Aplicaţii la Testarea Homoscedasticităţii erorilor aleatoare

Reamintim Testul White (teoria de la curs)

Mai întâi se estimează modelul prin MCMMP şi se reţin reziduurile. Testul White implică regresia
pătratelor reziduurilor, ei2 , în funcţie de toate variabilele explicative, de pătratele variabilelor
explicative şi de produsele lor încrucişate.
Considerăm modelul cu 2 variabile explicative:
y i =  0 + 1 xi1 +  2 xi 2 +  i
Pas1. Estimăm modelul iniţial de regresie prin MCMMP şi reţinem reziduurile e i .
Pas2. Construim o regresie auxiliară:
ei2 = a 0 + a1 xi1 + a 2 xi 2 + a3 xi21 + a 4 xi22 + a5 xi1 xi 2 + u i
(În modelul cu o variabilă explicativă, regresia auxiliară va conţine ca variabile exogene: x şi x 2 ).
Pas3. Estimăm regresia auxiliară prin MCMMP. Obţinem coeficientul de determinaţie multiplă din
regresia auxiliară, coeficient notat Ra2 .
Verificăm validitatea regresiei auxiliare (semnificaţia parametrilor modelului auxiliar).
H 0 : a1 = a 2 = a3 = a 4 = a5 = 0 (există homoscedasticitate)
H 1 : () ai  0 (există heteroscedasticitate)
Obs: Există două variante de aplicare a testului White:
• Utilizarea testului clasic F, bazat pe statistica F şi pe ipoteza H 0 : a1 = a2 = a3 = a4 = a5 = 0
• Utilizarea testului LM, folosind statistica W = nRa2
Sub ipoteza nulă, că există homoscedasticitate, White a arătat că statistica W = nRa2 urmează
asimptotic o distribuţie  2 cu gradele de libertate date de numărul de regresori din ecuaţia auxiliară.
W = nRa2 ~  df2 . În modelul considerat avem df=5.
Pas4. Dacă Wcalculat = nRa2   critic
2
; , sau dacă p-value este mai mică decât nivelul de semnificaţie

ales, respingem H 0 şi acceptăm H 1  erorile aleatoare sunt heteroscedastice.

Problema1.
Modelul y i =  0 +  1 xi1 +  2 xi 2 +  i a fost estimat prin mcmmp. Am obtinut seria reziduurilor ( ei ).
Considerăm regresia auxiliară, ei2 = a0 + a1 xi1 + a2 xi 2 + a3 xi21 + a4 xi22 + a5 xi1 xi 2 + ui .
Rezultatele estimării modelului auxiliar sunt:
ei2 = 65,2038 −3,4665 x i1 − 5,0384 xi 2 + 0,0452 xi21 + 0,1193 xi22 + 0,1608 x i1  x i 2
(249,56) (13,7335) (7,9813) (0,1847) (0,4251) (0,2814)
Să se testeze Homoscedasticitatea erorilor aleatoare folosind testul White (  = 0,05 iar t crt = 2,447).
Rezolvare:
Ipotezele de testat sunt:
H 0 : a1 = a 2 = a3 = a 4 = a5 = 0 (există homoscedasticitate)
H 1 : () a i  0, i = 1,..., 5 (există heteroscedasticitate)
Dacă toţi coeficienţii din H0 sunt nuli  Erorile aleatoare sunt homoscedastice.
Testăm dacă acesti coeficienţi sunt nesemnificativi. În acest scop calculăm statisticile t şi le
comparăm cu t-critic.
aˆ − 3,4665 aˆ − 5,0384 aˆ 0,0452
t1 = 1 = = -0,2524 , t 2 = 2 = = -0,6313, t 3 = 3 = = 0,2448
s aˆ1 13,7335 s aˆ 2 7,9813 s aˆ3 0,1847

1
 aˆ 4 0,1193 aˆ 0,1608
t4 = = = 0,2805 , t 5 = 5 = = 0,5714
s aˆ 4 0,4251 s aˆ5 0,2814
Comparăm statisticile t cu t-critic. Acceptăm H0  Erorile aleatoare sunt homoscedastice.

Problema2.
Modelul y i =  0 +  1 xi1 +  2 xi 2 +  i a fost estimat prin mcmmp. Am obtinut seria reziduurilor ( ei ).
Considerăm regresia auxiliară, ei2 = a0 + a1 xi1 + a2 xi 2 + a3 xi21 + a4 xi22 + a5 xi1 xi 2 + ui .
Rezultatele estimării modelului auxiliar sunt:
ei2 = −9,9898 + 1,6567 x i1 + 2,5453 xi 2 − 0,0436 xi21 − 0,1152 xi22 − 0,2709 x i1  x i 2
se = (122,36) (1,5572) (55,9422) (0,0133) (6,3935) (0,3484)
t = (−0,0816) (1,0639) (0,0455) (−3,2867) (−0,0180) (−0,7776)
p = (0,9363) (0,3083) (0,9645) (0,0065) (0,9859) (0,4519)
Să se testeze Homoscedasticitatea erorilor aleatoare folosind testul White (  = 0,05 iar t crt = 2,179).
Rezolvare:
Ipotezele de testat sunt:
H 0 : a1 = a 2 = a3 = a 4 = a5 = 0 (există homoscedasticitate)
H 1 : () a i  0, i = 1,..., 5 (există heteroscedasticitate)
Dacă toţi coeficienţii din H0 sunt nuli  Erorile aleatoare sunt homoscedastice.
Testăm dacă acesti coeficienţi sunt nesemnificativi. Putem calcula statisticile t şi le comparăm cu t-
critic. Mai simplu este să ne uităm la probabilităţile asociate statisticilor t.
Coeficienţii a1 , a2 , a4 , a5 au „p-value” > 0,05 , deci nu sunt semnificativi statistic.
Doarece „p-value” = 0,0065 < 0,05  a3  0  Erorile aleatoare sunt heteroscscedastice.

