ВУЗ:
Составители:
Рубрика:
Тогда надо просто проверить на наличие единичного корня соответствующую линейную
комбинацию
β
1
y
1t
+ ... + β
N
y
N t
.
При этом используются те же критические значения, которые рассчитаны на применение к
отдельно взятому
ряду; эти значения не зависят от количества задействованных рядов N .
Пусть возможный коинтегрирующий вектор не определен заранее.
Тогда отдельно рассматриваются следующие ситуации.
(2) Ряды y
1t
, … , y
N t
не имеют детерминированного тренда (точнее, E(∆y
k t
) = 0).
(2a) В коинтеграционное соотношение (SM) константа не включается.
В этом случае мы оцениваем
SM:
y
1t
= γ
2
y
2t
+ ... + γ
N
y
N t
+ u
t
,
получаем ряд остатков
()
tNNttt
yyyu
22 1
ˆˆˆ
γ
γ
++−= K ,
оцениваем модель регрессии
tKtKttt
uuuu
ε
ζ
ζ
ϕ
+
∆++∆+=∆
−−− 1 11
ˆˆˆ
ˆ
K
с достаточным количеством запаздывающих разностей и проверяем гипотезу H
0
: φ = 0
против альтернативы H
0
: φ < 0 .
На этот раз критические значения для
t-статистики t
φ
зависят от количества
задействованных рядов
N . При большом количестве наблюдений можно использовать
критические значения, приведенные в [Hamilton (1994), Table B.9, Case 1]. Однако на
практике в правую часть оцениваемого уравнения константа обычно включается.
(2b) В коинтеграционное соотношение (SM) константа включается.
В этом случае мы оцениваем
SM:
y
1t
= α + γ
2
y
2t
+ ... + γ
N
y
N t
+ u
t
,
опять получаем ряд остатков – теперь это будет ряд
()
tNNttt
yyyu
22 1
ˆˆˆ
ˆ
γ
γ
α
+++−= K ,
оцениваем модель регрессии
tKtKttt
uuuu
ε
ζ
ζ
ϕ
+
∆++∆+=∆
−−− 1 11
ˆˆˆ
ˆ
K
с достаточным количеством запаздывающих разностей и проверяем гипотезу H
0
: φ = 0
против альтернативы H
0
: φ < 0 .
Критические значения в этом случае отличаются от случая (2a). При большом количестве
наблюдений можно использовать критические значения, приведенные в [Hamilton (1994),
Table B.9, Case 2]. При небольших
T критические значения вычисляются по формуле,
приведенной в [MacKinnon (1991), таблица 1 (вариант “no trend”)] и воспроизведенной в
[Patterson (2000)].
Тогда надо просто проверить на наличие единичного корня соответствующую линейную комбинацию β1 y1t + ... + βN yN t . При этом используются те же критические значения, которые рассчитаны на применение к отдельно взятому ряду; эти значения не зависят от количества задействованных рядов N . Пусть возможный коинтегрирующий вектор не определен заранее. Тогда отдельно рассматриваются следующие ситуации. (2) Ряды y1t , … , yN t не имеют детерминированного тренда (точнее, E(∆yk t) = 0). (2a) В коинтеграционное соотношение (SM) константа не включается. В этом случае мы оцениваем SM: y1t = γ2 y2t + ... + γN yN t + ut , получаем ряд остатков uˆt = y1 t − (γˆ 2 y 2 t + K + γˆ N y N t ) , оцениваем модель регрессии ∆uˆt = ϕ uˆt − 1 + ζ 1∆uˆt − 1 + K + ζ K ∆uˆt − K + ε t с достаточным количеством запаздывающих разностей и проверяем гипотезу H0: φ = 0 против альтернативы H0: φ < 0 . На этот раз критические значения для t-статистики tφ зависят от количества задействованных рядов N . При большом количестве наблюдений можно использовать критические значения, приведенные в [Hamilton (1994), Table B.9, Case 1]. Однако на практике в правую часть оцениваемого уравнения константа обычно включается. (2b) В коинтеграционное соотношение (SM) константа включается. В этом случае мы оцениваем SM: y1t = α + γ2 y2t + ... + γN yN t + ut , опять получаем ряд остатков – теперь это будет ряд uˆt = y1 t − ( αˆ + γˆ 2 y 2 t + K + γˆ N y N t ) , оцениваем модель регрессии ∆uˆt = ϕ uˆt − 1 + ζ 1∆uˆt − 1 + K + ζ K ∆uˆt − K + ε t с достаточным количеством запаздывающих разностей и проверяем гипотезу H0: φ = 0 против альтернативы H0: φ < 0 . Критические значения в этом случае отличаются от случая (2a). При большом количестве наблюдений можно использовать критические значения, приведенные в [Hamilton (1994), Table B.9, Case 2]. При небольших T критические значения вычисляются по формуле, приведенной в [MacKinnon (1991), таблица 1 (вариант “no trend”)] и воспроизведенной в [Patterson (2000)].
Страницы
- « первая
- ‹ предыдущая
- …
- 212
- 213
- 214
- 215
- 216
- …
- следующая ›
- последняя »