共和分検定統計量が与えられた場合、共和分について何らかの結論を下すことができますか?


8

一般に、共和分検定統計ことを示すことができます。これはすべての共和分テストに当てはまると私は信じているので、使用される特定のテストはおそらく無関係です。A,BB,A

ただし、2つのテスト統計は一般に「近い」ことがわかりました。2つのテスト統計は同じ信頼水準になります。

私の作業では、共和分をテストする一般的な方法は、2つの系列(残差系列)の線形結合の単位根をテストすることです。一般的には、ADFテストを使用してそれを行い、結果のテスト統計を帰無仮説を棄却するために必要な信頼水準と比較します。

私の質問:

  1. との比較について言えることはありますか?c o i n t B A coint(A,B)cotB
  2. 1つの変数の向きを他の向きよりも優先する説得力のある技術的な理由はありますか?
  3. 1または2に対する答えは、使用された共和分検定に固有ですか?もしそうなら、私が上で概説した共和分テスト方法論に特に関連するものはありますか?

ありがとう。

編集:

リクエストされたとおりの例です。私はほとんどの統計作業にPythonを使用しています。

共和分の例1

最初の線形結合(AKA残留シリーズ)のためのADF検定統計量であり、-35.9199966497及び-35.7190914946第二の線形結合のために。

明らかにこれはかなり極端な例ですが、他にもたくさんあります。

グラフのプロットの順序:

  1. 残差シリーズ1
  2. 最適なライン、(x、y)方向の散布図。
  3. 残差シリーズ2
  4. 最適なライン、(y、x)方向の散布図。
  5. 2つの生の曲線のグラフ。

うまくいけば、これで問題が解決します。


1
あなたはどの共和分テストを参照していますか?それらの多くがあります。
Richard Hardy

@RichardHardy ADFの経験が最も豊富ですが、私の理解では、共和分検定は可換ではありません。
d0rmLife 2015年

ADFは共和分テストではありませんが、Engle-Granger共和分テストの第2段階を構成します。あれ?
Richard Hardy

2
共統合のコンテキストで何を意味するか、何を意味しないかについての私の経験はかなり異なり、したがって、明示的であることは助けになるだけです。あなたの詳細はまだ不完全です。ADFテストで使用される臨界値は、私が誤っていない限り、一般的にEngle-Grangerテストで使用される臨界値とは異なることを思い出してください。したがって、より明確にする必要があります。なぜこれが質問に関係があるのですか?あなたが言っているのは、あなたが話しているテスト統計量を明確にせずに、2つのテスト統計量が一般に「近い」ことを発見したからです。それが私が尋ねた理由です。
Richard Hardy、

2
スワッピング(A、B)で結果が異なる例を示していただけますか?
Glen_b-2015

回答:


3

2つの時系列とが共積分されるためには、2つの条件が満たされます。Y tバツtYt

  1. Y 、T I 1 Δ X T Δ Y Tバツtとはプロセスでなければなりません。つまり、とは定常プロセスでなければなりません(弱い意味では、定常共分散)。Yt1ΔバツtΔYt

  2. 時系列が定常過程となるような係数が存在します。ベクトルは共積分ベクトルと呼ばれます。Z T = α X T + β Y Tα β αβRZt=αバツt+βYtαβ

定常性はシフトとスケーリングに対して不変なので、係数とは一意に定義されていない、つまり乗数定数まで一意であるということになります。βαβ

共和分検定には2つの種類があります。

  1. 上のの回帰の残差をテストします。X tYtバツt

  2. ベクトル誤差補正表現の行列ランクについてテストします。Ytバツt

どちらの品種も、特定の理論的な結果に依存しています。

  1. 上の OLSは、共積分ベクトルの一貫した推定値を提供しますX tYtバツt

  2. グレンジャー表現の定理。

OPの質問は、最初のさまざまなテストに関するものです。これらのテストでは、選択肢を選択できます回帰またはをます。当然、これらの2つの回帰は、2つの異なる共積分ベクトルおよびを与えます。しかし、上記の理論上の結果により 、共積分ベクトルは定数まで一意であるため、との確率限界は同じでなければなりません。X 、T = A 2 + B 2 のY T + V T YのT- B 11 1 - B 2- B 1 - 1 / B 2Yt=a1+b1バツt+あなたtバツt=a2+b2Yt+vtYtb^11(1,b^2)b^11/b^2

OLSの代数的特性により、残差系列とは同一ではありませんが、理論的な観点からは、どちらもとと等しくなければなりませんそれぞれ、すなわち、それらは乗法定数と同一でなければなりません。シリーズならばと cointegratedされ、その後とても以来、静止シリーズでとおおよそ我々は、彼らが静止しているかどうかをテストすることができます。のV T1u^tv^t11βZtX、TY、TZT U、T V TZT1αZtXtYtZtu^tv^tZt

これが、最初のさまざまな共和分検定が実行される方法です。当然、とは異なるため、それらに対するテストも異なります。しかし、理論的な観点から見ると、違いは有限のサンプルバイアスであり、漸近的に消えるはずです。 のV Tu^tv^t

系列との定常性テストの差が統計的に有意である場合、これは系列が共積分されていないか、定常性テストの仮定が満たされていないことを示しています。のV Tu^tv^t

残差の定常性テストとしてADFテストを使用する場合、とのADF統計間の差異の漸近分布を導き出すことは可能だと思います。実用的な価値があるかどうかはわかりません。のV Tu^tv^t

