Тест на коинтеграцию Энгля-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 отсутствия коинтеграции среди временных рядов в Y. Тест регрессирует Y(:,1) на Y(:,2:end), затем проверяет остатки для корня единицы.
[ выполняет тест Энгла-Грейнджера для матрицы данных h,pValue,stat,cValue,reg1,reg2] = egcitest(Y)Y.
[ выполняет тест Энгла-Грейнджера для матрицы данных h,pValue,stat,cValue,reg1,reg2] = egcitest(Y,Name,Value)Y с дополнительными опциями, указанными одним или несколькими Name,Value аргументы пары.
|
матрица numObs-by-numDims, представляющая numObs-наблюдения numDims-мерного временного ряда y (t), при этом последнее наблюдение является самым последним. Y не может содержать более 12 столбцов. Замечания, содержащие |
Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.
|
Символьный вектор, например y1 = Xa + Y2b +
По умолчанию: |
|
Вектор или клеточный вектор векторов, содержащих коэффициенты [a; b], которые должны удерживаться фиксированными в регрессии коинтегрирования. Длина a равна 0, 1, 2 или 3, в зависимости от По умолчанию: Полностью неопределенный вектор совместной интеграции (все значения NaN). |
|
Символьный вектор, например Значения:
Статистика тестирования вычисляется вызовом По умолчанию: |
|
Скаляр или вектор неотрицательных целых чисел, указывающих количество лагов, используемых в остаточной регрессии. Значение параметра зависит от значения По умолчанию: |
|
Символьный вектор, например Значения:
Значение параметра зависит от значения По умолчанию: |
|
Скаляр или вектор номинальных уровней значимости для тестов. Значения должны находиться в диапазоне от 0,001 до 0,999. Значение по умолчанию: 0,05 |
Значения одноэлементных параметров расширяются до длины любого значения вектора (количества тестов). Векторные значения должны иметь одинаковую длину. Если какое-либо значение является вектором строки, все выходы являются векторами строки.
|
Вектор логических решений для тестов, длина которого равна количеству тестов. Значения | ||||||||||||||||||||||||||||||||||||||||||||||||
|
Вектор p-значений статистики теста, длина которого равна количеству тестов. p-значения - вероятности левого хвоста. | ||||||||||||||||||||||||||||||||||||||||||||||||
|
Вектор статистики теста, длина которого равна количеству тестов. Статистика зависит от | ||||||||||||||||||||||||||||||||||||||||||||||||
|
Вектор критических значений для тестов, длина которого равна количеству тестов. Значения для вероятностей левого хвоста. Поскольку остатки оцениваются, а не наблюдаются, критические значения отличаются от значений, используемых в | ||||||||||||||||||||||||||||||||||||||||||||||||
|
Структура регрессионной статистики из коинтеграционной регрессии. | ||||||||||||||||||||||||||||||||||||||||||||||||
|
Структура статистики регрессии из остаточной регрессии. Количество записей в
* Отставание и дифференциация временных рядов уменьшает размер выборки. Если y (t) определено для t = 1:N, то запаздывающий ряд y (t − k) определен для t = k + 1: N. Дифференцирование уменьшает временную базу до k + 2: N. При p запаздывающих различиях общая временная база равна p + 2: N, а эффективный размер выборки - N − (p + 1). |
egcitestЗагрузить данные о срочной структуре процентных ставок в Канаде.
load Data_Canada Y = Data(:,3:end); names = series(3:end); plot(dates,Y) legend(names,'location','NW') grid on
Тест на коинтеграцию (и воспроизвести строку 1 таблицы II в [3]).
[h,pValue,stat,cValue,reg] = egcitest(Y,'test',... {'t1','t2'}); h,pValue
h = 1x2 logical array
0 1
pValue = 1×2
0.0526 0.0202
Постройте график расчетного отношения коинтегрирования .
a = reg(2).coeff(1);
b = reg(2).coeff(2:3);
plot(dates,Y*[1;-b]-a)
grid on
Подходящее значение для lags должен быть определен для получения действительных выводов из теста. См. примечания к lags параметр в документации для adftest и pptest.
Образцы с менее чем ~ 20-40 наблюдениями (в зависимости от размерности данных) могут давать ненадежные критические значения и, таким образом, ненадежные выводы. См. [3].
Если коинтеграция выведена, остатки из reg1 выходные данные могут использоваться в качестве данных для члена коррекции ошибок в VEC представлении y (t). См. [1]. Оценка компонентов авторегрессионной модели может быть затем выполнена с помощьюestimate, рассматривая остаточный ряд как экзогенный.
[1] Энгл, Р. Ф. и К. В. Дж. Грейнджер. «Совместная интеграция и исправление ошибок: представление, оценка и тестирование». Эконометрика. v. 55, 1987, стр 251–276.
[2] Гамильтон, Дж. Д. Анализ временных рядов. Принстон, Нью-Джерси: Princeton University Press, 1994.
[3] MacKinnon, J. G. «Функции численного распределения для корневого и коинтеграционного тестов единиц». Журнал прикладной эконометрики. v. 11, 1996, стр 601–618.