Testen auf Normalverteilung: Der Jarque-Bera-Test
Testen auf Normalverteilung: Der Jarque-Bera-Test
Testen auf Normalverteilung: Der Jarque-Bera-Test
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
2.4. Herleitung Score <strong>Test</strong> 19Mit derselben Schlußfolgerung wie im Beweis zu Satz (2.4.1) ist der Beweis vollständig.Bisher haben wir uns ausschließlich mit Likelihood-Quotienten <strong>Test</strong>s beschäftigt undderen asymptotische Verteilung abgeleitet. Da das eigentliche Ziel jedoch darin bestehtden Score <strong>Test</strong> herzuleiten, werden wir nun die gewonnenen Erkenntnisse genau für diesenZweck nutzen. Da für unabhängige und identisch verteilte Zufallsvariablen X 1 , . . . , X nnach (2.3) I(θ 0 ; X) = nI(θ 0 ; X 1 ) gilt, folgt mit (2.4)I(θ 0 ; X)(ˆθ − θ 0 ) = a S(θ 0 ; X).Wir kürzen wieder ab und schreiben I ij = I ij (θ 0 ; X) für i, j = 1, 2. Dann gilt also(I11 (ˆθ 1 − θ 10 ) + I 12 (ˆθ 2 − θ 20 ) = a )S 1 (θ 0 ; X)I 21 (ˆθ 1 − θ 10 ) + I 22 (ˆθ 2 − θ 20 ) = a , so dassS 2 (θ 0 ; X)(ˆθ 1 − θ 10 ) = a ( I 11 − I 12 (I 22 ) −1 ) −1 (I 21 S1 (θ 0 ; X) − I 12 (I 22 ) −1 S 2 (θ 0 ; X) ) .folgt. Einsetzen in (2.11) ergibt als asymptotisch äquivalente Statistik zu Λ mit derabkürzenden Schreibweise S i = S i (θ 0 ; X) für i = 1, 2:a (Λ S = S1 − I 12 (I 22 ) −1 ) T (S 2 I11 − I 12 (I 22 ) −1 ) −1 (I 21 S1 − I 12 (I 22 ) −1 )S 2 .Setzt man θ 2 = ˆθ 20 , so addiert sich <strong>auf</strong>grund der Konsistenz des MLS ein o p (1)-Term, derfür n → ∞ verschwindet und es ist S 2 = 0. Aufgrund ihrer Wichtigkeit für die folgendeTheorie halten wir die gewonnene <strong>Test</strong>statistik in einer Definition fest.Definition 2.4.3. Es gelten die Annahmen aus Satz (2.4.2). Dann heißt die durchΛ S (ˆθ 20 ) = S 1 (ˆθ 0 ; X) T I 11 (ˆθ 0 ; X) −1 S 1 (ˆθ 0 ; X) (2.12)definierte Statistik Score <strong>Test</strong>.Bemerkung 2.4.4. Da Λ S asymptotisch äquivalent zu Λ ist, besitzt auch Λ S eine asymptotischeChi-Quadrat-Verteilung mit Anzahl an Freiheitsgraden ≡ dim(θ 1 ). Welcher dervorliegenden <strong>Test</strong>s also letzten Endes angewendet wird, hängt i.d.R. von der Berechenbarkeitder Schätzer ab. Für den Likelihood-Quotienten <strong>Test</strong> muß der unrestringierte MLSberechnet werden, wohingegen für den Score <strong>Test</strong> der MLS unter der Nullhypothese ausreichendist. Dies stellt in vielen Situationen einen klaren Vorteil dar.