计量经济学之时间序列分析学习笔记(单位根检验、协整检验、单整阶数判断、ECM建模)——基于R(二)
一、生成时间序列
data1=matrix(0,1000,1)
for(i in 1:1000)
{data1[i+1]=data1[i]+rnorm(1)}
plot(data1,type="l")
nd=ts(data1,start=c(2008,1,2),frequency=7)
data2=matrix(0,1000,1)
for(i in 1:1000)
{data2[i+1]=data2[i]+rnorm(1)}
plot(data2,type="l")
nd=ts(data2,start=c(2008,1,2),frequency=7)
二、单位根检验
1、法一
library(urca)
nl=ur.df(nd,type='none',selectlags='AIC')
%其中type有none、trend(趋势项)、drift(漂移项)可选,selectlags有Fixed、AIC(赤池)、BIC(施瓦茨)可选
summary(nl)###############################################
# Augmented Dickey-Fuller Test Unit Root Test #
############################################### Test regression none Call:
lm(formula = z.diff ~ z.lag.1 - 1 + z.diff.lag)Residuals:Min 1Q Median 3Q Max
-3.0586 -0.6624 -0.0188 0.6888 3.8523 Coefficients:Estimate Std. Error t value Pr(>|t|)
z.lag.1 -0.003817 0.003031 -1.259 0.208
z.diff.lag -0.036475 0.031668 -1.152 0.250Residual standard error: 1.034 on 997 degrees of freedom
Multiple R-squared: 0.003075, Adjusted R-squared: 0.001075
F-statistic: 1.538 on 2 and 997 DF, p-value: 0.2154Value of test-statistic is: -1.2591 Critical values for test statistics: 1pct 5pct 10pct
tau1 -2.58 -1.95 -1.62
2、法二
adfTest(nd)Title:Augmented Dickey-Fuller TestTest Results:PARAMETER:Lag Order: 1STATISTIC:Dickey-Fuller: -1.2591P VALUE:0.215 Description:Fri Jul 06 15:15:56 2018 by user: lenovo
三、单整阶数判断
library(forecast)
ndiffs(nd)
1
四、协整检验
r=lm(data1~data2)
re=resid(r)
library(urca)
h=ur.df(re,type="trend",selectlags="AIC")
summary(h)###############################################
# Augmented Dickey-Fuller Test Unit Root Test #
############################################### Test regression trend Call:lm(formula = z.diff ~ z.lag.1 + 1 + tt + z.diff.lag)Residuals:Min 1Q Median 3Q Max
-2.9373 -0.6966 -0.0121 0.6350 3.6245 Coefficients:Estimate Std. Error t value Pr(>|t|)
(Intercept) -2.824e-03 6.260e-02 -0.045 0.964
z.lag.1 -4.314e-03 2.980e-03 -1.448 0.148
tt -1.953e-06 1.084e-04 -0.018 0.986
z.diff.lag -8.718e-04 3.171e-02 -0.027 0.978Residual standard error: 0.9834 on 995 degrees of freedom
Multiple R-squared: 0.002138, Adjusted R-squared: -0.0008708
F-statistic: 0.7106 on 3 and 995 DF, p-value: 0.5458Value of test-statistic is: -1.4477 0.7125 1.0612 Critical values for test statistics: 1pct 5pct 10pct
tau3 -3.96 -3.41 -3.12
phi2 6.09 4.68 4.03
phi3 8.27 6.25 5.34
五、ECM
dd1=diff(data1)
dd2=diff(data2)
im=head(re,-1)
ecmdata=data.frame(dy=dd1,dx=dd2,error.term=im)
ecm=lm(dd1~dd2+im,data=ecmdata)
summary(ecm)
Call:lm(formula = dd1 ~ dd2 + im, data = ecmdata)Residuals:Min 1Q Median 3Q Max
-2.9020 -0.6865 -0.0108 0.6309 3.6340 Coefficients:Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.000150 0.031058 -0.005 0.996
dd2 -0.020568 0.030968 -0.664 0.507
im -0.004259 0.002953 -1.442 0.150Residual standard error: 0.9805 on 997 degrees of freedom
Multiple R-squared: 0.002544, Adjusted R-squared: 0.0005426
F-statistic: 1.271 on 2 and 997 DF, p-value: 0.281
计量经济学之时间序列分析学习笔记(单位根检验、协整检验、单整阶数判断、ECM建模)——基于R(二)相关推荐
- 时间序列分析学习笔记:时间序列的预处理(平稳性检验、纯随机性检验)
1 时间序列预处理 2 平稳性检验 2.1 特征统计量(概率分布的意义) 2.2 时间序列的概率分布 2.3 概率分布族应用的局限性 2.4 特征统计量(均值.方差) 2.5 平稳时间序列的定义(严平 ...
