Тест Глейзера

Перейти к навигации Перейти к поиску

Тест Глейзера — статистический тест, позволяющий оценить наличие (отсутствие) гетероскедастичности (определённого вида) случайных ошибок регрессионной (эконометрической) модели.

Тест основан на следующей модели возможной зависимости стандартного отклонения случайной ошибки $\sigma _{t}$ модели от некоторого фактора $z_{t}$ :

$\sigma _{t}=\alpha +\beta z_{t}^{\gamma }+u_{t}$

Нулевая гипотеза заключается в равенстве коэффициента $\beta$ нулю (отсутствие гетероскедастичности данного вида). Если в тесте отвергается нулевая гипотеза, то гетероскедастичность данного вида признаётся статистически значимой. Если нулевая гипотеза не отвергается, то, скорее всего, гетероскедастичности данного вида нет в модели (однако, это не исключает возможность гетероскедастичности другого вида).

Процедура теста

С помощью обычного МНК оценивается исходная регрессионная модель

$y_{t}=x_{t}^{T}b+\varepsilon _{t}$

и находятся остатки регрессии $e_{t}$ .

Далее для различных значений $\gamma$ (обычно начинают с $\pm 0.5,\pm 1,...$ ) оценивается (также с помощью обычного МНК) вспомогательная регрессия:

$|e_{t}|=\alpha +\beta z_{t}^{\gamma }+u_{t}$

Для каждого значения $\gamma$ проверяется статистическая значимость коэффициента $\beta$ с помощью стандартного критерия Стьюдента или эквивалентного ему в данном случае F-теста на значимость вспомогательной регрессии в целом. Если для некоторых $\gamma$ коэффициент $\beta$ признаётся значимым (тестовая статистика больше критического значения), то гетероскедастичность данного вида признаётся значимой и выбирается модель с тем значением $\gamma$ , для которого коэффициент $\beta$ наиболее значим (с наибольшим значением тестовой статистики).

См. также

Похожие исследовательские статьи

Стоимость под риском — стоимостная мера риска. Это выраженная в денежных единицах оценка величины, которую не превысят ожидаемые в течение данного периода времени потери с заданной вероятностью.

t-критерий Стьюдента — общее название для класса методов статистической проверки гипотез, основанных на распределении Стьюдента. Наиболее частые случаи применения t-критерия связаны с проверкой равенства средних значений в двух выборках.

Метод наименьших квадратов (МНК) — математический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов отклонений некоторых функций от искомых переменных. Он может использоваться для «решения» переопределенных систем уравнений, для поиска решения в случае обычных нелинейных систем уравнений, для аппроксимации точечных значений некоторой функции. МНК является одним из базовых методов регрессионного анализа для оценки неизвестных параметров регрессионных моделей по выборочным данным.

F-тест или критерий Фишера — статистический критерий, тестовая статистика которого при выполнении нулевой гипотезы имеет распределение Фишера (F-распределение).

<span class="mw-page-title-main">Гетероскедастичность</span>

Гетероскедасти́чность — понятие, используемое в прикладной статистике, означающее неоднородность наблюдений, выражающуюся в неодинаковой (непостоянной) дисперсии случайной ошибки регрессионной (эконометрической) модели. Гетероскедастичность противоположна гомоскедастичности, означающей однородность наблюдений, то есть постоянство дисперсии случайных ошибок модели.

Регре́ссия (лат. regressio — обратное движение, отход) в теории вероятностей и математической статистике — односторонняя стохастическая зависимость, устанавливающая соответствие между случайными переменными, то есть математическое выражение, отражающее связь между зависимой переменной у и независимыми переменными х при условии, что это выражение будет иметь статистическую значимость. В отличие от чисто функциональной зависимости y=f(x), когда каждому значению независимой переменной x соответствует одно определённое значение величины y, при регрессионной связи одному и тому же значению x могут соответствовать в зависимости от случая различные значения величины y. Если при каждом значении $\text{[math]}$ наблюдается $\text{[math]}$ значений y_i1…y_{in_i} величины y, то зависимость средних арифметических $\text{[math]}$ от $\text{[math]}$ и является регрессией в статистическом понимании этого термина.

