adftest

增强Dickey-Fuller测试

所有的页面崩溃

语法

h = adftest (y)

[h, pValue,统计,cValue] = adftest (y)

StatTbl = adftest(台)

(___)= adftest (___名称=值)

(___,reg] = adftest (___)

描述

例子

h= adftest (<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_y" class="intrnllnk">y)返回拒绝的决定h进行一个<一个href="//www.tianjin-qmedu.com/it/it/help/econ/adftest.html" class="intrnllnk">增强Dickey-Fuller测试在单变量时间序列单位根y。

例子

(<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_d273fe18-852d-4a74-9de9-de215b364137" class="intrnllnk">h,<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_3de7f059-da85-4438-aa76-ebc5ad04a328" class="intrnllnk">pValue,<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_8d36ae38-e7a7-4ae9-b894-ccffbbb1db51" class="intrnllnk">统计,<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is-cValue" class="intrnllnk">cValue)= adftest (<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_y" class="intrnllnk">y)还返回p价值pValue、测试数据统计,临界值cValue的测试。

例子

StatTbl= adftest (<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_tbl" class="intrnllnk">资源描述)返回的表StatTbl包含变量的测试结果、统计数据和设置进行单位根的增强Dickey-Fuller测试在输入表的最后一个变量或时间表资源描述。选择一个不同的变量资源描述测试中,使用<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_datavariable" class="intrnllnk">DataVariable名称-值参数。

例子

(___)= adftest (___,<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#namevaluepairarguments" class="intrnllnk">名称=值)指定选项使用一个或多个名称参数除了任何输入参数组合在以前的语法。adftest返回输出参数组合对应的输入参数。

一些选项测试的数量进行控制。当下列条件适用adftest进行多个测试:

adftest将每个测试视为独立于所有其他测试。
如果您指定<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_y" class="intrnllnk">y,所有的输出都是向量。
如果您指定<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_tbl" class="intrnllnk">资源描述的每一行<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_mw_51a89c5a-f688-49dd-844b-d528cbe0e160" class="intrnllnk">StatTbl包含相应的测试的结果。

例如,adftest(资源描述,DataVariable =“GDP”,α= 0.025,滞后= [0 1])进行两次测试,在0.025的显著性水平,存在单位根的变量国内生产总值表的资源描述。第一个测试包括0落后的区别在AR模型,和第二个测试包括1落后的区别词的AR模型。

例子

(___,<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is-reg" class="intrnllnk">注册)= adftest (___)此外返回一个结构的回归统计假设检验注册。

例子

全部折叠

进行Dickey-Fuller测试没有增加向量的数据

打开生活的脚本

测试的时间序列单位根没有增强不同术语使用默认的自回归模型。输入时间序列数据作为数字向量。

加拿大通货膨胀率数据加载和提取CPI-based通货膨胀率INF_C。

负载Data_Canaday = DataTable.INF_C;

测试单位根的时间序列。

h = adftest (y)

h =逻辑0

结果h = 0表明该测试失败拒绝单位根的零假设对自回归的选择。

回归测试p价值和决策数据

打开生活的脚本

加拿大通货膨胀率数据加载和提取CPI-based通货膨胀率INF_C。

负载Data_Canaday = DataTable.INF_C;

测试单位根的时间序列。回归测试的决定, $p$ 值,测试数据,和重要价值。

[h, pValue,统计,cValue] = adftest (y)

h =逻辑0

pValue = 0.3255

统计= -0.8769

cValue = -1.9476

开展Dickey-Fuller测试没有增加表变量

打开生活的脚本

测试一个时间序列,这是表中的一个变量,使用默认的自回归模型为一个单位根没有增强的区别。

每年加拿大通货膨胀率数据加载,它包含五表中的时间序列变量的测量数据表。

负载Data_Canada

测试长期债券利率系列INT_L表中最后一个变量,一个单位根。

StatTbl = adftest(数据表)

StatTbl =表1×8h pValue stat cValue滞后α模型试验专攻____ ____ ___ _____交测试1假0.7358 0.24601 -1.9476 0 0.05 {AR的}{T1的}

adftest返回表中的测试结果和设置StatTbl,变量对应于测试结果(h,pValue,统计,cValue)和设置(滞后,α,模型,测试),行对应于个人测试(在这种情况下,adftest进行一个测试)。

