Questo test viene generalmente utilizzato nel campo dell’econometria con dati di serie temporali per determinare se esiste una rottura strutturale nei dati in un dato momento.<\/span><\/p>\n Il seguente esempio passo passo mostra come eseguire un test Chow in Python.<\/span><\/p>\n Per prima cosa creeremo dati falsi:<\/span><\/p>\n Successivamente, creeremo un semplice grafico a dispersione per visualizzare i dati:<\/span> <\/p>\n Dal grafico a dispersione possiamo vedere che la tendenza dei dati sembra cambiare a x = 10.<\/span><\/p>\n Pertanto, possiamo eseguire il test di Chow per determinare se esiste un punto di interruzione strutturale nei dati in x = 10.<\/span><\/p>\n Possiamo usare la funzione chowtest del pacchetto chowtest<\/a> in Python per eseguire un test Chow.<\/span><\/span><\/p>\n Innanzitutto, dobbiamo installare questo pacchetto usando pip:<\/span><\/p>\n Quindi possiamo utilizzare la seguente sintassi per eseguire il test di Chow:<\/p>\n Ecco cosa significano i singoli argomenti nella funzione chowtest()<\/strong> :<\/span><\/p>\n Dal risultato del test possiamo vedere:<\/span><\/p>\n Poich\u00e9 il valore p \u00e8 inferiore a 0,05, possiamo rifiutare l’ipotesi nulla del test. Ci\u00f2 significa che abbiamo prove sufficienti per affermare che nei dati \u00e8 presente un punto di rottura strutturale.<\/span><\/p>\n In altre parole, due linee di regressione possono adattare il modello ai dati in modo pi\u00f9 efficace rispetto a una singola linea di regressione.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altri test comuni in Python:<\/span><\/p>\n Come eseguire un test di causalit\u00e0 di Granger in Python<\/a> Un test di Chow viene utilizzato per verificare se i coefficienti di due diversi modelli di regressione su diversi set di dati sono uguali. Questo test viene generalmente utilizzato nel campo dell’econometria con dati di serie temporali per determinare se esiste una rottura strutturale nei dati in un dato momento. Il seguente esempio passo passo […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Passaggio 1: creare i dati<\/strong><\/span><\/h3>\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 Passaggio 2: visualizzare i dati<\/strong><\/span><\/h3>\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![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/chow11.png\")
<\/p>\n Passaggio 3: eseguire il test di Chow<\/strong><\/span><\/h3>\n
pip install<\/span> chowtest\n<\/strong><\/pre>\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\n
\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come eseguire un test di Breusch-Pagan in Python<\/a>
Come eseguire il test di White in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"