Критерий Дарбина—Уотсона — статистический критерий, используемый для тестирования автокорреляции первого порядка элементов исследуемой последовательности. Наиболее часто применяется при анализе временных рядов и остатков регрессионных моделей.

Авторегрессионная условная гетероскедастичность — применяемая в эконометрике модель для анализа временных рядов, у которых условная дисперсия ряда зависит от прошлых значений ряда, прошлых значений этих дисперсий и иных факторов. Данные модели предназначены для «объяснения» кластеризации волатильности на финансовых рынках, когда периоды высокой волатильности длятся некоторое время, сменяясь затем периодами низкой волатильности, причём среднюю волатильность можно считать относительно стабильной.

Обобщённый метод наименьших квадратов — метод оценки параметров регрессионных моделей, являющийся обобщением классического метода наименьших квадратов. Обобщённый метод наименьших квадратов сводится к минимизации «обобщённой суммы квадратов» остатков регрессии — $\text{[math]}$ , где $\text{[math]}$ — вектор остатков, $\text{[math]}$ — симметрическая положительно определенная весовая матрица. Обычный МНК является частным случаем обобщённого, когда весовая матрица пропорциональна единичной.

Тест Уайта — универсальная процедура тестирования гетероскедастичности случайных ошибок линейной регрессионной модели, не налагающая особых ограничений на структуру гетероскедастичности, предложенная Уайтом в 1980 г. Тест является асимптотическим.

Тест Голдфелда — Квандта — процедура тестирования гетероскедастичности случайных ошибок регрессионной модели, применяемая в случае, когда есть основания полагать, что стандартное отклонение ошибок может быть пропорционально некоторой переменной. Тест также основывается на предположении нормальности распределения случайных ошибок регрессионной модели. Фактически это F-тест, поскольку статистика теста имеет распределение Фишера.

Тест Бройша — Пагана или Бреуша — Пагана — один из статистических тестов для проверки наличия гетероскедастичности случайных ошибок регрессионной модели. Применяется, если есть основания полагать, что дисперсия случайных ошибок может зависеть от некоторой совокупности переменных. При этом в данном тесте проверяется линейная зависимость дисперсии случайных ошибок от некоторого набора переменных.

Метод инструментальных переменных — метод оценки параметров регрессионных моделей, основанный на использовании дополнительных, не участвующих в модели, так называемых инструментальных переменных. Метод применяется в случае, когда факторы регрессионной модели не удовлетворяют условию экзогенности, то есть являются зависимыми со случайными ошибками. В этом случае, оценки метода наименьших квадратов являются смещенными и несостоятельными.

Тест Бройша — Годфри, называемый также LM-тест Бройша — Годфри на автокорреляцию — применяемая в эконометрике процедура проверки автокорреляции произвольного порядка в случайных ошибках регрессионных моделей. Тест является асимптотическим, то есть для достоверности выводов требуется большой объём выборки.

Тест Парка - статистический тест, используемый для проверки гетероскедастичности случайных ошибок регрессионной (эконометрической) модели.

Тест ранговой корреляции Спирмена — непараметрический статистический тест, позволяющий проверить гетероскедастичность случайных ошибок регрессионной (эконометрической) модели. Особенность теста заключается в том, что не конкретизируется форма возможной зависимости дисперсии случайных ошибок модели от той или иной переменной.

Фиксированные эффекты с разложением вектора — разновидность регрессионного анализа на панельных данных с фиксированными эффектами, позволяющая измерять эффекты не изменяющихся во времени предикторов вместе с фиксированными эффектами групп наблюдений. Первоначально метод был предложен в статье.

Смещение вследствие пропущенных переменных — явление в регрессионном анализе, связанное с получением, смещённых и несостоятельных оценок регрессионных коэффициентов вследствие некорректной спецификации модели, а именно невключения в оцениваемую модель независимых переменных, оказывающих причинно-следственное влияние на зависимую переменную, или невозможности включить в неё некую ненаблюдаемую независимую переменную.

Модель SABR - в финансовой математике модель динамики цен активов или процентных ставок со стохастической волатильностью следующего вида:

Эта страница основана на статье Википедии.
Текст доступен на условиях лицензии CC BY-SA 4.0; могут применяться дополнительные условия.
Изображения, видео и звуки доступны по их собственным лицензиям.