默认情况下,adftest测试表中最后一个变量。选择一个变量从一个输入表测试,设置DataVariable选择。

开展增强Dickey-Fuller测试Trend-Stationary选择

打开生活的脚本

测试的时间序列单位根对trend-stationary替代增强与落后的区别。

加载一个GDP数据集。计算系列的日志。

负载Data_GDP;Y =日志(数据);

检测单位根对trend-stationary替代,增加模型0,1,2落后的区别。

h = = adftest (Y)模型“t”= 0:2落后)

h =1 x3逻辑阵列0 0 0

adftest将三个延迟选择三个独立的测试,并返回一个为每个测试向量和拒绝的决定。的值h = 0表明,所有三个测试失败拒绝单位根的零假设trend-stationary替代。

选择测试通过检查OLS统计滞后

打开生活的脚本

测试的时间序列单位根对trend-stationary选择增强与不同数量的落后的区别。看看回归统计相应的替代模型选择多少滞后不同条款包括增强模型。

加载一个美国宏观经济数据集Data_USEconModel.mat。计算GDP的日志,包括结果作为一个新的变量LogGDP的数据集。

负载Data_USEconModelDataTimeTable。LogGDP=log(DataTimeTable.GDP);

测试记录的单位根GDP系列使用三种不同的选择的数量落后的区别。返回每个替代的回归统计模型。

[StatTbl, reg] = adftest (DataTimeTable DataVariable =“LogGDP”模型=“t”,= 0:2落后);StatTbl

StatTbl =3×8表h pValue stat cValue滞后α模型试验累积__________作出_____交测试1假0.999 1.0247 -3.4302 0 0.05 {' TS '} {T1的}测试2假1 0.99565 -0.0020747 -3.4303 0.05 {' TS '} {T1的}测试3假0.05 0.99214 - -0.21274 -3.4304 - 2 {' TS '} {T1的}

adftest对待三种延迟选择作为单独的测试,并返回结果和设置为每个测试表的行StatTbl。注册是一个3×1结构数组包含三个回归统计相应的替代模型。

显示的名字系数,他们 $t$ 统计数据和相应的 $p$ 值,产生的BIC回归的三个替代模型。

model1 = array2table([注册(1).tStats。t reg (1) .tStats.pVal),…RowNames =注册(1). name, VariableNames = (“tStat”“pValue”])

model1 =3×2表tStat pValue ________ ___________ c -0.43299 - 0.6654 d e - 255 -1.2195 0.22383 167.66 8.5908

model2 = array2table ([reg .tStats (2)。t reg (2) .tStats.pVal),…RowNames =注册(2). name, VariableNames = (“tStat”“pValue”])

model2 =4×2表tStat pValue ________ ___________ c 0.35537 - 0.72262 d -0.13077 0.89607 185.44 - 1.0349 8.1646 - 1.7553 e - 263 b1 e-14

model3 = array2table([注册(3).tStats。t reg (3) .tStats.pVal),…RowNames =注册(3). name, VariableNames = (“tStat”“pValue”])

model3 =5×2表tStat pValue ________ ___________ c 0.52121 - 0.6027 d 0.089107 0.92907 184.56 - 1.7276 6.4983 - 4.6217 e - 261 b1平台以及b2 1.8871 - 0.060353

第一个模型没有添加不同条款,第二个模型有一个区别词(b1),第三个模型有两个不同方面(b1和b2)。这些结果表明,一阶差分项的系数是明显不同于零在第二个和第三个模型,但第二项的系数在第三模型不是在0.05显著性水平。这一结果表明,增加一个落后的区别词的模型是足够了。

比较BIC的三个选择。

reg.BIC

ans = -1.5114 e + 03

ans = -1.5589 e + 03

ans = -1.5496 e + 03

的三个替代模型,该模型使用一个落后的区别词是最好的,因为它BIC收益率最低的。

输入参数

全部折叠

`y`- - - - - -单变量时间序列数据
数值向量

单变量时间序列数据,指定为一个数值向量。的每个元素y代表了一个观察。

数据类型:双

`资源描述`- - - - - -时间序列数据
表|时间表

时间序列数据,指定为一个表或时间表。每一行的资源描述是一个观察。

指定一个系列(变量)来测试使用<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_datavariable" class="intrnllnk">DataVariable论点。所选变量必须是一个数字。

请注意

adftest删除丢失的观察,为代表南值,从输入系列。

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:adftest(资源描述,DataVariable =“GDP”,α= 0.025,滞后= [0 1])进行两个单独的测试水平的意义0.025在变量G国内生产总值输入表的资源描述。第一个测试包括0落后的区别在AR模型,和第二个测试包括1落后的区别词的AR模型。

