Régression linéaire, hétéroscédasticité, interprétation du test de White?

J'essaie de tester si ma régression a un problème d'hétéroscédasticité. Après avoir exécuté une régression, je peux clairement voir que le tracé résiduel a un motif. Après avoir pris un log de la variable dépendante, le modèle est très, très réduit. Le test de White sur la formule d'origine renvoie une valeur de p de 0,0004 avant la transformation (le modèle avec un motif fort en résidus) et une valeur de p de 0,08 après la transformation logarithmique.

Je peux voir que le deuxième modèle a moins d'hétéroscédasticité sur le graphique, mais comment interpréter les résultats du test de White? La première valeur signifie-t-elle que nous pouvons rejeter qu'il existe une hétéroscédasticité à (100-0,0004)% de signification, alors que dans le deuxième modèle, nous pouvons la rejeter avec, disons, une confiance de 95%?

Le livre blanc original où la statistique de test a été proposée est une lecture éclairante. Je pense que cet extrait est intéressant ici:

... l'hypothèse nulle maintient non seulement que les erreurs sont homoscédastiques, mais aussi qu'elles sont indépendantes des régresseurs et que le modèle est correctement spécifié ... L'échec de l'une de ces conditions peut conduire à une statistique de test statistiquement significative.

En supposant que le modèle est correctement spécifié, vos résultats indiquent que pour le cas non transformé, il y a une présence claire d'hétéroskédasticité, et dans le cas de log il n'y a pas d'hétéroskédasticité au niveau de signification de 5%, mais il y en a à 10%. Cela signifie que dans le cas du journal, d'autres tests doivent être effectués, car le test accepte «à peine» l'hypothèse nulle d'absence d'hétéroskédasticité. Pour moi personnellement, cela indiquerait que la spécification du modèle n'est peut-être pas correcte et que d'autres tests d'hétéroscédasticité devraient être effectués. Incidemment, White donne un aperçu des tests alternatifs dans son article: Godfrey, Goldfeld-Quandt, etc.

Cela ne répond pas à la question de savoir comment utiliser le test. Cependant, vous devez savoir que la plupart des économistes n'effectuent généralement pas ces tests, en particulier les microéconomistes appliqués. Au lieu de cela, vous utilisez simplement les erreurs standard ajustées Huber-White qui corrigent diverses erreurs de spécification dans la distribution de vos termes d'erreur.

Ce n'est pas une réponse "statistique" précise, mais c'est la façon dont la plupart des praticiens de l'économie la gèrent. Les tests de Godfrey Goldfeld-Quant ou de White sont à peine utilisés ou discutés.