So führen sie einen jarque-bera-test in r durch

Der Jarque-Bera-Test ist ein Anpassungstest, der bestimmt, ob die Stichprobendaten Schiefe und Kurtosis aufweisen, die einer Normalverteilung entsprechen.

Die Jarque-Bera-Teststatistik ist immer eine positive Zahl. Wenn sie weit von Null entfernt ist, weist dies darauf hin, dass die Stichprobendaten keine Normalverteilung aufweisen.

Die JB- Teststatistik ist definiert als:

JB =[(n-k+1) / 6] * [S ² + (0,25*(C-3) ² )]

Dabei ist n die Anzahl der Beobachtungen in der Stichprobe, k die Anzahl der Regressoren (k = 1, wenn nicht im Zusammenhang mit der Regression verwendet), S die Schiefe der Stichprobe und C die Kurtosis der Stichprobe.

Unter der Nullhypothese der ^Normalität ist JB ~

In diesem Tutorial wird erläutert, wie Sie einen Jarque-Bera-Test in R durchführen.

Jarque-Bera-Test in R

Um einen Jarque-Bera-Test für einen Beispieldatensatz durchzuführen, können wir das Paket tseries verwenden:

 #install (if not already installed) and load tseries package
if(!require(tseries)){install.packages('tseries')}

#generate a list of 100 normally distributed random variables
dataset <- rnorm(100)

#conduct Jarque-Bera test
jarque.bera.test(dataset)

Dies erzeugt die folgende Ausgabe:

Dies sagt uns, dass die Teststatistik 0,67446 und der Test-p-Wert 0,7137 beträgt. In diesem Fall könnten wir die Nullhypothese, dass die Daten normalverteilt sind, nicht ablehnen.

Dieses Ergebnis sollte nicht überraschen, da der von uns generierte Datensatz aus 100 Zufallsvariablen besteht, die einer Normalverteilung folgen.

Überlegen Sie stattdessen, ob wir einen Datensatz generieren würden, der aus einer Liste von 100 gleichmäßig verteilten Zufallsvariablen besteht:

 #install (if not already installed) and load tseries package
if(!require(tseries)){install.packages('tseries')}

#generate a list of 100 uniformly distributed random variables
dataset <- runif(100)

#conduct Jarque-Bera test
jarque.bera.test(dataset)

Dies erzeugt die folgende Ausgabe:

Dies sagt uns, dass die Teststatistik 8,0807 und der Test-p-Wert 0,01759 beträgt. In diesem Fall würden wir die Nullhypothese, dass die Daten normalverteilt sind, ablehnen. Wir haben genügend Beweise dafür, dass die Daten in diesem Beispiel nicht normalverteilt sind.

Dieses Ergebnis sollte nicht überraschen, da der von uns generierte Datensatz aus 100 Zufallsvariablen besteht, die einer gleichmäßigen Verteilung folgen. Schließlich sollen Daten gleichmäßig und nicht normal verteilt werden.