主要内容

jcontest

约翰森约束测试

所有的页面崩溃

语法

h = jcontest (Y, r,测试,缺点)
[h, pValue,统计,cValue] = jcontest (Y, r、测试、缺点)
StatTbl = jcontest(资源描述、r、测试、缺点)
(___)= jcontest (___名称=值)
(___ml) = jcontest (___)

描述

例子

h= jcontest (Y,r,测试,缺点)返回拒绝的决定h进行约翰森约束测试,评估线性约束的纠错(调整)速度一个或同积矩阵的协整张成的空间B在reduced-rankVEC (问)多元时间序列的模型yt,地点:

  • Y是一个矩阵的观测yt。

  • r常见的矩阵秩吗一个和B。

  • 测试指定约束类型,包括线性或等式约束一个或B。

  • 缺点指定测试约束值。

对于一个特定的测试,约束类型和值形式零假设与备择假设进行测试H(r)协整的秩小于或等于r(一个无约束VEC模型)。测试还产生极大似然估计参数的VEC (问)模型,受到的约束。

的每个元素测试和缺点结果在一个单独的测试。

例子

(h,pValue,统计,cValue)= jcontest (Y,r,测试,缺点)还返回p值pValue、测试数据统计和关键值cValue的测试。

例子

StatTbl= jcontest (资源描述,r,测试,缺点)返回的表StatTbl包含变量的测试结果、统计数据和设置进行约翰森约束测试所有变量的输入表或时间表资源描述。

选择变量的子集资源描述测试中,使用DataVariables名称-值参数。

例子

(___)= jcontest (___,名称=值)使用附加选项指定一个或多个名称参数,使用任何输入参数组合在前面的语法。jcontest返回输出参数组合对应的输入参数。

除了英国石油公司一些选项控制进行测试的数量。

例如,jcontest(资源描述、r、测试、缺点、模型=“H2 DataVariables = 1:5)测试第一个5变量输入表资源描述使用排除所有的约翰森模型确定的条款。

例子

(___,毫升)= jcontest (___)返回一个结构的极大似然估计与约束相关VEC (问)的多元时间序列模型yt。

例子

全部折叠

打开生活的脚本

测试弱exogeneity时间序列,对系统中的其他系列,通过使用默认选项jcontest。输入时间序列数据作为数字矩阵。

数据加载的加拿大通货膨胀和利率Data_Canada.mat,其中包含的系列矩阵数据。

负载Data_Canada系列的
ans =5 x1细胞{' (INF_C)通货膨胀率(CPI-based)} {”(INF_G)通货膨胀率(国内生产总值deflator-based)} {(INT_S)利率(短期)的}{(INT_M)利率(中期)的}{' (INT_L)利率(长期)}

使用约翰森约束测试来评估是否CPI-based通货膨胀率 y 1 , t 弱外生的三个利率系列通过测试以下系列的4 d VEC模型中的约束:

( 1 - - - - - - l ) y 1 , t = c + ε t 。

指定一个等级1的测试中,一个线性约束的4-by-1调整速度向量 一个 这 一个 1 = 0 和默认选项。返回拒绝的决定。

缺点= [1;0;0;0);Y =数据(:,1 [3:5]);h = jcontest (Y) 1,“ACon”缺点)
h =逻辑0

鉴于缺省选项和假设,h = 0表明测试失败拒绝零假设的约束模型,即通货膨胀率是弱外生对利率系列。

打开生活的脚本

数据加载的加拿大通货膨胀和利率Data_Canada.mat,其中包含的系列矩阵数据。

负载Data_Canada

进行默认约翰森约束测试来评估CPI-based通货膨胀率是否弱外生对利率系列。回归测试和决策 p 值。

缺点= [1;0;0;0);Y =数据(:,1 [3:5]);[h, pValue,统计,cValue] = jcontest (Y, 1,“ACon”缺点)
h =逻辑0
pValue = 0.3206
统计= 0.9865
cValue = 3.8415
打开生活的脚本

