jcitest

Johansen协整检验

语法

[h, pValue,统计,cValue, ml) = jcitest (Y) [h, pValue,统计,cValue, ml) = jcitest (Y,名称,值)

描述

约翰森测试评估零假设<年代pan class="inlineequation">H(r)协整的秩小于或等于r在numDims维时间序列在Y对备选方案H(numDims)(跟踪测试)或H(r+ 1)(maxeig测试)。测试还产生极大似然估计参数向量共合体的纠错(VEC)模型系列。

(h,pValue,统计,cValue,毫升)= jcitest (Y)执行Johansen协整检验的数据矩阵Y。

(h,pValue,统计,cValue,毫升)= jcitest (Y,名称,值)执行Johansen协整检验的数据矩阵Y由一个或多个指定附加选项名称,值对参数。

输入参数

`Y`	`numObs`——- - - - - -`numDims`矩阵表示`numObs`观察的`numDims`维时间序列<年代pan class="inlineequation">y<年代ub>t,最后观察最近的。Y不能有超过12列。观察包含`南`值删除。VEC模型估计滞后变量的初始值被从一开始的数据。

名称-值对的观点

指定可选的逗号分隔条名称,值参数。的名字参数名称和吗价值相应的价值。的名字必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家。

“模型”

特征向量,如“氢气”或细胞特征向量的向量的形式指定的确定性成分VEC (问)模型的<年代pan class="inlineequation">y<年代ub>t:

$Δ y_{t} = C y_{t - 1} + B_{1} Δ y_{t - 1} + \dots + B_{问} Δ y_{t - 问} + D X + ε_{t}$

如果r<numDims是协整的排名,那么<年代pan class="inlineequation">C=AB′,在那里一个是一个numDims——- - - - - -r矩阵的纠错和速度B是一个numDims——- - - - - -r矩阵基向量的协整关系的空间。X包含任何外源术语代表的确定性趋势数据。最大似然估计,假设<年代pan class="inlineequation">ε_t(0 ~国家免疫日问),在那里问协方差矩阵是创新。

的值模型那些是约翰森认为吗[3]。

价值	形式的Cy_t−1+DX
`“氢气”`	AB´y_t−1。没有拦截或共合体系列和没有确定性的趋势数据的水平的趋势。
`“H1 *”`	一个(B´y_t−1+c₀)。有拦截共合体系列和没有确定性的趋势水平的数据。
`“标题”`	一个(B´y_t−1+c₀)+c₁。有拦截共合体系列和确定性线性趋势数据的水平。这是默认值。
`“H *”`	一个(B´y_t−1+c₀+d₀t)+c₁。有拦截和线性趋势共合体系列有确定性线性趋势数据的水平。
`“H”`	一个(B´y_t−1+c₀+d₀t)+c₁+d₁t。有拦截和线性趋势共合体系列,有确定的二次数据的水平的趋势。

确定的条款以外的协整关系,c₁和d₁被投射常数和线性回归系数,分别的正交补上一个。

“滞后”

标量或矢量非负整数表示数量问落后的差异VEC (问)模型的y<年代ub>t。

落后和差分时间序列样本容量减少。没有任何presample值,如果y<年代ub>t被定义为t= 1:N,那么落后系列<年代pan class="inlineequation">y_t−k被定义为<年代pan class="inlineequation">t=k+ 1:N。差分减少基础的时间k+ 2:N。与问落后的差异,常见的时基问+ 2:N和有效的样本大小<年代pan class="inlineequation">T=N−(问+ 1)。

默认值:0

“测试”

特征向量,如“跟踪”或细胞特征向量的向量表示执行测试的类型。值是“跟踪”或“maxeig”。默认值是“跟踪”。这两个测试评估零假设<年代pan class="inlineequation">H(r)协整的秩小于或等于r。统计计算使用有效的样本大小T并下令特征值的估计C=一个B′,λ₁>……>λ<年代ub>d,在那里d=numDims。

当价值“跟踪”备择假设H(numDims)。统计数据:

$- T (日志 (1 - λ_{r + 1}) + \dots + 日志 (1 - λ_{n u 米 D 我米年代})]$
当价值“maxeig”备择假设<年代pan class="inlineequation">H(r+ 1)。统计数据:

$- T 日志 (1 - λ_{r + 1})$

“α”

标量或矢量的名义重要性水平测试。值必须在0.001和0.999之间。

默认值:0.05

“显示”

