- Тест Чоу
-
Тест Чоу (англ. Chow test) - применяемая в эконометрике процедура проверки стабильности параметров регрессионной модели, наличия структурных сдвигов в выборке. Фактически тест проверяет неоднородность выборки в контексте регрессионной модели.
Истинные значения параметров модели могут теоретически различаться для разных выборок, так как выборки могут быть неоднородны. В частности, при анализе временных рядов может иметь место так называемый структурный сдвиг, когда со временем изменились фундаментальные характеристики изучаемой системы. Это означает, что модель до этого сдвига и модель после сдвига вообще говоря разные. Например, экономика в 1998-1999 году и в 2008-2009 годах претерпевала структурные изменения в связи с кризисными явлениями, поэтому параметры макроэкономических моделей могут быть разными, до и после этих моментов.
Содержание
Тест Чоу на структурное изменение (Chow's breakpoint test)
Пусть дана выборка S объемом n, которая разбита на две подвыборки , с объемами соответственно: . Для временных рядов это означает обычно, что определен момент времени , подозреваемый на "структурный сдвиг", соответственно временные ряды разбиваются на ряды до этого момента и после.
Пусть рассматривается регрессионная модель , где -параметры модели (их количество обозначим ). Предполагается, что подвыборки могут быть неоднородными. Таким образом, для двух подвыборок имеем две модели:
Эти две модели можно представить одной моделью, если использовать индикатор подвыборки .
Используя эту переменную мы можем записать следующую модель
Таким образом, имеем одну модель для всей выборки с количеством параметров . Это "длинная модель" - модель без ограничений. Если в этой модели наложить ограничение , то получим, очевидно исходную модель c параметрами также для всей выборки. Это "короткая модель" - модель с линейными ограничениями на параметры длинной модели.
Тогда процедуру теста можно свести к проверке этого линейного ограничения. При нормально распределенных случайных ошибках применяется стандартный F-тест для проверки линейных ограничений. Статистика этого теста строится по известному принципу:
Соответственно, если значение этой статистики больше критического при данном уровне значимости, то гипотеза об ограничениях отвергается в пользу длинной модели, то есть выборки признаются неоднородными и необходимо строить две разные модели для выборок. В противном случае выборка однородна (параметры модели стабильны) и можно строить общую модель для выборки.
Кроме F-теста можно применять и другие тесты для проверки гипотезы об ограничениях, в частности LR-тест. Особенно это касается более общего случая, когда выделяются не две подвыборки, а несколько. Если подвыборок m, то соответствующая LR-статистика будет иметь распределение
Замечание
В тесте предполагается, что разными в выборках могут быть только параметры линейной модели, но не параметры распределения случайной ошибки. В частности, предполагается одинаковая дисперсия случайной ошибки в обоих подвыборках. В общем случае, однако, это может быть не так. В этом случае применяют тест Вальда со статистикой:
где - оценки параметров и оценки их ковариационной матрицы в первой и второй подвыборках соответственно.
Тест Чоу на предсказание (Chow's forecast test)
Здесь применяется несколько иной подход. Строится модель для одной из подвыборок и на основе построенной модели прогнозируется зависимая переменная для второй подвыборки. Чем больше различия между предсказанными и фактическими значениями объясняемой переменной во второй выборке, тем больше разница между подвыборками. Соответстувующая F-статистика равна
В данном случае также можно использовать LR-статистику с асимптотическим распределением .
См. также
Литература
Категории:- Эконометрика
- Статистические критерии
Wikimedia Foundation. 2010.