Расширенный тест Дики – Фуллера - Augmented Dickey–Fuller test

В статистика и эконометрика, расширенный тест Дики – Фуллера (АПД) проверяет нулевая гипотеза который единичный корень присутствует в Временные ряды образец. В Альтернативная гипотеза отличается в зависимости от того, какая версия теста используется, но обычно стационарность или же тренд-стационарность. Это расширенная версия Тест Дики – Фуллера для более крупного и сложного набора моделей временных рядов.

Расширенная статистика Дики – Фуллера (ADF), используемая в тесте, представляет собой отрицательное число. Чем он отрицательнее, тем сильнее отклонение гипотезы о существовании единичного корня на некотором уровне уверенности.^[1]

Процедура тестирования

Процедура тестирования ADF такая же, как и для Тест Дики – Фуллера но это применяется к модели

${displaystyle Delta y_{t}=alpha +eta t+gamma y_{t-1}+delta _{1}Delta y_{t-1}+cdots +delta _{p-1}Delta y_{t-p+1}+varepsilon _{t},}$

куда ${displaystyle alpha }$ константа, ${displaystyle eta }$ коэффициент на временном тренде и ${displaystyle p}$ порядок запаздывания авторегрессионного процесса. Наложение ограничений ${displaystyle alpha =0}$ и ${displaystyle eta =0}$ соответствует моделированию случайная прогулка и используя ограничение ${displaystyle eta =0}$ соответствует моделированию случайного блуждания со сносом. Следовательно, существует три основных версии теста, аналогичные тем, которые обсуждались на Тест Дики – Фуллера (см. эту страницу для обсуждения того, как справиться с неопределенностью относительно включения условий пересечения и детерминированного временного тренда в уравнение испытания.)

Путем включения лагов порядка п формулировка ADF учитывает процессы авторегрессии более высокого порядка. Это означает, что длина лага п должен быть определен при применении теста. Один из возможных подходов состоит в том, чтобы протестировать с высших порядков и изучить т-значения по коэффициентам. Альтернативный подход - изучить информационные критерии, такие как Информационный критерий Акаике, Байесовский информационный критерий или Информационный критерий Ханнана – Куинна.

Затем выполняется проверка единичного корня при нулевой гипотезе ${displaystyle gamma =0}$ против альтернативной гипотезы ${displaystyle gamma <0.}$ Один раз значение для тестовой статистики

${displaystyle mathrm {DF} _{ au }={frac {hat {gamma }}{operatorname {SE} ({hat {gamma }})}}}$

вычисляется, его можно сравнить с соответствующим критическим значением для теста Дики – Фуллера. Поскольку этот тест асимметричен, нас интересуют только отрицательные значения нашей тестовой статистики. ${displaystyle mathrm {DF} _{ au }}$. Если вычисленная статистика теста меньше (более отрицательна) критического значения, то нулевая гипотеза ${displaystyle gamma =0}$ отклоняется, и единичный корень отсутствует.

Интуиция

Интуиция, лежащая в основе теста, заключается в том, что если ряд характеризуется процессом с единичным корнем, то запаздывающий уровень ряда (${displaystyle y_{t-1}}$) не предоставит никакой соответствующей информации при прогнозировании изменения ${displaystyle y_{t}}$ помимо полученного в запаздывающих изменениях (${displaystyle Delta y_{t-k}}$). В этом случае ${displaystyle gamma =0}$ и нулевая гипотеза не отклоняется. Напротив, когда процесс не имеет единичного корня, он является стационарным и, следовательно, демонстрирует возврат к среднему значению, поэтому запаздывающий уровень предоставит релевантную информацию для прогнозирования изменения ряда, и нуль единичного корня будет отклонен.

Примеры

Модель, которая включает константу и временной тренд, оценивается с использованием выборки из 50 наблюдений и дает ${displaystyle mathrm {DF} _{ au }}$ статистика −4,57. Это более отрицательно, чем приведенное в таблице критическое значение -3,50, поэтому на уровне 95 процентов нулевая гипотеза о единичном корне будет отклонена.

