adf检验临界值表-第5页
上亿文档资料，等你来发现
当前位置：　>>　adf检验临界值表
adf检验临界值表-5
i ?Yt -i ??t i ?1 p 可以证明,在上述模型中检验原假设的t统计量的极限分 布,与DF检验的极限分布相同,从而可以使用相同的临界值表,这种检验称为ADF检验...
同时,由 于常数项的t 统计量也小于 ADF分布表中 的临界值,因 此不能拒绝不 存在趋势项的 零假设。需进 一步检验模型 1。 ADF检验在Eviews中的实现―检验...
表9.2.6 单位根检验结果 由表9.2.6可得: 模型通过整体显著性检验,也不存在自相关。从回归结果看, ADF=2.381114,分别大于显著性水平为10%、5%和1%的临界值,...
检验原理与DF检验相同,只是对模型1、2、3 进行检验时,有各自相应的临界值。 一个简单的检验过程:同时估计出上述三个模型的适当形式,然后通过 ADF临界值表检验零...
表9.3.2给出了MacKinnon(1991)通过模拟试验得到的不 同变量协整检验的临界值。表 9.3.2 样本 容量 25 50 100 ∝ 多变量协整检验 ADF 临界值 变量数=4 显著...
否则知道检验完模型1为止。 较为简单的检验是同时估计出三个模型的恰当形式,然后 通过ADF临界值表检验零假设 H : ? ? 0 。只要其中有一个 模型的检验结果拒绝...
一个简单的检验过程:C 同时估计出上述三个模型的适当形式,然后通过 ADF临界值表检验零假设H0:?=0。C 只要其中有一个模型的检验结果拒绝了零假设,就 可以认为...
一个简单的检验过程: 同时估计出上述三个模型的适当形式,然后 通过ADF临界值表检验零假设H0:?=0。 1)只要其中有一个模型的检验结果拒绝了零假 设,就可以认为...
趋势后进行检验,应用方便 ◎原假设:6种方法中除KPSS外是:不稳定(存在单位根) ◎判定规则 P规则:小于临界值则接受H1 临界值法 具体:左则单边: ①ADF② DFGLS...
? ? ? ? ①检验方法(Test type):ADF / DF-GLS / PP / KPSS / ERS /...查IPS给出的临界值表 原假设为所有序列都含单位根,拒绝原假设只能意味 着至少...君，已阅读到文档的结尾了呢~~
常见统计量,统计量,t统计量,f统..
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
常见统计量
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口检查序列平稳性的标准方法是单位根检验。有6种单位根检验方法：ADF检验、DFGLS检验、PP检验、KPSS检验、ERS检验和NP检验，本节将介绍DF检验、ADF检验。
ADF检验和PP检验方法出现的比较早，在实际应用中较为常见，但是，由于这2种方法均需要对被检验序列作可能包含常数项和趋势变量项的假设，因此，应用起来带有一定的不便；其它几种方法克服了前2种方法带来的不便，在剔除原序列趋势的基础上，构造统计量检验序列是否存在单位根，应用起来较为方便。
ADF检验是在Dickey-Fuller检验(DF检验)基础上发展而来的。因为DF检验只有当序列为AR(1)时才有效。如果序列存在高阶滞后相关，这就违背了扰动项是独立同分布的假设。在这种情况下，可以使用增广的DF检验方法（augmented Dickey-Fuller test ）来检验含有高阶序列相关的序列的单位根。
一般进行ADF检验要分3步： 1 对原始时间序列进行检验，此时第二项选level，第三项选None.如果没通过检验，说明原始时间序列不平稳； 2 对原始时间序列进行一阶差分后再检验，即第二项选1st difference，第三项选intercept,若仍然未通过检验，则需要进行二次差分变换； 3 二次差分序列的检验，即第二项选择2nd difference ，第四项选择Trend and intercept.一般到此时间序列就平稳了！
