Sas တွင် white ၏စမ်းသပ်မှုပြုလုပ်နည်း

White’s test ကို regression model တွင် heteroscedasticity ရှိမရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။

Heteroscedasticity သည် ဆုတ်ယုတ်မှုပုံစံတစ်ခုရှိ တုံ့ပြန်မှုပုံစံ တစ်ခုရှိ မတူညီသောအဆင့်များတွင် အကြွင်းအကျန်များ မညီမညာ ပျံ့နှံ့သွားခြင်းကို ရည်ညွှန်းသည်၊ ၎င်းသည် အကြွင်းအကျန်များကို တုံ့ပြန်မှုကိန်းရှင်အဆင့်တစ်ခုစီတွင် အညီအမျှ ပျံ့နှံ့သွားသော မျဉ်းကြောင်းပြန်ဆုတ်ခြင်း၏ အဓိကယူဆချက် တစ်ခုကို ချိုးဖောက်သည်။

ဤသင်ခန်းစာသည် ပေးထားသော ဆုတ်ယုတ်မှုပုံစံတစ်ခုတွင် heteroskedasticity သည် ပြဿနာရှိ/မရှိ ဆုံးဖြတ်ရန် SAS တွင် White test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- SAS တွင် အဖြူရောင်စမ်းသပ်မှု

ကျောင်းသားများ၏ နောက်ဆုံးစာမေးပွဲအဆင့်ကို ခန့်မှန်းရန် စာကျက်ချိန်နာရီအရေအတွက်နှင့် လက်တွေ့စာမေးပွဲအရေအတွက်တို့ကို အသုံးပြုသည့် Multiple linear regression model နှင့် ကိုက်ညီလိုသည်ဆိုပါစို့။

စာမေးပွဲရမှတ် = β ₀ + β ₁ (နာရီ) + β ₂ (အကြိုစာမေးပွဲများ)

ပထမဦးစွာ၊ ကျောင်းသား 20 အတွက် ဤအချက်အလက်ပါရှိသော ဒေတာအတွဲကို ဖန်တီးရန် အောက်ပါကုဒ်ကို အသုံးပြုပါမည်။

 /*create dataset*/
data exam_data;
    input hours prep_exams score;
    datalines ;
1 1 76
2 3 78
2 3 85
4 5 88
2 2 72
1 2 69
5 1 94
4 1 94
2 0 88
4 3 92
4 4 90
3 3 75
6 2 90
5 4 90
3 4 82
4 4 85
6 5 90
2 1 83
1 0 62
2 1 76
;
run ;

/*view dataset*/
proc print data =exam_data; 

ဆက်လက်၍၊ ကျွန်ုပ်တို့သည် ဤမျဉ်းကြောင်းအတိုင်း ဆုတ်ယုတ်မှုပုံစံမျိုးစုံကို အံဝင်ခွင်ကျဖြစ်စေရန် proc reg ကို အသုံးပြုမည်ဖြစ်ပြီး၊ White’s test for heteroscedasticity ကို လုပ်ဆောင်ရန် spec ရွေးစရာကို အသုံးပြုပါမည်။

 /*fit regression model and perform White's test*/
proc reg data =exam_data;
    model score = hours prep_exams / spec ;
run ;
quit ; 

နောက်ဆုံးရလဒ်ဇယားသည် White ၏စမ်းသပ်မှုရလဒ်များကိုပြသသည်။

ဤဇယားမှ၊ Chi-square စမ်းသပ်မှုကိန်းဂဏန်းသည် 3.54 ဖြစ်ပြီး သက်ဆိုင်ရာ p-value သည် 0.6175 ဖြစ်ကြောင်း ကျွန်ုပ်တို့တွေ့နိုင်ပါသည်။

White test သည် အောက်ပါ null နှင့် အစားထိုး hypotheses ကို အသုံးပြုသည် ။

• Null (H ₀ ) : Heteroskedasticity မရှိပါ။
• အစားထိုး ( _HA ): Heteroskedasticity ရှိနေပါသည်။

p-value သည် 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။

ဆိုလိုသည်မှာ ဆုတ်ယုတ်မှုပုံစံတွင် မျိုးရိုးလိုက်ခြင်းမျိုး ရှိနေကြောင်း အခိုင်အမာဆိုရန် ကျွန်ုပ်တို့တွင် လုံလောက်သော အထောက်အထား မရှိပါ။

ထို့ကြောင့် ဆုတ်ယုတ်မှုအနှစ်ချုပ်ဇယားရှိ ကိန်းဂဏန်းခန့်မှန်းချက်များ၏ စံအမှားများကို လုံခြုံစွာအဓိပ္ပာယ်ပြန်ဆိုရန် ဖြစ်နိုင်သည်။

ဘာဆက်လုပ်ရမလဲ

အကယ်၍ သင်သည် White’s test ၏ null hypothesis ကို ငြင်းပယ်ပါက၊ heteroscedasticity သည် မရှိနိုင်ဘဲ မူလဆုတ်ယုတ်မှု၏ ရလဒ်ကို အဓိပ္ပာယ်ဖွင့်ဆိုရန် ဆက်လက်လုပ်ဆောင်နိုင်ပါသည်။

သို့သော်၊ သင်သည် null hypothesis ကို ငြင်းပယ်ပါက၊ heteroskedasticity သည် data တွင် ရှိနေသည်ဟု ဆိုလိုသည်။ ဤကိစ္စတွင်၊ regression output table တွင်ပြသထားသော standard errors များသည် စိတ်ချရမည်မဟုတ်ပါ။

ဤပြဿနာကို ဖြေရှင်းရန် ဘုံနည်းလမ်းများစွာ အပါအဝင်၊

1. တုံ့ပြန်မှုကိန်းရှင်ကို ပြောင်းလဲပါ။ တုံ့ပြန်မှု variable တွင် အသွင်ပြောင်းရန် သင်ကြိုးစားနိုင်သည်။

ဥပမာအားဖြင့်၊ မူရင်းတုံ့ပြန်မှုကိန်းရှင်အစား မှတ်တမ်းတုံ့ပြန်မှုကိန်းရှင်ကို သင်သုံးနိုင်သည်။

ယေဘူယျအားဖြင့် ၊ တုံ့ပြန်မှု variable ၏မှတ်တမ်းကိုယူခြင်းသည် heteroskedasticity ပျောက်ကွယ်သွားစေရန်ထိရောက်သောနည်းလမ်းတစ်ခုဖြစ်သည်။

နောက်ထပ် ဘုံအသွင်ပြောင်းခြင်းမှာ တုံ့ပြန်မှုကိန်းရှင်၏ နှစ်ထပ်ကိန်းကို အသုံးပြုခြင်းဖြစ်သည်။

2. အလေးချိန် ဆုတ်ယုတ်မှုကို သုံးပါ။ ဤဆုတ်ယုတ်မှုအမျိုးအစားသည် ၎င်း၏တပ်ဆင်ထားသောတန်ဖိုး၏ကွဲလွဲမှုအပေါ်အခြေခံ၍ ဒေတာအမှတ်တစ်ခုစီအား အလေးချိန်တစ်ခုစီပေးသည်။

၎င်းသည် ကွဲလွဲမှုပိုများသော ဒေတာအမှတ်များကို သေးငယ်သောအလေးများပေးကာ ၎င်းတို့၏ကျန်ရှိသော စတုရန်းများကို လျှော့ချပေးသည်။

သင့်လျော်သောအလေးချိန်ကိုအသုံးပြုသောအခါ၊ ၎င်းသည် heteroskedasticity ပြဿနာကိုဖယ်ရှားနိုင်သည်။