Тест Чоу

Тест Чоу — это статистический тест, используемый для проверки гипотезы о том, что коэффициенты регрессионной модели, построенной для двух (или более) различных наборов данных, статистически значимо различаются. Тест применяется для выявления структурных разрывов (structural breaks) во временных рядах, то есть для определения момента, когда параметры модели меняются, а также для сравнения регрессионных моделей, построенных на разных подгруппах данных (например, по регионам, периодам времени или категориям). Тест был предложен экономистом Грегори Чоу в 1960 году.

Основная идея

Тест Чоу проверяет, является ли разделение выборки на две или более части и построение отдельных регрессионных моделей для каждой части более обоснованным, чем построение единой модели для всей совокупности данных. Нулевая гипотеза (H₀) теста заключается в том, что коэффициенты регрессии для всех групп одинаковы (то есть структурный разрыв отсутствует). Альтернативная гипотеза (H₁) утверждает, что хотя бы один коэффициент различается между группами, что свидетельствует о наличии структурного разрыва.

Математическая формулировка

Для проведения теста Чоу необходимо оценить три регрессионные модели:

1. Объединённая модель (restricted model): строится по всем наблюдениям без разделения на группы. Для неё рассчитывается сумма квадратов остатков (Residual Sum of Squares, RSS) — обозначим её как \( RSS_{pooled} \).

1. Модель для первой группы (unrestricted model, часть 1): строится только по наблюдениям первой группы. Для неё рассчитывается \( RSS_1 \).

1. Модель для второй группы (unrestricted model, часть 2): строится только по наблюдениям второй группы. Для неё рассчитывается \( RSS_2 \).

Сумма квадратов остатков для «неограниченной» модели (unrestricted model) равна сумме RSS для отдельных групп: \( RSS_{unrestricted} = RSS_1 + RSS_2 \).

Тестовая статистика F-теста рассчитывается по формуле:

\[ F = \frac{(RSS_{pooled} - (RSS_1 + RSS_2)) / k}{(RSS_1 + RSS_2) / (n_1 + n_2 - 2k)} \]

где:

• \( k \) — количество оцениваемых параметров в регрессионной модели (включая свободный член);
• \( n_1 \) и \( n_2 \) — количество наблюдений в первой и второй группах соответственно.

Полученное значение F-статистики сравнивается с критическим значением из распределения Фишера с \( k \) и \( n_1 + n_2 - 2k \) степенями свободы. Если вычисленное значение F превышает критическое, нулевая гипотеза о равенстве коэффициентов отклоняется, что свидетельствует о наличии структурного разрыва.

Предпосылки и ограничения

Для корректного применения теста Чоу необходимо выполнение ряда условий:

• Независимость ошибок: остатки регрессионной модели должны быть независимыми и одинаково распределёнными (i.i.d.).
• Гомоскедастичность: дисперсия ошибок должна быть постоянной как внутри групп, так и между ними. Если дисперсии различаются, тест может давать неверные результаты.
• Нормальность ошибок: хотя тест Чоу относительно устойчив к нарушениям нормальности, для точного вывода желательно, чтобы ошибки были распределены нормально.
• Точка разрыва известна: тест предполагает, что момент (или способ) разделения выборки на группы задан исследователем априори. Если точка разрыва неизвестна, тест Чоу может быть применён многократно для разных точек, но это требует корректировки на множественное тестирование (например, с помощью теста Бай-Перрона).
• Достаточный объём выборки: каждая группа должна содержать достаточное количество наблюдений для надёжной оценки параметров модели. Минимальное количество наблюдений в каждой группе должно быть не меньше числа оцениваемых параметров.

Применение

Тест Чоу широко используется в различных областях, где требуется анализ структурных изменений:

• Эконометрика и макроэкономика: для выявления структурных сдвигов в экономических временных рядах, например, изменения в потребительском поведении после кризиса, влияние изменения налогового законодательства или смены политического режима.
• Финансы: для анализа изменения рисков и доходности активов в разные периоды (например, до и после финансового кризиса 2008 года).
• Маркетинг: для сравнения эффективности рекламных кампаний в разных регионах или для разных сегментов потребителей.
• Социология и политология: для проверки гипотез о различиях в социальных или политических установках между разными группами населения (например, по возрастным когортам или регионам).
• Биология и медицина: для анализа различий в реакциях на лекарственные препараты у разных групп пациентов (например, по полу или возрасту).

Пример

Предположим, исследователь изучает зависимость потребления (Y) от дохода (X) в России за период с 2000 по 2020 год. Есть гипотеза, что после кризиса 2014 года (введение санкций, падение цен на нефть) структура потребления изменилась. Исследователь делит выборку на два периода: 2000–2013 годы и 2014–2020 годы. Для каждого периода строится регрессионная модель, а также общая модель для всего периода. Затем проводится тест Чоу. Если F-статистика оказывается значимой, это подтверждает структурный разрыв в 2014 году.

Модификации и альтернативы

• Тест Чоу для прогнозирования (Chow forecast test): используется, когда одна из групп слишком мала для построения отдельной регрессии. В этом случае модель оценивается по первой группе, а затем проверяется, насколько хорошо она предсказывает наблюдения второй группы.
• Тест Бай-Перрона (Bai-Perron test): позволяет обнаруживать множественные структурные разрывы в неизвестные моменты времени. В отличие от теста Чоу, он не требует априорного задания точек разрыва.
• Тест Квятковского-Филлипса-Шмидта-Шина (KPSS test): используется для проверки стационарности временного ряда, что может быть связано с наличием структурных разрывов.
• Тест Кью (CUSUM test): основан на кумулятивных суммах остатков и позволяет визуально и статистически оценить стабильность параметров модели во времени.

Критика

Тест Чоу подвергается критике по нескольким причинам:

• Зависимость от априорного знания точки разрыва: если точка разрыва выбрана неправильно, тест может дать ложные результаты. Многократное применение теста для разных точек без корректировки на множественное тестирование увеличивает вероятность ошибки первого рода (ложного обнаружения разрыва).
• Чувствительность к гетероскедастичности: при неравных дисперсиях ошибок в группах тест может быть смещённым. Существуют модификации теста, устойчивые к гетероскедастичности (например, с использованием робастных стандартных ошибок).
• Ограничение на количество групп: тест в классической формулировке предназначен для сравнения двух групп. Для большего количества групп требуется обобщение, которое также имеет свои особенности.
• Не учитывает динамические изменения: тест Чоу предполагает, что изменение параметров происходит мгновенно в точке разрыва, а не постепенно. Для анализа плавных изменений существуют другие методы, например, регрессия с переключением режимов (regime-switching regression).

Источники

1. Chow, G. C. (1960). Tests of Equality Between Sets of Coefficients in Two Linear Regressions. Econometrica, 28(3), 591–605.
2. Greene, W. H. (2018). Econometric Analysis (8th ed.). Pearson.
3. Gujarati, D. N., & Porter, D. C. (2009). Basic Econometrics (5th ed.). McGraw-Hill.
4. Stock, J. H., & Watson, M. W. (2019). Introduction to Econometrics (4th ed.). Pearson.
5. Bai, J., & Perron, P. (1998). Estimating and Testing Linear Models with Multiple Structural Changes. Econometrica, 66(1), 47–78.