Эконометрика: Введение в регрессионный анализ временных рядов. Носко В.П. - 168 стр.

правительственных агентств, существенно больше шансов классифицировать исследуемый
ряд как DS (см., например, [Ghysels, Perron (1993)]), чем при анализе сырых данных. Поэтому
некоторые авторы рекомендуют по возможности вообще избегать использования сезонно-
сглаженных данных ([Davidson, MacKinnon (1993)]). Более предпочтительным является
использование сырых данных и устранение из них сезонности путем оценивания регрессии
сырого ряда на сезонные фиктивные (dummy) переменные D1,…, D12 (если данные
месячные) или D1,…, D4 (если данные квартальные). Остатки от оцененной регрессии
образуют очищенный ряд, к которому можно применять изложенные выше методы.
Теоретическое оправдание такого подхода при применении критерия Дики - Фуллера дано в
работе [Dickey, Bell, Miller (1986)], где показано, что асимптотическое распределение
статистики tϕ не изменяется при исключении из ряда детерминированных сезонных
компонент.
   6.9.2. Протяженность ряда и мощность критерия
   Следует иметь в виду, что мощность критериев единичного корня зависит, в первую
очередь, от фактической протяженности ряда во времени, а не от частоты, с которой
производятся наблюдения. Соответственно, имея значения ряда за десятилетний период, мы
не получаем выигрыша в мощности, анализируя месячные данные, а не квартальные или
годовые. Результаты исследований в этом направлении можно найти, например, в статьях
[Shiller, Perron (1985)] и [Perron (1989b)].

    6.9.3. Проблема согласованности статистических выводов при различении TS и DS
гипотез
    При решении задачи отнесения рассматриваемого ряда к классу TS или к классу DS
рядов двумя статистическими критериями, один из которых берет в качестве нулевой
гипотезу TS, а другой – гипотезу DS, возможны следующие ситуации:
                               H0: TS – не отвергается     H0: TS – отвергается
H0: DS – не отвергается        Исход 1                     Исход 2
H0: DS – отвергается           Исход 3                     Исход 4
Эти ситуации интерпретируются следующим образом:
    • Исход 2 – в пользу DS модели.
    • Исход 3 – в пользу TS модели.
    • Исход 1 – невозможность принять решение из-за низкой мощности обоих критериев.
    • Исход 4 – процесс порождения данных (DGP) не сводится к допускаемым
        используемыми критериями TS и DS моделям.