测试时间序列的弱exogeneity,变量在一个表,对表中的其他时间序列。返回一个结果表。

数据加载的加拿大通货膨胀和利率Data_Canada.mat。转换表数据表一个时间表。

负载Data_Canada日期= datetime(日期、ConvertFrom =“datenum”);TT = table2timetable (DataTable, RowTimes =日期);TT。观察= [];

使用约翰森约束测试来评估是否CPI-based和GDP-deflator-based通货膨胀率( y 1 , t 和 y 2 , t 分别是弱外生对利率的三个系列通过测试以下约束的VEC模型5 d系列:

( 1 - - - - - - l ) y 1 , t = c 1 , 1 + ε 1 , t ( 1 - - - - - - l ) y 2 , t = c 2 , 1 + ε 2 , t 。

指定一个等级2的测试中,一个线性约束的4×2的矩阵调整速度向量 一个 这 一个 1 = 0 和 一个 2 = 0 和默认选项。

缺点= [1 0;0 1;0 0;0 0;0 0];StatTbl = jcontest (TT 2“ACon”缺点)
StatTbl =表1×8h pValue stat cValue滞后α模型试验__________持续作出专攻______测试1真正的1.3026 e-05 27.907 - 9.4877 0 0.05 {H1的}{' acon '}

StatTbl。h = 1意味着测试约束模型的拒绝零假设,通货膨胀率共同弱外生。StatTbl。pValue=1。3026e-5证据表明,拒绝是强大的。

默认情况下,jcontest进行约翰森约束测试输入表中所有变量。选择变量从一个输入表的一个子集,设置DataVariables选择。

打开生活的脚本

使用约翰森框架测试多元时间序列具有以下特点:

  1. 澳大利亚CPI日志,日志美国消费者价格指数和汇率系列的国家是静止的。

  2. 这三个系列展览协整。

  3. 澳元和美元有相同的购买力。

加载并检查数据

对澳大利亚和美国价格加载数据Data_JAustralian.mat,其中包含表数据表。表转换为一个时间表。

负载Data_JAustralian日期= datetime(日期、ConvertFrom =“datenum”);TT = table2timetable (DataTable, RowTimes =日期);TT。日期= [];

绘制对数澳大利亚和美国CPI系列(加索尔和脓分别),日志澳元/美元汇率系列EXCH。

varnames = [“保罗”“脓”“EXCH”];情节(TT.Time TT {:, varnames})传奇(varnames、位置=“最佳”网格)在

图包含一个坐标轴对象。坐标轴对象包含3线类型的对象。这些对象代表保罗,脓,EXCH。

进行预测的平稳性

使用jcontest测试零假设,个人系列由指定固定,为每一个变量 j ,下面的约束模型

( 1 - - - - - - l ) y t = ( 一个 1 , j 一个 2 , j 一个 3 , j ] ( y t - - - - - - 1 + c 0 ) + c 1 + ε t 。

在测试中指定要使用的变量。

缺点= num2cell(眼(3),1)
缺点=1×3单元阵列{3 x1双}{3 x1双}{3 x1双}
StatTbl0 = jcontest (TT, 1“BVec”缺点,DataVariables = varnames)
StatTbl0 =3×8表h pValue stat cValue滞后α模型试验__________持续作出专攻______测试1真正的1.307 e-05 22.49 - 5.9915 0 0.05 {H1的}{‘bvec}测试2真正1.0274 e-05 22.972 - 5.9915 0 0.05 {H1的}{‘bvec}测试3假0 0.06571 5.445 5.9915 0.05 {H1的}{' bvec '}

jcontest返回一个表的测试结果。每一行对应一个单独的测试和列对应或指定的选项为每个测试结果。

StatTbl.h (j)= 1拒绝零假设变量的平稳性j,StatTbl.h (j)= 0无法拒绝平稳性。

协整检验

通过使用协整检验jcitest。

DataVariables = varnames StatTbl1 = jcitest (TT)
StatTbl1 =1×6表r0 r1, r2模型试验α_____ _____ _____ _____ _____ _____ t1真的假假的{H1的}{“跟踪”}0.05

