nach oben

Erschienen in:

2013 | OriginalPaper | Buchkapitel

Testing the Homoskedasticity/Heteroskedasticity of the Errors Using the White Test: Pattern Classification by k-Variances and Informational Criteria

verfasst von : Daniel Ciuiu

Erschienen in: Optimization Theory, Decision Making, and Operations Research Applications

Verlag: Springer New York

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

In this paper we will test the homoskedasticity/heteroskedasticity of the errors for a linear regression model using the White homoskedasticity test. In the case of heteroskedasticity we use the k-variances algorithm to classify the data such that all the classes are homoskedastic. The informational criteria analogues to the Akaike and Schwartz criteria are used to choose the best classification.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Impact Assessment Through Collaborative Asset Modeling: The STORM-RM Approach

Nächstes Kapitel An Innovative Decision Making e-key Application For the Identification of Fish Species

Nur mit Berechtigung zugänglich

Ciuiu, D.: Pattern classification using polynomial and linear regression. In: Proceedings of the International Conference Trends and Challenges in Applied Mathematics, 20–23 June 2007. Technical University of Civil Engineering, Bucharest, Romania, pp. 153–156 (2007)

Ciuiu, D.: Informational criteria for the homoskedasticity of the errors. Rom. J. Econ. Forecast. XIII(2), 231–244 (2010)

Dumitrache, I., Constantin, N., Drăgoicea, M.: Reţele Neurale. Identificarea şi Managementul proceselor (English: Neural Networks. Identification and Management of the Processes). Matrix Rom, Bucureşti (1999)

Jula, D.: Introducere în Econometrie (English: Introduction to Econometrics). Professional Consulting, Bucureşti (2003)

Păltineanu, G., Matei, P., Mateescu, G.D.: Analiză Numerică (English: Numerical Analysys). Conspress, Bucureşti (2010)

Popescu, Th.: Serii de Timp. Aplicaţii în Analiza Sistemelor (English: Time Series. Application to Analysis of the Systems). Efitura Tehnică, Bucureşti (2000)

Saporta, G.: Probabilités, Analyse des Donées et Statistique. Editions Technip, Paris (1990)

The Statistical Section of National Bank of Romania. Monthly Bulletin from June 2007, December 2007, June 2008, December 2008, December 2009 and December 2010. www.bnr.ro (Romanian). Accessed on December 2010

Văduva, I.: Modele de Simulare (English: Simulation Models). Editura Universităţii Bucureşti (2004)

10.

Voineagu V. et al.: Teorie şi Practică Econometrică (English: Econometric Theory and Practice). Meteor Press, Bucureşti (2007)

Titel: Testing the Homoskedasticity/Heteroskedasticity of the Errors Using the White Test: Pattern Classification by k-Variances and Informational Criteria
verfasst von: Daniel Ciuiu
Verlag: Springer New York
Buch: Optimization Theory, Decision Making, and Operations Research Applications
Print ISBN: 978-1-4614-5133-4

Electronic ISBN: 978-1-4614-5134-1

Copyright-Jahr: 2013
DOI: https://doi.org/10.1007/978-1-4614-5134-1_22