Тест Вальда (Myvm Fgl,;g)

Тест Ва́льда — статистический тест, используемый для проверки ограничений на параметры статистических моделей, оценённых на основе выборочных данных. Является одним из трёх базовых тестов проверки ограничений наряду с тестом отношения правдоподобия и тестом множителей Лагранжа. Тест является асимптотическим, то есть для достоверности выводов требуется достаточно большой объём выборки.

Сущность и процедура теста

Пусть имеется эконометрическая модель с вектором параметров $b$. Необходимо проверить по выборочным данным гипотезу $H_{0}:~g(b)=0$, где $g$ — совокупность (вектор) некоторых функций параметров. Идея теста заключается в том, что если нулевая гипотеза верна, то и выборочный вектор $g({\hat {b}})$ должен быть в некотором смысле близок к нулю. Предполагается, что оценки параметров хотя бы состоятельны и асимптотически нормальны (таковы, например, оценки метода максимального правдоподобия), то есть

${\sqrt {n}}({\hat {b}}-b){\xrightarrow {n\rightarrow \infty }}N(0,V)$

Отсюда, исходя из предельных теорем имеем:

${\sqrt {n}}(g({\hat {b}})-g(b)){\xrightarrow {n\rightarrow \infty }}N(0,G(b)VG(b)^{T})$

где $G(b)={\frac {\partial g(b)}{\partial b}}$ — якобиан (матрица первых производных) вектора $g(b)$ в точке $b$.

Тогда

$(g({\hat {b}})-g(b))^{T}(G(b)V_{\hat {b}}G^{T}(b))^{-1}(g({\hat {b}})-g(b)){\xrightarrow {n\rightarrow \infty }}\chi ^{2}(q)~,~~V_{\hat {b}}=V/n$

Если выполнена нулевая гипотеза ($g(b)=0$), то имеем

$W=g({\hat {b}})^{T}(G(b)V_{\hat {b}}G^{T}(b))^{-1}g({\hat {b}}){\xrightarrow[{H_{0}}]{n\rightarrow \infty }}\chi ^{2}(q)~,~~V_{\hat {b}}=V/n$

Это и есть статистика Вальда. Поскольку ковариационная матрица $V$, вообще говоря, на практике неизвестна, то вместо неё используется некоторая её оценка. Также вместо неизвестных истинных значений коэффициентов $b$ используют их оценки ${\hat {b}}$. Следовательно на практике мы получаем приблизительное значение $W$, поэтому тест Вальда асимптотический, то есть для правильных выводов нужна большая выборка.

Если эта статистика больше критического значения $\chi _{\alpha }^{2}(q)$ при данном уровне значимости $\alpha$, то гипотеза об ограничениях отвергается в пользу модели без ограничений («длинная модель»). В противном случае ограничения могут иметь место, и лучше построить модель с ограничениями, называемую «короткой моделью».

Необходимо отметить, что тест Вальда чувствителен к способу формулировки нелинейных ограничений. Например, простое ограничение равенства двух коэффициентов можно сформулировать как равенство их отношения единице. Тогда результаты теста теоретически могут быть разными, несмотря на то, что гипотеза одна и та же.

Частные случаи

Если функции $g$ линейны, то есть проверяется гипотеза следующего вида $H_{0}:~Ab=a$, где $A$ — некоторая матрица ограничений, $a$ — некоторый вектор, то матрица $G(b)$ в данном случае - это фиксированная матрица $A$. Если речь идёт о классической линейной модели регрессии, то ковариационная матрица оценок коэффициентов равна $V_{\hat {b}}=\sigma ^{2}(X^{T}X)^{-1}$. Поскольку дисперсия ошибок $\sigma ^{2}$ неизвестна, то используют либо её состоятельную оценку ${\hat {\sigma }}^{2}=ESS/n$, либо несмещённую оценку $s^{2}=ESS/(n-k)$. Следовательно, статистика Вальда тогда имеет вид:

$W=(A{\hat {b}}-a)^{T}(A(X^{T}X)^{-1}A^{T})^{-1}(A{\hat {b}}-a)/s^{2}$

В частном случае, когда матрица ограничений единичная (то есть проверяются равенства коэффициентов некоторым значениям), то формула упрощается:

$W=({\hat {b}}-a)^{T}(X^{T}X)({\hat {b}}-a)/s^{2}$

Если рассматривается только одно линейное ограничение $c^{T}b=a$, то статистика Вальда будет равна

$W=(c^{T}b-a)^{2}/(s^{2}c^{T}(X^{T}X)^{-1}c)$

В данном случае статистика Вальда оказывается равной квадрату $t$-статистики.

Можно показать, что статистика Вальда для классической линейной модели выражается через суммы квадратов остатков длинной и короткой моделей следующим образом

$W={\frac {ESS_{S}-ESS_{L}}{ESS_{L}/n}}$,

где индекс $L$ относится к длинной модели (long), а $S$ — к короткой (short). Если используется несмещённая оценка дисперсии ошибок, то в формуле вместо $n$ необходимо использовать $(n-k)$.

В частности, для проверки значимости регрессии в целом $ESS_{S}=TSS$, поэтому получаем следующую формулу для статистики Вальда

$W={\frac {TSS-ESS}{ESS/n}}=n{\frac {1-ESS/TSS}{ESS/TSS}}={\frac {nR^{2}}{1-R^{2}}}$

где $R^{2}$ — коэффициент детерминации.

Взаимосвязь с другими тестами

Доказано, что тест Вальда (W), тест отношения правдоподобия (LR) и тест множителей Лагранжа (LM) — асимптотически эквивалентные тесты ($LM=LR=W$). Тем не менее для конечных выборок значения статистик не совпадают. Для линейных ограничений доказано неравенство $LM\leqslant LR\leqslant W$. Тем самым тест Вальда будет чаще других тестов отвергать нулевую гипотезу об ограничениях. В случае нелинейных ограничений первая часть неравенства выполняется, а вторая — вообще говоря, нет.

Вместо теста Вальда можно использовать F-тест, статистика которого рассчитывается по формуле:

$F={\frac {n-k}{q}}W/n$

или ещё проще $F=W/q$, если при расчёте статистики Вальда использовалась несмещённая оценка дисперсии. Эта статистика имеет в общем случае асимптотическое распределение Фишера $F(q,n-k)$. В случае нормального распределения данных — то и на конечных выборках.

Литература

• Магнус Я. Р., Катышев П. К., Пересецкий А. А. Эконометрика. — М.: Дело, 2004. — 576 с.
• William H. Greene. Econometric analysis. — New York: Pearson Education, Inc., 2003. — 1026 с.