`滞后`- - - - - -许多落后的区别
`0`(默认)|非负整数|向量的非负整数

数量p落后的差异方面包括AR模型,指定为非负整数或向量的非负整数。

adftest为每个元素进行单独测试滞后。

例子:滞后= [0 1]不包含滞后AR模型中的第一个测试,然后包括Δy_{t- 1}在第二个测试的AR模型。

数据类型:双

`模型`- - - - - -模型变体
`“基于“增大化现实”技术”`(默认)|`“ARD”`|`“t”`|特征向量|字符串向量|细胞特征向量的向量

模型变体,指定为一个模型变量的名字,或一个字符串向量或单元向量模型的名字。此表包含支持的模型变量的名字。万博1manbetx

模型变量的名字描述

模型变量的名字	描述
`“基于“增大化现实”技术”`	自回归模型的变体,它指定一个测试模型的零 $y_{t} = y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t}$ 对替代模型 $y_{t} = ϕ y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t},$ 与AR(1)系数 $ϕ < 1。$
`“ARD”`	自回归模型和漂移变体,它指定一个测试模型的零 $y_{t} = y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t}$ 对替代模型 $y_{t} = c + ϕ y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t},$ 与漂移系数c和AR(1)系数 $ϕ < 1。$
`“t”`	Trend-stationary模型变体,它指定一个测试模型的零 $y_{t} = c + y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t}$ 对替代模型 $y_{t} = c + δ t + ϕ y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t},$ 与漂移系数c,确定性趋势系数δ和AR(1)系数 $ϕ < 1。$

“基于“增大化现实”技术”

自回归模型的变体,它指定一个测试模型的零

$y_{t} = y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t}$

对替代模型

$y_{t} = ϕ y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t},$

与AR(1)系数 $ϕ < 1。$

“ARD”

自回归模型和漂移变体,它指定一个测试模型的零

$y_{t} = y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t}$

对替代模型

$y_{t} = c + ϕ y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t},$

与漂移系数c和AR(1)系数 $ϕ < 1。$

“t”

Trend-stationary模型变体,它指定一个测试模型的零

$y_{t} = c + y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t}$

对替代模型

$y_{t} = c + δ t + ϕ y_{t - 1} + β_{1} Δ y_{t - 1} + β_{2} Δ y_{t - 2} + \dots + β_{p} Δ y_{t - p} + ε_{t},$

与漂移系数c,确定性趋势系数δ和AR(1)系数 $ϕ < 1。$

adftest进行单独测试的名字在每个模型变体模型。

例子:模型=(“基于“增大化现实”技术”“ARD”)使用固定的AR模型作为第一个测试的备择假设,然后使用静止的AR模型和漂移作为第二个测试的备择假设。

数据类型:字符|细胞|字符串

`测试`- - - - - -检验统计量
`“t1”`(默认)|`“t2”`|`“F”`|特征向量|字符串向量|细胞特征向量的向量

检验统计量,指定为一个测试的名字,或一个字符串向量或单元向量测试名称。此表包含支持的测试名称。万博1manbetx

测试的名字描述

测试的名字	描述
`“t1”`	标准t统计 $t_{1} = \frac{\hat{ϕ} - 1}{SE (\hat{ϕ})},$ 计算使用的OLS估计AR(1)系数 $\hat{ϕ}$ 及其标准错误SE ( $\hat{ϕ}$ ),替代模型。测试评估限制的意义, $ϕ - 1 = 0。$
`“t2”`	Lag-adjusted, unstudentizedt统计 $t_{2} = \frac{T (\hat{ϕ} - 1)}{1 - {\hat{β}}_{1} - \dots - {\hat{β}}_{p}},$ 计算使用OLS估计AR(1)系数和固定系数的选择模型。T是有效的样本大小,调整的滞后和缺失值。测试评估限制的意义, $ϕ - 1 = 0。$
`“F”`	F统计评估的重要性联合限制替代模型。对模型变量(<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_1a1ca8d4-22d0-41ae-b686-2f6a18b6c354" class="intrnllnk">`模型`论点)`“ARD”`,限制 $ϕ - 1 = 0$ 和c= 0。模型的变体`“t”`,限制 $ϕ - 1 = 0$ 和δ= 0。一个F统计模型变体是无效的`“基于“增大化现实”技术”`。

