pptest

Тест Phillips-крыльца для одного модульного корня

Синтаксис

[h,pValue,stat,cValue,reg] = pptest(y)
[h,pValue,stat,cValue,reg] = pptest(y,'ParameterName',ParameterValue,...)

Описание

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).

Входные параметры

y

Вектор из данных timeseries. Последним элементом является новое наблюдение. NaNs указание на отсутствующие значения удалены.

Аргументы в виде пар имя-значение

'lags'

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 lags. Для получения информации о выборе lags, смотрите Выбирают Appropriate Lag Order.

Значение по умолчанию: 0

'model'

Вектор символов, такой как 'AR', или вектор ячейки из векторов символов, указывающих на вариант модели. Значения:

  • 'AR' (авторегрессивный)

    pptest тестирует пустую модель

    yt = y t – 1 + e (t).

    против альтернативной модели

    yt = a y t – 1 + e (t).

    с AR (1) коэффициент a < 1.

  • 'ARD' (авторегрессивный с дрейфом)

    pptest тестирует 'AR' пустая модель против альтернативной модели

    yt = c + a y t – 1 + e (t).

    с коэффициентом дрейфа c и AR (1) коэффициент a < 1.

  • 'TS' (стационарный тренд)

    pptest тестирует пустую модель

    yt = c + y t – 1 + e (t).

    против альтернативной модели

    yt = c + δ t + a y t – 1 + e (t).

    с коэффициентом дрейфа c, детерминированный коэффициент тренда δ и AR (1) коэффициент a < 1.

Значение по умолчанию: 'AR'

'test'

Вектор символов, такой как 't1', или вектор ячейки из векторов символов, указывающих на тестовую статистическую величину. Значения:

  • 't1'

    pptest вычисляет модификацию стандарта t статистическая величина

    t 1 = (a – l)/se

    от оценок OLS AR (1) коэффициент и его стандартная погрешность (se) в альтернативной модели. Тест оценивает значение ограничения a – 1 = 0.

  • 't2'

    pptest вычисляет модификацию “unstudentized” t статистическая величина

    t 2 = T (a – 1)

    от оценки OLS AR (1) коэффициент a и стационарные коэффициенты в альтернативной модели. T является эффективным объемом выборки, настроенным для задержки и отсутствующих значений. Тест оценивает значение ограничения a – 1 = 0.

Значение по умолчанию: 't1'

'alpha'

Скаляр или вектор из номинальных уровней значения для тестов. Установите значения между 0.001 и 0.999.

Значение по умолчанию: 0.05

Выходные аргументы

h

Вектор из булевых решений для тестов, с длиной равняются количеству тестов. Значения h равняйтесь 1 укажите на отклонение корневого модулем пустого указателя в пользу альтернативной модели. Значения h равняйтесь 0 укажите на отказ отклонить корневой модулем пустой указатель.

pValue

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, pptest возвращает максимум (0.999) или минимум (0.001) p - значения.

stat

Вектор из тестовой статистики, с длиной равняются количеству тестов. Статистические данные вычисляются с помощью оценок OLS коэффициентов в альтернативной модели.

cValue

Вектор из критических значений для тестов, с длиной равняются количеству тестов. Значения для вероятностей лево-хвоста.

reg

Структура статистики регрессии для оценки OLS коэффициентов в альтернативной модели. Количество записей равняется количеству тестов. Каждая запись имеет следующие поля:

numДлина входного ряда с NaNs удаленный
sizeЭффективный объем выборки, настроенный для задержек
namesИмена коэффициента регрессии
coeffПредполагаемые содействующие значения
seПредполагаемые содействующие стандартные погрешности
CovПредполагаемая содействующая ковариационная матрица
tStatst статистика коэффициентов и p - значения
FStatF статистическая величина и p - значение
yMuСреднее значение настроенного задержкой входного ряда
ySigmaСтандартное отклонение настроенного задержкой входного ряда
yHatПодходящие значения настроенного задержкой входного ряда
resОстаточные значения регрессии
autoCovПредполагаемые остаточные автоковариации
NWEstNewey-западное средство оценки
DWStatСтатистическая величина Дербин-Уотсона
SSRСумма квадратов регрессии
SSEОшибочная сумма квадратов
SSTПолная сумма квадратов
MSEСреднеквадратичная погрешность
RMSEСтандартная погрешность регрессии
RSqСтатистическая величина R2
aRSqСтатистическая величина Скорректированного R2
LLЛогарифмическая правдоподобность данных под Гауссовыми инновациями
AICКритерий информации о Akaike
BICБайесов (Шварц) информационный критерий
HQCКритерий информации о Ханане-Квинне

Примеры

свернуть все

Протестируйте данные о GDP на модульный корень использование стационарной трендом альтернативы с 0, 1, и 2 задержки для Newey-западного средства оценки.

Загрузите набор данных GDP.

load Data_GDP
logGDP = log(Data);

Выполните тест Phillips-крыльца включая 0, 1, и 2 задержки автоковариации в Newey-западном устойчивом средстве оценки ковариации.

h = pptest(logGDP,'model','TS','lags',0:2)
h = 1x3 logical array

   0   0   0

Каждый тест возвращает h = 0, что означает тестовые сбои отклонять корневую модулем нулевую гипотезу для каждого набора задержек. Поэтому существует недостаточно доказательства, чтобы предположить, что логарифмический GDP является стационарным трендом.

Больше о

свернуть все

Тест Phillips-крыльца

Модель Phillips-Perron

yt = c + δt + a y t – 1 + e (t).

где e (t) является инновационным процессом.

Тест оценивает нулевую гипотезу под вариантом модели, подходящим для ряда с различными характеристиками роста (c = 0 или δ = 0).

Алгоритмы

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.

Ссылки

[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.

Представленный в R2009b
Для просмотра документации необходимо авторизоваться на сайте