Ekonometria Współczesna
Hipotezy zerowa i alternatywna test White’a mają postaci:
H0 : =0 parametry modelu pomocniczego są równe zero (wariancja skład
losowego modelu podstawowego jest jednorodna),
zera
jest
/f, : P* * 0 co najmniej jeden parametr modelu pomocniczego jest różny od
(wariancja składnika losowego modelu podstawowego niejednorodna).
Statystyka LM służąca do weryfikacji powyższych hipotez ma postać:
wzorem
LM = TR2, gdzie:
R2 - współczynnik determinacji modelu pomocniczego danego (4.24).
Statystyka LM ma rozkład chi-kwadrat X2a(K) przy ustalonym poziomie istotności a i K stopniach swobody (liczba zmiennych objaśniających w modelu pomocniczym (4.24)). Jeżeli LM >x~a(K), wówczas odrzuca się hipotezę zerową
H0 na rzecz hipotezy alternatywnej //,. Wariancja składnika losowego jest niejednorodna. Jeżeli natomiast LM <x2a(K), to nie ma podstaw do odrzucenia hipotezy zerowej H0 , stwierdza się jednorodność wariancji składnika losowego.
W przypadku, gdy weryfikacja hipotez wykaże niejednorodność wariancji składnika losowego nie można zastosować klasycznej MNK do szacowaniu parametrów modelu. Należy posłużyć się uogólnioną metodą najmniejszych kwadratów (UMNK) (patrz rozdział VII).
4.4. Inne użyteczne testy
4.4.1. Testowanie liniowości I
W literaturze znaleźć można wiele testów na badanie formy nieliniowej modeU ekonometrycznego. Jednym z nich jest test RESET (Regression error specificaU . | test), który należy zaliczyć do grupy testów nie wymagających znajom konkretnej postaci funkcyjnej modelu. Hipotezy zerowa i alternatywna postaci:
H0:\\tj=0 j = 2,3,...,h, (postać modelu (4.26) jest liniowa)
//, : Vj/; * 0 (postać modelu (4.26) nie jest liniowa)
gdzie h jest najwyższą potęgą równania pomocniczego (4.28).
Zakładając, że liniowa postać modelu jest następująca:
oraz wylicza:
SSR = X v? •
Następnie należy wyliczyć wartość statystyki Fpostaci:
(4.29)
Weryfikacja modelu ekonometrycznego m.. + aKxKt +e,f
(4.26)
^ Ci o + CI\X\l
ha zmiennych objaśniających równania podstawowego (4.26).
ędzictfJcStllL
KMNK szacuje się oceny parametrów a, a następnie wyznacza:
(4.27)
kroku za pomocą KMNK szacuje się parametry równania
(4.28)
y,
/»0
j=2
r {SSR0-SSR)/(h-l)
SSR/(T-K -h) ’
gdzie / = 1,2,...,7\
Wartość statystyki F porównuje się z wartością krytyczną testu Fa/iA rozkładu
Fishera-Snedecora, przy poziomie istotności a, oraz r{=h -\,r2 = T - K - h liczbach stopni swobody.
Jeżeli F>Funr2, to odrzuca się hipotezę zerową H0 na rzecz hipotezy
alternatywnej . Model ma postać nieliniową. Jeżeli natomiast F < Fa ri r2, to
nie ma podstaw do odrzucenia hipotezy zerowej H0. Stwierdza się, że model ma postać liniową.
4-4.2. Porównywanie modeli niezagnieżdżonych
,, - modeli powstaje pytanie.klóra“
W przypadku analizowania różnych specyn acp ^ modcU wybraó.Icdmlz jj
nich jest lepsza. Pojawia się tu z probleme , samcgo procesu objaśnianej > porównywania alternatywnych model, dla tego sameg^ yf,kacj. modelu
testy oparte na koncepcji obejmowana przez dany m ,eżdżony. Modele
konkurencyjnego, który z założenia tn» ^ samą sienną objasmana, ^^zagnieżdżone są to dwa różne modele, opis n których specyfikacje nie zawierają się w s0 ie‘
89