The heteroskedasticity test implementation for linear regression model using MATLAB

Abstract

The article discusses the problem of heteroskedasticity, which can arise in the process of calculating econometric models of large dimension and ways to overcome it. Heteroskedasticity distorts the value of the true standard deviation of the prediction errors. This can be accompanied by both an increase and a decrease in the confidence interval. We gave the principles of implementing the most common tests that are used to detect heteroskedasticity in constructing linear regression models, and compared their sensitivity. The advantage of this paper is that real empirical data are used to test for heteroskedasticity. For implementing the testing there is developed the special software with using of the algorithmic programming language MATLAB. The purpose of the article is to describe the functions implemented in the form of m-files (MATLAB environment files) to check for heteroskedasticity in multifactor regression models. To do this, modified algorithms for the tests on heteroskedasticity were used. Experimental studies of the work of the program were carried out for various linear regression models both the models of the Department of Higher Mathematics and Mathematical Methods in Economy of Simon Kuznets Kharkiv National University of Economics, and econometric models which were published recently by leading journals. У статті обговорюється проблема гетероскедастичністі, яка може виникнути в процесі розрахунку економетричних моделей великих розмірів і способів її перешкоджання. Гетероскедастичність спотворюють значення справжнього стандартного відхилення помилок прогнозу. Це може супроводжуватися як збільшенням, так і зменшенням довічного інтервалу. Ми дали принципам реалізації найбільш поширених тестів, які використовують для виявлення гетероскедастичністі при встановленні моделей лінійної регресії, і порівнюють їхню чутливість. Перевага цієї статті полягає в тому, що для перевірки гетероскедастичністі використовуються реальні емпіричні дані. Для проведення тестування розроблено спеціальне програмне забезпечення з використанням алгоритмічного мови програмування MATLAB. Цілі статті описують функції, реалізовані у вигляді файлів середовища MATLAB, для перевірки гетероскедастичністі в багатофакторних регресїйних моделях. Для цього використовувались модифіковані алгоритми для випробувань на гетероскедастичність. Експериментальні дослідження робіт програми проводили для різних моделей лінійної регресії, як для моделей кафедр, так і для математичних методів в економіці Харьківського національного економічного університету ім. Семена Кузнеця, так і для економетричних моделей, які недавно були опубліковані провідними журналами. В статье обсуждается проблема гетероскедастичности, которая может возникнуть в процессе расчета эконометрических моделей большой размерности и способы ее преодоления. Гетероскедастичность искажает значение истинного стандартного отклонения ошибок прогноза. Это может сопровождаться как увеличением, так и уменьшением доверительного интервала. Мы дали принципы реализации наиболее распространенных тестов, которые используются для выявления гетероскедастичности при построении моделей линейной регрессии, и сравнили их чувствительность. Преимущество этой статьи заключается в том, что для проверки гетероскедастичности используются реальные эмпирические данные. Для проведения тестирования разработано специальное программное обеспечение с использованием алгоритмического языка программирования MATLAB. Целью статьи является описание функций, реализованных в виде m-файлов (файлов среды MATLAB) для проверки гетероскедастичности в многофакторных регрессионных моделях. Для этого использовались модифицированные алгоритмы для испытаний на гетероскедастичность. Экспериментальные исследования работы программы проводились для различных моделей линейной регрессии, как для моделей кафедры высшей математики и математических методов в экономике Харьковского национального экономического университета им. Семена Кузнеца, так и для эконометрических моделей, которые недавно были опубликованы ведущими журналами.