jcontest.

约翰森约束测试

页面上倒塌

句法

[h，pvalue，stat，cvalue，mles] = jcontest（y，r，测试，cons） [h，pvalue，stat，cvalue，mles] = jcontest（y，r，测试，缺点，名称，值）

描述

jcontest.测试纠错速度的线性约束一种或者共同跨越的协调空间B.在减少秩VEC（问：）模型y_T.：

$Δ y_{T.} = 一种 {B.}^{'} y_{T. - 1} + {B.}_{1} Δ y_{T. - 1} + ...... + {B.}_{问：} Δ y_{T. - 问：} + D. X + ε_{T.} ．$

null假设指定约束一种或者B.以替代方案进行测试H（R.）结合的排名小于或等于R.，没有约束。测试还会产生VEC中参数的最大似然估计（问：）模型，受约束。

[H那pvalue.那统计那截留那马尔斯] = jcontest（y那R.那测试那cons）对数据矩阵执行约翰森约束测试y．

[H那pvalue.那统计那截留那马尔斯] = jcontest（y那R.那测试那cons那名称，价值）对数据矩阵执行约翰森约束测试y具有一个或多个指定的其他选项名称，价值对参数。

输入参数

y

numobs.-经过-numdims.代表矩阵numobs.观察A.numdims.维时间序列y_T.，最后一个观察最近。意见包含南删除值。VEC模型估计中的滞后变量的初始值取自数据的开头。

R.

1和1之间的整数的标量或矢量numdims.-1，包容性，指定常见等级一种和B.，推断出来jcitest.．

测试

字符矢量，如'Acon'或指定要执行的测试类型的字符向量的单元格矢量。值是：

`'Acon'`	测试线性约束一种．
`'avec'`	测试特定向量一种．
`'bcon'`	测试线性约束B.．
`'bvec'`	测试特定向量B.．

cons

矩阵的矩阵或细胞矢量指定测试约束。对于约束B.，每个矩阵中的行数，numdims1，表示数据的维数，numdims.，除非模型是H*或者H1 *，在这种情况下numdims1=numdims.+ 1和约束包括模型中的受限制的确定性术语。

测试	cons
`'Acon'`	`numdims.`-经过-`numcons.`矩阵`R.`指定`numcons.`约束一种给予`r'* a = 0`．`numcons.`不得超过`numdims.`-R.．
`'avec'`	`numdims.`-经过-`numcons.`矩阵指定`numcons.`纠错速度向量一种．`numcons.`不得超过R.．
`'bcon'`	`numdims1`-经过-`numcons.`矩阵`R.`指定`numcons.`约束B.给予`r'* b = 0`．`numcons.`不得超过`numdims.`-R.．
`'bvec'`	`numdims1`-经过-`numcons.`矩阵指定`numcons.`的协整向量B.．`numcons.`不得超过R.．

名称 - 值参数

指定可选的逗号分离对名称，价值论点。姓名是参数名称和价值是相应的价值。姓名必须出现在引号内。您可以以任何顺序指定多个名称和值对参数Name1, Value1,…,的家．

模型

字符矢量，如'h2'或指定VEC的确定性组件形式的字符向量的单元格矢量（问：）模型y_T.．价值模型是约翰森考虑的人[3]：

价值	形式Cy_T.-1+D.X
`'h2'`	ab'y_T.-1．共聚集系列没有截距或趋势，数据的水平没有确定性趋势。
`'h1 *'`	一种（B.'y_T.-1+C_0.）．在协整序列中存在截距，在数据水平上没有确定的趋势。
`'h1'`	一种（B.'y_T.-1+C_0.）+C₁．共聚集系列中存在截距，数据的级别存在确定性线性趋势。这是默认值。
`'H*'`	一种（B.'y_T.-1+C_0.+D._0.T.）+C₁．共同化系列中存在截距和线性趋势，数据的级别具有确定性线性趋势。
`'H'`	一种（B.'y_T.-1+C_0.+D._0.T.）+C₁+D.₁T.．在协整序列中存在截距和线性趋势，在数据水平中存在确定的二次趋势。

确定性术语在共同组成关系之外，C₁和D.₁，通过将恒定和线性回归系数分别投影到正交补充的常态和线性回归系数来识别一种．

滞后

指示数字的非负整数的标量或向量问：VEC的滞后差异（问：）模型y_T.．

滞后和差异时间序列会降低样本大小。缺少任何预先值的值，如果y_T.被定义为T.= 1：N，然后是滞后的系列y_T.-K.被定义为T.=K.+ 1:N．差异减少了时间基础K.+ 2:N．和问：滞后的差异，常见的时间基础是问：+2：n和有效的样本大小是T.=n -（问：+1）．

默认：0.

