时间序列分析(7) | 您所在的位置:网站首页 › r语言 序列分析 › 时间序列分析(7) |
上篇介绍了DF检验,该检验仅用于AR(1)过程的单位根检验,对于AR()过程来说,需要使用拓展DF检验(augmented Dickey-Fuller,ADF)。 1 模型检验形式AR()过程的形式如下: 上式可以转换成如下形式: 而一阶检验的模型形式为: 与一阶的形式相比,p阶形式的相当于;可以看做是的滞后期,是特有的部分。 ADF检验使用的函数依然是urca工具包中的ur.df(): ur.df(y, type = c("none", "drift", "trend"), lags = 1, selectlags = c("Fixed", "AIC", "BIC"))lag参数是指的滞后项长度的最大可能值; type参数的设置与DF检验一致,根据是否包含截距项和时间趋势项而定; 由于在进行检验前是不知道真实滞后项长度的,需要使用selectlags参数选择确定“最佳”滞后项的原则,“最佳”滞后长度不大于lag参数所对应的值。 以下示例来自官方文档: library(urca) data(Raotbl3) plot(Raotbl3$lc, type = "l")![]() 模型输出结果中,滞后项只到z.diff.lag7,表明按照AIC原则选择的“最优”滞后项长度为7; tau3大于10%显著水平临界值,说明不能拒绝存在单位根的原假设,即;phi2和phi3都小于10%显著水平临界值,因此不能拒绝存在截距项和时间趋势(具体解读方法参见上篇时间序列分析(6)| DF检验)。 2 两个检验规则研究表明,DF和ADF检验在不能拒绝存在单位根的情况下的有效性是很低的。在进行单位根假设时可以结合以下两个规则进行判断: 规则1:在回归方程中,若自变量中既有一阶单整变量,又有平稳变量,那么对于均值为0的平稳变量的系数可以使用t检验,而无需使用DF或ADF检验; 规则2:如果能够确定模型形式中包含确定性成分,即截距项或时间趋势项,那么对于该模型的所有变量的回归系数都可以使用t检验。 据此,单位根检验的一般流程如下: DF或ADF检验有如下三种形式:形式1——不含截距项和时间趋势项;形式2——含截距项;形式3——同时含截距项和时间趋势项; 不管在哪种形式下,若DF或ADF能拒绝的原假设,则都可以认为序列不存在单位根,检验结束;若不能拒绝,由于此时检验有效性低,因此还需进一步地判断; 在形式3下,根据phi3()判断是否能拒绝的原假设。若能拒绝,则可再使用t检验先判断是否显著异于0: 如果显著异于0,则可认为序列中含有确定性的时间趋势成分,根据规则2,则可在形式3下使用t检验判断是否显著异于0,检验结束; 如果不能拒绝,或者拒绝后不能再拒绝(即不显著异于0),则需要在形式2下再进行判断; 在形式2下,根据phi1()判断能否拒绝。若能拒绝,则可以使用t检验判断是否显著异于0: 如果显著异于0,则可认为序列中含有确定性的截距成分,根据规则2,则可在形式3下使用t检验判断是否显著异于0,检验结束; 如果不能拒绝,或者拒绝后不能再拒绝(即不显著异于0),则此时只能在形式1下进行DF或ADF检验。 在第一节的示例中,所有形式下都不能拒绝的原假设,并且在形式3下不能拒绝,形式2下不能拒绝,因此只能在形式1下进行ADF检验。以下是形式2和形式1下的模型代码,各位读者可以验证。 形式2: lc.df2 |
CopyRight 2018-2019 实验室设备网 版权所有 |