StatTbl1。r1 = 0和StatTbl1。r2 = 0表明该系列展览至少1级协整。

购买力平价的测试

购买力平价的测试加索尔=脓+ EXCH。

StatTbl2 = jcontest (TT, 1“BCon”(1 1 1)”,DataVariables = varnames)
StatTbl2 =表1×8h pValue stat cValue滞后α模型试验_____ __专攻________ ________交测试1假0.053995 3.7128 3.8415 0 0.05 {H1的}{' bcon '}

StatTbl2。h = 0意味着测试失败拒绝零假设的约束模型,也就是说,购买力平价模型之间不应拒绝。

打开生活的脚本

比较支持的四种类型约束adjustment-spee万博1manbetxd和协整矩阵。

对澳大利亚和美国价格加载数据Data_JAustralian.mat,其中包含表数据表。表转换为一个时间表。考虑一个三维矢量模型组成的日志澳大利亚和美国CPI和日志澳元/美元汇率系列。

负载Data_JAustralian日期= datetime(日期、ConvertFrom =“datenum”);TT = table2timetable (DataTable, RowTimes =日期);TT。日期= [];varnames = [“保罗”“脓”“EXCH”];

进行四个约翰森约束测试;指定任意约束值 ( 1 - - - - - - 1 - - - - - - 1 ] ′ 。返回测试结果和最大似然估计的约束模型。

[StatTbl,大中型企业]= jcontest (TT, 1“ACon”“用”“BCon”“BVec”),…(1 1 1)”,DataVariables = varnames);StatTbl
StatTbl =4×8表h pValue stat cValue滞后α模型试验__________持续作出专攻______测试1假0.11047 2.5475 3.8415 0 0.05 {H1的}{‘acon}测试2真正3.0486 e-08 34.612 - 5.9915 0 0.05 {H1的}{‘用’}测试3假0 0.053995 3.7128 3.8415 0.05 {H1的}{‘bcon}测试4假0 0.074473 5.1946 5.9915 0.05 {H1的}{' bvec '}

大中型企业是一个4-by-1结构数组字段包含约束模型的最大似然估计为每个测试。

对于每个测试,显示的估计 一个 和 B 矩阵,计算企业的影响 C ˆ = 一个 ˆ B ˆ ′ 。的impactmat函数是一个地方万博1manbetx支持函数大中型企业的影响矩阵的计算和显示估计的矩阵。

[AACon,培根,CACon] = impactmat(大中型企业(1))
AACon =3×10.0043 0.0055 -0.0012
培根=3×12.8496 -2.3341 -6.2670
CACon =3×30.0121 -0.0099 -0.0267 0.0156 -0.0128 -0.0343 -0.0035 0.0028 0.0076
(1 1 1)* AACon
ans = 0
[AAVec, BAVec CAVec] = impactmat(企业(2))
AAVec =3×11 1 1
BAVec =3×1-0.0204 0.0158 0.0246
CAVec =3×3-0.0204 0.0158 0.0246 0.0204 -0.0158 -0.0246 0.0204 -0.0158 -0.0246
[ABCon, BBCon CBCon] = impactmat(企业(3))
ABCon =3×1-0.0043 -0.0052 -0.0089
BBCon =3×11.8001 -3.9210 5.7211
CBCon =3×3-0.0078 0.0170 -0.0248 -0.0094 0.0206 -0.0300 -0.0159 0.0347 -0.0507
(1 1 1)* BBCon
ans = 0
[ABVec, BBVec CBVec] = impactmat(企业(4))
ABVec =3×10.0252 0.0422 0.0556
BBVec =3×11 1 1
CBVec =3×30.0252 -0.0252 -0.0252 0.0422 -0.0422 -0.0422 0.0556 -0.0556 -0.0556

观察到的用和BVec直接约束应用约束值系数,而估计的ACon和BCon约束满足相应的线性约束。

万博1manbetx支持函数

函数[A, B, C] = impactmat (ml) = mlest.paramVals.A;B = mlest.paramVals.B;C = * B”;结束

