आर के संवर्धित डिकी फुलर परीक्षण में के लैग को समझना

Question

मैंने आर में कुछ यूनिट रूट परीक्षण के साथ खेला और मैं पूरी तरह से सुनिश्चित नहीं हूं कि के लैग पैरामीटर क्या बनाना है। मैंने टॉसीज़ पैकेज से संवर्धित डिकी फुलर परीक्षण और फिलिप पेरोन परीक्षण का उपयोग किया । जाहिर है डिफ़ॉल्ट पैरामीटर (के लिए ) केवल श्रृंखला की लंबाई पर निर्भर करता है। अगर मैं अलग-अलग k -values ​​चुनता हूं तो मुझे बहुत अलग परिणाम मिलते हैं। अशक्त को अस्वीकार करना:$k$adf.test$k$

Dickey-Fuller = -3.9828, Lag order = 4, p-value = 0.01272
alternative hypothesis: stationary 
# 103^(1/3)=k=4 


Dickey-Fuller = -2.7776, Lag order = 0, p-value = 0.2543
alternative hypothesis: stationary
# k=0

Dickey-Fuller = -2.5365, Lag order = 6, p-value = 0.3542
alternative hypothesis: stationary
# k=6

प्लस पीपी परीक्षा परिणाम:

Dickey-Fuller Z(alpha) = -18.1799, Truncation lag parameter = 4, p-value = 0.08954
alternative hypothesis: stationary 

$k$

कोई संकेत?

Comments

इस पुस्तक को आपके सभी सवालों का जवाब देना चाहिए।

— 22

धन्यवाद! मैं स्प्रिंगर उपयोग श्रृंखला से प्यार करता हूँ, लेकिन मुझे यह नहीं पता था ...

— hans0l0

हम्म, iiuc ये परीक्षण केवल कि क्या phi = 1, नहीं तो phi> 1. लेकिन फिर भी R आउटपुट कहता है कि विकल्प है: स्थिरता। तो क्या वे phi> 1 की भी जांच करते हैं? जाहिर है कि यह गैर-स्थिर भी होगा।

— हंस ० एल ०

Answer 1

जब से मैंने ADF परीक्षणों को देखा तब से कुछ समय हो गया है, हालाँकि मुझे याद है कि मैं adf परीक्षण के कम से कम दो संस्करणों को याद करता हूँ।

http://www.stat.ucl.ac.be/ISdidactique/Rhelp/library/tseries/html/adf.test.html

http://cran.r-project.org/web/packages/fUnitRoots/

FUnitRoots पैकेज में एक फ़ंक्शन है जिसे adfTest () कहा जाता है। मुझे लगता है कि "प्रवृत्ति" समस्या को उन पैकेजों में अलग तरह से संभाला जाता है।

संपादित करें ------ निम्नलिखित लिंक के पृष्ठ 14 से, वहाँ 4 संस्करण (uroot बंद) adf परीक्षण के थे:

http://math.uncc.edu/~zcai/FinTS.pdf

एक और लिंक निम्नलिखित लिंक में अनुभाग 6.3 पढ़ें। यह अंतराल शब्द की व्याख्या करने में जितना काम कर सकता है, उससे कहीं अधिक है:

http://www.yats.com/doc/cointegration-en.html

इसके अलावा, मैं किसी भी मौसमी मॉडल के साथ सावधान रहूंगा। जब तक आप सुनिश्चित नहीं होते कि कुछ मौसमी मौजूद है, मैं मौसमी शब्दों का उपयोग करने से बचूंगा। क्यों? कुछ भी मौसमी शर्तों में टूट सकता है, भले ही वह न हो। यहाँ दो उदाहरण हैं:

#First example: White noise
x <- rnorm(200)

#Use stl() to separate the trend and seasonal term
x.ts <- ts(x, freq=4) 
x.stl <- stl(x.ts, s.window = "periodic")
plot(x.stl)

#Use decompose() to separate the trend and seasonal term
x.dec <- decompose(x.ts)
plot(x.dec)

#===========================================

#Second example, MA process
x1 <- cumsum(x)

#Use stl() to separate the trend and seasonal term
x1.ts <- ts(x1, freq=4)
x1.stl <- stl(x1.ts, s.window = "periodic")
plot(x1.stl)

#Use decompose() to separate the trend and seasonal term
x1.dec <- decompose(x1.ts)
plot(x1.dec)

नीचे दिया गया आलेख उपरोक्त कथानक (x.stl) कथन से है। stl () को सफेद शोर में एक छोटा मौसमी शब्द मिला। आप कह सकते हैं कि यह शब्द इतना छोटा है कि यह वास्तव में कोई मुद्दा नहीं है। समस्या वास्तविक आंकड़ों में है, आप नहीं जानते कि यह शब्द समस्या है या नहीं। नीचे दिए गए उदाहरण में, ध्यान दें कि ट्रेंड डेटा श्रृंखला में सेगमेंट हैं जहां यह कच्चे डेटा के फ़िल्टर किए गए संस्करण की तरह दिखता है, और अन्य सेगमेंट जहां इसे कच्चे डेटा से काफी अलग माना जा सकता है।

Answer 2

K पैरामीटर धारावाहिक सहसंबंध को संबोधित करने के लिए जोड़े गए लैग्स का एक सेट है। एडीएफ में ए का मतलब है कि परीक्षण लैग्स के अतिरिक्त द्वारा संवर्धित है। एडीएफ में लैग्स की संख्या का चयन विभिन्न तरीकों से किया जा सकता है। एक सामान्य तरीका यह है कि एक बड़ी संख्या में लैग्स को प्राथमिकता के साथ शुरू किया जाए और सबसे कम अंतराल तक क्रमिक रूप से लैग्स की संख्या को कम किया जाए।

ADF में लैग लगाने के बाद आप अवशिष्टों में क्रमिक सहसंबंध के लिए परीक्षण कर सकते हैं।