Questions tagged «augmented-dickey-fuller»

我使用R，我搜索在谷歌和了解到kpss.test()，PP.test()和adf.test()用来了解时间序列的平稳性。 但是我不是统计学家，他可以解释他们的结果 > PP.test(x) Phillips-Perron Unit Root Test data: x Dickey-Fuller = -30.649, Truncation lag parameter = 7, p-value = 0.01 > kpss.test(b$V1) KPSS Test for Level Stationarity data: b$V1 KPSS Level = 0.0333, Truncation lag parameter = 3, p-value = 0.1 Warning message: In kpss.test(b$V1) : p-value greater than …

30 r  time-series  stationarity  augmented-dickey-fuller  kpss-test 

Kwiatkowski–Phillips–Schmidt–Shin（KPSS）测试与增强Dickey-Fuller（ADF）测试之间有什么区别？他们在测试同一件事吗？还是我们需要在不同情况下使用它们？

27 time-series  stationarity  unit-root  augmented-dickey-fuller  kpss-test 

我已经看过好几次人们在增强Dickey-Fuller检验中拒绝空值，然后声称它表明他们的序列是平稳的（不幸的是，我无法显示这些声明的来源，但是我想类似的声明在这里和那里都存在。一本或另一本日记）。 我认为这是一种误解（拒绝单位根的零点不一定与拥有平稳序列相同，尤其是因为进行此类测试时很少研究甚至不考虑非平稳性的替代形式）。 我想要的是： a）一个很好的明显反例（我现在可以想象一对夫妇，但我敢打赌，除了我以外的人会比我的想法更好）。它可能是对特定情况的描述，也许带有数据（模拟的或真实的；两者都有其优势）；要么 b）一个令人信服的论点，为什么应将增强迪基-富勒中的拒绝视为建立平稳性 （如果感觉很聪明，甚至（a）和（b）都可以）

18 time-series  unit-root  stationarity  augmented-dickey-fuller 

精简版： 我有一个正在测试平稳性的时间序列气候数据。根据先前的研究，我希望数据的基础模型（或可以说是“生成”）具有截距项和正线性时间趋势。为了测试这些数据的平稳性，我是否应该使用包含截距和时间趋势（即等式＃3）的Dickey-Fuller检验？ ∇ ÿŤ= α0+ α1个t + δÿt − 1+ 你Ť∇ÿŤ=α0+α1个Ť+δÿŤ-1个+üŤ\nabla y_t = \alpha_0+\alpha_1t+\delta y_{t-1}+u_t 还是我应该使用仅包含截距的DF检验，因为我认为该模型所基于的方程的第一个差异只有截距？ 长版： 如上所述，我有一个时间序列的气候数据正在测试平稳性。根据先前的研究，我希望数据基础模型具有拦截项，正线性时间趋势和一些正态分布的误差项。换句话说，我希望基础模型看起来像这样： ÿŤ= 一个0+ 一个1个t + βÿŤ− 1+ 你ŤÿŤ=一种0+一种1个Ť+βÿŤ-1个+üŤy_t = a_0 + a_1t + \beta y_{t-1} + u_t 其中üŤüŤu_t是正态分布。因为我假设基础模型具有截距和线性时间趋势，所以我使用简单的Dickey-Fuller检验的方程式＃3测试了单位根，如下所示： ∇yt=α0+α1t+δyt−1+ut∇yt=α0+α1t+δyt−1+uŤ\nabla y_t = \alpha_0+\alpha_1t+\delta y_{t-1}+u_t 该测试返回了一个临界值，该临界值将导致我拒绝原假设，并得出基本模型非平稳的结论。但是，如果我正确运用这一点，因为即使我的问题底层模型假设有一个截距和时间趋势，这并不意味着第一个区别∇yt∇yt\nabla y_t的意志为好。相反，实际上，如果我的数学正确的话。 计算基于所述方程的第一差假定的主要模型给出： ∇yt=yt−yt−1=[a0+a1t+βyt−1+ut]−[a0+a1(t−1)+βyt−2+ut−1]∇yt=yt−yt−1=[a0+a1t+βÿŤ-1个+üŤ]-[一种0+一种1个（Ť-1个）+βÿŤ-2+üŤ-1个]\nabla y_t = y_t - y_{t-1} = …

17 time-series  stationarity  unit-root  augmented-dickey-fuller 

我正在尝试测试两个时间序列之间的协整关系。这两个系列的每周数据跨度约为3年。 我正在尝试做Engle-Granger两步法。我的操作顺序如下。 通过增强Dickey-Fuller测试每个时间序列的单位根。 假设两者都有单位根，则通过OLS找到关系的线性近似。然后创建一系列残差。 通过增强Dickey-Fuller测试单位根的残差。 根据3的结果得出（或不）协整。 问题： 这种方法看起来还好吗？（我是一名本科生，我希望以一种合法的方式来分析我的数据，而不必以最严格的已知方法来对其进行分析。） 如果在第1步中一个序列不能用ADF拒绝零假设（因此没有单位根），是否可以合理地得出结论，因为一个数据集是非平稳的，所以两个序列未进行协整？我不这么认为，但我想确定。 两个数据集看起来都是“随机的”，所以我想知道使用OLS来测量关系以获得残差是否合适。

13 time-series  cointegration  unit-root  augmented-dickey-fuller