输入参数

全部折叠

代表多元时间序列的观测数据yt指定为一个numObs——- - - - - -numDims数字矩阵。每一列的Y对应于一个变量,每一行对应一个观察。

数据类型:双

代表多元时间序列的观测数据yt,指定为一个表或时间表numObs行。每一行的资源描述是一个观察。

选择变量的子集资源描述测试中,使用DataVariables名称-值参数。

常见的排名一个和B,由一个正整数指定区间[1,numDims−1]。

提示

推断出r通过开展约翰森测试使用jcitest。

数据类型:双

零假设约束类型,指定为一个约束名称表中,或者一个字符串向量或细胞特征向量的向量的值。

约束的名字 描述
“ACon” 测试线性约束一个。
“用” 测试特定的向量一个。
“BVec” 测试线性约束B。
“BVec” 测试特定的向量B。

jcontest为每个值进行单独测试测试。

数据类型:字符串|字符|细胞

零假设的约束值,为相应的约束类型指定为一个值测试,或一个细胞向量的值,在这个表中。

为限制B,在每一个矩阵的行数numDims1是下列之一,在哪里numDims输入数据的维数:

  • numDims + 1当模型名称-值参数是“H *”或“H1 *”和约束包括限制确定性模型中的术语

  • numDims否则

约束类型测试 约束值缺点 描述
“ACon” R,一个numDims——- - - - - -numCons数字矩阵 指定numCons限制一个给出的R”一个= 0,numCons≤numDims−r。
“用” numDims1——- - - - - -numCons数字矩阵 指定numCons等式约束对纠错速度向量一个,在那里numCons≤r。
“BCon” R,numDims——- - - - - -numCons数字矩阵 指定numCons限制B给出的R”B= 0,numCons≤numDims−r。
“BVec” numDims1——- - - - - -numCons数字矩阵 指定numCons等式约束强加给numCons的协整向量B,在那里numCons≤r。

提示

当你构建约束值,使用下面的行和列的解释一个和B。

  • 行我的一个包含变量的调整速度y我,t在每一个不平衡r协整关系。

  • 列j的一个包含每个的调整速度numDims变量disequillibrium在协整关系j。

  • 行我的B包含变量的系数y我,t在每一个r协整关系。

  • 列j的B包含每一个系数numDims变量协整关系j。

jcontest为每个细胞进行单独测试缺点。

数据类型:字符串|字符|细胞

请注意

jcontest从指定的数据中删除以下的观察:

  • 所有行包含至少一个失踪的观察,由一个表示南价值

  • 从一开始的数据,初始化滞后变量所需的初始值

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:jcontest(资源描述、r、测试、缺点、模型=“H2 DataVariables = 1:5)测试第一个5变量输入表资源描述使用排除所有的约翰森模型确定的条款。

约翰森的VEC (问)模型确定的条款[3]表中,指定为一个约翰森表单名称,或字符串向量或细胞特征向量的向量的值(模型参数的定义,请参阅向量纠错(VEC)模型)。

价值 纠错的术语 描述
“氢气”

AB´yt−1

没有拦截或趋势存在协整关系,和不确定性的趋势出现在数据的水平。

指定本系列模型只有当所有反应的意思是零。
“H1 *”

一个(B´yt−1+c0)

拦截存在协整关系,没有确定性的趋势出现在数据的水平。
“标题”

