Тест коинтеграции Йохансена
[h,pValue,stat,cValue,mles]
= jcitest(Y)
[h,pValue,stat,cValue,mles]
= jcitest(Y,Name,Value)
Тесты Йохансена оценивают нулевую гипотезу, которую H (r) коинтеграции оценивает меньше чем или равный r среди numDims
- размерные временные ряды в Y
против альтернатив H (numDims
трассировка
протестируйте) или H (r +1) (maxeig
тест. Тесты также производят оценки наибольшего правдоподобия параметров в модели векторного исправления ошибок (VEC) cointegrated ряда.
[
выполняет тест коинтеграции Йохансена на матрице данных h
,pValue
,stat
,cValue
,mles
]
= jcitest(Y
)Y
.
[
выполняет тест коинтеграции Йохансена на матрице данных h
,pValue
,stat
,cValue
,mles
]
= jcitest(Y
,Name,Value
)Y
с дополнительными опциями, заданными одним или несколькими Name,Value
парные аргументы.
|
|
Задайте дополнительные разделенные запятой пары Name,Value
аргументы. Name
имя аргумента и Value
соответствующее значение. Name
должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN
.
|
Вектор символов, такой как Если r < Значения
Детерминированные условия за пределами cointegrating отношений, c 1 и d 1, идентифицированы путем проектирования коэффициентов постоянной и линейной регрессии, соответственно, на ортогональное дополнение A. | ||||||||||||
|
Скаляр или вектор неотрицательных целых чисел, указывающих на номер q изолированных различий в модели VEC(q) yt. Отставание и дифференцирование временные ряды уменьшает объем выборки. Отсутствующий любые преддемонстрационные значения, если yt задан для t = 1:N, то изолированная серия y t −k задана для t = k + 1:N. Дифференцирование уменьшает основу времени до k +2:N. С изолированными различиями q общей основой времени является q +2:N, и эффективным объемом выборки является T = N − (q +1). Значение по умолчанию: 0 | ||||||||||||
|
Вектор символов, такой как
| ||||||||||||
|
Скаляр или вектор номинальных уровней значения для тестов. Значения должны быть между 0,001 и 0.999. Значение по умолчанию: 0.05 | ||||||||||||
|
Вектор символов, такой как
Значения векторов символов расширены до продолжительности любого векторного значения (количество тестов). Векторные значения должны иметь равную длину. |
|
Строки Значения | ||||||||||||||||||
|
Строки | ||||||||||||||||||
|
Строки | ||||||||||||||||||
|
Строки | ||||||||||||||||||
|
Строки |
Если jcitest
сбои, чтобы отклонить пустой указатель коинтеграции оценивают r = 0, вывод - то, что коэффициент исправления ошибок, C является нулем и моделью VEC(q), уменьшает до стандартной модели VAR (q) в первых различиях. Если jcitest
отклонения вся коинтеграция оценивают r меньше, чем numDims
, вывод - то, что C имеет полный ранг, и yt является стационарным на уровнях.
A параметров и B в модели VEC(q) уменьшаемого ранга не однозначно определяются, хотя их продукт C = A B ′. jcitest
построения B
= V
(: 1:r) использование ортонормированных собственных векторов V
возвращенный eig
, затем повторно нормирует так, чтобы V'*S11*V = I
, как в [3].
Чтобы протестировать линейные ограничения на скорости исправления ошибок A и пробел cointegrating отношений, заполненных B, используйте jcontest
.
Временные ряды в Y
может быть стационарным на уровнях или первых различиях (т.е. I (0) или I (1)). Вместо того, чтобы предварительно тестировать ряд на модульные корни (использование, например, adftest
, pptest
, kpsstest
, или lmctest
), процедура Йохансена формулирует вопрос в модели. Серия I (0) сопоставлена со стандартным единичным вектором в течение cointegrating отношений, и его присутствие может быть протестировано с помощью jcontest
.
Преобразовывать VEC (q) параметры модели в mles
выведите к VAR (q +1) параметры модели, используйте vec2var
.
Deterministic cointegration, где cointegrating отношения, возможно, с прерыванием, производят стационарный ряд, является традиционным смыслом коинтеграции, введенной Энглом и Грейнджером [1] (см. egcitest
). Stochastic cointegration, где cointegrating отношения производят стационарный трендом ряд (то есть, d0
является ненулевым), расширяет определение коинтеграции, чтобы разместить большее множество экономических рядов.
Если тренды высшего порядка на самом деле не присутствуют в данных, модели с меньшим количеством ограничений могут произвести хорошие подгонки в выборке, но плохие прогнозы из выборки.
[1] Энгл, R. F. и К. В. Дж. Грейнджер. "Коинтеграция и Исправление ошибок: Представление, Оценка и Тестирование". Econometrica. v. 55, 1987, стр 251–276.
[2] Гамильтон, J. D. Анализ Временных Рядов. Принстон, NJ: Издательство Принстонского университета, 1994.
[3] Йохансен, S. Основанный на вероятности вывод в векторных авторегрессивных моделях Cointegrated. Оксфорд: Издательство Оксфордского университета, 1995.
[4] Маккиннон, J. G. А. А. Хог и Л. Мичелис. “Числовые Функции распределения Тестов Отношения правдоподобия для Коинтеграции”. Журнал Прикладной Эконометрики. v. 14, 1999, стр 563–577.
[5] Токарь, пополудни “Тестирующий на Коинтеграцию Используя Подход Йохансена: Мы Используем Правильные Критические значения?” Журнал Прикладной Эконометрики. v. 24, 2009, стр 825–831.