Критические значения для Дики – Фуллера т-распределение.
	Без тренда		С трендом
Размер образца	1%	5%	1%	5%
Т = 25	−3.75	−3.00	−4.38	−3.60
Т = 50	−3.58	−2.93	−4.15	−3.50
Т = 100	−3.51	−2.89	−4.04	−3.45
Т = 250	−3.46	−2.88	−3.99	−3.43
Т = 500	−3.44	−2.87	−3.98	−3.42
Т = ∞	−3.43	−2.86	−3.96	−3.41
Источник[2]:373

Альтернативы

Есть альтернатива модульные корневые тесты такой как Тест Филлипса – Перрона (PP) или ADF-GLS тест процедура (ERS), разработанная Elliott, Rothenberg и Stock (1996).^[3]

Реализации в статистических пакетах

• В р, существуют различные пакеты, предоставляющие реализации теста. В прогноз пакет включает ndiffs функция (которая обрабатывает несколько популярных тестов модульного корня),^[4] то серия пакет включает adf.test функция^[5] и fUnitRoots пакет включает adfTest функция.^[6] Дальнейшая реализация предоставляется пакетом urca.^[7]
• Гретл включает расширенный тест Дики – Фуллера.^[8]
• В Matlab, то adfTest функция ^[9] является частью Econometrics Toolbox,^[10] а бесплатная версия доступна как часть набора инструментов "Пространственная эконометрика"^[11]
• В SAS, PROC ARIMA может выполнять тесты ADF.^[12]
• В Stata, то Dfuller команда используется для тестов ADF.^[13]
• В EViews, то Дополненный Дики-Фуллер доступен в разделе «Unit Root Test».^{[14][15][16][17]}
• В Python, то адфуллер функция доступна в Статистические модели упаковка.^[18]
• В Ява, то AugmentedDickeyFuller класс включен в СуанШу^[19] доступно под com.numericalmethod.suanshu.stats.test.timeseries.adf упаковка.
• В Юля, то ADFTest функция доступна в Гипотезы упаковка.^[20]

Смотрите также

• Тест Квятковского – Филлипса – Шмидта – Шина (KPSS)

Рекомендации

1. «Архивная копия». Архивировано из оригинал 2 марта 2009 г.. Получено 2 апреля, 2008.
2. Фуллер, В. А. (1976). Введение в статистические временные ряды. Нью-Йорк: Джон Уайли и сыновья. ISBN  0-471-28715-6.
3. Elliott, G .; Ротенберг, Т. Дж .; Сток, Дж. Х. (1996). «Эффективные тесты для корня авторегрессионного блока». Econometrica. 64 (4): 813–836. JSTOR  2171846.
4. "ndiffs {прогноз} | inside-R | Сайт сообщества для R". Inside-r.org. Получено 2020-02-23.
5. "R: Расширенный тест Дики-Фуллера". Finzi.psych.upenn.edu. Получено 2016-06-26.
6. «Сравнение тестовых функций ADF в R · Fabian Kostadinov». fabian-kostadinov.github.io. Получено 2016-06-05.
7. https://cran.r-project.org/web/packages/urca/urca.pdf
8. "Введение в gretl и учебную лабораторию gretl" (PDF). Spot.colorado.edu. Получено 2016-06-26.
9. «Расширенный тест Дики-Фуллера - MATLAB adftest». Mathworks.com. Получено 2016-06-26.
10. «Инструменты эконометрики - MATLAB». Mathworks.com. Получено 2016-06-26.
11. "Набор инструментов эконометрики для MATLAB". Spatial-econometrics.com. Получено 2016-06-26.
12. Дэвид А. Дики. «Проблемы стационарности в моделях временных рядов» (PDF). 2.sas.com. Получено 2016-06-26.
13. "Расширенный тест Дики – Фуллера на единичный корень" (PDF). Stata.com. Получено 2016-06-26.
14. «Напоминание о выводе EViews» (PDF). Получено 17 июн 2019.
15. "EViews.com • Просмотр темы - Дики Фуллер для моделей множественной регрессии". Forums.eviews.com. Получено 2016-06-26.
16. «Расширенные модульные корневые тесты Дики-Фуллера» (PDF). Faculty.smu.edu. Получено 2016-06-26.
17. "Тест DickeyFuller Unit Root". Hkbu.edu.hk. Получено 2016-06-26.
18. "statsmodels.tsa.stattools.adfuller - документация statsmodels 0.7.0". Statsmodels.sourceforge.net. Получено 2016-06-26.
19. "SuanShu | Numerical Method Inc". Numericalmethod.com. Архивировано из оригинал на 2015-08-15. Получено 2016-06-26.
20. «Тесты временных рядов». juliastats.org. Получено 2020-02-04.

дальнейшее чтение

• Грин, В. Х. (2002). Эконометрический анализ (Пятое изд.). Нью-Джерси: Прентис-Холл. ISBN  0-13-066189-9.^{[страница нужна ]}
• Said, S. E .; Дики, Д.А. (1984). «Тестирование единичных корней в моделях авторегрессионного скользящего среднего неизвестного порядка». Биометрика. 71 (3): 599–607. Дои:10.1093 / biomet / 71.3.599.