> # Null hypothesis:

> # There are n cointegrated vectors.

有n个协整向量

> install.packages('urca')

> library(urca)

> args(ca.jo)

function (x, type = c('eigen', 'trace'), ecdet = c('none', 'const',

'trend'), K = 2, spec = c('longrun', 'transitory'), season = NULL,

dumvar = NULL)

NULL

> # x: data matrix to be investigated for cointegration

x: 用于检查协整的数据矩阵

> # type: 'eigen' or 'trace'

> # ecdet: 'none', 'const', or 'trend'

> # K: number of lags

K: 滞后阶数

> # spec: VECM specification, 'longrun' or 'transitory'

spec: VECM规范:'longrun'或'transitory'

> # Example:

> data(denmark)

> sjd ->

> (sjd.vecm ->

+ spec='longrun',season=4))

#################################

# Johansen-Procedure Unit Root / Cointegration Test #

#################################

The value of the test statistic is: 2.3522 6.3427 10.362 30.0875

> summary(sjd.vecm)

######################

# Johansen-Procedure #

######################

Test type: maximal eigenvalue statistic (lambda max) , without linear trend and constant in cointegration

测试类型:没有线性趋势并协整恒定的最大特征值统计(λ最大)

Eigenvalues (lambda):

特征值(λ):

[1] 4.331654e-01 1.775836e-01 1.127905e-01 4.341130e-02

[5] -8.947236e-16

Values of teststatistic and critical values of test:

测试检验统计量的值和临界值:

test 10pct 5pct 1pct

r <= 3="" |="" 2.35="" 7.52="" 9.24="">=>

r <= 2="" |="" 6.34="" 13.75="" 15.67="">=>

r <= 1="" |="" 10.36="" 19.77="" 22.00="">=>

r = 0 | 30.09 25.56 28.14 33.24

Eigenvectors, normalised to first column:

归一化的特征向量

(These are the cointegration relations)

没有协整关系

LRM.l2 LRY.l2 IBO.l2 IDE.l2 constant

LRM.l2 1.000000 1.0000000 1.0000000 1.000000 1.0000000

LRY.l2 -1.032949 -1.3681031 -3.2266580 -1.883625 -0.6336946

IBO.l2 5.206919 0.2429825 0.5382847 24.399487 1.6965828

IDE.l2 -4.215879 6.8411103 -5.6473903 -14.298037 -1.8951589

constant -6.059932 -4.2708474 7.8963696 -2.263224 -8.0330127

Weights W:

(This is the loading matrix)

(这是载荷矩阵)

LRM.l2 LRY.l2 IBO.l2 IDE.l2

LRM.d -0.21295494 -0.00481498 0.035011128 2.028908e-03

LRY.d 0.11502204 0.01975028 0.049938460 1.108654e-03

IBO.d 0.02317724 -0.01059605 0.003480357 -1.573742e-03

IDE.d 0.02941109 -0.03022917 -0.002811506 -4.767627e-05

constant

LRM.d -4.183363e-13

LRY.d 4.618135e-13

IBO.d 3.673136e-14

IDE.d -1.115087e-14

> slotNames(sjd.vecm)

[1] 'x' 'Z0' 'Z1' 'ZK' 'type'

[6] 'model' 'ecdet' 'lag' 'P' 'season'

[11] 'dumvar' 'cval' 'teststat' 'lambda' 'Vorg'

[16] 'V' 'W' 'PI' 'DELTA' 'GAMMA'

[21] 'R0' 'RK' 'bp' 'spec' 'call'

[26] 'test.name'

> sjd.vecm@teststat

[1] 2.352233 6.342730 10.361950 30.087451

> sjd.vecm@cval # 10.36 <><=1 =="" 22.00="">=1>

10pct 5pct 1pct

r <= 3="" |="" 7.52="" 9.24="">=>

r <= 2="" |="" 13.75="" 15.67="">=>

r <= 1="" |="" 19.77="" 22.00="">=>

r = 0 | 25.56 28.14 33.24

> # Conclusion: There are 1 cointegrated vector.

结论:有1个协整向量。

R语言迹检验协整关系式_R语言中可实现的常用统计假设检验总结(侧重时间序列)...相关推荐

  1. R语言迹检验协整关系式_R语言做协整检验

    #做单位根检验# library(urca) data(finland) attach(finland) lrm1.df=ur.df(lrm1,lags=5,type="trend" ...

