ppt

单位根的菲利普斯-贝隆检验

折叠所有页面

语法

[h, pValue,统计,cValue, reg] = ppt (y）[h, pValue,统计,cValue, reg] = ppt (y，“ParameterName”，ParameterValue,……)

描述

Phillips-Perron检验评估单变量时间序列中单位根的零假设y．所有测试都使用模型:

y_t＝c+δt+一个y_{t- 1}+e（t）.

零假设限制了一个= 1。变型试验，适用于具有不同生长特性的系列，限制漂移和确定性趋势系数，c和δ，为0。测试使用修改过的Dickey-Fuller统计数据(见adftest)来解释创新过程中的序列相关性e（t）.

输入参数

`y`	时间序列数据的向量。最后一个因素是最近的观察结果。`南`表示缺失值的S被删除。

名称-值参数

`滞后`	非负整数的标量或向量，表示在长期方差的纽威-韦斯特估计中包含的自协方差滞后的数目。为获得最佳结果，给出一个合适的值`滞后`．查阅有关选择`滞后`,请参阅选择合适的滞后次序．默认值:`0`
`模型`	字符向量，如`基于“增大化现实”技术的`，或表示模型变体的字符向量的单元向量。值: `基于“增大化现实”技术的`(自回归) `ppt`测试空模型 y_t＝y_{t- 1}+e（t）. 与另一种模式相反 y_t＝一个y_{t- 1}+e（t）. 与AR(1)系数一个< 1。 `“ARD”`(与漂移自回归) `ppt`测试`基于“增大化现实”技术的`空模型与备用模型 y_t＝c+一个y_{t- 1}+e（t）. 与漂移系数c和AR(1)系数一个< 1。 `“t”`(趋势平稳) `ppt`测试空模型 y_t＝c+y_{t- 1}+e（t）. 与另一种模式相反 y_t＝c+δt+一个y_{t- 1}+e（t）. 与漂移系数c，确定性趋势系数δ， AR(1)系数一个< 1。默认值:`基于“增大化现实”技术的`
`测试`	字符向量，如`“t1”`，或表示测试统计量的字符向量的单元向量。值: `“t1”` `ppt`计算标准t统计量的修正 t₁= (一个- l) / se 从OLS估计的AR(1)系数和它的标准误差(se)在替代模型。该测试评估限制的重要性一个- 1 = 0。 `《终结者2》` `ppt`计算“未学习的”t统计量的修改 t₂＝T（一个- 1) 从OLS估计的AR(1)系数`一个`以及替代模型中的平稳系数。T为经滞后和缺失值调整后的有效样本量。该测试评估限制的重要性一个- 1 = 0。默认值:`“t1”`
`α`	检验的标称显著性水平的标量或向量。设置值之间`０．００１`和`0.999`．默认值:`0．05`

输出参数

h

测试的布尔决定向量，长度等于测试的数量。的值h等于1表示拒绝单位根null，以支持替代模型。的值h等于0指示拒绝单位根为null的失败。

pValue

向量的p测试统计信息的值，长度等于测试的数量。p-value是左尾概率。

当检验统计量超出表列临界值时，ppt返回最大(0.999)或最小值(０．００１）p值。

统计

测试统计量的向量，长度等于测试的次数。统计数据是用OLS估计替代模型中的系数来计算的。

cValue

测试的临界值向量，长度等于测试次数。值用于左尾概率。

注册

可选模型中OLS系数估计的回归统计结构。记录的数量等于测试的数量。每条记录有以下字段:

`全国矿工工会`	输入序列的长度`南`年代了
`大小`	调整滞后后的有效样本量
`的名字`	回归系数的名字
`多项式系数`	估计系数值
`se`	估计系数标准误差
`浸`	估计系数协方差矩阵
`tStats`	T统计系数和p值
`函数`	F统计量和p价值
`yMu`	滞后调整输入序列的平均值
`ySigma`	滞后调整输入序列的标准偏差
`yHat`	滞后调整输入序列的拟合值
`res`	回归残差
`autoCov`	估计剩余自协方差
`西北`	Newey-West估计量
`DWStat`	Durbin-Watson统计
`苏维埃社会主义共和国`	回归平方和
`上交所`	误差平方和
`风场`	总平方和
`均方误差`	均方误差
`RMSE`	回归的标准误差
`RSq`	R²统计
`aRSq`	调整R²统计
`噢`	高斯创新下的对数似然数据
`另类投资会议`	Akaike信息标准
`BIC`	贝叶斯(施瓦茨)信息准则
`认证机构`	Hannan-Quinn信息标准

例子

全部折叠

使用Phillips-Perron测验评估平稳性

打开生活的脚本

使用具有0、1和2时滞的趋势平稳替代方法对单位根的GDP数据进行检验。

加载GDP数据集。

负载Data_GDPlogGDP =日志(数据);

在Newey-West鲁棒协方差估计器中执行Phillips-Perron检验，包括0、1和2个自协方差滞后。

h = ppt (logGDP,“模型”，“t”，“滞后”0:2)

h =1 x3逻辑阵列0 0 0

每个测试返回h= 0，这意味着检验未能拒绝每组滞后的单位根零假设。因此，没有足够的证据表明GDP的对数是趋势平稳的。

算法

ppt执行最小二乘回归来估计零模型中的系数。

测试使用修改过的Dickey-Fuller统计数据(见adftest)来解释创新过程中的序列相关性e（t）.Phillips-Perron统计服从零值下的非标准分布，甚至是渐近的。一系列样本大小和显著性水平的临界值已经用蒙特卡洛模拟了带有高斯创新的零模型，每个样本大小重复了500万次。ppt插入临界值和p表中的值。类型测试表“t1”和《终结者2》是相同的吗adftest．