Проверки Breusch-Pagan & Koenker на гетероскедастичность

* Макрос для проверок BREUSCH-PAGAN & KOENKER на гетероскедастичность *
* См. технические подробности в Gwilym Pryce, Heteroscedasticity: Testing and correcting in SPSS.
* Автор кода: Marta Garcia-Granero, 28.10.2002.
 
* МАКРОС требует 3 аргумента:
* зависимая переменная, число предикторов, список предикторов
* (если последние располагаются в файле последовательно, можно использовать ключевое слово "TO") .
 
* (1) Определение МАКРОСА (выделите и запустите ОДИН раз).
 
DEFINE bpktest(!POSITIONAL !TOKENS(1) /!POSITIONAL !TOKENS(1) /!POSITIONAL !CMDEND).
* Строим регрессию для получения остатков и их графиков.
REGRESSION
/STATISTICS R ANOVA
/DEPENDENT !1
/METHOD=ENTER !3
/SCATTERPLOT=(*ZRESID,*ZPRED)
/RESIDUALS HIST(ZRESID) NORM(ZRESID)
/SAVE RESID(residual) .
do if $casenum=1.
print /"Исследуйте диаграмму разброса остатков. На ней"
/"иногда можно увидеть проблемы с видом модели и/или гетероскедастичностью"
/""
/"Проверьте также гистограмму и нормальный вероятностный график остатков"
/"для проверки нормальности распределения остатков."
/"Асимметрия и эксцесс, более, чем"
/"в 2 раза превосходящие их стандартные ошибки - симптом ненормальности остатков".
end if.
* Проверка нормальности остатков.
DESCRIPTIVES
VARIABLES=residual
/STATISTICS=KURTOSIS SKEWNESS .
* Создание новой зависимой переменной (g).
COMPUTE sq_res=residual**2.
compute constant=1.
AGGREGATE
/OUTFILE='tempdata.sav'
/BREAK=constant
/rss = SUM(sq_res)
/N=N.
MATCH FILES /FILE=*
/FILE='tempdata.sav'.
EXECUTE.
if missing(rss) rss=lag(rss,1).
if missing(n) n=lag(n,1).
compute g=sq_res/(rss/n).
execute.
* Проверки BP&K.
* Regression of g on the predictors.
REGRESSION
/STATISTICS R ANOVA
/DEPENDENT g
/METHOD=ENTER !3
/SAVE RESID(resid) .
*Выдача.
do if $casenum=1.
print /" Проверки BP&K"
/" ==========".
end if.
* Алгоритм адаптирован по Gwilym Pryce.
matrix.
compute p=!2.
get g /variables=g.
get resid /variables=resid.
compute sq_res2=resid&**2.
compute n=nrow(g).
compute rss=msum(sq_res2).
compute ii_1=make(n,n,1).
compute i=ident(n).
compute m0=i-((1/n)*ii_1).
compute tss=transpos(g)*m0*g.
compute regss=tss-rss.
print regss
/format="f8.4"
/title="Регрессионная сумма квадратов".
print rss
/format="f8.4"
/title="Сумма квадратов остатков".
print tss
/format="f8.4"
/title="Общая сумма квадратов".
compute r_sq=1-(rss/tss).
print r_sq
/format="f8.4"
/title="R-квадрат".
print n
/format="f4.0"
/title="Размер выборки (N)".
print p
/format="f4.0"
/title="Число предикторов (P)".
compute bp_test=0.5*regss.
print bp_test
/format="f8.3"
/title="Проверка Breusch-Pagan'а на гетероскедастичность"
+ " (Хи-квадрат, df=P)".
compute sig=1-chicdf(bp_test,p).
print sig
/format="f8.4"
/title="Уровень значимости статистики хи-квадрат, df=P (H0:"
+ "гомоскедастичность)".
compute k_test=n*r_sq.
print k_test
/format="f8.3"
/title="Проверка Koenker'а на гетероскедастичность"
+ " (Хи-квадрат, df=P)".
compute sig=1-chicdf(k_test,p).
print sig
/format="f8.4"
/title="Уровень значимости статистики хи-квадрат, df=P (H0:"
+ "гомоскедастичность)".
end matrix.
!ENDDEFINE.
 
* (2) Пример данных (вообще данные должны быть вашими)*.
 
INPUT PROGRAM.
- VECTOR x(20).
- LOOP #I = 1 TO 50.
- LOOP #J = 1 TO 20.
- COMPUTE x(#J) = NORMAL(1).
- END LOOP.
- END CASE.
- END LOOP.
- END FILE.
END INPUT PROGRAM.
execute.
 
* x1 - зависимая переменная, а x2 TO x20 - предикторы.
 
* (3) ВЫЗОВ МАКРОСА (выделите и запустите).
 
BPKTEST x1 19 x2 TO x20.