Breusch–Paganテストの結果をどのように解釈しますか？

では、パッケージの関数をR使用して、異分散性のBreusch–Paganテストを実行できます。Breusch–Pagan検定は、カイ2乗検定の一種です。ncvTestcar

これらの結果を解釈するにはどうすればよいですか。

> 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 

これらの結果、またはより一般的なBreusch-Paganテストについて質問していますか？これらの特定のテストについては、@ mpiktasの回答を参照してください。大まかに言えば、BPテストでは、いくつかの予測子のセットを使用して、回帰からの2乗残差を予測できるかどうかを尋ねます。これらの予測子は、元の回帰の予測子と同じである可能性があります。BPテストのホワイトテストバージョンには、元の回帰のすべての予測子に加えて、それらの二乗と二乗残差に対する回帰の相互作用が含まれます。二乗残差がいくつかの共変量のセットを使用して予測可能である場合、推定二乗残差、したがって残差の分散（残差の平均が0であるために続く）は、ユニット全体で異なるように見えます。これは、不等分散性または非分散の定義です。 -一定の分散、

最初のアプリケーションでncvTestは、必要に応じて、異分散性はありません。従属確率変数はランダムウォークであるため、2番目は意味がありません。Breusch-Pagan検定は漸近的であるため、ランダムウォークには簡単に適用できないと思います。非定常性は異分散性よりもはるかに多くの問題を引き起こすため、前者の存在下で後者をテストすることは現実的ではありません。