Teste de raiz da unidade phillips perron em stata forex

Testes de unidade-raiz no Stata (newcommand newcommand newcommand) Determinar a estacionaria de uma série de tempo é um passo chave antes de embarcar em qualquer análise. As propriedades estatísticas da maioria dos estimadores nas séries temporais dependem de dados sendo (fracamente) estacionários. Falando vagamente, um processo fracamente estacionário é caracterizado por uma média, variância e autocovariância invariantes do tempo. Na maioria das séries observadas, no entanto, a presença de um componente de tendência resulta na série não estacionária. Além disso, a tendência pode ser determinista ou estocástica, dependendo de quais transformações apropriadas devem ser aplicadas para obter uma série estacionária. Por exemplo, uma tendência estocástica, ou comumente conhecida como uma raiz unitária, é eliminada diferenciando a série. No entanto, a diferenciação de uma série que de fato contém uma tendência determinística resulta em uma unidade de raiz no processo de média móvel. Da mesma forma, subtrair uma tendência determinística de uma série que de fato contém uma tendência estocástica não representa uma série estacionária. Por isso, é importante identificar se a não-estacionança se deve a uma tendência determinística ou estocástica antes de aplicar as transformações adequadas. Nesta publicação, eu ilustrai três comandos que implementam testes para a presença de uma raiz de unidade usando dados simulados. Um exemplo simples de um processo com tendência estocástica é uma caminhada aleatória. Considere o seguinte processo autoregressivo de primeira ordem (AR) iniciar a etiqueta e e epsilont tag end onde (yt) é a variável dependente. O termo de erro (epsilont) é independente e distribuído de forma idêntica com a média 0 e a variância (sigma2). Se o processo começar a partir de um valor inicial (y0 0), então (yt) pode ser expresso como yt sum t epsiloni onde (sum t epsiloni) é o componente de tendência estocástica. A média e variância de (yt) são (E (yt) 0) e (mbox (yt) tsigma2). A média é constante enquanto a variância aumenta ao longo do tempo (t). Caminhada aleatória com deriva Adicionando um termo constante a um processo de caminhada aleatória, produz uma caminhada aleatória com deriva expressada como etiqueta inicial e alfa e epsilont tag end onde (alfa) é o termo constante. Se o processo começa a partir de um valor inicial (y00), então (yt) pode ser expresso como yt alpha t sum t epsiloni, que agora é a soma de um componente determinista linear ((alfa t)) e um componente estocástico. A média e a variância de (yt) são (E (yt) alfa t) e (mbox (yt) tsigma2). Tanto a média quanto a variância aumentam ao longo do tempo (t). Observe que se o valor de (alfa) for próximo de zero, então uma caminhada aleatória parece semelhante a uma caminhada aleatória com deriva. Considere o seguinte modelo com uma tendência de tempo determinístico linear, yt alpha delta t phi y epsilont onde (delta) é um coeficiente no índice de tempo (t) e (phi Código bloco 1: unitroot. do Linhas 1ndash4 limpar a sessão atual do Stata, Defina a semente para o gerador de números aleatórios, defina uma macro local T como o número de observações e configure-a para 200. As linhas 5ndash7 geram a variável de tempo e declaram-na como uma série temporal. A linha 8 gera um erro médio aleatório médio zero com Desvio padrão 5. As linhas 10ndash12 geram dados de um modelo de caminhada aleatória e armazenam-nas na variável yrw. Linhas 14ndash16 geram dados de uma caminhada aleatória com uma derivação de 0,1 e armazenam-nas na variável yrwd1. Linhas 18ndash20 geram dados de uma caminhada aleatória Com uma deriva de 1 e armazene na variável yrwd2. As linhas 22ndash24 geram dados de um modelo de tendência de tempo determinista e armazenam-nas na variável yt. A linha 25 descarta as primeiras 50 observações como queima. Linhas 27ndash33 traçam o tempo se . Elliott, G. R. T. J. Rothenberg e J. H. Stock. 1996. Testes eficientes para uma raiz de unidade autorregressiva. Econometrica 64: 813ndash836. Hamilton, J. D. 1994. Análise das séries temporais. Princeton: Princeton University Press. Phillips, P. C. B. 1987. Regressão de séries temporais com uma unidade de raiz. Econometrica 55: 277ndash301. Phillips, P. C. B. e P. Perron. 