Levene-Test bei 1 Zeitreihe

[Verena85]

Hallo zusammen!
Für meine Diplomarbeit habe ich eine Einzelfallstudie durchgeführt und verschiedene Zeitreihen erhalten.
Nun möchte ich herausfinden, ob innerhalb 1 Zeitreihe Homo- oder Heteroskedastizität vorliegt. Die Zeitreihe teile ich deshalb in zwei Teile: Variable A (Werte 1-28 ) und Variable B (Werte 29-56).
Dass der Levene-Test mir die Antwort gibt, weiß ich.

Nur welchen T-test verwende ich oder doch die Anova oder die explorative Datenanalyse? Und welche ist die abhängige Variable und was der Faktor bzw. Testvariable?

Danke schonmal für die Antwort!

[drfg2008]

Dass der Levene-Test mir die Antwort gibt, weiß ich.

Abgesehen davon, dass der Levene-Test nur Wahrscheinlichkeiten angibt und keine Antworten, wäre die Verwendung problematisch. Zeitreihen sind (meist) nicht stationär und autokorreliert. Beides sind K.O.-Kriterien für diesen Test, ebenso wie für den t-Test, die ANOVA, oder dgl.

[Verena85]

Danke erstmal für die schnelle Antwort.
Meine zeitreihe ist stationär und nicht autokorreliert.
Weiters meinte ich mit "der levene Test sagt mir die Antwort", dass ich ihn zu interpretieren weiß.

Was jetzt?

[Verena85]

Welchen T-test verwende ich oder doch die Anova oder die explorative Datenanalyse? Und welche ist die abhängige Variable und was der Faktor bzw. Testvariable?

Kennt sich jemand aus und kann mir bitte helfen? Ich bin immernoch keinen Schritt weiter gekommen.

Wie finde ich heraus ob meine stationäre, nicht autokorrellierte Zeitreihe homoskedastisch ist?

Lg!

[drfg2008]

Meine zeitreihe ist stationär und nicht autokorreliert.

Wie hast du das denn getestet?

(Ist ja eher selten ; -))) Oder um es anders zu sagen, das ist ja gerade die Eigenschaft von Zeitreihen (Nicht-Stationarität, Autokorrelation - Zyklus, Trend, etc.)

[Verena85]

Durch ARIMA Modellierung erreichte ich white noise.

Hast du eine Idee zu meiner Frage?

Wie finde ich heraus ob meine stationäre, nicht autokorrellierte Zeitreihe homoskedastisch ist?

[drfg2008]

ich glaube, dass dir hier die Begriffe und Methoden durcheinander purzeln.

Ggf. den signifikanten Lag berechnen, dann die Zeitreihe entsprechend differenzieren. Das müsste dann ausreichen für die Kriterien der Streuungszunahme/-unterschiede (Hetero- Homoskedastizität).

Weitere Verfahren: Logarithmierung.

Zu Zeitreihen -und wie Stationarität erreicht wird- siehe:
Schlittgen
http://www.amazon.de/s/?node=288100&lin ... henanalyse

Er liefert auch Beispiele in R, die dann ggf für SPSS übernommen werden können. White-, Breusch-Pagan-, Goldfeld-Quandt-Test finden sich wohl aber nicht in SPSS.

SPSS: Wenn die Zeitreihe tatsächlich stationär und nicht autokorelliert sein sollte, dann könnte man sich behelfen und die beiden Hälften der Zeitreihe mit (bspw.) 1 und 2 codieren. Dann den t-Test berechnen. Gruppe: 1/2 und die Testvariable: Zeitreihe. Beim t-Test dürfte bei Stationarität dann kein sig. Mittelwertunterschied auftreten. Der Levene-Test (auf Gleichheit der Varianzen) dürfte dann nicht sig. sein.

[Verena85]

Vielen Dank für die Antwort!! Super, das versuch ich direkt.
Das üble Buch von Schlittgen hab ich bereits. Bühl und Zöfel http://www.amazon.de/s/?node=288100&lin ... 20methoden scheinen mir einfacher zu sein.

Glg!