周氏测验的力量
这个例子展示了如何使用蒙特卡洛模拟来估计Chow测试的功率。
简介
统计力是指在原假设为假的情况下拒绝原假设的概率。估算测试的威力:
从代表替代假设的模型中模拟许多数据集。
测试每个数据集。
估计幂,也就是检验拒绝原假设的次数的比例。
以下情况可能会影响Chow测试的效果:
线性模型假设偏差
较大的创新方差
当互补子样本的样本量大于检验中的系数数时,使用预测检验[39].
与模型假设不同,可以考察对周检验威力影响最大的因素。
考虑模型
创新
是一个均值为零,标准差为零的随机高斯变量向量σ
.X1
而且X2
分别为初始子样本和互补子样本的预测数据集。beta1
而且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
为模拟线性模型指定四个预测因子、50个观测值和周期44处的断点。
numPreds = 4;numObs = 50;Bp = 44;rng (1);%用于再现性
通过指定预测器的均值来形成预测器数据,然后向每个均值添加随机的标准高斯噪声。
Mu = [0 1 2 3];X = repmat(mu,numObs,1) + randn(numObs,numPreds);
为了表示一个截距,在预测器数据中添加一列。
X = [ones(numObs,1) X];X1 = X(1:bp,:);%初始子样本预测因子X2 = X(bp+1:end,:);互补子样本预测因子
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动力
比较在截距和二次回归系数较小的情况下,断点和预测检验的威力。在本例中,小的跳跃是当前值增加10%,大的跳跃是增加15%。互补子样本系数
beta2Small = beta1 + [beta1(1)*0.1 0 beta1(3)*0.1 0 0]';beta2Large = beta1 + [beta1(1)*0.15 0 beta1(3)*0.15 0]';
对每一个小系数和大系数跳,模拟线性模型的1000个响应路径。指定σ
是0.2。选择检验截距和二次回归系数。
M = 1000;σ = 0.2;Coeffs =[真假真假假];h1BP = nan(M,2);%预先配置h1F = nan(M,2);为j = 1:M innovSmall = sigma*randn(numObs,1);innovLarge = sigma*randn(numObs,1);ySmall = [X1 0 (bp,size(X2,2)));...0 (numObs - bp,size(X1,2)) X2]*[beta1;beta2Small] + innovSmall;yLarge = [X1 0 (bp,size(X2,2));...0 (numObs - bp,size(X1,2)) X2]*[beta1;beta2Large] + innovLarge;h1BP(j,1) = chowtest(X,ySmall,bp,“拦截”假的,多项式系数的多项式系数,...“显示”,“关闭”)”;h1BP(j,2) = chowtest(X,yLarge,bp,“拦截”假的,多项式系数的多项式系数,...“显示”,“关闭”)”;h1F(j,1) = chowtest(X,ySmall,bp,“拦截”假的,多项式系数的多项式系数,...“测试”,“预测”,“显示”,“关闭”)”;h1F(j,2) = chowtest(X,yLarge,bp,“拦截”假的,多项式系数的多项式系数,...“测试”,“预测”,“显示”,“关闭”)”;结束
通过计算次数的比例来估计功率chowtest
正确地拒绝了系数稳定性的原假设。
power1BP = mean(h1BP);power1F = mean(h1F);表(power1BP’,power1F’,“RowNames”, {“Small_Jump”,“Large_Jump”},...“VariableNames”, {“断点”,“预测”})
ans =2×2表断点预测__________ ________ Small_Jump 0.717 0.645 Large_Jump 0.966 0.94
在这种情况下,当跳跃较大时,Chow检验可以检测到系数的更大功率的变化。断点检验比预测检验具有更强的检测跳跃的能力。
估算大创新方差的威力
模拟线性模型的1000条响应路径,实现较大的系数跳变。指定σ
是0.4。选择检验截距和二次回归系数。
σ = 0.4;h2BP = nan(M,1);h2F = nan(M,1);为j = 1:M innov = sigma*randn(numObs,1);y = [X1 0 (bp,size(X2,2));...0 (numObs - bp,size(X1,2)) X2]*[beta1;beta2Large] + innov;h2BP(j) = chowtest(X,y,bp,“拦截”假的,多项式系数的多项式系数,...“显示”,“关闭”)”;h2F(j) = chowtest(X,y,bp,“拦截”假的,多项式系数的多项式系数,...“测试”,“预测”,“显示”,“关闭”)”;结束power2BP = mean(h2BP);power2F = mean(h2F);表([power1BP (2);power2BP]、[power1F (2);power2F),...“RowNames”, {“Small_sigma”,“Large_Sigma”},...“VariableNames”, {“断点”,“预测”})
ans =2×2表断点预测__________ ________ Small_sigma 0.966 0.94 Large_Sigma 0.418 0.352
对于较大的创新方差,两种Chow检验都难以检测到截距和二次回归系数中的较大结构断裂。