आर में चाउ टेस्ट कैसे करें


चाउ परीक्षण का उपयोग यह जांचने के लिए किया जाता है कि विभिन्न डेटा सेट पर दो अलग-अलग प्रतिगमन मॉडल के गुणांक बराबर हैं या नहीं।

इस परीक्षण का उपयोग आम तौर पर समय श्रृंखला डेटा के साथ अर्थमिति के क्षेत्र में यह निर्धारित करने के लिए किया जाता है कि किसी निश्चित समय पर डेटा में कोई संरचनात्मक खराबी है या नहीं।

यह ट्यूटोरियल आर में चाउ परीक्षण कैसे करें इसका चरण-दर-चरण उदाहरण प्रदान करता है।

चरण 1: डेटा बनाएं

सबसे पहले, हम नकली डेटा बनाएंगे:

 #create data
data <- data.frame(x = c(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 = c(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 six rows of data
head(data)

  xy
1 1 3
2 1 5
3 2 6
4 3 10
5 4 13
6 4 15

चरण 2: डेटा को विज़ुअलाइज़ करें

इसके बाद, हम डेटा को विज़ुअलाइज़ करने के लिए एक सरल स्कैटरप्लॉट बनाएंगे:

 #load ggplot2 visualization package
library (ggplot2)

#create scatterplot
ggplot(data, aes (x = x, y = y)) +
    geom_point(col=' steelblue ', size= 3 )

आर में खाद्य परीक्षण

स्कैटरप्लॉट से, हम देख सकते हैं कि डेटा में पैटर्न x = 10 पर बदलता प्रतीत होता है। इस प्रकार, हम यह निर्धारित करने के लिए चाउ परीक्षण कर सकते हैं कि x = 10 पर डेटा में कोई संरचनात्मक ब्रेक पॉइंट है या नहीं।

चरण 3: चाउ टेस्ट करें

चाउ परीक्षण करने के लिए हम स्ट्रुचेंज पैकेज से सबसे अच्छे फ़ंक्शन का उपयोग कर सकते हैं:

 #load strucchange package
library (strucchange)

#perform Chow test
sctest(data$y ~ data$x, type = " Chow ", point = 10 )

	Chow test

data: data$y ~ data$x
F = 110.14, p-value = 2.023e-13

परीक्षण परिणाम से हम देख सकते हैं:

  • एफ-परीक्षण आँकड़ा : 110.14
  • पी-वैल्यू: <.0000

चूँकि पी-मान 0.05 से कम है, हम परीक्षण की शून्य परिकल्पना को अस्वीकार कर सकते हैं। इसका मतलब यह है कि हमारे पास यह कहने के लिए पर्याप्त सबूत हैं कि डेटा में एक संरचनात्मक ब्रेकप्वाइंट मौजूद है।

दूसरे शब्दों में, दो प्रतिगमन रेखाएं एकल प्रतिगमन रेखा की तुलना में मॉडल को डेटा में अधिक प्रभावी ढंग से फिट कर सकती हैं।

एक टिप्पणी जोड़ने

आपका ईमेल पता प्रकाशित नहीं किया जाएगा. आवश्यक फ़ील्ड चिह्नित हैं *