Strukturierte Investmentprodukte - Universität St.Gallen
Strukturierte Investmentprodukte - Universität St.Gallen
Strukturierte Investmentprodukte - Universität St.Gallen
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Empirische Auswertungen 155<br />
5.2.3.3 Homoskedastizitätsannahme<br />
Gleichung 39<br />
2 ( ε ) = σ<br />
V für t = 1, 2, …, n<br />
t<br />
ε<br />
Die sogenannte Homoskedastizitätsannahme besagt, dass alle <strong>St</strong>örterme εt eine gleich grosse<br />
<strong>St</strong>reuung (Varianz) aufweisen, unabhängig von der Grösse der unabhängigen Variablen xt, zu<br />
der diese gehören.<br />
Mit dem sogenannten White-Test wird die Homoskedastizitätsannahme geprüft, wobei die<br />
Nullhypothese des Tests keine Heteroskedastizität (d.h. Homoskedastizität) unterstellt. 510<br />
Die berechneten Residuen (hier: ût) werden quadriert und auf die erklärenden Variablen, deren<br />
Quadrate und deren Kreuzprodukte regressiert nach folgender Testanordnung (Annahme:<br />
2 erklärende Variablen x und z):<br />
Gleichung 40<br />
û α α α α α α x z + ε<br />
2<br />
2 2<br />
t = 0 + 1xt<br />
+ 2 zt<br />
+ 3xt<br />
+ 4 zt<br />
+ 5<br />
Darauf wird folgende Nullhypothese getestet:<br />
Gleichung 41<br />
α = α = α = α = α = 0<br />
1<br />
2<br />
3<br />
4<br />
5<br />
Die Teststatistik schliesslich des White-Tests ist unter H0 asymptotisch χ 2 - verteilt mit g<br />
Freiheitsgraden, wobei g die Anzahl Regressoren in der Testregression ohne Berücksichtigung<br />
der Konstanten anzeigt, und sieht folgendermassen aus:<br />
Gleichung 42<br />
2<br />
û<br />
White − Test = n ⋅ R , wobei<br />
• Rû 2 = Bestimmtheitsmass der Testregression (vgl. Gleichung 40)<br />
• n = Anzahl Beobachtungen<br />
Die Nullhypothese wird nun abgelehnt, wenn n·R 2 > χ 2 (g) ist.<br />
Die <strong>St</strong>andardfehler der Regressionskoeffizienten und damit u.a. die t-Werte, die sich als Quotient<br />
von Regressionskoeffizent und dessen <strong>St</strong>andardfehler berechnet, weisen bei Vorliegen<br />
von Heteroskedastizität Inkonsistenzen auf, was zu falschen und irreführenden Annahmen<br />
über die Signifikanz eines Regressors führen kann. White entwickelte eine Methode, welche<br />
mittels einer "heteroscedasticity-consistent covariance matrix" eine zuverlässige und konsistente<br />
Parameterschätzung in einem Regressionsmodell erlaubt, selbst wenn das lineare Reg-<br />
510 Vgl. White (1980).<br />
t<br />
t<br />
t