{"id":1273,"date":"2023-07-27T01:35:57","date_gmt":"2023-07-27T01:35:57","guid":{"rendered":"https:\/\/statorials.org\/nl\/witte-test-in-r\/"},"modified":"2023-07-27T01:35:57","modified_gmt":"2023-07-27T01:35:57","slug":"witte-test-in-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/witte-test-in-r\/","title":{"rendered":"Hoe white's test in r uit te voeren (met voorbeelden)"},"content":{"rendered":"

<\/p>\n

\n

De test van White<\/strong> wordt gebruikt om te bepalen of heteroscedasticiteit<\/a> aanwezig is in een regressiemodel.<\/span><\/p>\n

Heteroscedasticiteit verwijst naar de ongelijke spreiding van residuen<\/a> op verschillende niveaus van eenresponsvariabele<\/a> in een regressiemodel, wat in strijd is met een van de belangrijkste aannames van lineaire regressie<\/a> dat residuen gelijkmatig verspreid zijn op elk niveau van de responsvariabele.<\/span><\/p>\n

In deze tutorial wordt uitgelegd hoe u de White-test in R kunt uitvoeren om te bepalen of heteroscedasticiteit al dan niet een probleem is in een bepaald regressiemodel.<\/span><\/p>\n

Voorbeeld: Wittest in R<\/strong><\/h3>\n

In dit voorbeeld passen we een meervoudig lineair regressiemodel<\/a> toe met behulp van de ingebouwde R-dataset van mtcars.<\/span><\/p>\n

Zodra we het model hebben aangepast, zullen we de bptest-<\/strong> functie uit de lmtest-<\/strong> bibliotheek gebruiken om de White-test uit te voeren om te bepalen of heteroscedasticiteit aanwezig is.<\/span><\/p>\n

Stap 1: Pas een regressiemodel toe.<\/strong><\/span><\/p>\n

Eerst passen we een regressiemodel aan met mpg<\/strong> als responsvariabele en disp<\/strong> en hp<\/strong> als twee verklarende variabelen.<\/span><\/p>\n

 #load the dataset<\/span>\ndata(mtcars)\n\n#fit a regression model<\/span>\nmodel <- lm(mpg~disp+hp, data=mtcars)\n\n#view model summary\n<\/span>summary(model)\n\nCoefficients:\n             Estimate Std. Error t value Pr(>|t|)    \n(Intercept) 30.735904 1.331566 23.083 < 2nd-16 ***\navailable -0.030346 0.007405 -4.098 0.000306 ***\nhp -0.024840 0.013385 -1.856 0.073679 .  \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 3.127 on 29 degrees of freedom\nMultiple R-squared: 0.7482, Adjusted R-squared: 0.7309 \nF-statistic: 43.09 on 2 and 29 DF, p-value: 2.062e-09\n<\/strong><\/pre>\n
 Stap 2: Voer de test van White uit.<\/strong><\/span><\/p>\n
 Vervolgens zullen we de volgende syntaxis gebruiken om de test van White uit te voeren om te bepalen of heteroscedasticiteit aanwezig is:<\/span><\/p>\n
 #load lmtest library<\/span>\nlibrary(lmtest)\n\n#perform White's test<\/span>\nbptest(model, ~ disp*hp + I(disp^2) + I(hp^2), data = mtcars)\n\n\tstudentized Breusch-Pagan test\n\ndata: model\nBP = 7.0766, df = 5, p-value = 0.215\n<\/strong><\/pre>\n
 Zo interpreteert u het resultaat:<\/span><\/p>\n