由于动态条件方差过程,一个不相关的时间序列仍然可以是连续相关的。一个显示条件异方差的时间序列——或者说是平方序列的自相关——被认为是有条件的自回归条件异方差的(ARCH)的影响。恩格尔拱试验是一种拉格朗日乘子试验来评估拱效应的重要性[1]。
考虑一个时间序列
在哪里 过程的条件均值是 是一个均值为0的创新过程。
假设创新是这样产生的
在哪里zt是一个均值为0,方差为1的独立同分布过程。因此,
对于所有滞后 创新是不相关的。
让Ht表示过程可用的历史时刻t。的条件方差yt是
因此,方差过程中的条件异方差性等价于平方创新过程中的自相关。
定义剩余级数
如果原序列中的所有自相关,yt,则残差与均值为零不相关。然而,残差仍然是连续相关的。
恩格尔ARCH检验的备择假设是平方残差的自相关,由回归给出
在哪里ut是一个白噪声误差过程。零假设是
使用本方法进行恩格尔拱试验archtest
,您需要指定滞后时间米在备择假设中。一种选择的方法米是比较不同选择的loglikelihood值吗米。你可以使用似然比测试(lratiotest
)或资料准则(aicbic
)来比较loglikelihood值。
要推广到GARCH替代方案,请注意GARCH(P,问)模型在局部等价于一个拱(P+问)模型。这也表明要考虑价值观米=P+问作出合理的选择P和问。
恩格尔ARCH检验的检验统计量是一般的F统计量的残差平方回归。在零假设,F统计遵循 分布与米的自由度。较大的临界值表示拒绝原假设,支持另一种选择。
作为恩格尔拱试验的一种替代方法,您可以通过对第一个系列进行Ljung-Box q检验来检查残差系列中的串行相关性(ARCH效应)米平方残差序列与滞后lbqtest
。类似地,您可以探究平方残差序列的样本自相关函数和部分自相关函数,以寻找显著自相关的证据。
自回归条件异方差方差估计与英国通货膨胀。费雪。第50卷,1982年,第987-1007页。
aicbic
|archtest
|lbqtest
|lratiotest