R တွင် breusch-pagan စမ်းသပ်မှုပြုလုပ်နည်း

ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှုတွင် မျိုးရိုးလိုက်ခြင်း ရှိမရှိ ဆုံးဖြတ်ရန် Breusch-Pagan စမ်းသပ်မှုကို အသုံးပြုသည် ။

ဤသင်ခန်းစာတွင် Breusch-Pagan စမ်းသပ်မှုကို R ဖြင့် မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- R တွင် Breusch-Pagan စမ်းသပ်မှု

ဤဥပမာတွင်၊ ကျွန်ုပ်တို့သည် mtcars built-in R ဒေတာအစုံကို အသုံးပြု၍ ဆုတ်ယုတ်မှုပုံစံတစ်ခုကို ဖြည့်သွင်းမည်ဖြစ်ပြီး၊ ထို့နောက် heteroskedasticity ရှိမရှိ ဆုံးဖြတ်ရန် lmtest စာကြည့်တိုက်မှ bptest လုပ်ဆောင်ချက်ကို အသုံးပြု၍ Breusch-Pagan စမ်းသပ်မှုကို လုပ်ဆောင်ပါမည်။

အဆင့် 1- ဆုတ်ယုတ်မှုပုံစံကို အံကိုက်လုပ်ပါ။

ပထမဦးစွာ၊ ကျွန်ုပ်တို့သည် တုံ့ပြန်မှုကိန်းရှင်အဖြစ် mpg နှင့် disp နှင့် hp ကို ရှင်းလင်းချက်ကွဲလွဲချက်နှစ်ခုအဖြစ် mpg ကိုအသုံးပြု၍ ဆုတ်ယုတ်မှုပုံစံကို ဖြည့်သွင်းပါမည်။

 #load the dataset
data(mtcars)

#fit a regression model
model <- lm(mpg~disp+hp, data=mtcars)

#view model summary
summary(model)

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 30.735904 1.331566 23.083 < 2nd-16 ***
available -0.030346 0.007405 -4.098 0.000306 ***
hp -0.024840 0.013385 -1.856 0.073679 .  
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 3.127 on 29 degrees of freedom
Multiple R-squared: 0.7482, Adjusted R-squared: 0.7309 
F-statistic: 43.09 on 2 and 29 DF, p-value: 2.062e-09

အဆင့် 2- Breusch-Pagan စမ်းသပ်မှုပြုလုပ်ပါ။

ထို့နောက်၊ ကျွန်ုပ်တို့သည် မျိုးရိုးလိုက်ခြင်းရှိမရှိ ဆုံးဖြတ်ရန် Breusch-Pagan စမ်းသပ်မှုကို လုပ်ဆောင်ပါမည်။

 #load lmtest library
library(lmtest)

#perform Breusch-Pagan Test
bptest(model)

	studentized Breusch-Pagan test

data: model
BP = 4.0861, df = 2, p-value = 0.1296

စမ်းသပ်မှုစာရင်းအင်းသည် 4.0861 ဖြစ်ပြီး သက်ဆိုင်ရာ p-value သည် 0.1296 ဖြစ်သည်။ p-value သည် 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။ ဆုတ်ယုတ်မှုပုံစံတွင် မျိုးရိုးလိုက်ခြင်းမျိုး ရှိနေကြောင်း အခိုင်အမာဆိုရန် လုံလောက်သော အထောက်အထား မရှိပါ။

ဘာဆက်လုပ်ရမလဲ

Breusch-Pagan စမ်းသပ်မှု၏ null hypothesis ကို သင် ငြင်းဆိုရန် ပျက်ကွက်ပါက၊ heteroskedasticity သည် မရှိနိုင်ဘဲ မူလဆုတ်ယုတ်မှု၏ ရလဒ်ကို အနက်ပြန်ဆိုရန် ဆက်လက်လုပ်ဆောင်နိုင်ပါသည်။

သို့သော်၊ သင်သည် null hypothesis ကိုငြင်းပယ်ပါက၊ ဒေတာတွင် heteroscedasticity 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၊ 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 ပိုမိုကွဲပြားမှုများရှိသည့် ဒေတာအမှတ်များကို နိမ့်စေပါသည်။ သင့်လျော်သောအလေးချိန်ကိုအသုံးပြုသောအခါ၊ ၎င်းသည် heteroskedasticity ပြဿနာကိုဖယ်ရှားနိုင်သည်။