Stata ရှိ breusch-pagan စမ်းသပ်မှုပြုလုပ်နည်း

Multiple linear regression သည် များစွာသော explanatory variables နှင့် response variable အကြား ဆက်နွယ်မှုကို နားလည်ရန် အသုံးပြုနိုင်သော နည်းလမ်းတစ်ခုဖြစ်သည်။

ကံမကောင်းစွာနဲ့ပဲ၊ ဆုတ်ယုတ်မှုမှာ မကြာခဏဆိုသလို ဖြစ်ပေါ်တတ်တဲ့ ပြဿနာကို heteroscedasticity လို့ ခေါ်တယ် ၊ အဲဒီထဲမှာ ကျန်နေတဲ့အရာတွေရဲ့ ကွဲလွဲမှုဟာ တိုင်းတာတဲ့ တန်ဖိုးများစွာရဲ့ အကွာအဝေးထက် စနစ်တကျ ပြောင်းလဲမှုတွေ ရှိပါတယ်။

Heteroskedasticity ရှိမရှိဆုံးဖြတ်ရန်ကျွန်ုပ်တို့အသုံးပြုနိုင်သောစမ်းသပ်မှုတစ်ခုမှာ Breusch-Pagan စမ်းသပ်မှု ဖြစ်သည်။ ဤစမ်းသပ်မှုသည် Chi-square စမ်းသပ်မှု ကိန်းဂဏန်းနှင့် သက်ဆိုင်သော p-value ကို ထုတ်လုပ်သည်။

p-value သည် သတ်မှတ်ထားသော အတိုင်းအတာတစ်ခုအောက်၌ (အများအားဖြင့် ရွေးချယ်မှုများမှာ 0.01၊ 0.05 နှင့် 0.10) ဖြစ်လျှင် heteroscedasticity ရှိနေသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထားရှိပါသည်။

Stata တွင် Breusch-Pagan စမ်းသပ်နည်းကို ဤသင်ခန်းစာတွင် ရှင်းပြထားသည်။

ဥပမာ- Stata ရှိ Breusch-Pagan စမ်းသပ်မှု

Breusch-Pagan စမ်းသပ်မှုကို လုပ်ဆောင်ပုံဖော်ပြရန် အလိုအလျောက် ပေါင်းစပ်ထားသော Stata ဒေတာအတွဲကို ကျွန်ုပ်တို့ အသုံးပြုပါမည်။

အဆင့် 1: ဒေတာကိုတင်ပြီးပြသပါ။

ပထမဦးစွာ၊ ဒေတာကိုတင်ရန်အောက်ပါ command ကိုအသုံးပြုပါ။

အလိုအလျောက်စနစ်အသုံးပြုခြင်း။

ထို့နောက် အောက်ပါ command ကို အသုံးပြု၍ ဒေတာအကြမ်းကို ပြသပါ။

br

အဆင့် 2- မျဉ်းကြောင်းအတိုင်း ဆုတ်ယုတ်မှုများစွာကို လုပ်ဆောင်ပါ။

ထို့နောက်၊ တုံ့ပြန်မှု variable နှင့် mpg နှင့် weight ကို explanatory variables အဖြစ် စျေးနှုန်း ကို အသုံးပြု၍ များပြားသော linear regression လုပ်ဆောင်ရန် အောက်ပါ command ကို ရိုက်ထည့်ပါမည်။

regression price စိုင်းစိုင်းခမ်းလှိုင် အလေးချိန်

အဆင့် 3- Breusch-Pagan စမ်းသပ်မှုကို လုပ်ဆောင်ပါ။

ကျွန်ုပ်တို့သည် ဆုတ်ယုတ်မှုပုံစံကို တပ်ဆင်ပြီးသည်နှင့်၊ “ heteroscedasticity test” ၏ အတိုကောက်ဖြစ်သော hettest command ကို အသုံးပြု၍ Breusch-Pagan စမ်းသပ်မှုကို လုပ်ဆောင်နိုင်သည်-

အပူဆုံး

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

ဟို- ဤသည်မှာ အကြွင်းအကျန်များကြားတွင် အဆက်မပြတ်ကွဲလွဲမှုရှိကြောင်း ဖော်ပြထားသော စမ်းသပ်မှု၏ အချည်းနှီးသောယူဆချက်ဖြစ်သည်။

ကိန်းရှင်များ- ၎င်းသည် ဆုတ်ယုတ်မှုပုံစံတွင် အသုံးပြုခဲ့သည့် တုံ့ပြန်မှုကိန်းရှင်ကို ပြောပြသည်။ ဤကိစ္စတွင်၊ ၎င်းသည်ပြောင်းလဲနိုင်သော စျေးနှုန်း ဖြစ်သည်။

chi2(1) သည် စမ်းသပ်မှု၏ chi-square စမ်းသပ်မှု ကိန်းဂဏန်းဖြစ်သည်။ ဤအခြေအနေတွင်၊ မွန်းလွဲ ၂ နာရီ ၇၈ မိနစ်ဖြစ်သည်။

