ppt

单位根的菲利普斯-贝隆检验

在页面上崩溃

句法

[h，pvalue，stat，cvalue，reg] = pptest（y的）[h，pvalue，stat，cvalue，reg] = pptest（y那“ParameterName”那parametervalue.,……)

描述

Phillips-perron测试评估单机根部的单位假设在一个单变量时间序列中y。所有测试都使用模型:

y_T.=C+δt+一种y_{T.- 1}+E.（T.）。

零假设限制了一种= 1。变型试验，适用于具有不同生长特性的系列，限制漂移和确定性趋势系数，C和δ，为0。测试使用修改过的Dickey-Fuller统计数据(见安德斯特)来解释创新过程中的序列相关性E.（T.）。

输入参数

`y`	时间序列数据矢量。最后一个元素是最近的观察。`南`表示缺失值的S被删除。

名称 - 值参数

`滞后`	标量或向量的非负整数的矢量，指示在长期方差的纽伊 - 西部估算器中包含的自电转道滞后数量。为获得最佳效果，给予合适的价值`滞后`。查阅有关选择`滞后`，看选择适当的滞后顺序。默认：`0.`
`模型`	字符向量，如`'AR'`，或表示模型变体的字符向量的单元向量。值: `'AR'`(自回归) `ppt`测试空模型 y_T.=y_{T.- 1}+E.（T.）。反对替代模型 y_T.=一种y_{T.- 1}+E.（T.）。与AR（1）系数一种<1。 `'ARD'`（归属于漂移） `ppt`测试`'AR'`反对替代模型的空模型 y_T.=C+一种y_{T.- 1}+E.（T.）。与漂移系数C和AR（1）系数一种<1。 `'ts'`(趋势平稳) `ppt`测试空模型 y_T.=C+y_{T.- 1}+E.（T.）。反对替代模型 y_T.=C+δt+一种y_{T.- 1}+E.（T.）。与漂移系数C，确定性趋势系数δ， AR(1)系数一种<1。默认：`'AR'`
`测试`	字符向量，如`'t1'`，或表示测试统计量的字符向量的单元向量。值: `'t1'` `ppt`计算标准T统计数据的修改 T.₁= (一种- l) / se 从替代模型中的AR（1）系数的OLS估计及其标准误差（SE）。测试评估了限制的重要性一种- 1 = 0。 `'t2'` `ppt`计算“不定义”T统计数据的修改 T.₂=T.（一种- 1) 从OLS估计的AR(1)系数`一种`以及替代模型中的平稳系数。T.为经滞后和缺失值调整后的有效样本量。测试评估了限制的重要性一种- 1 = 0。默认：`'t1'`
`α`	检验的标称显著性水平的标量或向量。设置值之间`０．００１`和`0.999`。默认：`0.05`

输出参数

H

用于测试的布尔决策矢量，长度等于测试数量。价值观H等于1表示拒绝单位根部NULL支持替代模型。价值观H等于0.指示拒绝单位根为null的失败。

pvalue.

向量的P.- 测试统计数据值，长度等于测试数量。P.-Values是左尾概率。

当检验统计量超出表列临界值时，ppt返回最大值（0.999)或最小值(０．００１的）P.- 值。

统计

测试统计量的向量，长度等于测试的次数。统计数据是用OLS估计替代模型中的系数来计算的。

cValue

测试的临界值矢量，长度等于测试数量。值用于左尾概率。

reg

替代模型中系数OLS估计的回归统计结构。记录的数量等于测试数量。每个记录都有以下字段：

`全国矿工工会`	输入系列的长度`南`删除了
`尺寸`	调整滞后后的有效样本量
`的名字`	回归系数的名字
`co`	估计系数值
`se`	估计系数标准误差
`浸`	估计系数协方差矩阵
`塔茨`	T统计系数和P.- 值得
`函数`	f统计和P.-价值
`ymu`	滞后调整输入系列的平均值
`ysigma.`	滞后调整输入序列的标准偏差
`yHat`	滞后调整输入序列的拟合值
`res.`	回归残差
`Autocov.`	估计的剩余自动统计文件
`NWEST.`	Newey-West估计量
`DWStat`	德宾 - 沃森统计
`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`	总布线总和
`均方误差`	均方误差
`RMSE`	回归的标准误差
`rsq.`	R.²统计
`ARSQ.`	调整R²统计
`噢`	高斯创新下数据的逻辑
`另类投资会议`	akaike信息标准
`BIC.`	贝叶斯(施瓦茨)信息准则
`HQC.`	汉南 - 奎因信息标准

例子

全部折叠

使用Phillips-Perron测试评估实质性

打开生活的脚本

使用具有0、1和2时滞的趋势平稳替代方法对单位根的GDP数据进行检验。

加载GDP数据集。

加载Data_GDPlogGDP =日志(数据);

在Newey-West鲁棒协方差估计器中执行Phillips-Perron检验，包括0、1和2个自协方差滞后。

h = ppt (logGDP,'模型'那'ts'那“滞后”0:2)

H =1 x3逻辑阵列0 0 0.

每个测试返回H= 0，这意味着检验未能拒绝每组滞后的单位根零假设。因此，没有足够的证据表明GDP的对数是趋势平稳的。

算法

ppt执行最小二乘回归来估计零模型中的系数。

测试使用修改过的Dickey-Fuller统计数据(见安德斯特)来解释创新过程中的序列相关性E.（T.）。Phillips-perron统计数据遵循null下的非标准发行版，甚至是渐近的。使用具有高斯创新的NULL模型的Monte Carlo模拟和每个样本大小的蒙特卡罗模拟，用Monte Carlo模拟制表了一系列样本尺寸和显着性水平的临界值。ppt插入临界值和P.表中的值。类型测试表't1'和't2'是相同的吗安德斯特。