Тест Глейсера

Эта статья может быть слишком технической для понимания большинством читателей . Пожалуйста, помогите улучшить его, чтобы он был понятен неспециалистам , не удаляя технических деталей. ( Октябрь 2014 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения )

В статистике , то тест Глейсер для гетероскедастичности , разработанная Гербертом Глейсер , регрессирует остатки на объясняющей переменной , которая , как полагают, связано с гетероскедастических дисперсией. ^[1] После того, как было обнаружено, что это не асимптотически справедливо при асимметричных возмущениях, ^[2] аналогичные улучшения были независимо предложены Им, ^[3] и Мачадо и Сантос Сильва. ^[4]

Шаги по использованию метода Глейзера [ править ]

Шаг 1. Оцените исходную регрессию с помощью обычных наименьших квадратов и найдите остатки выборки  e _i .

Шаг 2: Регрессируйте абсолютное значение | e _i | на объясняющую переменную, связанную с гетероскедастичностью.

${\ displaystyle {\ begin {align} | e_ {i} | & = \ gamma _ {0} + \ gamma _ {1} X_ {i} + v_ {i} \\ [8pt] | e_ {i} | & = \ gamma _ {0} + \ gamma _ {1} {\ sqrt {X_ {i}}} + v_ {i} \\ [8pt] | e_ {i} | & = \ gamma _ {0} + \ gamma _ {1} {\ frac {1} {X_ {i}}} + v_ {i} \ end {align}}}$

Шаг 3: Выберите уравнение с наибольшим R ² и наименьшими стандартными ошибками для представления гетероскедастичности.

Шаг 4: Выполните t-тест для уравнения, выбранного на шаге 3 для γ ₁ . Если γ ₁ статистически значим, отвергните нулевую гипотезу гомоскедастичности.

Программная реализация [ править ]

Тест Глейсера может быть реализован в программном обеспечении R с использованием glejserфункции skedasticпакета. ^[5] Это также может быть реализовано в программном обеспечении эконометрики SHAZAM . ^[6]

Ссылки [ править ]