jcontest

约翰森约束测试

折叠所有页面

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测试误差修正速度的线性约束一个或者说张成的协整空间B在职级降低的公务员谘询委员会(问)模型的y_t：

$Δ y_{t} ＝一个 B^{”} y_{t - 1} + B_{1} Δ y_{t - 1} + ．.. + B_{问} Δ y_{t - 问} + D X + ε_{t} ．$

指定约束条件的空假设一个或B是用另一种方法来测试的吗H（r)的协整秩小于或等于r，没有约束。测试还产生VEC中参数的最大似然估计(问)模型，受约束。

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

［h，pValue，统计，cValue，毫升) = jcontest (Y，r，测试，缺点，名称,值）对数据矩阵执行约翰森约束测试Y附加选项由一个或多个指定名称,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最后的观察是最近的。观察包含南值删除。VEC模型估计中滞后变量的初始值从数据开始取。

r

在1和之间的整数的标量或向量numDims−1，包含，表示的公共秩一个和B，根据jcitest．

测试

字符向量，如“ACon”，或指定要执行的测试类型的字符向量的单元格向量。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

指定测试约束条件的矩阵或矩阵的单元向量。为限制B，每个矩阵的行数，numDims1，表示数据的维数，numDims,除非模型是H *或H1 *在这种情况下numDims1＝numDims+ 1和约束包括模型中受限制的确定性项。

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`的误差修正速度向量一个．`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的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

“模型”

字符向量，如“氢气”，或指定VEC确定性组件形式的字符向量的单元向量(问)模型的y_t．的值模型约翰森考虑过这些吗［3］：

价值	形式的Cy_t−1+DX
`“氢气”`	AB´y_t−1．在协整序列中没有截取或趋势，在数据水平中也没有确定的趋势。
`“H1 *”`	一个（B´y_t−1+c₀）.在协整序列中存在截距，在数据水平上没有确定的趋势。
`“标题”`	一个（B´y_t−1+c₀）+c₁．在协整序列中有截距，在数据水平上有确定的线性趋势。这是默认值。
`“H *”`	一个（B´y_t−1+c₀+d₀t）+c₁．在协整序列中存在截距和线性趋势，在数据水平中存在确定性的线性趋势。
`“H”`	一个（B´y_t−1+c₀+d₀t）+c₁+d₁t．在协整序列中存在截距和线性趋势，在数据水平中存在确定的二次趋势。

在协整关系之外的确定性项，c₁和d₁的正交补上投影常数和线性回归系数来确定一个．

“滞后”

表示数值的非负整数的标量或向量问VEC的滞后差异(问)模型的y_t．

对时间序列进行滞后和差分可以减少样本量。如果没有任何预样例值y_t被定义为t= 1:N，然后是滞后序列y_t−k被定义为t＝k+ 1:N．差异将时间基数减少到k+ 2:N．与问滞后差异，共同的时间基础是问+2:N，有效样本量为T＝N−（问+ 1)．

默认值:0

“α”

检验的标称显著性水平的标量或向量。值必须大于0且小于1。默认值为0．05．

输入的单元素值扩展为任意向量值的长度(测试的数量)。向量的长度必须相等。如果任何值是行向量，则所有输出都是行向量。

输出参数

h

测试的布尔决定向量，长度等于测试的数量。的值h等于1（真正的)表示拒绝约束所持有的空值，以支持它们所不持有的备选项。的值h等于0（假)表示拒绝null的失败。

pValue

测试统计量的右尾概率向量，长度等于测试次数。

统计

测试统计量的向量，长度等于测试的次数。统计数据是由检验确定的似然比。

cValue

右尾概率的临界值，长度等于测试次数。检验统计量的渐近分布为卡方分布，自由度参数由检验确定。

毫升

与VEC有关的最大似然估计结构(问)模型的y_t，受约束。每个结构都有以下字段:

`paramNames`	参数名称的单元格向量，形式为: ｛`一个`，`B`，`B1`、……`Bq`，`c0`，`d0`，`c1`，`d1`} 元素依赖于的值`滞后`和`模型`．
`paramVals`	中的参数名对应字段名的参数估计结构`paramNames`．
`res`	T——- - - - - -`numDims`残差矩阵，其中T为有效样本量，拟合VEC(问)模型的y（t)输入数据。
`EstCov`	估计的协方差问创新过程ε_t．
`rLL`	限制loglikelihood`Y`下空。
`妳`	无限制的loglikelihood`Y`下的选择。
`景深`	检验统计量的渐近卡方分布的自由度。

例子

全部折叠

使用jcontest测试购买力平价

打开生活的脚本

澳大利亚和美国价格负荷数据:

负载Data_JAustralianp1 = DataTable.PAU;澳洲消费物价指数p2 = DataTable.PUS;美国消费者价格指数s12 = DataTable.EXCH;%记录澳元/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

预测试单个序列的平稳性:

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

h0 =1 x3逻辑阵列1 1 0

pValue0 =1×30.0000 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 0 1 60.3393 29.7976 0.0010 0.4687 12.2749 15.4948 0.1446 0.1157 - 2 0 2.9315 3.8415 0.0869 0.0378

h1 =1×3表R0 r1 r2 _____ _____ _____ t1真假假

pValue1 =1×3表r0 r1, r2  _____ _______ ________ t1 0.001 0.14455 0.086906

购买力平价测验( $p 1 ＝ p 2 + 年代 12$ )：

(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在职级降低的公务员谘询委员会(问)模型不是唯一标识的。jcontest标识B使用［3］，视测试而定。
在构造约束时，解释的行和列numDims——- - - - - -r矩阵一个和B如下:
- 行我的一个包含可变的调整速度y_我使每个r协整关系。
- 列j的一个包含每一个的调整速度numDims变量的不平衡j协整关系。
- 行我的B包含变量系数y_我在每一个r协整关系。
- 列j的B包含每一个的系数numDims变量j协整关系。
测试B回答关于协整关系空间的问题。测试一个回答关于系统中共同驱动力的问题。例如，在一个指示一个变量，相对于其中的系数来说，它是弱外生的B．这样的变量可能会影响其他变量，但它不会调整到协整关系中的不均衡状态。类似地，一个标准单位向量列一个表示在特定的协整关系中专门调整为不平衡的变量。
约束矩阵R令人满意的R”一个= 0或R”B= 0等于一个＝Hφ或B＝Hφ,在那里H是的正交补吗R（空(R)),φ为自由参数向量。
jcontest将有限样本统计量与渐近临界值进行比较，测试可以显示小样本的显著尺寸畸变。看到［2］．更大的样本导致更可靠的推断。
将VEC (问)中的模型参数毫升输出到矢量自回归(VAR)模型参数，使用效用vec2var．