  2. R语言迹检验协整关系式_使用R语言进行协整关系检验

    协整检验是为了检验非平稳序列的因果关系,协整检验是解决伪回归为问题的重要方法.首先回归伪回归例子: 伪回归Spurious regression伪回归方程的拟合优度.显著性水平等指标都很好,但是其残差 ...

  3. r语言alasso的系数怎么看_R语言如何做COX回归分析和nomogram?

    准备用几次推送与大家一起系统的学习下Nomogrm的绘制原理及其在R软件和SAS软件中的实现.首先声明,文章只是自己文献上的整理及自己的一点点理解,错误之处还请大家指出! 在wikipedia 里对N ...

  4. 格兰杰检验 协整检验 误差修正模型相关

    格兰杰检验 协整检验 误差修正模型相关 转自博客 http://blog.sina.com.cn/s/blog_3fa1d4300100mroy.html 个人觉得正确的顺序是:先对单变量进行单位根的 ...

  5. r语言的MASS包干什么的_R语言综述的包

    Multivariate Statistics (多元统计) 基本的R包已经实现了传统多元统计的很多功能,然而CRNA的许多其它包提供了更深入的多元统计方法,下面做个简要的综述.多元统计的特殊应用在C ...

  6. r语言的MASS包干什么的_R语言常用包汇总

    转载于:https://blog.csdn.net/sinat_26917383/article/details/50651464?locationNum=2&fps=1 一.一些函数包大汇总 ...

  7. R plot图片背景设置为透明_R语言实战 牛国庆

    [toc] 第一章 1.3.2 R中帮助函数 R中用于管理R工作空间的函数 函数setwd()不会自动创建一个不存在的目录.如果必要的话,可以使用函数dir.create()来创建新目录,然后使用se ...

  8. r语言kendall协和系数_R语言-相关系数计算(一)

    应用R语言完成相关性检验,相关性矩阵及相关性可视化 首先安装相应的R包 require(ggpubr) ## Loading required package: ggpubr ## Loading r ...

  9. r语言kendall协和系数_R语言之并行计算(kendall相关系数篇)

    对于属性较多的数据,我们一般都会去计算两两属性之间的相关性,用以探讨属性之间的关系. 相对于皮尔森相关系数,我们更喜欢使用spearman和kendall相关系数,因为作为非参数相关系数,稳定性更好. ...

最新文章

  1. 首次看清体内所有癌症转移灶,深度学习方法立大功!中国留学生一作论文登《细胞》封面...
  2. mysql json_set多维_mysql之json高级使用
  3. nginx服务器access_log日志分析及配置详解
  4. Codeforces Beta Round #17 D. Notepad (数论 + 广义欧拉定理降幂)
  5. Webpack 打包太慢?来试试 Bundleless
  6. 10个Linux 系统性能监控命令行工具
  7. ios retain 与 copy 的区别
  8. mysql 8.0.16修改root密码_mysql 8.0.16 winx64及Linux修改root用户密码 的方法
  9. 8s nfs 挂载文件_把你的树莓派家庭实验室变成一个网络文件系统 | Linux 中国
  10. html 冒泡事件拦截,Js 冒泡事件阻止
  11. AIX 文件操作和AIX 目录操作
  12. aehyok.com的成长之路一——开篇
  13. FPGA实现VGA显示(一)——————屏幕驱动及color_bar显示
  14. 动易CMS - 模板的一些常用标签
  15. sap销售发货的流程_现金及快速销售流程
  16. 一文掌握智能抠图Deep Image Matting(pytorch实现)
  17. MPEG压缩中的 I、B、P帧
  18. ASP利用IP138获IP地理位置
  19. GIVE 添加 bigWig 文件
  20. 马士兵内部共享—1658页《Java面试突击核心讲》,面试神技

热门文章

  1. ai修复照片软件是哪个软件_美图秀秀神奇的AI照片修复功能,背后用到了哪些技术?...
  2. java 爬虫 403_使用java爬虫获取网络资源403错误解决
  3. C语言 判断一个是否素数
  4. JavaME与Android的关系
  5. 大数据Hadoop(一)Hadoop整体介绍
  6. 【深入浅出通信原理-学习笔记】基带信号的发送和接收
  7. 【系统架构设计师】计算机组成与体系结构 ① ( 计算机组成 | CPU | 存储器 | 总线 | IO 外设 | CPU 组成 | 运算器 | 控制器 )
  8. 网站设计网站开发流程详细介绍
  9. 华为员工轻松入会的秘诀是?
  10. 分享Silverlight/WPF/Windows Phone一周学习导读(11月21日-11月27日)