此示例显示如何使用Monte Carlo仿真估计Chow测试的功率。
统计权力是拒绝零假设的概率,因为它实际上是假的。估计测试的力量:
模拟从键入替代假设的模型中的许多数据集。
测试每个数据集。
估计幂,即检验拒绝零假设的比率。
以下可能会损害CHOW测试的功率:
线性模型假设偏差
相对较大的创新差异
当互补子样本的样本大小大于测试中的系数数量时,使用预测测试[39].
从模型假设的出发允许检查最大影响CHOW测试力量的因素。
考虑到模型
创新
是一个随机高斯向量的均值为零和标准差σ
.
X1
和X2
分别为初始子样本和互补子样本的预测数据集。
Beta1.
和Beta2.
分别为初始子样本和互补子样本的回归系数向量。
在模拟线性模型中指定四个预测器,50个观察和断裂点。
numPreds = 4;numObs = 50;英国石油(bp) = 44;rng (1);再现性的百分比
通过指定预测器的方法来形成预测器数据,然后在每个平均值中添加随机的、标准的高斯噪声。
Mu = [0 1 2 3];X = repmat(mu, nummobs,1) + randn(nummobs,numPreds);
若要表示拦截,请在预测器数据中添加一列1。
X = [ones(nummob,1) X];X1 = X(1:英国石油(bp):);%初始子样本预测器X2 = X (bp + 1:最终,);互补亚样本预测因子
指定回归系数的真值。
Beta1 = [1 2 3 4 5]';%初始子样本系数
比较不同规模跳跃的断点和预测检验之间的功率,较小的截距和二次回归系数。在这个例子中,小的跳跃是当前值增加10%,大的跳跃是增加15%。互补的子样品系数
beta1 + [beta1(1)*0.1 0 beta1(3)*0.1 0 0]';beta2Large = beta1 + [beta1(1)*0.15 0 beta1(3)*0.15 0 0]';
为每个小型和大系数跳跃模拟线性模型的1000响应路径。指定σ
是0.2。选择检验截距和二次回归系数。
m = 1000;sigma = 0.2;coeffs = [真误真为false];H1BP = NaN(M,2);%预先配置h1F =南(M, 2);为J = 1:M Innovmall = Sigma * Randn(numobs,1);Innovlarge = Sigma * Randn(numobs,1);Ysmall = [x1零(bp,尺寸(x2,2));...zeros(nummob - bp,size(X1,2)) X2]*[beta1;beta2Small] + innovSmall;yLarge = [X1 zero (bp,size(X2,2))]; / /...zeros(nummob - bp,size(X1,2)) X2]*[beta1;beta2Large] + innovLarge;h1BP (j, 1) = chowtest (X, ySmall,英国石油(bp)“拦截”,错误的,多项式系数的多项式系数,...'展示','离开')”;H1BP(J,2)= Chowtest(X,Ylarge,BP,“拦截”,错误的,多项式系数的多项式系数,...'展示','离开')”;H1F(J,1)= Chowtest(X,Ysmall,BP,“拦截”,错误的,多项式系数的多项式系数,...“测试”,“预测”,'展示','离开')”;h1F (j, 2) = chowtest (X, yLarge,英国石油(bp)“拦截”,错误的,多项式系数的多项式系数,...“测试”,“预测”,'展示','离开')”;结束
通过计算时间的比例来估计力量chowtest
正确拒绝系数稳定的原假设。
power1bp =平均值(h1bp);power1f =平均值(h1f);表(power1bp',power1f',“RowNames”,{“Small_Jump”,'大_jump'},...“VariableNames”,{“断点”,“预测”})
ans =2×2表断点预测__________ ________ small_jump 0.717 0.645大_Jump 0.966 0.94
在这种情况下,Chow测试可以检测到当跳跃较大时,能量越大的系数的变化。断点测试比预测测试更有能力检测跳变。
模拟1000条线性模型的大系数跳变响应路径。指定σ
是0.4。选择检验截距和二次回归系数。
sigma = 0.4;H2BP = NaN(M,1);H2F = NaN(M,1);为j = 1:M innov = sigma*randn(nummobs,1);y = [X1 0 (bp,size(X2,2))];...zeros(nummob - bp,size(X1,2)) X2]*[beta1;beta2Large] +创新;h2BP (j) = chowtest (X, y,英国石油(bp)“拦截”,错误的,多项式系数的多项式系数,...'展示','离开')”;h2F (j) = chowtest (X, y,英国石油(bp)“拦截”,错误的,多项式系数的多项式系数,...“测试”,“预测”,'展示','离开')”;结束power2BP =意味着(h2BP);power2F =意味着(h2F);表([power1BP (2);power2BP]、[power1F (2);power2F),...“RowNames”,{'small_sigma',“Large_Sigma”},...“VariableNames”,{“断点”,“预测”})
ans =2×2表Breakpoint Forecast __________ ________ Small_sigma 0.966 0.94 Large_Sigma 0.418 0.352
对于较大的创新方差,两种Chow检验都难以在截距和二次回归系数中检测到较大的结构断裂。