一个(B´yt−1+c0)+c1

拦截中存在协整关系,确定线性趋势出现在数据的水平。
“H *” 一个(B´yt−1+c0+d0t)+c1

拦截和线性趋势存在协整关系,和确定性线性趋势出现在数据的水平。
“H” 一个(B´yt−1+c0+d0t)+c1+d1t

拦截和线性趋势存在协整关系,和确定的二次趋势出现在数据的水平。

如果二次趋势数据中不存在,这个模型可以产生好的样本符合但贫穷的样本外预测。

jcontest为每个值进行单独测试模型。

例子:模型= " H1 *”使用约翰森形式H1 *所有的测试。

例子:模型= (“H1 *”“H1”)使用约翰森形式H1 *在第一个测试中,然后使用约翰森形式H1第二个测试。

数据类型:字符串|字符|细胞

一些落后的差别问在VEC (问)模型,指定为非负整数或向量的非负整数。

jcontest为每个值进行单独测试滞后。

例子:滞后= 1包括Δyt- 1在模型中所有测试。

例子:滞后= [0 1]不包含在模型中滞后在第一个测试中,然后包括Δyt- 1在第二个测试模型。

数据类型:双

名义上的假设检验的显著性水平,指定为一个数值之间的标量0.001和0.999或者一个数值向量的值。

jcontest为每个值进行单独测试α。

例子:α= (0.01 - 0.05)使用一个水平的意义0.01在第一个测试中,然后使用一个水平的意义0.05第二个测试。

数据类型:双

变量资源描述的jcontest进行测试,指定为字符串向量或细胞特征向量的向量包含变量名称Tbl.Properties.VariableNames,或者一个整数或逻辑向量代表的指标名称。所选变量必须是一个数字。

例子:DataVariables = (“GDP”“CPI”)

例子:DataVariables =(真真假假)或DataVariables = [1 - 2]选择第一个表和第二个表变量。

数据类型:双|逻辑|字符|细胞|字符串

请注意

  • 当jcontest进行多个测试,功能适用于所有单独设置每个测试(标量或特征向量)。

  • 所有向量值规范控制测试的数量必须相等的长度。

  • 如果你指定向量y和任何值是一个行向量,所有的输出都是行向量。

  • 一个落后和差时间序列样本容量降低。缺席presample值,如果测试系列yt被定义为t= 1,…,T,滞后系列yt- k被定义为t=k+ 1…T。应用于滞后系列的第一个不同之处yt- k进一步降低了时基k+ 2,…T。与p落后的差异,常见的时基p+ 2,…T和有效的样本大小T- (p+ 1)。

输出参数

全部折叠

测试拒绝的决定,作为一个逻辑返回标量或矢量长度相等数量的测试。jcontest返回h当你提供输入Y。

  • 的值1拒绝零假设表明指定的约束测试和缺点持有赞成他们并不持有的备择假设。

  • 的值0表明失败拒绝零假设的约束。

检验统计量p值,作为数字返回标量或矢量长度等于测试的数量。jcontest返回pValue当你提供输入Y。

的p右尾概率值。

测试统计数据,作为数字返回标量或矢量长度相等数量的测试。jcontest返回统计当你提供输入Y。

测试统计数据是可能性比率由测试。

关键值,作为数字返回标量或矢量长度相等数量的测试。jcontest返回cValue当你提供输入Y。

卡方测试的渐近分布统计信息,与二自由度参数决定的测试。测试的临界值为右尾概率统计数据。

测试总结,作为一个表返回的变量输出h,pValue,统计,cValue为每个测试,行。jcontest返回StatTbl当你提供输入资源描述。

StatTbl包含指定的测试设置的变量滞后,α,模型,测试。

最大似然估计与约束相关VEC (问)模型的yt返回作为一个结构数组,记录的数量等于测试的数量。

的每个元素毫升这个表的字段。您可以访问字段使用点符号,例如,毫升(3).paramVals包含了结构的参数估计。

场 描述
paramNames

细胞向量的参数名称,形式:

{一个,B,B1,…Bq,c0,d0,c1,d1}。

取决于元素的值滞后和模型。
paramVals 结构参数估计与相应的参数名称字段名paramNames。
res T——- - - - - -numDims残差矩阵,T有效样本容量,通过拟合VEC (问)模型的yt输入数据。
EstCov 估计的协方差问创新过程的εt。
rLL 限制loglikelihoodyt在零假设下。
妳 无限制的loglikelihoodyt在备择假设。
景深 自由度的检验统计量的渐近卡方分布。

更多关于

全部折叠

向量纠错(VEC)模型

一个向量纠错(VEC)模型是一个多变量,随机时间序列模型组成的一个系统的米=numDims方程米不同,差响应变量。系统可以包括一个方程纠错的术语,这是一个线性函数使用的反应水平的稳定系统。的协整排r的数量是协整关系系统中存在。

