पायथन 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।

निम्नलिखित चरण-दर-चरण उदाहरण दिखाता है कि पायथन में चाउ परीक्षण कैसे करें।

चरण 1: डेटा बनाएं

सबसे पहले, हम नकली डेटा बनाएंगे:

 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

चरण 2: डेटा को विज़ुअलाइज़ करें

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

 import matplotlib. pyplot as plt

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

स्कैटर प्लॉट से हम देख सकते हैं कि डेटा में रुझान 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 ब्रेकपॉइंट है या नहीं।

चरण 3: चाउ टेस्ट करें

हम चाउ परीक्षण करने के लिए पायथन में चौटेस्ट पैकेज के चाउटेस्ट फ़ंक्शन का उपयोग कर सकते हैं।

सबसे पहले, हमें पाइप का उपयोग करके इस पैकेज को स्थापित करना होगा:

 pip install chowtest

फिर हम चाउ परीक्षण करने के लिए निम्नलिखित सिंटैक्स का उपयोग कर सकते हैं:

 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)

यहां बताया गया है कि chowtest() फ़ंक्शन में व्यक्तिगत तर्कों का क्या अर्थ है:

• y : डेटाफ़्रेम में प्रतिक्रिया चर
• x : डेटाफ़्रेम में पूर्वानुमानित चर
• Last_index_in_model_1 : संरचनात्मक विखंडन से पहले अंतिम बिंदु का सूचकांक मान
• फर्स्ट_इंडेक्स_इन_मॉडल_2 : संरचनात्मक ब्रेक के बाद पहले बिंदु के लिए सूचकांक मूल्य
• महत्व_स्तर : परिकल्पना परीक्षण के लिए उपयोग किया जाने वाला महत्व स्तर

परीक्षण परिणाम से हम देख सकते हैं:

• एफ-परीक्षण आँकड़ा : 118.14
• 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।

अतिरिक्त संसाधन

निम्नलिखित ट्यूटोरियल बताते हैं कि पायथन में अन्य सामान्य परीक्षण कैसे करें:

पायथन में ग्रेंजर कॉजैलिटी टेस्ट कैसे करें
पायथन में ब्रूश-पैगन परीक्षण कैसे करें
पायथन में व्हाइट टेस्ट कैसे करें