特征向量,如“关闭”或细胞特征向量的向量表示是否显示测试结果的总结和参数估计在命令窗口。

价值	显示
`“关闭”`	不显示命令窗口。这是默认的`jcitest`只有一个输出参数(`h`)。
`“摘要”`	显示测试结果的总结。空行列r= 0:`numDims`−1显示在第一列的总结。多个测试显示在单独的总结。这是默认的`jcitest`叫多一个输出参数(也就是说,如果`pValue`计算),不可用`jcitest`只有一个输出参数(`h`)。
`“参数”`	显示最大似然估计的参数值与reduced-rank VEC (问)模型的<年代pan class="inlineequation">y<年代ub>t。如果这只显示可用`jcitest`被称为五个输出参数(也就是说,如果`毫升`计算)。显示参数值返回`mles.rn`(`米`)。`paramVals`对空排r=`n`和测试`米`。
`“全部”`	显示两个`总结`和`参数个数`。

特征向量的长度值扩展到任何矢量值(测试)的数量。向量的值必须等于长度。

输出参数

h

numTests——- - - - - -numDims为测试表格的布尔决定。

行h对应测试指定的输入参数,软件标签行t1,t2、……tu,在那里u=numTests。的变量h对应于不同,保持协整r= 0,…numDims- 1,和软件标签变量r0,r1、……rR,在那里R=numDims- 1。访问存储在结果h例如,测试的结果米空的排名n,使用人力资源n(米)。

的值h等于1(真正的)表示拒绝零协整排的r的选择。的值h等于0(假)表示拒绝零故障。

pValue

numTests——- - - - - -numDims表格的右尾概率的测试数据。

行pValue对应测试指定的输入参数,软件标签行t1,t2、……tu,在那里u=numTests。的变量pValue对应于不同,保持协整r= 0,…numDims- 1,和软件标签变量r0,r1、……rR,在那里R=numDims- 1。访问存储在结果pValue例如,测试的结果米空的排名n,使用pValue.rn(米)。

统计

numTests——- - - - - -numDims表格的测试数据,确定测试名称-值对的论点。

行统计对应测试指定的输入参数,软件标签行t1,t2、……tu,在那里u=numTests。的变量统计对应于不同,保持协整r= 0,…numDims- 1,和软件标签变量r0,r1、……rR,在那里R=numDims- 1。访问存储在结果统计例如,测试的结果米空的排名n,使用stat.rn(米)。

cValue

numTests——- - - - - -numDims表格的右尾概率的关键值,决定的α名称-值对的论点。jcitest从文件加载表的关键值Data_JCITest.mat,然后线性插入test-critical值表。表中的数据是计算使用方法中描述[4]。

行cValue对应测试指定的输入参数,软件标签行t1,t2、……tu,在那里u=numTests。的变量cValue对应于不同,保持协整r= 0,…numDims- 1,和软件标签变量r0,r1、……rR,在那里R=numDims- 1。访问存储在结果cValue例如,测试的结果米空的排名n,使用cValue.rn(米)。

毫升

numTests——- - - - - -numDims列表的数组结构的极大似然估计与VEC (问)模型的<年代pan class="inlineequation">y<年代ub>t。每个结构都包含这些字段。

场	描述
`paramNames`	细胞向量的参数名称,形式: {`一个`,`B`,`B1`、……`Bq`,`c0`,`d0`,`c1`,`d1`} 取决于元素的值`滞后`和`模型`。
`paramVals`	结构参数估计与相应的参数名称字段名`paramNames`。
`res`	T——- - - - - -`numDims`残差矩阵,T有效样本容量,通过拟合VEC (问)模型的<年代pan class="inlineequation">y<年代ub>t输入数据。
`EstCov`	估计的协方差问创新过程的<年代pan class="inlineequation">ε<年代ub>t。
`eigVal`	特征值与<年代pan class="inlineequation">H(r)。
`eigVec`	特征向量与特征值相关`eigVal`。特征向量v归一化,这样v′年代₁₁v= 1,年代₁₁被定义为在[3]。
`rLL`	限制loglikelihood`Y`下空。
`妳`	无限制的loglikelihood`Y`下的选择。

行毫升对应测试指定的输入参数,软件标签行t1,t2、……tu,在那里u=numTests。的变量毫升对应于不同,保持协整r= 0,…numDims- 1,和软件标签变量r0,r1、……rR,在那里R=numDims- 1。访问存储在结果毫升例如,测试的结果米空的排名n,使用mles.rn(米)。您可以进一步访问的字段结构使用点符号,例如,输入mles.rn(米).paramNames参数名称。