Prob > chi2- ဤသည်မှာ chi-square စမ်းသပ်မှု ကိန်းဂဏန်းနှင့် ကိုက်ညီသော p-value ဖြစ်သည်။ ဤကိစ္စတွင်၎င်းသည် 0.0001 ဖြစ်သည်။ ဤတန်ဖိုးသည် 0.05 ထက်နည်းသောကြောင့် ကျွန်ုပ်တို့သည် null hypothesis ကို ငြင်းပယ်နိုင်ပြီး ဒေတာတွင် heteroscedasticity ရှိသည်ဟု ကောက်ချက်ချနိုင်သည်။

ဘာဆက်လုပ်ရမလဲ

Breusch-Pagan စမ်းသပ်မှု၏ null hypothesis ကို သင် ငြင်းဆိုရန် ပျက်ကွက်ပါက၊ heteroscedasticity သည် ရှိမနေဘဲ မူလဆုတ်ယုတ်မှု၏ ရလဒ်ကို ဆက်လက်အနက်ဖွင့်နိုင်သည်။

သို့သော်၊ Breusch-Pagan စမ်းသပ်မှု၏ ပျက်ပြယ်သော အယူအဆကို သင်ငြင်းဆိုပါက၊ ဒေတာတွင် မျိုးကွဲကွဲပြားမှု ရှိနေကြောင်း ဆိုလိုသည်။ ဤကိစ္စတွင်၊ regression output table တွင်ပြသထားသော standard errors များသည် ယုံကြည်စိတ်ချရခြင်းမရှိပါ။ ဤပြဿနာကို ဖြေရှင်းရန် နည်းလမ်းများစွာ ရှိပြီး၊

1. တုံ့ပြန်မှုကိန်းရှင်ကို ပြောင်းလဲပါ။ တုံ့ပြန်မှု variable တွင် အသွင်ပြောင်းရန် သင်ကြိုးစားနိုင်သည်။ ဥပမာအားဖြင့်၊ သင်သည် တုံ့ပြန်မှုကိန်းရှင်အဖြစ် စျေးနှုန်းအစား မှတ်တမ်း(စျေးနှုန်း)ကို အသုံးပြုနိုင်သည်။ ယေဘူယျအားဖြင့်၊ တုံ့ပြန်မှုကိန်းရှင်၏ မှတ်တမ်းကို ယူခြင်းသည် မျိုးရိုးလိုက်ခြင်းကို ဖယ်ရှားပစ်ရန် ထိရောက်သောနည်းလမ်းဖြစ်သည်။ နောက်ထပ် ဘုံအသွင်ပြောင်းခြင်းမှာ တုံ့ပြန်မှုကိန်းရှင်၏ နှစ်ထပ်ကိန်းကို အသုံးပြုခြင်းဖြစ်သည်။

2. အလေးချိန် ဆုတ်ယုတ်မှုကို သုံးပါ။ ဤဆုတ်ယုတ်မှုအမျိုးအစားသည် ၎င်း၏တပ်ဆင်ထားသောတန်ဖိုး၏ကွဲလွဲမှုအပေါ်အခြေခံ၍ ဒေတာအမှတ်တစ်ခုစီအား အလေးချိန်တစ်ခုစီပေးသည်။ အခြေခံအားဖြင့်၊ ၎င်းသည် ၎င်းတို့ကျန်ရှိသော စတုရန်းများကို လျှော့ချပြီး ကွဲပြားမှုများ ပိုမိုမြင့်မားသည့် ဒေတာအမှတ်များကို နည်းပါးစေသည်။ သင့်လျော်သောအလေးချိန်ကိုအသုံးပြုသောအခါ၊ ၎င်းသည် heteroskedasticity ပြဿနာကိုဖယ်ရှားနိုင်သည်။

3. ခိုင်မာသော စံအမှားများကို အသုံးပြုပါ။ ခိုင်လုံသောစံအမှားများသည် heteroskedasticity ပြဿနာအတွက် ပို၍ “ ခိုင်မာ” ပြီး ဆုတ်ယုတ်မှုကိန်းဂဏန်း၏ စစ်မှန်သောစံအမှားကို ပိုမိုတိကျစွာတိုင်းတာပေးတတ်သည်။ Stata ရှိ ဆုတ်ယုတ်မှုတွင် ခိုင်မာသောစံအမှားများကို မည်သို့အသုံးပြုရမည်ကို လေ့လာရန် ဤသင်ခန်းစာကို ကြည့်ပါ။