Тест коинтеграции Энгла-Грейнджера
[h,pValue,stat,cValue,reg1,reg2]
= egcitest(Y)
[h,pValue,stat,cValue,reg1,reg2]
= egcitest(Y,Name,Value)
Тесты Энгла-Грейнджера оценивают нулевую гипотезу никакой коинтеграции среди временных рядов в Y
. Тест регрессирует Y(:,1)
на Y(:,2:end)
, затем тестирует остаточные значения на модульный корень.
[
выполняет тест Энгла-Грейнджера на матрице данных h
,pValue
,stat
,cValue
,reg1
,reg2
]
= egcitest(Y
)Y
.
[
выполняет тест Энгла-Грейнджера на матрице данных h
,pValue
,stat
,cValue
,reg1
,reg2
]
= egcitest(Y
,Name,Value
)Y
с дополнительными опциями, заданными одним или несколькими Name,Value
парные аргументы.
|
numObs-by-numDims матрица, представляющая наблюдения numObs за numDims - размерные временные ряды y (t), с последним наблюдением новое. Y не может иметь больше чем 12 столбцов. Наблюдения, содержащие |
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 y 1 = X a + Y 2b + ε
Значение по умолчанию: |
|
Вектор или вектор ячейки из векторов, содержащих коэффициенты [a; b], чтобы считаться зафиксированным в cointegrating регрессии. Длина a 0, 1, 2 или 3, в зависимости от Значение по умолчанию: Абсолютно незаданный cointegrating вектор (все значения NaN). |
|
Вектор символов, такой как Значения:
Тестовые статистические данные вычисляются путем вызова Значение по умолчанию: |
|
Скаляр или вектор из неотрицательных целых чисел, указывающих на количество задержек, используются в остаточной регрессии. Значение параметра зависит от значения Значение по умолчанию: |
|
Вектор символов, такой как Значения:
Значение параметра зависит от значения Значение по умолчанию: |
|
Скаляр или вектор из номинальных уровней значения для тестов. Значения должны быть между 0,001 и 0.999. Значение по умолчанию: 0.05 |
Одноэлементные значения параметров расширены до продолжительности любого векторного значения (количество тестов). Векторные значения должны иметь равную длину. Если значение является вектором-строкой, все выходные параметры являются векторами-строками.
|
Вектор из булевых решений для тестов, с длиной равняются количеству тестов. Значения | ||||||||||||||||||||||||||||||||||||||||||||||||
|
Вектор из p - значения тестовой статистики, с длиной равняются количеству тестов. p - значения являются вероятностями лево-хвоста. | ||||||||||||||||||||||||||||||||||||||||||||||||
|
Вектор из тестовой статистики, с длиной равняются количеству тестов. Статистическая величина зависит от | ||||||||||||||||||||||||||||||||||||||||||||||||
|
Вектор из критических значений для тестов, с длиной равняются количеству тестов. Значения для вероятностей лево-хвоста. Поскольку остаточные значения оцениваются, а не наблюдаются, критические значения отличаются от используемых в | ||||||||||||||||||||||||||||||||||||||||||||||||
|
Структура статистики регрессии от cointegrating регрессии. | ||||||||||||||||||||||||||||||||||||||||||||||||
|
Структура статистики регрессии от остаточной регрессии. Количество записей в
*Отставание и дифференцирование временные ряды уменьшают объем выборки. Отсутствующий любые преддемонстрационные значения, если y (t) 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 p общей основой времени является p +2:N, и эффективным объемом выборки является N − (p +1). |
Подходящее значение для lags
должен быть определен для того, чтобы чертить допустимые выводы из теста. См. примечания по lags
параметр в документации для adftest
и pptest
.
Выборки с меньше чем ~20 к 40 наблюдениям (в зависимости от размерности данных) могут дать к ненадежным критическим значениям, и так ненадежные выводы. См. [3].
Если коинтеграция выведена, остаточные значения reg1
выведите может использоваться в качестве данных для срока исправления ошибок в представлении VEC y (t). См. [1]. Оценка авторегрессивных компонентов модели может затем быть выполнена с estimate
, обработка остаточного ряда как внешний.
[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] Маккиннон, J. G. “Числовые Функции распределения для Модульных Тестов Корня и Коинтеграции”. Журнал Прикладной Эконометрики. v. 11, 1996, стр 601–618.