Python에서 chow 테스트를 수행하는 방법

Chow 테스트는 서로 다른 데이터 세트에 대한 두 개의 서로 다른 회귀 모델의 계수가 동일한지 여부를 테스트하는 데 사용됩니다.

이 테스트는 일반적으로 시계열 데이터를 사용하는 계량경제학 분야에서 특정 시점에 데이터에 구조적 중단이 있는지 확인하는 데 사용됩니다.

다음 단계별 예제에서는 Python에서 Chow 테스트를 수행하는 방법을 보여줍니다.

1단계: 데이터 생성

먼저 가짜 데이터를 만듭니다.

 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

2단계: 데이터 시각화

다음으로, 데이터를 시각화하기 위한 간단한 산점도를 만들어 보겠습니다.

 import matplotlib. pyplot as plt

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

산점도에서 데이터의 추세가 x = 10에서 변하는 것으로 나타나는 것을 볼 수 있습니다.

따라서 Chow 테스트를 수행하여 x = 10의 데이터에 구조적 중단점이 있는지 확인할 수 있습니다.

3단계: 차우 테스트 수행

Python에서 chowtest 패키지의 chowtest 함수를 사용하여 Chow 테스트를 수행할 수 있습니다.

먼저 pip를 사용하여 이 패키지를 설치해야 합니다.

 pip install chowtest

그런 다음 다음 구문을 사용하여 Chow 테스트를 수행할 수 있습니다.

 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)

chowtest() 함수의 개별 인수가 의미하는 바는 다음과 같습니다.

• y : DataFrame의 응답 변수
• x : DataFrame의 예측 변수
• last_index_in_model_1 : 구조적 중단 전 마지막 지점의 인덱스 값
• first_index_in_model_2 : 구조적 중단 이후 첫 번째 지점의 인덱스 값
• Significance_level : 가설 검정에 사용할 유의 수준

테스트 결과에서 다음을 확인할 수 있습니다.

• F-검정 통계량 : 118.14
• p-값: <.0000

p-값이 0.05보다 작으므로 검정의 귀무가설을 기각할 수 있습니다. 이는 데이터에 구조적 중단점이 존재한다고 말할 수 있는 충분한 증거가 있음을 의미합니다.

즉, 두 개의 회귀선이 단일 회귀선보다 데이터에 모델을 더 효과적으로 맞출 수 있습니다.

추가 리소스

다음 튜토리얼에서는 Python에서 다른 일반적인 테스트를 수행하는 방법을 설명합니다.

Python에서 Granger 인과성 테스트를 수행하는 방법
Python에서 Breusch-Pagan 테스트를 수행하는 방법
Python에서 White의 테스트를 수행하는 방법