“t1”

标准t统计

$t_{1} = \frac{\hat{ϕ} - 1}{SE (\hat{ϕ})},$

计算使用的OLS估计AR(1)系数 $\hat{ϕ}$ 及其标准错误SE ( $\hat{ϕ}$ ),替代模型。

测试评估限制的意义, $ϕ - 1 = 0。$

“t2”

Lag-adjusted, unstudentizedt统计

$t_{2} = \frac{T (\hat{ϕ} - 1)}{1 - {\hat{β}}_{1} - \dots - {\hat{β}}_{p}},$

计算使用OLS估计AR(1)系数和固定系数的选择模型。T是有效的样本大小,调整的滞后和缺失值。

测试评估限制的意义, $ϕ - 1 = 0。$

“F”

F统计评估的重要性联合限制替代模型。

对模型变量(<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_1a1ca8d4-22d0-41ae-b686-2f6a18b6c354" class="intrnllnk">模型论点)“ARD”,限制 $ϕ - 1 = 0$ 和c= 0。
模型的变体“t”,限制 $ϕ - 1 = 0$ 和δ= 0。

一个F统计模型变体是无效的“基于“增大化现实”技术”。

adftest为每个测试名称进行单独测试测试。

例子:测试= " F "计算F所有测试的检验统计量。

数据类型:字符|细胞|字符串

`α`- - - - - -名义上的显著性水平
`0.05`(默认)|数字标量|数值向量

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。

adftest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

`DataVariable`- - - - - -变量`资源描述`测试
最后一个变量(默认)|字符串标量|特征向量|整数|逻辑向量

变量资源描述测试,指定为字符串标量或字符向量包含一个变量名Tbl.Properties.VariableNames,或者一个整数或逻辑向量代表指数的一个名字。所选变量必须是一个数字。

例子:DataVariable =“GDP”

例子:DataVariable =(假真假假)或DataVariable = 2测试第二个表变量。

数据类型:双|逻辑|字符|字符串

请注意

当adftest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y_t被定义为t= 1,…,T,滞后系列y_{t- k}被定义为t=k+ 1…T。应用于滞后系列的第一个不同之处y_{t- 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

`h`——测试拒绝的决定
逻辑标量|逻辑向量

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。adftest返回h当你提供输入<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_y" class="intrnllnk">y。

的值1表明拒绝单位根的零模型的替代模型。
的值0零模型表明失败拒绝单位根。

`pValue`- - -检验统计量p值
数字标量|数字向量

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。adftest返回pValue当你提供输入<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_y" class="intrnllnk">y。

的p检验统计量的值(<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is-test" class="intrnllnk">测试)“t1”或“t2”是一个左尾概率。
的p检验统计量的值“F”是一个右尾概率。

当测试统计数据列表以外的关键值,adftest返回最大(0.999)或最低(0.001)p值。

`统计`——测试数据
数字标量|数字向量

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。adftest返回统计当你提供输入<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_y" class="intrnllnk">y。

adftest计算测试数据使用普通最小二乘法(OLS)估计系数的选择模型。

`cValue`——关键值
数字标量|数字向量

关键值,作为数字返回标量或矢量长度相等数量的测试。adftest返回cValue当你提供输入<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_y" class="intrnllnk">y。

检验统计量的临界值(<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is-test" class="intrnllnk">测试)“t1”或“t2”是左尾概率。
检验统计量的临界值“F”右尾概率。

`StatTbl`——测试总结
表

测试总结,作为一个表返回的变量输出<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_d273fe18-852d-4a74-9de9-de215b364137" class="intrnllnk">h,<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_3de7f059-da85-4438-aa76-ebc5ad04a328" class="intrnllnk">pValue,<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_8d36ae38-e7a7-4ae9-b894-ccffbbb1db51" class="intrnllnk">统计,<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is-cValue" class="intrnllnk">cValue为每个测试,行。adftest返回StatTbl当你提供输入<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-hypotest_sep_tbl" class="intrnllnk">资源描述。

StatTbl包含指定的测试设置的变量<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_97090e73-653c-4e32-bb02-bbdd54e24a62" class="intrnllnk">滞后,<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is_sep_shared-adftest_sep_alpha" class="intrnllnk">α,<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_1a1ca8d4-22d0-41ae-b686-2f6a18b6c354" class="intrnllnk">模型,<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is-test" class="intrnllnk">测试。