- 计量经济学之回归分析学习笔记(均值回归、分位数回归、岭回归、Lasso回归、ENet回归)——基于R(一)
[笔记前言] 最近在进行计量经济学的课程学习,本文对部分回归方法进行了整理,恳请大家对其中出现的错误进行指正,不胜感激. 此外,由于种种原因,在均值回归时,我们将涉及到模型建立后的后续检验,而在其他回 ...
- 时间序列分析学习笔记
1.点序列 模式发生时间的一个有序序列,se=<t1,t2,t3,t4,t5> 2.周期点序列 <0,5,10,15,20,27,30,35,40>是一个周期为5.时间容忍度为 ...
- 协整检验该如何分析?
在宏观计量经济研究中,通常会使用VAR模型研究多个时间经济变量之间的数量关系情况,但是VAR模型要求数据无单位根或者同阶单整,如果无单位根通常可直接进行VAR模型构建,如果有单位根但是满足同阶单整,此 ...
- 计量经济学之时间序列的平稳性、单位根检验、协整检验、时间序列数据的一般处理流程
时间序列的平稳性 为什么要把时间序列变成平稳的?--平稳性的意义 如何检验时间序列数据的平稳性?--单位根检验 数据不平稳怎么办?--协整检验 单整.协整(cointegration) 协整检验 总结 ...
- 时间序列之协整检验(3)
协整检验 1. 协整检验(cointegration test) 2. 常用的协整检验 3. 研究变量之间的协整关系,对研究经济问题的定量分析有着重要的意义: 5. 用Eviews代码进行协整检验 4 ...
- 时间序列研(part7)--单位根检验
学习笔记,仅供参考,有错必纠 时间序列 单位根检验 单位根检验做得不好常常会把退势平稳过程误判为随机趋势非平稳过程(隐性趋势)和确定性趋势非平稳(显性趋势)过程.检验时间序列中是否含有单位根时常会碰到 ...
- R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据
传统上,协整的测试是在非常长的时间内进行的,本案例研究A测试了1960-2010年期间T-Bill利率和国债收益率之间的平衡. 但是作为量化主义者,我们必须在市场数据中寻找共同运动. 现货曲线 银行提 ...
- R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析CPI和PPI时间序列关系...
全文链接:http://tecdat.cn/?p=31108 作为衡量通货膨胀的基本指标,消费者价格指数CPI和生产者价格指数PPI的作用关系与传导机制一直是宏观经济研究的核心问题.(点击文末&quo ...
最新文章
- 怎么快速插入 100 条数据,用时最短
- 美国研发出百万兆级计算机 Summit,“最强超算”竞争加剧
- 学python需要什么文化基础-人工智能对人类有哪些影响 选择Python入门怎样
- 单例模式应用场景_【简易设计模式04】单例模式
- linux学习笔记(10)fdisk命令
- java中字母用什么单词赋值_Java初学
- 知识表示之五——面向对象的知识表示
- C++笔记---函数声明(prototype)
- 计算机应用基础实践试题,计算机应用基础实践环节考试试题(一)
- dicom worklist下载病例程序/dicom worklist scu (c#版本)
- 收发短信AT指令详解
- gohost -- go 开发的命令行hosts配置管理工具 1
- NPDP产品经理认证:创新性解决问题方法(TRIZ)的工具与应用
- React.memo Component definition is missing display name
- 如何分类保存下载京东商城无官方水印商品主图
- 图解网络:组建一个网络需要用到哪些硬件设备?
- 从CRUD到自身架构师的蜕变之路?全靠这份:Java中高级核心知识全面解析
- 集成OpenLDAP与Kerberos实现统一认证(一):整合后台数据库
- 李炎恢 ComboGrid(数据表格下拉框):读取Json文件中的数据
- ueif的stall的实现