Python တွင် chow test လုပ်နည်း

Chow test သည် မတူညီသော ဒေတာအတွဲများတွင် မတူညီသော ဆုတ်ယုတ်မှုပုံစံနှစ်ခု၏ ကိန်းများကို တူညီမှုရှိမရှိ စမ်းသပ်ရန်အတွက် အသုံးပြုသည်။

ဤစစ်ဆေးမှုကို အချိန်နှင့်တပြေးညီဒေတာပါရှိသော econometrics နယ်ပယ်တွင် ပုံမှန်အားဖြင့် သတ်မှတ်ထားသောအချက်တွင် ဒေတာတွင် structural break ရှိမရှိ ဆုံးဖြတ်ရန် အသုံးပြုပါသည်။

အောက်ပါ အဆင့်ဆင့် ဥပမာသည် Python တွင် Chow စမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသထားသည်။

အဆင့် 1: ဒေတာကိုဖန်တီးပါ။

ပထမဦးစွာ ကျွန်ုပ်တို့သည် ဒေတာအတုများကို ဖန်တီးပါမည်-

 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

အဆင့် 2- ဒေတာကို မြင်ယောင်ကြည့်ပါ။

ထို့နောက်၊ ကျွန်ုပ်တို့သည် ဒေတာကို မြင်ယောင်နိုင်ရန် ရိုးရှင်းသော အပိုင်းအစတစ်ခုကို ဖန်တီးပါမည်။

 import matplotlib. pyplot as plt

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

scatter plot မှ data မှ trend သည် x = 10 တွင်ပြောင်းလဲသွားသည်ကိုတွေ့နိုင်သည်။

ထို့ကြောင့်၊ x = 10 တွင် data တွင် structural breakpoint ရှိမရှိ ဆုံးဖြတ်ရန် Chow test ကို လုပ်ဆောင်နိုင်သည်။

အဆင့် 3: Chow Test ကိုလုပ်ဆောင်ပါ။

Chow စမ်းသပ်မှုလုပ်ဆောင်ရန် Python ရှိ chowtest package ၏ chowtest လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့အသုံးပြုနိုင်ပါသည်။

ပထမဦးစွာ၊ ကျွန်ုပ်တို့သည် pip ကို အသုံးပြု၍ ဤပက်ကေ့ဂျ်ကို ထည့်သွင်းရန် လိုအပ်ပါသည်။

 pip install chowtest

ထို့နောက် Chow စမ်းသပ်မှုကို လုပ်ဆောင်ရန် အောက်ပါ syntax ကို အသုံးပြုနိုင်ပါသည်။

 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)

ဤသည်မှာ chowtest() လုပ်ဆောင်ချက်ရှိ တစ်ဦးချင်း အကြောင်းပြချက်များသည် ဆိုလိုသည်-

• y : DataFrame ရှိ တုံ့ပြန်မှု ကိန်းရှင်
• x : DataFrame ရှိ ကြိုတင်ခန့်မှန်းနိုင်သောကိန်းရှင်
• last_index_in_model_1 : တည်ဆောက်ပုံမကွဲမီ နောက်ဆုံးအမှတ်၏ အညွှန်းတန်ဖိုး
• first_index_in_model_2 : တည်ဆောက်ပုံကွဲပြီးနောက် ပထမအမှတ်အတွက် အညွှန်းတန်ဖိုး
• significance_level : ယူဆချက်စမ်းသပ်မှုအတွက် အသုံးပြုရမည့် အရေးပါမှုအဆင့်

စမ်းသပ်မှုရလဒ်မှကျွန်ုပ်တို့မြင်နိုင်သည်:

• F-test ကိန်းဂဏန်း : 118.14
• p-တန်ဖိုး- <.0000

p-value သည် 0.05 ထက်နည်းသောကြောင့်၊ test ၏ null hypothesis ကို ငြင်းပယ်နိုင်ပါသည်။ ဆိုလိုသည်မှာ ဒေတာတွင် structural breakpoint တစ်ခု ရှိနေသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထား ရှိသည်ဆိုလိုသည်။

တစ်နည်းဆိုရသော် ဆုတ်ယုတ်မှုမျဉ်းနှစ်ခုသည် ဆုတ်ယုတ်မှုမျဉ်းတစ်ခုတည်းထက် ဒေတာရှိမော်ဒယ်ကို ပိုမိုထိရောက်စွာ အံဝင်ခွင်ကျဖြစ်စေနိုင်သည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် Python တွင် အခြားသော ဘုံစမ်းသပ်မှုများကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

Python တွင် Granger Causality Test ကိုမည်သို့လုပ်ဆောင်ရမည်နည်း။
Python တွင် Breusch-Pagan စမ်းသပ်မှုပြုလုပ်နည်း
Python တွင် White’s Test ကိုဘယ်လိုလုပ်ဆောင်မလဲ။