每个响应方程可以包括一个学位问自回归多项式组成的第一响应系列的差异,一个常数,时间趋势,不断纠错和时间趋势项。

在滞后算子符号表示,VEC (问多元时间序列模型yt是

Φ ( l ) ( 1 − l ) y t = 一个 ( B ′ y t − 1 + c 0 + d 0 t ) + c 1 + d 1 t + ε t = c + d t + C y t − 1 + ε t ,

在哪里

  • yt是一个米=numDims维时间序列对应米响应变量在时间t,t= 1,…,T。

  • Φ ( l ) = 我 − Φ 1 − Φ 2 − … − Φ 问 ,我是米——- - - - - -米单位矩阵,lyt=yt- 1。

  • 的协整关系是B”yt- 1+c0+d0t和纠错的术语是一个(B”yt- 1+c0+d0t)。

  • r协整关系的数量,一般来说,0≤r≤米。

  • 一个是一个米——- - - - - -r矩阵的调整速度。

  • B是一个米——- - - - - -r协整的矩阵。

  • C=一个B′是一个米——- - - - - -米影响矩阵的排名r。

  • c0是一个r1向量常量(拦截)的协整关系。

  • d0是一个r1向量线性时间趋势的协整关系。

  • c1是一个米1常数向量(确定线性趋势在yt)。

  • d1是一个米1的向量的线性时间趋势值(确定二次趋势在yt)。

  • c=一个c0+c1,是整个常数。

  • d=一个d0+d1整体时间系数。

  • Φj是一个米——- - - - - -米矩阵的短期系数,在那里j= 1,…,问和Φ问不是一个矩阵只包含0。

  • εt是一个米1的向量随机高斯创新,每一个都有0和集体的意义米——- - - - - -米Σ协方差矩阵。为t≠年代,εt和ε年代是独立的。

如果米=rVEC模型是稳定的,那么VAR (问+ 1)模型在水平的反应。如果r= 0,那么0的纠错项是一个矩阵,和VEC (问)模型是一种稳定的VAR (问)模型在第一反应的差异。

提示

  • jcontest渐近临界值比较有限样本数据,测试可以显示显著的扭曲对小样本大小[2]。大样本导致更可靠的推断。

  • 将VEC (问)模型参数毫升输出向量自回归(VAR)模型参数,使用vec2var函数。

算法

  • jcontest标识确定的条款之外的协整关系,c1和d1突出常数和线性回归系数,分别的正交补上一个。

  • 的参数一个和B在reduced-rank VEC (问)模型不识别。jcontest标识B使用方法[3],这取决于测试。

  • 测试B回答问题的空间协整关系。测试一个回答系统中常见的驱动力。例如,一个零行一个表明一个弱外生变量的系数B。这样的一个变量可以影响其他变量,但它不适应不均衡的协整关系。同样,一个标准单位向量列一个表明变量只适应不平衡在一个特定的协整关系。

  • 约束矩阵R令人满意的R′一个= 0或R′B= 0是等价的一个=Hφ或B=Hφ,在那里H的正交补吗R(空(R)),φ是一个向量的自由参数。

引用

[1]汉密尔顿,詹姆斯D。时间序列分析。普林斯顿,纽约:普林斯顿大学出版社,1994年。

[2]Haug, a“测试线性协整向量的限制:瓦尔德测试有限样本的大小和力量。”计量经济学理论。诉18日,2002年,页505 - 524。

[3]约翰森,S。基于可能性推理在共合体向量自回归模型。牛津:牛津大学出版社,1995年。

[4]Juselius, K。共合体VAR模型。牛津:牛津大学出版社,2006年。

[5]莫林,N。“似然比检验协整向量,向量不均衡调整,及其正交补。”欧洲的纯粹和应用数学杂志》上。诉3,2010年,页541 - 571。

版本历史

介绍了R2011a

另请参阅

对象

功能

主题