`注册`——回归统计
结构数组

回归统计的OLS估计系数替代模型,作为一个结构数组返回的记录数等于测试的数量。

的每个元素注册这个表的字段。您可以访问字段使用点符号,例如,注册(1).coeff包含第一个测试的系数估计。

场	描述
`全国矿工工会`	输入系列的长度`南`年代了
`大小`	有效的样本大小T,`全国矿工工会`调整的滞后
`的名字`	回归系数的名字
`多项式系数`	估计系数值
`se`	估计标准误差系数
`浸`	系数估计协方差矩阵
`tStats`	t系数和统计p值
`函数`	F统计和p价值
`yMu`	意味着lag-adjusted输入系列的
`ySigma`	lag-adjusted输入系列的标准偏差
`yHat`	lag-adjusted输入系列的拟合值
`res`	回归残差
`DWStat`	Durbin-Watson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`	总平方和
`均方误差`	均方误差
`RMSE`	标准误差的回归
`RSq`	R²统计
`aRSq`	调整R²统计
`噢`	Loglikelihood高斯创新下的数据
`另类投资会议`	Akaike信息标准
`BIC`	贝叶斯(Schwarz)信息标准
`认证机构`	Hannan-Quinn信息标准

提示

画有效推断从测试,确定一个合适的值<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_97090e73-653c-4e32-bb02-bbdd54e24a62" class="intrnllnk">滞后。
一个方法是首先最大滞后,比如一个推荐<一个href="//www.tianjin-qmedu.com/it/it/help/econ/adftest.html" class="intrnllnk">[7],然后测试评估的意义 ${\hat{β}}_{p}$ 最大的系数变化滞后y_t。通常的t统计是合适的,返回的<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is-reg" class="intrnllnk">注册输出结构。
另一种方法是将衡量健康,如SSR、信息标准,如工商局、BIC和认证机构。这些统计数据也返回的注册输出结构。更多细节,请参阅<一个href="//www.tianjin-qmedu.com/it/it/help/econ/adftest.html" class="intrnllnk">[6]。
与一个特定的测试策略,确定的价值<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_1a1ca8d4-22d0-41ae-b686-2f6a18b6c354" class="intrnllnk">模型的生长特性y_t。如果包括解释变量(见太多了滞后),考试失去权力;如果包括解释变量太少,测试是偏向支持零模型<一个href="//www.tianjin-qmedu.com/it/it/help/econ/adftest.html" class="intrnllnk">[4]。一般来说,如果一个系列的增长,“t”模型(见模型)提供了一个合理的trend-stationary替代一个单位根过程漂移。如果是一系列不增长,“基于“增大化现实”技术”和“ARD”模型提供了合理平稳替代一个单位根过程没有漂移。的“ARD”替代模型的均值c/ (1 -一个);的“基于“增大化现实”技术”替代模型的意思是0。

算法

Dickey-Fuller统计遵循标准分布在虚假设条件下(甚至渐近)。adftest使用列表关键值,由蒙特卡罗模拟,生成一系列样本大小和重要性水平的零高斯模型与创新和五百万复制/样本大小。adftest篡改临界值<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is-cValue" class="intrnllnk">cValue和p值<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#mw_3de7f059-da85-4438-aa76-ebc5ad04a328" class="intrnllnk">pValue从表。表的测试<一个href="//www.tianjin-qmedu.com/it/it/help/econ/#bta69is-test" class="intrnllnk">测试类型“t1”和“t2”是相同的吗<一个href="//www.tianjin-qmedu.com/it/it/help/econ/pptest.html">ppt。对于小样本,表中的数据是有效的只有高斯创新。对于大样本、价值观也有效的非高斯的创新。

引用

[1]戴维森,R。,J. G. MacKinnon.计量经济学理论和方法。英国牛津:牛津大学出版社,2004年。

[2]迪基,d . A。,W. A. Fuller. "Distribution of the Estimators for Autoregressive Time Series with a Unit Root."美国统计协会杂志》上。74卷,1979年,页427 - 431。

[3]迪基,d . A。,W. A. Fuller. "Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root."费雪。49卷,1981年,页1057 - 1072。

[4],J。,P. E. Kennedy. "Testing for Unit Roots: What Should Students Be Taught?"经济教育杂志。32卷,2001年,页137 - 146。

[5]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。

[6]Ng。,P. Perron. "Unit Root Tests in ARMA Models with Data-Dependent Methods for the Selection of the Truncation Lag."美国统计协会杂志》上。90卷,1995年,页268 - 281。

