Вальдов тест спецификации модели
возвращает логическое значение (h
= waldtest(r
,R
,EstCov
)h
) с решением отклонения от проведения Вальдового теста спецификации модели.
waldtest
создает тестовую статистическую величину использование функции ограничения и ее якобиана и значения неограниченного средства оценки ковариации модели, все оцененные в неограниченных оценках параметра (r
R
, и EstCov
, соответственно).
Если какой-либо входной параметр является вектором ячейки из длины k> 1, то другие входные параметры должны быть массивами ячеек длины k. waldtest
R
R
, EstCov
) обработки каждая ячейка как отдельный, независимый тест, и возвращают вектор из решений отклонения.
Если какой-либо входной параметр является вектором-строкой, то программное обеспечение возвращает выходные аргументы как векторы-строки.
Оцените неограниченные одномерные линейные модели временных рядов, такие как arima
или garch
, или модели регрессии временных рядов (regARIMA
) использование estimate
. Оцените неограниченные многомерные линейные модели временных рядов, такие как varm
или vecm
, использование estimate
.
estimate
возвращает оценки параметра и их оценки ковариации, которые можно обработать и использовать в качестве входных параметров к waldtest
.
Если вы не можете легко вычислить ограниченные оценки параметра, то используйте waldtest
. Для сравнения:
lratiotest
требует и ограниченных и неограниченных оценок параметра.
lmtest
требует ограниченных оценок параметра.
waldtest
выполняет несколько, независимые тесты, когда ограничение функционирует вектор, его якобиан и неограниченная ковариационная матрица параметра модели (r
R
, и EstCov
, соответственно), векторы ячейки равной длины.
Если EstCov
то же самое для всех тестов, но r
варьируется, затем waldtest
“тесты вниз” против нескольких ограниченных моделей.
Если EstCov
варьируется среди тестов, но r
не делает, затем waldtest
“тесты” против нескольких неограниченных моделей.
В противном случае, waldtest
сравнивает технические требования модели попарно.
alpha
номинально в этом, это задает вероятность отклонения в асимптотическом распределении. Фактическая вероятность отклонения обычно больше номинального значения.
Вальдова тестовая ошибка отклонения обычно больше отношения правдоподобия и тестовых ошибок отклонения множителя Лагранжа.
[1] Дэвидсон, R. и Дж. Г. Маккиннон. Эконометрическая теория и методы. Оксфорд, Великобритания: Издательство Оксфордского университета, 2004.
[2] Годфри, тесты Л. Г. Мисспекификэйшна в эконометрике. Кембридж, Великобритания: Издательство Кембриджского университета, 1997.
[3] Грин, В. Х. Эконометрик Анэлизис. 6-й редактор Верхний Сэддл-Ривер, NJ: Пирсон Prentice Hall, 2008.
[4] Гамильтон, J. D. Анализ Временных Рядов. Принстон, NJ: Издательство Принстонского университета, 1994.