Нагадаємо, що припущення 3 про гомоскедастичність залишків еj полягає в тому, що De = = const, тобто що De ≠ f(xi).
|
|
Рис. 3.2 − Графічні ознаки
відсутності й наявності гетероскедастичності
Серед аналітичних тестів наявності (відсутності) гетероскедастичності найпростішим є тест рангової кореляції Спірмана
rs = 1 – , (3.10)
де – різниця в рангах незалежної змінної xj і залишку еj. Для множинної кореляції, врховуючи, що xi це x1 , x2 , …, xm і те, що у = f (x1 , x2 , …, xm), замість xi можна без суттєвої помилки ранжувати yj.
Спочатку ранжуємо yj від найменшого до найбільшого значень і присвоюємо їм ранги від 1 до n, потім визначаємо за тим же принципом ранги відповідних еj і, нарешті, знаходимо різниці в рангах для кожної пари yj і еj , тобто dj.
Для нашого наскрізного прикладу такі розрахунки наведені в табл. 3.2.
Таблиця 3.2 − Розрахунок dj для визначення коефіцієнта рангової кореляції Спірмана
j | Pj | Ранг Pj | еj | Ранг еj | dj | |
6,7 | – 0,14 | – 3 | ||||
7,3 | 0,15 | – 3 | ||||
11,5 | 0,19 | |||||
… | … | … | … | … | … | … |
12,0 | 0,90 | |||||
9,5 | – 0,56 | – 4 | ||||
∑ | 282,6 | – | – | – |
За даними табл. 3.2 коефіцієнт рангової кореляції у нашому прикладі становить за формулою (3.10)
= 1 – = 0,14
Перевіримо значущість отриманого коефіцієнта рангової кореляції за t – статистикою Стьюдента. Для цього визначимо t – статистику за формулою
t = , (3.11)
де – коефіцієнт рангової кореляції, і порівняємо його з критичним за таблицею t – розподілу Стьюдента (додаток 3). Якщо t ≤ tкр, то коефіцієнт рангової кореляції є незначущим і гетероскедастичність залишків еj вважається відсутньою і навпаки.
У нашому прикладі за формулою (3.11) маємо
t = = = 0,734.
За додатком 3 визначаємо при числі ступенів свободи 29 – 2 – 1 = 26 і P = 0,95, що tкр = 2,05. Отже залишки еj в моделі (3.3) гомоскедастичні, тому що 0,734 < 2,05. Таким чином, за тестуванням на наявність гетероскедастичності параметри моделі (3.3) незміщені, обгрунтовані і ефективні.