[7]Schwert, W。“测试单位根:蒙特卡罗调查。”商业和经济统计》杂志上。7卷,1989年,页147 - 159。

版本历史

介绍了R2009b

另请参阅

kpsstest|lmctest|ppt|vratiotest|i10test

adftest

语法

描述

例子

进行Dickey-Fuller测试没有增加向量的数据

回归测试p价值和决策数据

开展Dickey-Fuller测试没有增加表变量

开展增强Dickey-Fuller测试Trend-Stationary选择

选择测试通过检查OLS统计滞后

输入参数

`y`- - - - - -单变量时间序列数据
数值向量

`资源描述`- - - - - -时间序列数据
表|时间表

名称-值参数

`滞后`- - - - - -许多落后的区别
`0`(默认)|非负整数|向量的非负整数

`模型`- - - - - -模型变体
`“基于“增大化现实”技术”`(默认)|`“ARD”`|`“t”`|特征向量|字符串向量|细胞特征向量的向量

`测试`- - - - - -检验统计量
`“t1”`(默认)|`“t2”`|`“F”`|特征向量|字符串向量|细胞特征向量的向量

`α`- - - - - -名义上的显著性水平
`0.05`(默认)|数字标量|数值向量

`DataVariable`- - - - - -变量`资源描述`测试
最后一个变量(默认)|字符串标量|特征向量|整数|逻辑向量

输出参数

`h`——测试拒绝的决定
逻辑标量|逻辑向量

`pValue`- - -检验统计量p值
数字标量|数字向量

`统计`——测试数据
数字标量|数字向量

`cValue`——关键值
数字标量|数字向量

`StatTbl`——测试总结
表

`注册`——回归统计
结构数组

更多关于

增强Dickey-Fuller单位根检验

提示

算法

引用

版本历史

另请参阅

主题

adftest

语法

描述

例子

进行Dickey-Fuller测试没有增加向量的数据

回归测试p价值和决策数据

开展Dickey-Fuller测试没有增加表变量

开展增强Dickey-Fuller测试Trend-Stationary选择

选择测试通过检查OLS统计滞后

输入参数

y- - - - - -单变量时间序列数据数值向量

资源描述- - - - - -时间序列数据表|时间表

名称-值参数

滞后- - - - - -许多落后的区别0(默认)|非负整数|向量的非负整数

模型- - - - - -模型变体“基于“增大化现实”技术”(默认)|“ARD”|“t”|特征向量|字符串向量|细胞特征向量的向量

测试- - - - - -检验统计量“t1”(默认)|“t2”|“F”|特征向量|字符串向量|细胞特征向量的向量

α- - - - - -名义上的显著性水平0.05(默认)|数字标量|数值向量

DataVariable- - - - - -变量资源描述测试最后一个变量(默认)|字符串标量|特征向量|整数|逻辑向量

输出参数

h——测试拒绝的决定逻辑标量|逻辑向量

pValue- - -检验统计量p值数字标量|数字向量

统计——测试数据数字标量|数字向量

cValue——关键值数字标量|数字向量

StatTbl——测试总结表

注册——回归统计结构数组

更多关于

增强Dickey-Fuller单位根检验

提示

算法

引用

版本历史

另请参阅

主题

`y`- - - - - -单变量时间序列数据
数值向量

`资源描述`- - - - - -时间序列数据
表|时间表

`滞后`- - - - - -许多落后的区别
`0`(默认)|非负整数|向量的非负整数

`模型`- - - - - -模型变体
`“基于“增大化现实”技术”`(默认)|`“ARD”`|`“t”`|特征向量|字符串向量|细胞特征向量的向量

`测试`- - - - - -检验统计量
`“t1”`(默认)|`“t2”`|`“F”`|特征向量|字符串向量|细胞特征向量的向量

`α`- - - - - -名义上的显著性水平
`0.05`(默认)|数字标量|数值向量

`DataVariable`- - - - - -变量`资源描述`测试
最后一个变量(默认)|字符串标量|特征向量|整数|逻辑向量

`h`——测试拒绝的决定
逻辑标量|逻辑向量

`pValue`- - -检验统计量p值
数字标量|数字向量

`统计`——测试数据
数字标量|数字向量

`cValue`——关键值
数字标量|数字向量

`StatTbl`——测试总结
表

`注册`——回归统计
结构数组