Problema3.
Modelul y i =  0 +  1 xi +  i a fost estimat prin mcmmp. Am obtinut seria reziduurilor ( ei ).
Considerăm regresia auxiliară,: ei2 = a0 + a1 xi + a 2 xi2 + u i .
Rezultatele estimării modelului auxiliar sunt:
ei2 = 166,2761 −1,7649 xi + 0,0052 xi2 , Ra2 = 0,2255
se = (98,97) (1,2525) (0,0036) , F = 1,019
t = (1,68) (-1,409) (1,4275) , Pr ob( F ) = 0,4088
p = (0,1368) (0,2016) (0,1964)
Să se testeze Homoscedasticitatea erorilor aleatoare folosind testul White (  = 0,05 iar t crt = 2,36).
Rezolvare:
Ipotezele de testat sunt:
H 0 : a1 = a 2 = 0 (există homoscedasticitate)
H 1 : a1  0 si / sau a 2  0 (există heteroscedasticitate)
Coeficientul a1 nu este semnificativ statistic (p-value=0,2016>0,05).
Coeficientul a 2 nu este semnificativ statistic (p-value=0,1964>0,05).
Acceptăm H0  erorile aleatoare sunt homoscedastice.

Altă variantă de analiză:

Statistica F = 1,019 şi Pr ob( F ) = 0,4088 înseamnă că acceptăm H0  erorile aleatoare sunt
homoscedastice.

2
Aplicaţie la Testarea Autocorelării erorilor aleatoare
Testul Durbin-Watson.
Prin acest test se verifică dacă există autocorelare de ordinul întâi în seria reziduurilor.
 n (e − e )
2
Statistica Durbin-Watson: DW = d = i =2 ni 2i −1
i =1 ei
Proprietăţi ale statisticii DW:
n e e
P1. DW  2(1 − ˆ ) , unde ̂ = i =2n i 2i −1 este coeficientul de corelaţie de selecţie.
i =1 ei
P2. 0  DW  4
P3. Statistica DW nu urmează o distribuţie clasică. Valorile sale critice sunt tabelate. Distribuţia de
selecţie a statisticii DW depinde de numărul de variabile explicative şi de volumul selecţiei. Pentru
un nivel de semnificaţie dat, tabelul conţine două valori critice: limita inferioară d1 şi limita
superioară d 2 .
Se localizează valoarea statisticii DW în una din următoarele 5 regiuni de decizie:
Dacă 0  DW  d1 , seria reziduurilor prezintă autocorelare de ordinul 1 pozitivă.    0
Dacă d1  DW  d 2  Indecizie. Se recomandă acceptarea autocorelării pozitive.
Dacă d 2  DW  4 − d 2  reziduurile sunt independente
Dacă 4 − d 2  DW  4 − d1  Indecizie. Se recomandă acceptarea autocorelării negative
Dacă 4 − d1  DW  4 , seria reziduurilor prezintă autocorelare de ordinul 1 negativă.    0

reg1 reg2 reg 3 reg 4 reg 5

0 d1 d2 4-d2 4-d1 4
Problemă.
Pentru un model econometric se cunosc: ̂ = −0,34 (coeficientul de autocorelaţie de ordinul I din
seria reziduurilor) şi valorile critice d1=1,24 şi d2=1,56. Testaţi autocorelarea erorilor aleatoare.
Precizaţi cele 5 regiuni de decizie şi concluzia privind autocorelarea erorilor aleatoare.
Rezolvare:
Ipotezele de testat sunt:
H 0 :  = 0 (nu există autocorelarea de ordin I a erorilor aleatoare)
H 1 :   0 (există autocorelarea de ordin I a erorilor aleatoare).

Dacă 0  DW  d1 , seria reziduurilor prezintă autocorelare de ordinul 1 pozitivă.

Dacă d1  DW  d 2  indecizie. Se recomandă acceptarea autocorelării pozitive.
Dacă d 2  DW  4 − d 2  reziduurile sunt independente
Dacă 4 − d 2  DW  4 − d1  indecizie. Se recomandă acceptarea autocorelării negative
Dacă 4 − d1  DW  4 , seria reziduurilor prezintă autocorelare de ordinul 1 negativă.

Calculăm statistica DW  2(1 − ˆ ) = 2,68

.
regiunea1 regiunea2 regiunea 3 regiunea 4 regiunea 5
0 d1 d2 4-d2 4-d1 4
0 1,24 1,56 2,44 2,76 4

Avem 4 − d 2  DW  4 − d1 
DW  regiunii 4  Indecizie. Se recomandă acceptarea autocorelării negative.