كيفية إجراء اختبار تشاو في بايثون

يتم استخدام اختبار Chow لاختبار ما إذا كانت معاملات نموذجي الانحدار المختلفين في مجموعات البيانات المختلفة متساوية.

يُستخدم هذا الاختبار عادةً في مجال الاقتصاد القياسي مع بيانات السلاسل الزمنية لتحديد ما إذا كان هناك انقطاع هيكلي في البيانات في وقت معين.

يوضح المثال التالي خطوة بخطوة كيفية إجراء اختبار Chow في Python.

الخطوة 1: إنشاء البيانات

أولاً، سنقوم بإنشاء بيانات مزيفة:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' x ': [1, 1, 2, 3, 4, 4, 5, 5, 6, 7, 7, 8, 8, 9, 10, 10,
                         11, 12, 12, 13, 14, 15, 15, 16, 17, 18, 18, 19, 20, 20],
                   ' y ': [3, 5, 6, 10, 13, 15, 17, 14, 20, 23, 25, 27, 30, 30, 31,
                         33, 32, 32, 30, 32, 34, 34, 37, 35, 34, 36, 34, 37, 38, 36]})

#view first five rows of DataFrame
df. head ()

        x y
0 1 3
1 1 5
2 2 6
3 3 10
4 4 13

الخطوة 2: تصور البيانات

بعد ذلك، سنقوم بإنشاء مخطط تشتت بسيط لتصور البيانات:

 import matplotlib. pyplot as plt

#create scatterplot
plt. plot (df. x , df. y , ' o ')

من المخطط المبعثر يمكننا أن نرى أن الاتجاه في البيانات يبدو أنه يتغير عند x = 10.

وبالتالي، يمكننا إجراء اختبار تشاو لتحديد ما إذا كان هناك نقطة توقف هيكلية في البيانات عند x = 10.

الخطوة 3: إجراء اختبار تشاو

يمكننا استخدام وظيفة chowtest لحزمة chowtest في Python لإجراء اختبار Chow.

أولاً، نحتاج إلى تثبيت هذه الحزمة باستخدام النقطة:

 pip install chowtest

ثم يمكننا استخدام بناء الجملة التالي لإجراء اختبار تشاو:

 from chow_test import chowtest

chowtest ( y=df[[' y ']],
         last_index_in_model_1= 15 ,
         first_index_in_model_2= 16 ,
         significance_level= .05 )

************************************************** *********************************
Reject the null hypothesis of equality of regression coefficients in the 2 periods.
************************************************** *********************************
Chow Statistic: 118.14097335479373 p value: 0.0
************************************************** *********************************
(118.14097335479373, 1.1102230246251565e-16)

إليك ما تعنيه الوسائط الفردية في الدالة chowtest() :

• y : متغير الاستجابة في DataFrame
• x : المتغير التنبؤي في DataFrame
• last_index_in_model_1 : قيمة مؤشر النقطة الأخيرة قبل الكسر الهيكلي
• first_index_in_model_2 : قيمة الفهرس للنقطة الأولى بعد الكسر الهيكلي
• مستوى الأهمية : مستوى الأهمية الذي سيتم استخدامه لاختبار الفرضيات

ومن نتيجة الاختبار يمكننا أن نرى:

• إحصائيات اختبار F : 118.14
• القيمة p: <.0000

وبما أن القيمة p أقل من 0.05، يمكننا رفض الفرضية الصفرية للاختبار. وهذا يعني أن لدينا ما يكفي من الأدلة لنقول بوجود نقطة توقف هيكلية في البيانات.

بمعنى آخر، يمكن لخطي الانحدار أن يتناسبا مع النموذج في البيانات بشكل أكثر فعالية من خط انحدار واحد.

مصادر إضافية

تشرح البرامج التعليمية التالية كيفية إجراء اختبارات شائعة أخرى في بايثون:

كيفية إجراء اختبار السببية جرانجر في بايثون
كيفية إجراء اختبار Breusch-Pagan في بايثون
كيفية إجراء اختبار وايت في بايثون