Wie interpretiere ich die Ergebnisse eines Breusch-Pagan-Tests?

In Rkann ich mit der ncvTestFunktion des carPakets einen Breusch-Pagan-Test auf Heteroskedastizität durchführen . Ein Breusch-Pagan-Test ist eine Art Chi-Quadrat-Test.

Wie interpretiere ich diese Ergebnisse:

> require(car)
> set.seed(100)
> x1 = runif(100, -1, 1)
> x2 = runif(100, -1, 1)
> ncvTest(lm(x1 ~ x2))
Non-constant Variance Score Test 
Variance formula: ~ fitted.values 
Chisquare = 0.2343406    Df = 1     p = 0.6283239 
> y1 = cumsum(runif(100, -1, 1))
> y2 = runif(100, -1, 1)
> ncvTest(lm(y1 ~ y2))
Non-constant Variance Score Test 
Variance formula: ~ fitted.values 
Chisquare = 1.191635    Df = 1     p = 0.2750001 

Fragen Sie insbesondere nach diesen Ergebnissen oder allgemein nach dem Breusch-Pagan-Test? Für diese speziellen Tests siehe die Antwort von @ mpiktas. Im Allgemeinen fragt der BP-Test, ob die quadratischen Residuen einer Regression unter Verwendung eines Satzes von Prädiktoren vorhergesagt werden können. Diese Prädiktoren können mit denen der ursprünglichen Regression identisch sein. Die White-Testversion des BP-Tests enthält alle Prädiktoren aus der ursprünglichen Regression sowie deren Quadrate und Wechselwirkungen in einer Regression gegen die quadratischen Residuen. Wenn die quadratischen Residuen unter Verwendung eines Satzes von Kovariaten vorhersagbar sind, scheinen die geschätzten quadratischen Residuen und damit die Varianzen der Residuen (die folgen, weil der Mittelwert der Residuen 0 ist) über Einheiten zu variieren, was die Definition von Heteroskedastizität oder Nicht-Heteroskedastizität ist -konstante Varianz,

Erste Anwendung von ncvTestBerichten, dass es keine Heteroskedastizität gibt, wie es sollte. Die zweite ist nicht aussagekräftig, da Ihre abhängige Zufallsvariable Random Walk ist. Der Breusch-Pagan-Test ist assymptotisch, daher vermute ich, dass er nicht ohne weiteres für zufällige Spaziergänge angewendet werden kann. Ich glaube nicht, dass es Tests auf Heteroskedastizität für zufällige Spaziergänge gibt, da die Nichtstationarität viel mehr Probleme aufwirft als die Heteroskedastizität, weshalb das Testen auf Letzteres in Gegenwart der ersteren nicht praktikabel ist.