したがって、3つの質問に対する回答を要約すると、次のようになります。

  1. 上記を参照。

  2. 番号。

  3. 検定の差異の漸近分布は検定に依存します。あなたの方法論は結構です。時系列が共積分されている場合、両方の統計がそうであるべきです。共和分がない場合、両方の統計が定常性を拒否するか、どちらかが拒否します。どちらの場合も、共積分の帰無仮説を棄却する必要があります。ユニットルートのテストと同様に、時間の傾向、変化点、およびユニットルートのテストを非常に困難な手順にするその他すべてのものから保護する必要があります。


系列との定常性検定の差が統計的に有意である場合、これは系列が共積分されていないことを示して V Tu^tv^tいます。つまり、定常性の(経験的)差の間に直接の関係があるということですかとと共積分の有無?(私はそれを見ることはありません。)私が使用していない共和分のヌルを拒否することができれば私は何を思うだろうが、あるではなく、次に:(1)私は私がします保守的だ場合ではない「無共和分」を拒否していません。(2)私が攻撃的である場合、「共統合しない」を拒否します。のuトンのV Tu^tv^tのV Tu^tv^t
Richard Hardy

いいえ、そうは思いません。先に述べたように、統計間の差異の漸近分布を導き出すこと、または一般にそのような差異の理論的特性が何であるかを調べることは可能でしょう。両方の定常性テストが定常性を拒否するか、どちらもそれを受け入れると思います。私が言おうとしていたのは、直観に反する何か、つまり理論上同じであるはずの定常性テストの異なる結論が見られる場合、これは何かが正しくないことを示している、つまり保守的なアプローチを提唱していたということです。
mpiktas

OK、私はそのすべてに同意します。ただし、保守的ではなく攻撃的であるとする帰無仮説を拒否することを提案した場合を除きます。
Richard Hardy

0

したがって、統計の最も一般的な答えは明らかにこの質問に対して正しいです。

時系列ベクトルの分散が低く、類似している場合、入力変数の一意の順序の共和分検定統計の類似性について、適切な推測を行うことができます。

これは、共積分検定統計量の計算から暗示されます。入力時系列ベクトルの分散が低く、類似している場合、共積分係数は類似しており(つまり、互いにほぼスカラー倍数)、残差になります。系列は、互いにほぼスカラー倍数です。同様の残差系列は、同様の共和分検定統計を意味します。ただし、分散が大きい場合、または異なる場合、残差系列が互いにほぼスカラー倍であることを暗示的に保証するものではないため、共積分検定の統計変数が変動します。

正式に:

2変量ケースの共積分係数を見つけるために使用される単純な回帰モデルを考えます。

xをyに回帰:

β^バツy=Cov[バツy]σバツ2

xのyの回帰:

β^yバツ=Cov[yバツ]σy2

明らかに。Cov[バツy]=Cov[yバツ]

σバツ2σy2

β^バツyβ^yバツ

バツtγ1yt=εt1
ytγ2バツt=εt2

γ=β^γ1aγ2a

これは、相互統合に関する2つの事実を示しています。

  1. 個々の時系列ベクトルの分散のため、共積分のテストにおける変数の順序は重要です。これは、共積分係数の計算方法が原因で、さまざまな可変方向の共積分係数間の関係に影響します。
  2. 残差系列は互いに「類似」している場合とそうでない場合があります。類似性は個々の時系列ベクトルの分散に依存します。

これらの事実は、一意の変数の順序によって形成される残差系列が異なるだけでなく、おそらく相互のスカラー倍数ではないことを意味します。

では、どの順序を選択するのでしょうか?それはアプリケーションに依存します。

1αα

したがって、最後に、共和分についてテストされている時系列ベクトルの分散が低く、類似している場合、共和分検定の統計は同様の信頼水準であると正しく推測できます。一般的に、1つの方向を優先する一般的な理由がない限り、両方の方向をテストするか、少なくとも時系列ベクトルの分散を考慮するのがおそらく最善です。


共積分の概念が複数の時系列に適用され、2つだけに制限されていないことを知っていますか?共和分テストの事実上の標準はヨハンセン手順であり、非対称性の問題がないことも知っていますか?
mpiktas 2015

共積分の定義では非対称性が許可されていないため、異なる結果をもたらすテスト手順はデフォルトで間違っています。あなたの場合(これはEngle-Grangerプロシージャによって呼び出され、そこにある唯一の共和分テストではありません!)順序付けに基づいて矛盾する結果が得られた場合、これはシリーズがテストの前提を満たさないことを意味します。
mpiktas 2015

1
@mpiktas 1)はい、承知しています。そのため、「... 2変量の場合」と言いました。2)私はあなたが標準性を主張していることに同意しません。特定の業界では、EGとADFの2ステップが非常に人気があります。また、ヨハンセンは小さなデータセットに問題があるため、すべてのケースで標準ではありませんが、多変量ケースでは非常に人気があります。3)コインテグレーションが非対称を許可しない場所と理由のリファレンスを提供できますか?
d0rmLife

小さなデータセットでは、ADFでも問題が発生します。私たちはどれほど小さい話をしていますか?非対称性に関して、共統合の定義はそれを許しません。2つのシリーズは、1)I(1)2)線形結合がI(0)の場合、共積分されます。したがって、あるシリーズが別のシリーズに共統合される場合、定義により、このシリーズは最初のシリーズに共統合されます。非対称の余地はありません。
mpiktas

1
@mpiktas回答を考えてもらえますか?
Glen_b-2015
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.