{"id":2471,"date":"2023-07-22T03:07:20","date_gmt":"2023-07-22T03:07:20","guid":{"rendered":"https:\/\/statorials.org\/de\/chow-test-in-python\/"},"modified":"2023-07-22T03:07:20","modified_gmt":"2023-07-22T03:07:20","slug":"chow-test-in-python","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/chow-test-in-python\/","title":{"rendered":"So f\u00fchren sie einen chow-test in python durch"},"content":{"rendered":"

<\/p>\n

\n

Mit einem Chow-Test<\/a> wird getestet, ob die Koeffizienten zweier unterschiedlicher Regressionsmodelle auf unterschiedlichen Datens\u00e4tzen gleich sind.<\/span><\/p>\n

Dieser Test wird typischerweise im Bereich der \u00d6konometrie mit Zeitreihendaten verwendet, um festzustellen, ob zu einem bestimmten Zeitpunkt ein Strukturbruch in den Daten vorliegt.<\/span><\/p>\n

Das folgende Schritt-f\u00fcr-Schritt-Beispiel zeigt, wie Sie einen Chow-Test in Python durchf\u00fchren.<\/span><\/p>\n

Schritt 1: Erstellen Sie die Daten<\/strong><\/span><\/h3>\n

Zuerst erstellen wir gef\u00e4lschte Daten:<\/span><\/p>\n

 import<\/span> pandas as<\/span> pd<\/span>\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' x<\/span> ': [1, 1, 2, 3, 4, 4, 5, 5, 6, 7, 7, 8, 8, 9, 10, 10,\n                         11, 12, 12, 13, 14, 15, 15, 16, 17, 18, 18, 19, 20, 20],\n                   ' y<\/span> ': [3, 5, 6, 10, 13, 15, 17, 14, 20, 23, 25, 27, 30, 30, 31,\n                         33, 32, 32, 30, 32, 34, 34, 37, 35, 34, 36, 34, 37, 38, 36]})\n\n#view first five rows of DataFrame\n<\/span>df. head<\/span> ()\n\n        x y\n0 1 3\n1 1 5\n2 2 6\n3 3 10\n4 4 13<\/strong><\/pre>\n
 Schritt 2: Visualisieren Sie die Daten<\/strong><\/span><\/h3>\n
 Als N\u00e4chstes erstellen wir ein einfaches Streudiagramm zur Visualisierung der Daten:<\/span> <\/p>\n
 import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\n#create scatterplot\n<\/span>plt. plot<\/span> (df. x<\/span> , df. y<\/span> , ' o<\/span> ')\n<\/strong><\/span><\/pre>\n
\"\"<\/p>\n
 Aus dem Streudiagramm k\u00f6nnen wir ersehen, dass sich der Trend in den Daten bei x = 10 zu \u00e4ndern scheint.<\/span><\/p>\n
 Somit k\u00f6nnen wir den Chow-Test durchf\u00fchren, um festzustellen, ob es in den Daten bei x = 10 einen strukturellen Haltepunkt gibt.<\/span><\/p>\n
 Schritt 3: F\u00fchren Sie den Chow-Test durch<\/strong><\/span><\/h3>\n
 Wir k\u00f6nnen die Funktion chowtest des Pakets chowtest<\/a> in Python verwenden, um einen Chow-Test durchzuf\u00fchren.<\/span><\/span><\/p>\n
 Zuerst m\u00fcssen wir dieses Paket mit pip installieren:<\/span><\/p>\n
 pip install<\/span> chowtest\n<\/strong><\/pre>\n
 Dann k\u00f6nnen wir die folgende Syntax verwenden, um den Chow-Test durchzuf\u00fchren:<\/p>\n
 from<\/span> chow_test import<\/span> chowtest\n\nchowtest (<\/span> y=df[[' y<\/span> ']],\n         last_index_in_model_1= 15<\/span> ,\n         first_index_in_model_2= 16<\/span> ,\n         significance_level= .05<\/span> )\n\n************************************************** *********************************\nReject the null hypothesis of equality of regression coefficients in the 2 periods.\n************************************************** *********************************\nChow Statistic: 118.14097335479373 p value: 0.0\n************************************************** *********************************\n(118.14097335479373, 1.1102230246251565e-16)\n<\/strong><\/pre>\n
 Die einzelnen Argumente in der Funktion chowtest()<\/strong> bedeuten Folgendes:<\/span><\/p>\n