En statistique, le test de White est un test statistique qui teste si la variance des erreurs d'un modèle de régression est constante (homoscédasticité).

Test de White
Type
Nommé en référence à

Le test a été proposé par Halbert White en 1980[1] et est désormais énormément utilisé, faisant de cet article l'un des plus cités en économie [2].

Si jamais le test de White est statistiquement significatif, l'hétéroscédasticité peut ne pas en être la cause. Le problème peut en effet venir d'une erreur de spécification. Le test de White peut donc être un test d'hétéroscédasticité (si aucun terme croisé n'est introduit dans la procédure) ou de spécification, ou les deux à la fois (si les termes croisés sont introduits dans la procédure). Cependant, cette plus grande généralité fait qu'il est moins puissant que d'autres tests d'hétéroscédasticité, comme ceux de Breusch-Pagan et de Goldfeld et Quandt[3].

Méthode

modifier

On commence par écrire l'hypothèse nulle d'homoscédasticité et l'hypothèse alternative :

 ;  ; avec la taille de l'échantillon

 ; sont des coefficients et un bruit blanc.

Ensuite :

  • on estime ensuite par les MCO l'équation de test suivante :

Sur grand échantillon

modifier

Si on a un grand échantillon, alors on peut suivre presque la même procédure que dans le test de Breusch-Pagan et comparer la statistique de White à un test du χ² :

suit avec le nombre de paramètres à estimer sous (trois ici). Le degré de liberté du représente donc le nombre de restrictions à tester dans l'équation écrite au point précédent (cinq).

Si la statistique de White est supérieure à celle lue dans la table du Chi-Deux pour un certain niveau de risque d'erreur de première espèce (5% étant la valeur généralement retenue), alors on rejette l'hypothèse nulle d'homoscédasticité.

Sur petit échantillon

modifier

Si on a un petit échantillon, il est en revanche préférable d'utiliser un test de Fisher.

suit

est la somme des carrés des résidus que l'on obtient en régressant sur la constante, et est celle que l'on a avec l'équation [4] :

Si la statistique de White est supérieure à celle lue dans la table de Fisher pour un certain niveau de risque d'erreur de première espèce (5% étant la valeur généralement retenue), alors on rejette l'hypothèse nulle d'homoscédasticité.

Voir aussi

modifier

Notes et références

modifier
  1. H. White, « A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity », Econometrica, vol. 48, no 4,‎ , p. 817–838 (JSTOR 1912934, MR 575027)
  2. E.H. Kim, A. Morse et L. Zingales, « What Has Mattered to Economics since 1970 », Journal of Economic Perspectives, vol. 20, no 4,‎ , p. 189–202 (DOI 10.1257/jep.20.4.189, lire en ligne)
  3. Claudio Araujo, Jean-François Brun et Jean-Louis Combes, Économétrie : licence, master, Rosny, Bréal, coll. « Amphi économie », , 2e éd. (1re éd. 2004), 312 p. (ISBN 978-2-7495-0301-1, BNF 41344958), p. 92-93.
  4. Ibid