&在进行ADF检验时，必须注意以下两个实际问题： （1）必须为回归定义合理的滞后阶数，通常采用AIC准则来确定给定时间序列模型的滞后阶数。在实际应用中，还需要兼顾其他的因素，如系统的稳定性、模型的拟合优度等。 （2）可以选择常数和线性时间趋势，选择哪种形式很重要，因为检验显著性水平的 t 统计量在原假设下的渐近分布依赖于关于这些项的定义。 ① 若原序列中不存在单位根，则检验回归形式选择含有常数，意味着所检验的序列的均值不为0；若原序列中存在单位根，则检验回归形式选择含有常数，意味着所检验的序列具有线性趋势，一个简单易行的办法是画出检验序列的曲线图，通过图形观察原序列是否在一个偏离 0 的位置随机变动或具有一个线性趋势，进而决定是否在检验时添加常数项。 ② 若原序列中不存在单位根，则检验回归形式选择含有常数和趋势，意味着所检验的序列具有线性趋势；若原序列中存在单位根，则检验回归形式选择含有常数和趋势，意味着所检验的序列具有二次趋势。同样，决定是否在检验中添加时间趋势项，也可以通过画出原序列的曲线图来观察。如果图形中大致显示了被检验序列的波动趋势呈非线性变化，那么便可以添加时间趋势项。
本词条由以下会员参与贡献
→如果您认为本词条还有待完善，请
词条内容仅供参考，如果您需要解决具体问题（尤其在法律、医学等领域），建议您咨询相关领域专业人士。
暂无同义词
关于本词条的评论 (共0条）ADF检验与PP检验的可靠性比较_中华文本库
第2页/共3页
际分位数为临界值进行单位根检验，以修正检验水平的扭曲，但他没有进一步研究滞后截断参数的确定对单位根检验势的影响。本文将以统计量的实际分位数为临界值，在选择滞后截断参数使单位根检验具有最高势的前提下，通过比较检验的势来评价ＡＤＦ检验和ＰＰ检验可靠性的高低及其适用范围，为实证分析中单位根检验方法的选择提供依据。本文的模拟结果是在ｍａｔｌａｂ６．５软件包下通过编程实现的，模拟实际检验水平和统计量分位数的试验次数为５００００次，模拟势的试验次数为２００００次。
１传统ＡＤＦ检验与ＰＰ检验稳健性与势的
基于上述分析，本文研究的ＡＤＦ统计量既包括基于ＯＬＳ估计的ｔ统计量，也包括基于回归系数的ＯＬＳ估计修
正的标准化偏差统计量（ｎｏｒｍａｌｉｚｅｄｂｉａｓｓｔａｔｉｓｔｉｃ），同时包括ＰＰ检验基于ＯＬＳ估计修正的ｔ统计量和基于回归系数的ＯＬＳ估计修正的标准化偏差统计量。
设数据生成过程为
ｙｔ＝μ＋ρｙｔ－１＋ｕｔ
其中ｕｔ为均值等于０的平稳可逆的ＡＲＭＡ过程。容易验证，当｜ρ｜＝１时，ｙｔ为单位根过程；当｜ρ｜＜１时，ｙｔ为平稳过程；当｜ρ｜＞１时，ｙｔ为强非平稳过程［１５］。本文以原假设为μ＝０，ρ＝１的单位根过程，备择假设为ρ＜１的平稳过程为例，比较检验式含有截距项而不含趋势项的ＡＤＦ检验和ＰＰ检验的可靠性。
ＡＤＦ检验的检验式为：ｙｔ＝μ＋ρｙｔ－１＋!#ｊ△ｙｔ－ｊ＋εｔ；采用的
ｊ＝１ｋ、τ
统计量分别为：ｋ＝（１－&＾１－．．．－&＾ｌ）－１Ｔ（ρ＾－１），τ＝（ρ＾－１）／σ＾＾ρ
其中ρ＾、&＾１，．．．，&＾ｌ为回归模型中参数的ＯＬＳ估计量；σ＾＾ρ
＾的标准差估计量；Ｔ为样本容量。ＰＰ检验的检验式为：ｙｔ＝μ＋ρｙｔ－１＋ｕｔ；采用的Ｚρ、Ｚｔ统计量
Ｚρ＝Ｔ（ρ＾Ｔ－１）－１（Ｔ２，σ＾＾／Ｓ２２ρＴ
Ｔ）（λＴ－γ０，Ｔ）２
Ｚｔ＝（γ０，Ｔ／λ２Ｔ）１／２（ρ＾Ｔ－１）／σ＾＾ρＴ－１（Ｔ２σ＾＾ρＴ
／ｓ２Ｔ）１／２（λ２Ｔ－γ０，Ｔ）／λＴ其中：Ｓ２Ｔ＝（Ｔ－ｇ）－１∑Ｔ２ｔ－１ｅｔ
λ２Ｔ＝γ
０，Ｔ＋２∑ｌｊ＝１［１－ｊ／（ｌ＋１）］γｊ，Ｔγｊ，Ｔ＝Ｔ－１∑Ｔｉ＝ｊ＋１ｅｔｅｔ－ｊ，ｊ＝０，．．．，Ｔ
这里ｅｔ、σ＾＾分别为回归模型的ＯＬＳ估计的样本残差和ρ＾ρ
的标准差，ｇ为回归模型中参数个数，ｌ为方差估计量中
Ｎｅｗｅｙ和Ｗｅｓｔ窗的滞后截断参数。
为便于与相应ＡＤＦ检验进行比较，称统计量Ｚρ、Ｚｔ对应的单位根检验分别为ＰＰｋ检验和ＰＰτ检验。
由于以往关于ＡＤＦ检验和ＰＰ检验势的模拟试验存在设计问题，本文采用笔者（２００５）提出的一般方法就一些典型