例子

全部折叠

测试多个系列使用jcitest协整

打开生活的脚本

数据加载在加拿大利率期限结构:

负载<年代pan style="color:#A020F0">Data_CanadaY =数据(:,3:结束);名称=系列(3:结束);情节(日期、Y)传说(名称,<年代pan style="color:#A020F0">“位置”,<年代pan style="color:#A020F0">“西北”网格)<年代pan style="color:#A020F0">在

图包含一个轴。轴包含3线类型的对象。这些对象代表(INT_S)利率(短期),(INT_M)利率(中期),(INT_L)利率(长期)。

协整检验:

[h, pValue,统计,cValue, ml) = jcitest (Y,<年代pan style="color:#A020F0">“模型”,<年代pan style="color:#A020F0">“标题”);

* * * * * * * * * * * * * * * * * * * * * * * *结果汇总(试验1)数据:Y有效样本量:40模型:H1滞后:0统计:跟踪显著性水平:0.05 r h stat cValue pValue eigVal - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 0 1 1 1 16.5770 15.4948 0.0343 0.4101 37.6886 29.7976 0.0050 3.2003 3.8415 0.0737 0.0769 0.2842 - 2 0

h, pValue

h =<年代pan class="emphasis">1×3表r0 r1, r2 _____ _____ _____ t1真的真的假的

pValue =<年代pan class="emphasis">1×3表r0 r1, r2 _____说t1 0.0050497 0.034294 0.073661

情节估计协整关系<年代pan class="inlineequation"> $B^{'} y_{t - - - - - - 1} + c_{0}$ :

YLag = Y (2:,:);T =大小(YLag, 1);B = mles.r2.paramVals.B;c0 = mles.r2.paramVals.c0;情节(日期(2:结束),YLag * B + repmat (c0, T, 1)网格<年代pan style="color:#A020F0">在

图包含一个轴。轴包含2线类型的对象。

算法

如果jcitest不能拒绝零的协整<年代pan class="inlineequation">r= 0,推断是纠错系数C是零,VEC (问)可以减少到一个标准的VAR模型(问差异)模型。如果jcitest拒绝一切协整排r不到numDims,推理C满秩,<年代pan class="inlineequation">y<年代ub>t固定在水平。
的参数一个和B在reduced-rank VEC (问)模型并不是惟一确定的,尽管他们的产品<年代pan class="inlineequation">C=一个B′是多少。jcitest构造B=V(:1:r使用正交特征向量)V返回的eig,然后renormalizes这样V * S11 * V =我,如[3]。
测试速度线性约束纠错一个和空间所张成的协整关系B,使用jcontest。
时间序列在Y可能是静止在水平或不同(例如,我(0)或我(1))。而不是事前测试系列单位根(使用,例如,adftest,ppt,kpsstest,或lmctest),约翰森过程制定中的问题模型。一个我(0)系列与一个标准单位向量空间的协整关系,和它的存在可以测试使用jcontest。
将VEC (问)模型参数毫升输出变量(<年代pan class="inlineequation">问+ 1)模型参数,使用vec2var。
确定协整协整关系,也许拦截,产生固定系列,传统意义上由恩格尔提出的协整和格兰杰[1](见egcitest)。随机协整,协整关系产生trend-stationary系列(也就是说,d0非零),扩展了协整的定义,以适应更大的各种各样的经济系列。
除非高阶趋势实际上是存在于数据,用更少的限制可以产生良好的分类模型,但可怜的样本外预测。

引用

[1]·恩格尔,r f和c·w·j·格兰杰。“协整和纠错:表示,评估和测试。”费雪。诉55岁,1987年,页251 - 276。

[2]汉密尔顿,j . D。时间序列分析。普林斯顿,纽约:普林斯顿大学出版社,1994年。

[3]约翰森,S。基于可能性推理在共合体向量自回归模型。牛津:牛津大学出版社,1995年。

[4]麦金农,j·G。,一个。一个。Haug, and L. Michelis. “Numerical Distribution Functions of Likelihood Ratio Tests for Cointegration.”应用计量经济学杂志。诉14日,1999年,页563 - 577。

特纳[5],p . m .“使用Johansen协整检验方法:我们使用正确的关键值吗?”应用计量经济学杂志。诉24日,2009年,页825 - 831。

另请参阅

egcitest|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">jcontest|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">vec2var