主要内容
味道测试的力量
此示例显示如何使用Monte Carlo仿真估计Chow测试的功率。
介绍
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。
模拟预测数据
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
估算小跳跃和大跳跃的能力
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。
估计大创新方差的能力
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。
另请参阅
相关话题
您还可以从以下列表中选择一个网站：