的存在序列相关的误差项过程模拟单位根检验的实际检验水平和势。表１、表２分别给出了误差项为ＡＲ（１）、ＭＡ（１）过程时，ＡＤＦ检验和ＰＰ检验的实际检验水平和势。从中可以看
出，ＡＤＦτ
检验的稳健性要好于其它检验，此与以往相关研究所得结论是一致的。同时容易发现，不同检验之间的比较存在一个明显的规律，即实际检验水平较低（高）者通常伴随着较低（高）的势。
因此，ＡＤＦ检验与ＰＰ检验可靠性的比较结果依赖于检验者对单位根检验犯两类错误的权衡，无法得出明确的结论。另一方面，由于样本的数据生成过程是未知的，因此直接以ＤＦ临界值为检验标准的传统ＡＤＦ检验和ＰＰ检验通常存在较严重的检验水平扭曲，而且检验水平的扭曲与滞后截断参数的选择有关。
２ＡＤＦ检验与ＰＰ检验的理论势比较
考虑到传统ＡＤＦ检验与ＰＰ检验可靠性比较中存在的
缺陷和不确定性，以及这些检验本身存在的问题，笔者以统计量的实际分位数为临界值，在不存在检验水平扭曲的情况下，通过比较检验的势（必要时称之理论势以区别于以ＤＦ临界值为标准模拟得到的势）评价不同检验可靠性的高低。由
误差项为ＡＲ（１）过程时ＡＤＦ和ＰＰ检验的实际检验水平与势
（Ｔ＝１００，名义检验水平：０．０５）
ρ,１ＡＤＦ／ＰＰｋ／τ滞后截断参数
１３５７９
０．０６３５０．０８９５０．１２１３０．１５３６０．１７８５τ０．０５３５０．０５０００．０５１９０．０５１２０．０４６１ＰＰｋ０．００１００．００４８０．００６４０．００６４０．００５１τ０．０３０５０．０２６２０．０２２６０．０２４２０．０２４４－０．６
ＡＤＦｋ０．０６２２０．０８４５０．１２１００．１５１５０．１７９１τ０．０４８８０．０４７１０．０４６２０．０４５２０．０４２４ＰＰ
ｋ０．３１４６０．３７８３０．４２５７０．４７０９０．４９９６τ０．３２０７０．３６７５０．４０３８０．４４１９０．４６８５０．８５
ＡＤＦｋ０．６３２１０．６５４５０．６６９４０．６６６３０．６３６７τ０．４３２９０．３５２５０．２８４５０．２３０４０．１９３５ＰＰｋ０．０４５１０．１５１２０．１７２００．１４２５０．０７９５τ０．０２９５０．０７６５０．０７７００．０５８７０．０３５３－０．６
ＡＤＦｋ０．８２３８０．８０２４０．７９２７０．７５６７０．６９８８τ０．６２８９０．４９１４０．３８６００．２９４００．２４２６ＰＰ
ｋ０．９９８８０．９９９８０．９９９９０．９９９９１τ
０．９９８２０．９９９２０．９９９８０．９９９８１
注：表中ｋ、τ检验的临界值分别为－１３．７和－２．８９。表２
误差项为ＭＡ（１）过程时ＡＤＦ和ＰＰ检验的实际检验水平与势
（Ｔ＝１００，名义检验水平：０．０５）
ρψＡＤＦ／ＰＰｋ／τ滞后截断参数
ＡＤＦｋ０．１３７９０．１１３５０．１３０２０．１５８６０．１８１７τ０．１００００．０６０２０．０５１４０．０４８１０．０４４１ＰＰ
ｋ０．０１５８０．０２３３０．０２０５０．０１８１０．０１２０τ０．０２５３０．０３０１０．０２８３０．０２８５０．０２５５－０．６
ＡＤＦｋ０．４７１６０．１９７３０．１６０４０．１６８３０．１８６１τ０．３７０３０．１００００．０５９５０．０４７３０．０４１８ＰＰ
ｋ０．６９７１０．６８０４０．７１２００．７４５３０．７７２１τ０．６７０２０．６６０３０．６８９４０．７１８２０．７４４３０．８５
ＡＤＦｋ０．９２０６０．８０８６０．７６０００．７２５２０．６７０４τ０．８００３０．５１１３０．３６２４０．２７７７０．２２４６ＰＰｋ０．４５５２０．５１５３０．４６１７０．３８３２０．２８９７τ０．２８８２０．３２３５０．２７０４０．２０４６０．１３９３－０．６
ＡＤＦｋ１．０００００．９７１１０．９０２８０．８２８３０．７４１９τ０．９９８１０．８１９５０．５５８２０．４００１０．３０５６
ｋ１１１１１τ
注：表中ｋ、τ
检验的临界值分别为－１３．７和－２．８９。统计与决策２００７年７月（理论版）
第2页/共3页
寻找更多 ""第三方登录：}