α

标准或标称意义水平的标量或向量。值必须大于零且小于1。默认值是0.05．

输入的单元素值被扩展到任何向量值的长度（测试数量）。矢量值必须具有相等的长度。如果任何值是行向量，则所有输出都是行向量。

输出参数

H

对测试的布尔决策矢量，长度等于测试数量。价值H等于1（真的）表示限制的NULL的拒绝，支持它们的替代方案。价值H等于0.（错误的）表示未拒绝NULL的失败。

pvalue.

右尾概率的矢量测试统计数据，长度等于测试数量。

统计

试验统计矢量，长度等于测试数量。统计数据是测试确定的似然比。

截留

右尾概率的临界值，长度等于测试次数。检验统计量的渐近分布为卡方分布，自由度参数由检验确定。

马尔斯

与VEC相关的最大可能性估计的结构（问：）模型y_T.，受限制。每个结构都有以下字段：

`参数`	参数名称的单元格矢量，表单： {`一种`那`B.`那`B1`，......，`BQ.`那`C0.`那`D0.`那`C1.`那`D1`} 元素取决于值的值`滞后`和`模型`．
`paramVals`	参数估计的结构与参数名称对应的字段名称`参数`．
`res.`	T.-经过-`numdims.`残差矩阵，在哪里T.为有效样本量，拟合VEC(问：）模型y（T.）到输入数据。
`Estcov.`	估计协方差问：创新过程ε_T.．
`rll.`	受限制的loglikelihie`y`下空。
`ull.`	不受限制的loglikelihie`y`在替代方案下。
`DOF.`	试验统计数据的渐近Chi广场分布自由度。

例子

全部收缩

使用JCONTEST测试购买电源奇偶校验

打开直播脚本

澳大利亚和美国的加载数据价格：

加载data_jaustralian.p1 = dataTable.pau;澳洲消费物价指数p2 = DataTable.pus;％日志美国消费者价格指数S12 = DataTable.exch;％log澳元/美元汇率Y = [P1 P2 S12];plot（日期，y）dateTick（'X'那'yyyy'）传奇（系列（1：3），'地点'那'最好的事物'） 网格在

图中包含一个轴对象。轴对象包含3个类型为line的对象。这些对象代表(PAU) Log澳大利亚消费价格指数，(PUS) Log美国消费价格指数，(EXCH) Log美国/澳大利亚汇率。

预测试单个序列的平稳性:

[H0，pvalue0] = JCONTEST（Y，1，'bvec'，{[1 0 0]'，[0 1 0]'，[0 0 1]'}）

H0 =1 x3逻辑阵列1 1 0.

pvalue0 =1×30.0000 0.0000 0.0657.

重心测试：

[H1，PVALUE1] = JCITEST（Y）

************************结果摘要（测试1）数据：Y有效样品大小：76型号：H1滞后：0统计：跟踪意义级别：0.05R.H统计截留pvalue.eigVal ---------------------------------------- 0 1 60.3393 29.7976 0.0010 0.4687 1 0 12.2749 15.4948 0.1446 0.1157 2 0 2.9315 3.8415 0.0869 0.0378

H1 =1×3表R0 r1 r2 _____ _____ _____ t1真假假

pvalue1 =1×3表R0 R1 R2 _____ _______ ________ T1 0.001 0.14455 0.086906

试验购买权力平价（ $P. 1 = P. 2 + S. 12$ ）：

[H2，pvalue2] = JCONTEST（Y，1，'bcon'，[1 -1 -1]'）

H2 =逻辑0.

pvalue2 = 0.0540.

算法

参数一种和B.在减少秩VEC（问：）模型不是唯一识别的。jcontest.识别B.使用方法[3]，取决于测试。
构造约束时，解释“的行和列”numdims.-经过-R.矩阵一种和B.如下:
- 排一世的一种包含变量的调整速度y_一世在每个人中不平衡R.协整关系。
- 列j的一种包含每个每个调整速度numdims.变量在不平衡中j协整致关系。
- 排一世的B.包含变量的系数y_一世在每一个R.协整关系。
- 列j的B.包含每个的系数numdims.变量在j协整致关系。
测试B.回答有关协整关系空间的问题。测试一种回答有关系统中共同驱动力的问题。例如，全零行一种表示对系数弱外部的变量B.．这样的变量可能会影响其他变量，但它不适应在协整关系中的不平衡程度。同样，标准单位矢量列一种表示在特定协整关系中专门调整不平衡的变量。
约束矩阵R.满意R.'一种= 0或R.'B.= 0等同于一种=Hφ或者B.=Hφ，在哪里H是正交的补充R.（空(R)）和φ为自由参数向量。
jcontest.将有限样本统计数据与渐近临界值进行比较，并且测试可以对小样本显示大小的畸变。看[2]．较大的样品导致更可靠的推论。
转换VEC（问：）模型参数在马尔斯输出到矢量自动增加（var）模型参数，使用实用程序vec2var.．