jcontest

约翰森约束测试

所有的页面崩溃

语法

[h, pValue,统计,cValue, ml) = jcontest (Y, r、测试、缺点) [h, pValue,统计,cValue, ml) = jcontest (Y, r、测试、缺点、名称、值)

描述

jcontest测试线性约束纠错的速度一个或协整张成的空间B在reduced-rank VEC (问)模型的y_t:

$Δ y_{t} = 一个 B^{'} y_{t - 1} + B_{1} Δ y_{t - 1} + \dots + B_{问} Δ y_{t - 问} + D X + ε_{t} 。$

零假设指定约束一个或B测试是替代吗H(r协整的小于或等于排名r,没有约束。测试还产生极大似然估计参数的VEC (问)模型,受到的约束。

(h,pValue,统计,cValue,毫升)= jcontest (Y,r,测试,缺点)执行约翰森约束测试数据矩阵Y。

(h,pValue,统计,cValue,毫升)= jcontest (Y,r,测试,缺点,名称,值)执行约翰森约束测试数据矩阵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y_t,最后观察最近的。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。

r

标量或矢量1和之间的整数numDims−1,包容,指定的共同排名一个和B推断,jcitest。

测试

特征向量,如“ACon”或细胞特征向量的向量指定类型的测试执行。值:

`“ACon”`	测试线性约束一个。
`“用”`	测试特定的向量一个。
`“BCon”`	测试线性约束B。
`“BVec”`	测试特定的向量B。

缺点

矩阵或单元向量矩阵指定测试的约束。为限制B在每一个矩阵的行数,numDims1维度数据的数量,numDims,除非模型是H *或H1 *,在这种情况下numDims1=numDims+ 1和约束包括限制确定性模型中的术语。

测试	缺点
`“ACon”`	`numDims`——- - - - - -`numCons`矩阵`R`指定`numCons`限制一个给出的`R * = 0`。`numCons`不得超过`numDims`−r。
`“用”`	`numDims`——- - - - - -`numCons`矩阵指定`numCons`纠错的速度向量一个。`numCons`不得超过r。
`“BCon”`	`numDims1`——- - - - - -`numCons`矩阵`R`指定`numCons`限制B给出的`R ' * B = 0`。`numCons`不得超过`numDims`−r。
`“BVec”`	`numDims1`——- - - - - -`numCons`矩阵指定`numCons`的协整向量B。`numCons`不得超过r。

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。的名字必须出现在单引号(' ')。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y_t。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_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_t被定义为t= 1:N,那么落后系列y_t−k被定义为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T=N−(问+ 1)。

默认值:0

“α”

标量或矢量的名义重要性水平测试。值必须大于零,小于1。默认值是0.05。

单个元素的值输入扩展到任意向量的长度值(测试)的数量。向量的值必须等于长度。如果值是一个行向量,所有的输出都是行向量。

输出参数

h

布尔决定测试向量,长度相等数量的测试。的值h等于1(真正的)表明拒绝零约束的替代,他们不。的值h等于0(假)表示拒绝零故障。

pValue

右尾概率向量的测试统计,长度相等数量的测试。

统计

向量的测试统计,长度相等数量的测试。统计数据是可能性比率由测试。

cValue

右尾概率的关键值,长度相等数量的测试。卡方测试的渐近分布统计信息,与二自由度参数决定的测试。

毫升

与VEC(相关结构的最大似然估计问)模型的y_t、受约束。每个结构都有以下字段:

`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y(t)来输入数据。
`EstCov`	估计的协方差问创新过程的ε_t。
`rLL`	限制loglikelihood`Y`下空。
`妳`	无限制的loglikelihood`Y`下的选择。
`景深`	自由度的检验统计量的渐近卡方分布。

例子

全部折叠

测试使用jcontest购买力平价

打开脚本

数据加载在澳大利亚和美国的价格:

负载Data_JAustralianp1 = DataTable.PAU;澳大利亚消费者价格指数(cpi) %日志p2 = DataTable.PUS;美国消费者价格指数(cpi) %日志s12 = DataTable.EXCH;%日志澳元/美元汇率Y = [p1 p2 s12];情节(日期、Y) datetick (“x”,“yyyy”)(传奇系列(1:3),“位置”,“最佳”网格)在

平稳性进行预测个人系列:

[h0, pValue0] = jcontest (Y, 1,“BVec”,{[1 0 0],[0 1 0],[0 0 1]'})

h0 = 1 x3逻辑数组1 1 0 pValue0 = 0.0000 0.0000 0.0657

协整检验:

[h1, pValue1] = jcitest (Y)

* * * * * * * * * * * * * * * * * * * * * * * *结果汇总(试验1)数据:Y有效样本大小:76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 12.2749 15.4948 0.1446 0.1157 60.3393 29.7976 0.0010 0.4687 1 0 2 0 2.9315 3.8415 0.0869 0.0378 H1 = 1 x3表r0 r1, r2 _____ _____ _____ t1真的假假pValue1 = 1 x3表r0 r1, r2 _____ ________ t1 0.001 0.14455 0.086906

测试对购买力平价():

(h2, pValue2) = jcontest (Y, 1,“BCon”,(1 1 1)”)

h2 =逻辑0 pValue2 = 0.0540

算法

的参数一个和B在reduced-rank VEC (问)模型并不是唯一标识。jcontest标识B使用方法[3],这取决于测试。
当构建约束,解释的行和列numDims——- - - - - -r矩阵一个和B如下:
- 行我的一个包含变量的调整速度y_我在每一个不平衡r协整关系。
- 列j的一个包含每个的调整速度numDims变量的不均衡j协整关系。
- 行我的B包含变量的系数y_我在每一个r协整关系。
- 列j的B包含的系数numDims变量j协整关系。
测试B回答问题的空间协整关系。测试一个回答系统中常见的驱动力。例如,一个零行一个表明一个弱外生变量的系数B。这些变量可能会影响其他变量,但它不适应不均衡的协整关系。同样,一个标准单位向量列一个表明变量只适应不平衡在一个特定的协整关系。
约束矩阵R令人满意的R′一个= 0或R′B= 0是等价的一个=Hφ或B=Hφ,在那里H的正交补吗R(空(R)),φ是一个向量的自由参数。
jcontest渐近临界值比较有限样本数据,测试可以显示显著的扭曲对小样本大小。看到[2]。大样本导致更可靠的推断。
将VEC (问)模型参数毫升输出向量自回归(VAR)模型参数,使用该实用程序vec2var。