วิธีทำการทดสอบ chow ใน r

การทดสอบ Chow ใช้เพื่อทดสอบว่าค่าสัมประสิทธิ์ของแบบจำลองการถดถอยที่แตกต่างกันสองชุดในชุดข้อมูลที่ต่างกันเท่ากันหรือไม่

โดยทั่วไปการทดสอบนี้จะใช้ในด้านเศรษฐมิติด้วยข้อมูลอนุกรมเวลาเพื่อพิจารณาว่าข้อมูลมีการแบ่งแยกทางโครงสร้าง ณ จุดใดเวลาหนึ่งหรือไม่

บทช่วยสอนนี้ให้ตัวอย่างทีละขั้นตอนของวิธีดำเนินการทดสอบ Chow ใน R

ขั้นตอนที่ 1: สร้างข้อมูล

ขั้นแรก เราจะสร้างข้อมูลปลอม:

 #create data
data <- data.frame(x = c(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 = c(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 six rows of data
head(data)

  xy
1 1 3
2 1 5
3 2 6
4 3 10
5 4 13
6 4 15

ขั้นตอนที่ 2: แสดงภาพข้อมูล

ต่อไป เราจะสร้าง Scatterplot แบบง่ายๆ เพื่อแสดงข้อมูลเป็นภาพ:

 #load ggplot2 visualization package
library (ggplot2)

#create scatterplot
ggplot(data, aes (x = x, y = y)) +
    geom_point(col=' steelblue ', size= 3 )

จากแผนภาพกระจาย เราจะเห็นว่ารูปแบบในข้อมูลดูเหมือนจะเปลี่ยนแปลงที่ x = 10 ดังนั้น เราจึงทำการทดสอบ Chow เพื่อดูว่ามีจุดพักเชิงโครงสร้างในข้อมูลที่ x = 10 ได้หรือไม่

ขั้นตอนที่ 3: ทำการทดสอบ Chow

เราสามารถใช้ ฟังก์ชัน sctest จากแพ็คเกจ strucchange เพื่อทำการทดสอบ Chow:

 #load strucchange package
library (strucchange)

#perform Chow test
sctest(data$y ~ data$x, type = " Chow ", point = 10 )

	Chow test

data: data$y ~ data$x
F = 110.14, p-value = 2.023e-13

จากผลการทดสอบเราจะเห็นได้ว่า:

• สถิติ การทดสอบ F : 110.14
• ค่า p: <.0000

เนื่องจากค่า p น้อยกว่า 0.05 เราจึงสามารถปฏิเสธสมมติฐานว่างของการทดสอบได้ ซึ่งหมายความว่าเรามีหลักฐานเพียงพอที่จะบอกว่ามีเบรกพอยต์เชิงโครงสร้างอยู่ในข้อมูล

กล่าวอีกนัยหนึ่ง เส้นการถดถอยสองเส้นสามารถใส่แบบจำลองในข้อมูลได้อย่างมีประสิทธิภาพมากกว่าเส้นการถดถอยเส้นเดียว