможности авторегрессионной модели первого порядка (например, AR (1)) для ошибок регрессии.[нужна цитата ] У теста BG нет ни одного из этих ограничений, и он статистически более эффективен. мощный чем Дурбин час статистика.[нужна цитата ]

Процедура

Рассмотрим линейная регрессия любой формы, например

где ошибки могут следовать за AR (п) схема авторегрессии, следующая:

Простая регрессионная модель сначала подбирается обыкновенный метод наименьших квадратов для получения набора остатков выборки .

Бреуш и Годфри[нужна цитата ] доказал, что если использовать следующую вспомогательную регрессионную модель

и если обычный для этой модели рассчитывается статистика, тогда следующие асимптотическое приближение может использоваться для распределения тестовой статистики

когда нулевая гипотеза выполняется (то есть нет последовательной корреляции любого порядка доп). Здесь п количество точек данных, доступных для второй регрессии, что для ,

куда Т - количество наблюдений в основной серии. Обратите внимание, что значение n зависит от количества запаздываний члена ошибки (п).

Программного обеспечения

  • В р, этот тест выполняется функцией bgtest, доступно в упаковка lmtest.[5][6]
  • В Stata, этот тест выполняется командой Estat Bgodfrey.[7][8]
  • В SAS, то ГОДФРИ вариант МОДЕЛЬ заявление в ПРОЦ АВТОРЕГ предоставляет версию этого теста.
  • В Python Статистические модели, функция acorr_breusch_godfrey в модуле statsmodels.stats.diagnostic [9]
  • В EViews, этот тест уже выполняется после регрессии в «Просмотр» → «Остаточная диагностика» → «Тест последовательной корреляции LM».
  • В Юля, то BreuschGodfreyTest функция доступна в Гипотезы упаковка.[10]
  • В гретл, этот тест можно получить через модтест или в пункте меню «Тест» → «Автокорреляция» в GUI-клиенте.


Смотрите также

Рекомендации

  1. ^ Бреуш, Т. С. (1978). «Тестирование автокорреляции в динамических линейных моделях». Австралийские экономические документы. 17: 334–355. Дои:10.1111 / j.1467-8454.1978.tb00635.x.
  2. ^ Годфри, Л. Г. (1978). «Тестирование моделей ошибок общей авторегрессии и скользящего среднего, когда регрессоры включают запаздывающие зависимые переменные». Econometrica. 46: 1293–1301. JSTOR  1913829.
  3. ^ Справка Macrodados 6.3 - Эконометрические инструменты[постоянная мертвая ссылка ]
  4. ^ Астериу, Димитриос; Холл, Стивен Г. (2011). «Тест Бреуша – Годфри LM для серийной корреляции». Прикладная эконометрика (Второе изд.). Нью-Йорк: Пэлгрейв Макмиллан. С. 159–61. ISBN  978-0-230-27182-1.
  5. ^ "lmtest: Тестирование моделей линейной регрессии". КРАН.
  6. ^ Клейбер, Кристиан; Зейлейс, Ахим (2008). «Тестирование на автокорреляцию». Прикладная эконометрика с R. Нью-Йорк: Спрингер. С. 104–106. ISBN  978-0-387-77318-6.
  7. ^ «Инструменты апостимуляции для регресса с временными рядами» (PDF). Руководство по Stata.
  8. ^ Баум, Кристофер Ф. (2006). «Тестирование на серийную корреляцию». Введение в современную эконометрику с использованием Stata. Stata Press. С. 155–158. ISBN  1-59718-013-0.
  9. ^ Тест Бреуша-Годфри на Python http://statsmodels.sourceforge.net/devel/generated/statsmodels.stats.diagnostic.acorr_breush_godfrey.html?highlight=autocorrelation В архиве 2014-02-28 в Wayback Machine
  10. ^ «Тесты временных рядов». juliastats.org. Получено 2020-02-04.

дальнейшее чтение

  • Годфри, Л. Г. (1988). Тесты на неправильную спецификацию в эконометрике. Кембридж, Великобритания: Кембридж. ISBN  0-521-26616-5.
  • Годфри, Л. Г. (1996). «Тесты на неправильную спецификацию и их использование в эконометрике». Журнал статистического планирования и вывода. 49 (2): 241–260. Дои:10.1016/0378-3758(95)00039-9.
  • Маддала, Г.С.; Лахири, Каджал (2009). Введение в эконометрику (Четвертое изд.). Чичестер: Вайли. С. 259–260.