Jak interpretować wyniki testu Breuscha-Pagana?

Na Rmożna przeprowadzić test Breuscha-Pagan heteroskedastyczności za pomocą ncvTestfunkcji caropakowania. Test Breuscha-Pagana jest rodzajem testu chi-kwadrat.

Jak interpretować te wyniki:

> require(car)
> set.seed(100)
> x1 = runif(100, -1, 1)
> x2 = runif(100, -1, 1)
> ncvTest(lm(x1 ~ x2))
Non-constant Variance Score Test 
Variance formula: ~ fitted.values 
Chisquare = 0.2343406    Df = 1     p = 0.6283239 
> y1 = cumsum(runif(100, -1, 1))
> y2 = runif(100, -1, 1)
> ncvTest(lm(y1 ~ y2))
Non-constant Variance Score Test 
Variance formula: ~ fitted.values 
Chisquare = 1.191635    Df = 1     p = 0.2750001 

Czy pytasz w szczególności o te wyniki lub bardziej ogólnie test Breusch-Pagana? Aby zapoznać się z tymi konkretnymi testami, zobacz odpowiedź @ mpiktas. Zasadniczo test BP pyta, czy kwadratowe reszty z regresji można przewidzieć za pomocą pewnego zestawu predyktorów. Te predyktory mogą być takie same jak te z oryginalnej regresji. Biała wersja testowa testu BP zawiera wszystkie predyktory z oryginalnej regresji, a także ich kwadraty i interakcje w regresji względem kwadratowych reszt. Jeśli kwadratowe reszty są przewidywalne przy użyciu pewnego zestawu zmiennych towarzyszących, wówczas szacunkowe kwadratowe reszty, a tym samym wariancje reszt (co następuje, ponieważ średnia reszt to 0), wydają się różnić w zależności od jednostki, co jest definicją heteroskedastyczności lub nie -stała wariancja,

Pierwsze zastosowanie ncvTestraportów, że nie ma heteroscedastyczności, tak jak powinno. Drugi nie ma znaczenia, ponieważ zależna zmienna losowa to losowy spacer. Test Breuscha-Pagana jest asymptotyczny, więc podejrzewam, że nie można go łatwo zastosować do przypadkowego spaceru. Nie sądzę, że istnieją testy na heteroscedastyczność dla przypadkowych spacerów, ponieważ niestacjonarność stwarza znacznie więcej problemów niż heteroscedastyczność, dlatego testowanie na to drugie w obecności tego pierwszego nie jest praktyczne.