statsmodels.stats.diagnostic.breaks_cusumolsresid¶

statsmodels.stats.diagnostic.breaks_cusumolsresid(resid, ddof=0)[source]¶

基于ols残差的参数稳定性Cusum检验。

Parameters:¶

residndarray

OLS估计中的残差数组。

ddofint

OLS估计中的参数数量，用作误差方差的自由度校正。

Returns:¶

sup_bfloat

检验统计量，缩放后的普通最小二乘残差绝对值的最大值。

pvalfloat

在无结构变化的零假设下，基于作为布朗桥的渐近分布，观察数据的概率

crit: list

表格中的临界值，适用于 alpha = 1%、5% 和 10%。

注释

测试针对 R:structchange。

不清楚：Ploberger, Kramer中的假设2假设外生变量x具有渐近零均值，x.mean(0) = [1, 0, 0, …, 0] 这是否真的必要？我看不出它如何在原假设下影响检验统计量。在备择假设下，它确实有区别。 此外，检验统计量的渐近分布也取决于此。

从示例来看，如果外生变量（常数除外）的均值为零，标准cusum的效力似乎很小。

参考文献

普洛伯格, 沃纳, 和沃尔特·克莱默. “使用OLS残差的Cusum检验.” 计量经济学 60, 第2期 (1992年3月): 271-285.