文档

ppt

为一个单位根Phillips-Perron测试

语法

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

描述

Phillips-Perron测试评估一个单位根的零假设在一个单变量时间序列y。所有测试使用模型:

yt=c+δt+一个yt- 1+e(t)。

零假设限制一个= 1。变异测试的,适合系列和不同的生长特性,限制了漂移和确定性趋势系数,cδ分别为0。测试使用修改Dickey-Fuller统计(见adftest)占序列相关性的创新过程e(t)。

输入参数

y

向量时间序列数据。最后一个元素是最近的观察。s表示缺失值删除。

名称-值对的观点

“滞后”

标量或矢量非负整数表示的数量自协方差滞后包括长期Newey-West估计量的方差。

为达到最佳效果,给一个合适的值滞后。关于选择的信息滞后,请参阅确定一个合适的数量的滞后

默认值:0

“模型”

特征向量,如基于“增大化现实”技术的或细胞特征向量的向量表示模型变体。值:

  • 基于“增大化现实”技术的(自回归)

    ppt测试零模型

    yt=yt- 1+e(t)。

    对替代模型

    yt=一个yt- 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”技术的零模型对替代模型

    yt=c+一个yt- 1+e(t)。

    与漂移系数c和AR(1)系数一个< 1。

  • “t”(趋势平稳)

    ppt测试零模型

    yt=c+yt- 1+e(t)。

    对替代模型

    yt=c+δt+一个yt- 1+e(t)。

    与漂移系数c,确定性趋势系数δ和AR(1)系数一个< 1。

默认值:基于“增大化现实”技术的

“测试”

特征向量,如“t1”或细胞特征向量的向量表示测试数据。值:

  • “t1”

    ppt计算标准t统计值的修改

    t1= (一个- l) / se

    从OLS估计AR(1)系数及其标准错误(se)的替代模型。测试评估限制的意义一个- 1 = 0。

  • 《终结者2》

    ppt计算一个“unstudentized”t统计值的修改

    t2=T(一个- 1)

    的OLS估计AR(1)系数一个和替代的固定系数模型。T是有效的样本大小,调整的滞后和缺失值。测试评估限制的意义一个- 1 = 0。

默认值:“t1”

“α”

标量或矢量的名义重要性水平测试。设置值之间0.0010.999

默认值:0.05

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表明拒绝单位根的零的替代模型。的值h等于0表明失败拒绝单位根的零。

pValue

向量的p测试统计值,长度相等数量的测试。p价值观是左尾概率。

当测试统计数据列表以外的关键值,ppt返回最大(0.999)或最低(0.001)p值。

统计

向量的测试统计,长度相等数量的测试。统计计算使用OLS估计系数的选择模型。

cValue

测试向量的关键值,长度相等数量的测试。为左尾概率值。

注册

结构的回归统计的OLS估计系数替代模型。记录的数量等于测试的数量。每个记录有以下字段:

全国矿工工会 输入系列的长度年代了
大小 有效的样本大小,调整的滞后
的名字 回归系数的名字
多项式系数 估计系数值
se 估计标准误差系数
系数估计协方差矩阵
tStats t系数和统计p
函数 F统计量和p价值
yMu 意味着lag-adjusted输入系列的
ySigma lag-adjusted输入系列的标准偏差
yHat lag-adjusted输入系列的拟合值
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 标准误差的回归
RSq R2统计
aRSq 调整R2统计
Loglikelihood高斯创新下的数据
另类投资会议 Akaike信息标准
BIC 贝叶斯(Schwarz)信息标准
认证机构 Hannan-Quinn信息标准

例子

全部折叠

单位根测试GDP数据使用trend-stationary替代为0,1,2 Newey-West估计滞后。

加载GDP数据集。

负载Data_GDPlogGDP =日志(数据);

执行Phillips-Perron测试包括0、1和2的自协方差滞后Newey-West健壮的协方差估计量。

h = ppt (logGDP,“模型”,“t”,“滞后”0:2)
h = 1 x3逻辑数组0 0 0

每个测试返回h= 0,这意味着测试失败拒绝单位根的零假设为每个组滞后。因此,没有足够的证据表明日志GDP趋势平稳。

更多关于

全部折叠

Phillips-Perron测试

Phillips-Perron模型

yt=c+δt+一个yt- 1+e(t)。

在哪里e(t)是创新过程。

测试评估模型下的零假设变体系列适合不同生长特性(c= 0或δ= 0)。

算法

ppt执行一个最小二乘回归估计系数在零模型。

测试使用修改Dickey-Fuller统计(见adftest)占序列相关性的创新过程e(t)。Phillips-Perron统计遵循标准分布在零,甚至渐近。关键值的样本大小和重要性水平列表使用蒙特卡罗模拟的零高斯模型与创新和五百万复制/样本大小。ppt篡改重要的价值观和p从表值。表的测试类型“t1”《终结者2》是相同的吗adftest

引用

[1]戴维森,R。,和J. G. MacKinnon.计量经济学理论和方法。英国牛津:牛津大学出版社,2004年。

[2],J。,和P. E. Kennedy. “Testing for Unit Roots: What Should Students Be Taught?”经济教育杂志。32卷,2001年,页137 - 146。

[3]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。

[4]韦,w·K。,和K. D. West. “A Simple Positive Semidefinite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix.”费雪。55卷,1987年,页703 - 708。

[5]阶石,p .”趋势和宏观经济时间序列的随机漫步:从一种新方法进一步的证据。”经济动力学与控制杂志》上。12卷,1988年,页297 - 332。

菲利普斯[6],p .“时间序列单位根的回归。”费雪。55卷,1987年,页277 - 301。

菲利普斯[7],P。,和P. Perron. “Testing for a Unit Root in Time Series Regression."生物统计学。75卷,1988年,页335 - 346。

[8]Schwert, w .”为单位根测试:蒙特卡罗调查。”商业和经济统计》杂志上。7卷,1989年,页147 - 159。

[9]白色,H。,和I. Domowitz. “Nonlinear Regression with Dependent Observations.”费雪。52卷,1984年,页143 - 162。

介绍了R2009b

这个主题有帮助吗?