Тест стационарности Leybourne-McCabe
h
= lmctest(y
)
h
= lmctest(y
,'ParameterName
',ParameterValue
)
[h
,pValue
]
= lmctest(...)
[h
,pValue
,stat
]
= lmctest(...)
[h
,pValue
,stat
,cValue
]
= lmctest(...)
[h
,pValue
,stat
,cValue
,reg1
]
= lmctest(...)
[h
,pValue
,stat
,cValue
,reg1
,reg2
]
= lmctest(...)
оценивает нулевую гипотезу что одномерные временные ряды h
= lmctest(y
)y
тренд стационарный AR (p) процесс, против альтернативы, что это - неустановившийся ARIMA (p, 1,1) процесс.
принимает один или несколько разделенное от запятой название параметра / пары значения. Задайте h
= lmctest(y
,'ParameterName
',ParameterValue
)ParameterName
в одинарных кавычках. Выполните несколько тестов путем передачи векторного значения для любого параметра. Несколько тестов дают к векторным результатам.
[
возвращает p - значения тестовой статистики.h
,pValue
]
= lmctest(...)
[
возвращает тестовую статистику.h
,pValue
,stat
]
= lmctest(...)
[
возвращает критические значения для тестов.h
,pValue
,stat
,cValue
]
= lmctest(...)
[
возвращает структуру статистики регрессии от оценки наибольшего правдоподобия модели уменьшаемой формы.h
,pValue
,stat
,cValue
,reg1
]
= lmctest(...)
[
возвращает структуру статистики регрессии от оценки OLS отфильтрованных данных по линейному тренду.h
,pValue
,stat
,cValue
,reg1
,reg2
]
= lmctest(...)
|
Вектор данных timeseries. Последний элемент является новым наблюдением. Тест игнорирует значения NaN, которые указывают на недостающие записи. |
|
Скаляр или вектор номинальных уровней значения для тестов. Установите значения между 0,01 и 0.1. Значение по умолчанию: |
|
Скаляр или вектор неотрицательных целых чисел, указывающих на номер Для лучших результатов дайте подходящее значение для Значение по умолчанию: |
|
Скаляр или вектор булевых значений, указывающих, включать ли детерминированный тренд, называют Определите значение Значение по умолчанию: |
|
Вектор символов, такой как Значение по умолчанию: |
|
Вектор булевых решений для тестов, с длиной равняются количеству тестов. Значения |
|
Вектор p - значения тестовой статистики, с длиной равняются количеству тестов. Значения являются вероятностями правильного хвоста. Когда тестовые статистические данные являются внешними сведенными в таблицу критическими значениями, |
|
Вектор тестовой статистики, с длиной равняются количеству тестов. Для получения дополнительной информации смотрите Тестовую Статистику. |
|
Вектор критических значений для тестов, с длиной равняются количеству тестов. Значения для вероятностей правильного хвоста. |
|
Структура статистики регрессии от оценки наибольшего правдоподобия модели уменьшаемой формы. Структура описана в Структуре Статистики Регрессии. |
|
Структура статистики регрессии структура описана в Структуре Статистики Регрессии. |
Тестовые статистические данные следуют за нестандартными распределениями под пустым указателем, даже асимптотически. Асимптотические критические значения для стандартного набора уровней значения между 0,01 и 0.1, для моделей с и без тренда, были сведены в таблицу в [2] симуляции Монте-Карло использования. Критические значения и p - значения, о которых сообщает lmctest
интерполированы из таблиц. Таблицы идентичны тем для kpsstest
.
[1] показывает, что загрузил критические значения, используемые тестами с модульным корневым пустым указателем (такими как adftest
и pptest
), не возможны для lmctest
. В результате искажения размера для небольших выборок могут быть значительными, специально для очень персистентных процессов.
[3] показывает, что тест устойчив, когда p принимает значения, больше, чем значение в генерирующем данные процессе. [3] также доказательство симуляции примечаний, что под пустым указателем предельное распределение MLE bp асимптотически нормально, и так может подвергнуться стандартному t - тестирует на значение. Предполагаемые стандартные погрешности, однако, ненадежны в случаях, где MA (1) коэффициент a близок 1. В результате [4] предлагает другой тест для порядка модели, допустимого и под пустым указателем и под альтернативой, которая полагается только на MLEs bp и a, а не на их стандартных погрешностях.
[1] Caner, M. и Л. Килиан. “Искажения размера Тестов Нулевой гипотезы Стационарности: Доказательство и Последствия для Дебатов PPP “. Журнал Международных Денег и Финансов. Издание 20, 2001, стр 639–657.
[2] Квиатковский, D., П. К. Б. Филлипс, П. Шмидт и И. Шин. “Тестируя Нулевую гипотезу Стационарности против Альтернативы для Модульного Корня”. Журнал Эконометрики. Издание 54, 1992, стр 159–178.
[3] Leybourne, S. J. и Б. П. М. Маккейб. “Сопоставимый Тест для Модульного Корня”. Журнал Бизнес-и Экономической статистики. Издание 12, 1994, стр 157–166.
[4] Leybourne, S. J. и Б. П. М. Маккейб. “Модифицированные Тесты Стационарности с Информационно-зависимыми Правилами Выбора Модели”. Журнал Бизнес-и Экономической статистики. Издание 17, 1999, стр 264–270.
[5] Schwert, G. W. “Эффекты Спецификации Модели на Тестах для Модульных Корней в Макроэкономических Данных”. Журнал Монетаризма. Издание 20, 1987, стр 73–103.