Тест Глейзера

С помощью обычного МНК оценивается исходная регрессионная модель

${\displaystyle y_{t}=x_{t}^{T}b+\varepsilon _{t}}$

и находятся остатки регрессии ${\displaystyle e_{t}}$.

Далее для различных значений ${\displaystyle \gamma }$ (обычно начинают с ${\displaystyle \pm 0.5,\pm 1,...}$) оценивается (также с помощью обычного МНК) вспомогательная регрессия:

${\displaystyle |e_{t}|=\alpha +\beta z_{t}^{\gamma }+u_{t}}$

Для каждого значения ${\displaystyle \gamma }$ проверяется статистическая значимость коэффициента ${\displaystyle \beta }$ с помощью стандартного критерия Стьюдента или эквивалентного ему в данном случае F-теста на значимость вспомогательной регрессии в целом. Если для некоторых ${\displaystyle \gamma }$ коэффициент ${\displaystyle \beta }$ признаётся значимым (тестовая статистика больше критического значения), то гетероскедастичность данного вида признаётся значимой и выбирается модель с тем значением ${\displaystyle \gamma }$, для которого коэффициент ${\displaystyle \beta }$ наиболее значим (с наибольшим значением тестовой статистики).

• Гетероскедастичность
• Тест Уайта
• Тест Голдфелда-Куандта
• Тест Бройша — Пагана
• Тест Парка
• Тест ранговой корреляции Спирмена