Тест Phillips-крыльца для одного модульного корня
[h,pValue,stat,cValue,reg] = pptest(y
) [h,pValue,stat,cValue,reg] = pptest(y
,'ParameterName'
,ParameterValue
,...)
Тесты Phillips-крыльца оценивают нулевую гипотезу модульного корня в одномерных временных рядах y
. Все тесты используют модель:
yt = c + δt + a y t – 1 + e (t).
Нулевая гипотеза ограничивает a = 1. Варианты теста, подходящего для ряда с различными характеристиками роста, ограничивают дрейф и детерминированные коэффициенты тренда, c и δ, соответственно, чтобы быть 0. Тестовое использование изменило Более полную Дики статистику (см. adftest
) с учетом последовательных корреляций в инновационном процессе e (t).
|
Вектор из данных timeseries. Последним элементом является новое наблюдение. |
|
Скаляр или вектор из неотрицательных целых чисел, указывающих на количество автоковариации, отстают, чтобы включать в Newey-западное средство оценки отдаленного отклонения. Для лучших результатов дайте подходящее значение для Значение по умолчанию: |
|
Вектор символов, такой как
Значение по умолчанию: |
|
Вектор символов, такой как
Значение по умолчанию: |
|
Скаляр или вектор из номинальных уровней значения для тестов. Установите значения между Значение по умолчанию: |
|
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. Когда тестовые статистические данные находятся вне сведенных в таблицу критических значений, | ||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Вектор из тестовой статистики, с длиной равняются количеству тестов. Статистические данные вычисляются с помощью оценок OLS коэффициентов в альтернативной модели. | ||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Вектор из критических значений для тестов, с длиной равняются количеству тестов. Значения для вероятностей лево-хвоста. | ||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Структура статистики регрессии для оценки OLS коэффициентов в альтернативной модели. Количество записей равняется количеству тестов. Каждая запись имеет следующие поля:
|
pptest
выполняет регрессию наименьших квадратов, чтобы оценить коэффициенты в пустой модели.
Тестовое использование изменило Более полную Дики статистику (см. adftest
) с учетом последовательных корреляций в инновационном процессе e (t). Статистические данные Phillips-крыльца следуют за нестандартными распределениями под пустым указателем, даже асимптотически. Критические значения для области значений объемов выборки и уровней значения были сведены в таблицу с помощью симуляций Монте-Карло пустой модели с Гауссовыми инновациями и пятью миллионами репликаций на объем выборки. pptest
интерполирует критические значения и p - значения из таблиц. Таблицы для тестов типа 't1'
и 't2'
идентичны тем для adftest
.
[1] Дэвидсон, R. и Дж. Г. Маккиннон. Эконометрическая теория и методы. Оксфорд, Великобритания: Издательство Оксфордского университета, 2004.
[2] Старший, Дж., и П. Э. Кеннеди. “Тестирование на Модульные Корни: Что нужно Преподавать Студентам?” Журнал Экономического Образования. Издание 32, 2001, стр 137–146.
[3] Гамильтон, J. D. Анализ Временных Рядов. Принстон, NJ: Издательство Принстонского университета, 1994.
[4] Newey, W. K. и К. Д. Вест. “Простое Положительное Полуопределенное, Heteroskedasticity и Autocorrelation Consistent Covariance Matrix”. Econometrica. Издание 55, 1987, стр 703–708.
[5] Крыльцо, P. “Тренды и Случайные Обходы в Макроэкономических Временных рядах: Новые доказательства от Нового Подхода”. Журнал Экономической Динамики и Управления. Издание 12, 1988, стр 297–332.
[6] Филлипс, P. “Регрессия Временных рядов с Модульным Корнем”. Econometrica. Издание 55, 1987, стр 277–301.
[7] Филлипс, P. и P. Крыльцо. “Тестируя на Модульный Корень в Регрессии Временных рядов". Biometrika. Издание 75, 1988, стр 335–346.
[8] Schwert, W. “Тесты для Модульных Корней: Расследование Монте-Карло”. Журнал Бизнес-и Экономической статистики. Издание 7, 1989, стр 147–159.
[9] Белый, H. и я. Domowitz. “Нелинейная Регрессия с Зависимыми Наблюдениями”. Econometrica. Издание 52, 1984, стр 143–162.