Jarque-Bera-Test

aus Wikipedia, der freien Enzyklopädie

Der Test auf Nicht-Normalverteilung, der von Carlos M. Jarque und Anil K. Bera vorgeschlagen wurde, ist ein statistischer Test, der anhand der Kurtosis und der Schiefe in Daten die Anpassung an die Normalverteilung misst. Die Teststatistik JB ist definiert als

\mathit{JB} = \frac{n}{6} \left( S^2 + \frac{(K-3)^2}{4} \right),

mit n: Anzahl der Beobachtungen

S: Die Schiefe in den Daten ist wie folgt definiert:

S = \frac{ \mu_3 }{ \sigma^3 } = \frac{ \mu_3 }{ \left( \sigma^2 \right)^{3/2} } = \frac{ \frac{1}{n} \sum_{i=1}^n \left( x - \bar{x} \right)^3}{ \left( \frac{1}{n} \sum_{i=1}^n \left( x - \bar{x} \right)^2 \right)^{3/2}}

Bei symmetrischer Verteilung wie der Normalverteilung ist der theoretische Wert der Schiefe Null.
K: Die Kurtosis, ein Maß für die Wölbung einer Verteilung, hat bei Normalverteilung einen Wert von Drei. Werte, die darüber liegen, zeigen an, dass die Verteilung fette Enden hat, d.h. dass die Dichte einer Verteilung an den Rändern, z.B. außerhalb der üblichen ±2σ-Schranken, und im Zentrum größer und dafür in den mittleren Bereichen geringer ist als bei der Normalverteilung. Dies gilt z.B. für die t-Verteilung. Die Kurtosis ist wie folgt definiert:

K = \frac{ \mu_4 }{ \sigma^4 } = \frac{ \mu_4 }{ \left( \sigma^2 \right)^{2} } = \frac{\frac{1}{n} \sum_{i=1}^n \left( x - \bar{x} \right)^4}{\left( \frac{1}{n} \sum_{i=1}^n \left( x - \bar{x} \right)^2 \right)^2}

wobei μ3 und μ4 das dritte und das vierte Moment darstellen,

\bar{x} der Durchschnitt der Stichprobe ist und

σ2 das zweite Moment, die Varianz, symbolisiert.

JB\sim\chi^2_2. Die JB Teststatistik ist asymptotisch Chi-Quadrat-verteilt mit zwei Freiheitsgraden.

Das Hypothesenpaar lautet:
H0: Die Stichprobe ist normalverteilt.
H1: Die Stichprobe ist nicht normalverteilt.

Für zu große Werte der Teststatistik wird die Hypothese der Normalverteilung verworfen.

[Bearbeiten] Literatur

Anil K. Bera, Carlos M. Jarque: Efficient tests for normality, homoscedasticity and serial independence of regression residuals. In: Economics Letters. 6, Nr. 3, 1980, S. 255–259

Anil K. Bera, Carlos M. Jarque: Efficient tests for normality, homoscedasticity and serial independence of regression residuals: Monte Carlo evidence. In: Economics Letters. 7, Nr. 4, 1981, S. 313–318

  • Judge, et al.: Introduction and the Theory and Practice of Econometrics, 3rd edn., S. 890–892 1988

[Bearbeiten] Siehe auch