1) Test t-Studenta - ocena istotności parametrów :
|
|
odrzucamy
, zmieniamy hipotezę na H
1
,parametr jest istotny statystycznie
|
|
brak podstaw do odrzucenia
, możemy sądzić, że parametr jest nieistotny statystycznie,
więc usuwamy parametr z modelu
2) Test CUSUM - ocena stabilności parametrów:
brak zmian w parametrach, parametry stabilne
zmiany w parametrach, parametry niestabilne
Statystyka testu: Harvey-Collier
brak podstaw do odrzucenia hipotezy zerowej – brak zmian w parametrach – parametry
stabilne
z empirycznym poziomem błędu p odrzucamy hipotezę zerową na korzyść alternatywnej –
występują zmiany w parametrach – parametry niestabilne
3)
Test Chowa - ocena stabilności parametrów :
H
0
: β
1
= β
2
– parametry modelu pomocniczego są równe 0 (zależność liniowa)
H
1
: β
1
≠ β
2
– parametry modelu pomocniczego są różne od 0 ( zależność nieliniowa)
Jeżeli F < Fy - brak podstaw do odrzucenia H0 - parametry są stabilne
Jeśli F < F
0,05,k,T-k
to nie ma podstaw do odrzucenia hipotezy zerowej – parametry są stabilne.
4) Test Durbina-Watsona – badanie autokorelacji parametrów :
reszty losowe, brak autokorelacji składnika losowego rz. I
Gdy
reszty nielosowe, występuje autokorelacja składnika losowego rz. I
Gdy , wówczas
DW(DW*) > dl brak podstaw do odrzucenia hipotezy zerowej – autokorelacja składnika losowego rz. I
nie występuje
DW(DW*) < dl odrzucam hipotezę zerową na korzyść hipotezy alternatywnej – autokorelacja składnika
losowego rz. I występuję
dl < DW(DW*) < du test nie rozstrzyga o autokorelacji składnika losowego rz. I
5) Test Quinoille’a – badanie autokorelacji parametrów :
wspólczynnik autokorelacji rzędu jest nieistotny statystycznie
współczynnik autokorelacji rzędu jest istotny statystycznie
| ̂
|
√
odrzucam hipotezę zerową na korzyść alternatywnej, współczynnik autokorelacji rzędu jest
istotny statystycznie, występuje autokorelacja co najmniej rzędu .
| ̂
|
√
brak podstaw do odrzucenia hipotezy zerowej, współczynnik autokorelacji rzędu jest
nieistotny statystycznie.
6) Test White’a – na heteroskedastyczność reszt (zmienność wariancji resztowej) :
– parametry modelu pomocniczego są równe 0 (zależność liniowa, wariancja składnika
losowego modelu podstawowego jest jednorodna)
– co najmniej jeden parametr modelu pomocniczego (przy kwadratach
zmiennych) jest różny od zera ( zależność nieliniowa – kwadraty, wariancja składnika losowego modelu
podstawowego jest niejednorodna)
Statystyka LM służąca do weryfikacji powyższych hipotez ma postać:
Gdzie:
R
2
- współczynnik determinacji modelu pomocniczego
T – liczba obserwacji
Statystyka ta ma rozkład chi-kwadrat o K stopniach swobody:
, przy czym K – liczba zmiennych
objaśniających w modelu pomocniczym.
Jeżeli
to nie ma podstaw do odrzucenia hipotezy zerowej – wariancja składnika
losowego jest jednorodna (wszystkie odstające obserwacje zostały poprawnie opisane przez model).
Jeżeli wariancja okaże się niejednorodna zamiast KMNK należy stosować UMNK.
7) Test normalności rozkładu reszt :
składniki losowy ma rozkład normalny
składnik losowy nie ma rozkładu normalnego
Statystyka testu: Chi-kwadrat
brak podstaw do odrzucenia hipotezy zerowej – rozkład reszt posiada cechy rozkładu
normalnego
z empirycznym poziomem błędu p odrzucamy hipotezę zerową na korzyść alternatywnej –
rozkład reszt nie posiada cech rozkładu normalnego
8) Test nieliniowości (kwadraty) :
H0: zależność jest liniowa
H1: zależność nie jest liniowa
P > α = 0,05 to brak podstaw do odrzucenia H0, co znaczy, że zależność jest liniowa, nie występuje
heteroskedastyczność
P < α = 0,05 to odrzucamy H0, co znaczy, że zależność jest nieliniowa, występuje heteroskedastyczność
9) Test nieliniowości (logarytmy) :
H0: zależność jest liniowa
H1: zależność nie jest liniowa
P > α = 0,05 to brak podstaw do odrzucenia H0, co znaczy, że zależność jest liniowa, nie występuje
heteroskedastyczność
P < α = 0,05 to odrzucamy H0, co znaczy, że zależność jest nieliniowa, występuje heteroskedastyczność
10) Test F – wybór stopnia wielomianu trendu :
brak podstaw do odrzucenia
, nie nastąpił istotny spadek wariancji resztowej – wybieramy
trend z niższym stopniem.
odrzucamy
na korzyść hipotezy alternatywnej, nastąpi istotny spadek wariancji resztowej –
wybieramy trend z wyższym stopniem.