Тест множителя Лагранжа спецификации модели
возвращает логическое значение (h
= lmtest(score
,ParamCov
,dof
)h
) с решением отклонения от проведения теста множителя Лагранжа спецификации модели на 5%-м уровне значения. lmtest
создает тестовую статистическую величину использование функции счета (score
), предполагаемая ковариация параметра (ParamCov
), и степени свободы (dof
).
возвращает решение отклонения о тесте множителя Лагранжа, проводимом на уровне значения h
= lmtest(score
,ParamCov
,dof
,alpha
)alpha
.
Если score
и ParamCov
длина массивы ячеек k, затем все другие аргументы должны быть длиной векторы k или скаляры. lmtest
обработки каждая ячейка как отдельный тест, и возвращают вектор решений отклонения.
Если score
массив ячейки строки, затем lmtest
возвращает вектор-строку.
lmtest
требует неограниченного счета модели и средства оценки ковариации параметра, оцененного в оценках параметра для ограниченной модели. Например, чтобы сравнить конкуренцию, вложил arima
модели:
Аналитически вычислите счет и средство оценки ковариации параметра на основе инновационного распределения.
Используйте estimate
оценить ограниченные параметры модели.
Оцените счет и средство оценки ковариации в ограниченных оценках модели.
Передайте оцененный счет, ограниченную оценку ковариации и количество ограничений (т.е. степени свободы) в lmtest
.
Если вы находите оценку параметров в неограниченной модели трудной, то используйте lmtest
. Для сравнения:
waldtest
только требует неограниченных оценок параметра.
lratiotest
требует и неограниченных и ограниченных оценок параметра.
lmtest
выполняет несколько, независимые тесты, когда входные параметры являются массивами ячеек.
Если градиенты и оценки ковариации являются тем же самым для всех тестов, но ограниченные оценки параметра варьируются, то lmtest
“тесты вниз” против нескольких ограниченных моделей.
Если градиенты и оценки ковариации варьируются, но ограниченные оценки параметра не делают, то lmtest
“тесты” против нескольких неограниченных моделей.
В противном случае, lmtest
сравнивает спецификации модели попарно.
alpha
номинально в этом, это задает вероятность отклонения в асимптотическом распределении. Фактическая вероятность отклонения может отличаться от номинального значения. Тесты множителя Лагранжа стремятся к под отклонением для маленьких значений alpha
, и сверхотклоните для больших значений alpha
.
Тесты множителя Лагранжа обычно дают к более низким ошибкам отклонения, чем отношение правдоподобия и Вальдовы тесты.
[1] Дэвидсон, R. и Дж. Г. Маккиннон. Эконометрическая теория и методы. Оксфорд, Великобритания: Издательство Оксфордского университета, 2004.
[2] Годфри, тесты Л. Г. Мисспекификэйшна в эконометрике. Кембридж, Великобритания: Издательство Кембриджского университета, 1997.
[3] Грин, В. Х. Эконометрик Анэлизис. 6-й редактор Верхний Сэддл-Ривер, NJ: Пирсон Prentice Hall, 2008.
[4] Гамильтон, J. D. Анализ Временных Рядов. Принстон, NJ: Издательство Принстонского университета, 1994.