1988. Testando uma regra de unidade na regressão de séries temporais. Biometrika 75: 335ndash346. Obrigado por este post interessante. Ao lê-lo, eu estava pensando sobre os potenciais problemas com os dados da vida real quando a tendência não é tão óbvia no gráfico da série de tempo (como na figura 1). Aqui, você permitiu uma tendência nos testes, no entanto. Este é um conselho geral que você daria ao testar uma unidade-raiz, notei que, para a caminhada aleatória com deriva, ele aumenta, mesmo, o valor p quando não adiciona o termo de tendência à regressão. Se não houver uma tendência clara, então eu testaria a hipótese alternativa de estacionar em torno de uma média constante em vez de uma tendência temporal. Na publicação, incluí um termo de tendência porque eu estava testando a presença da unidade de raiz nas variáveis ​​na Figura 2, que apresentava uma tendência temporal. Niri Martha Choji muito obrigado por esta maravilhosa postagem. Mas supondo que eu queira fazer um teste de raiz da unidade do painel bootstrap um stata, como faço para isso, obrigado. Como podemos testar se uma série se comporta parcialmente como uma raiz unitária e, parcialmente, não é exemplo, a série de dados de Y se comporta de modo estacionário entre 1970 a 1995 e, em seguida, raiz de unidade até 2017. Faz uma quebra estrutural (que eu presumo provoca uma situação diferente? ) Ou podemos modificar a hipótese da raiz da unidade simples para cobrir tais problemas. Documentação Descrição Os testes de Phillips-Perron avaliam a hipótese nula de uma unidade de raiz em uma série de tempo univariada y. Todos os testes utilizam o modelo: a hipótese nula restringe uma 1. Variantes do teste, apropriadas para séries com diferentes características de crescimento, restringem a derivação e os coeficientes de tendência determinística, c e 948. Respectivamente, para ser 0. Os testes usam estatísticas Dickey-Fuller modificadas (ver adftest) para explicar as correlações em série no processo de inovação e (t). Argumentos de entrada Vector de dados da série temporal. O último elemento é a observação mais recente. NaN s indica que valores faltantes são removidos. Argumentos de par nome-valor Scalar ou vetor de números inteiros não negativos que indicam o número de atrasos de autocovariância a serem incluídos no estimador Newey-West da variância de longo prazo. Para melhores resultados, dê um valor adequado para atrasos. Para obter informações sobre a seleção de atrasos. Veja Determinando um Número Apropriado de Lags. Vector de caracteres, como AR. Ou vetor de células de vetores de caracteres que indicam a variante do modelo. Os valores são: pptest testa o modelo nulo contra o modelo alternativo com AR (1) coeficiente a lt 1. ARD (autoregressivo com deriva) teste pptest o modelo nulo AR contra o modelo alternativo com coeficiente de desvio c e AR (1) coeficiente a lt 1. TS (tendência estacionária) pptest teste o modelo nulo contra o modelo alternativo com coeficiente de derivação c. Coeficiente de tendência determinista 948. E AR (1) coeficiente a lt 1. Vector de caracteres, como t1. Ou vetor de células de vetores de caracteres que indicam a estatística de teste. Os valores são: pptest calcula uma modificação da estatística t padrão de estimativas OLS do coeficiente AR (1) e seu erro padrão (se) no modelo alternativo. O teste avalia o significado da restrição 8211 1 0. pptest calcula uma modificação da estatística t não estudada de uma estimativa OLS do coeficiente AR (1) a e dos coeficientes estacionários no modelo alternativo. T é o tamanho efetivo da amostra, ajustado para o atraso e valores faltantes. O teste avalia o significado da restrição a 8211 1 0. Escalar ou vetor de níveis de significância nominal para os testes. Defina valores entre 0,001 e 0,999. Argumentos de saída Vector de decisões booleanas para os testes, com comprimento igual ao número de testes. Valores de h iguais a 1 indicam a rejeição da unidade-raiz nula em favor do modelo alternativo. Os valores de h igual a 0 indicam uma falha ao rejeitar a nula da unidade. Vector de p-valores das estatísticas de teste, com comprimento igual ao número de testes. Os valores de p são probabilidades de cauda esquerda. Vector de estatísticas de teste, com comprimento igual ao número de testes. As estatísticas são calculadas usando estimativas OLS dos coeficientes no modelo alternativo. Vetor de valores críticos para os testes, com comprimento igual ao número de testes. Os valores são para probabilidades de cauda esquerda. Estrutura das estatísticas de regressão para a estimativa OLS de coeficientes no modelo alternativo. O número de registros é igual à quantidade de testes. Cada registro tem os seguintes campos: Comprimento da série de entrada com NaN s removido Algorithms pptest executa uma regressão de mínimos quadrados para estimar coeficientes no modelo nulo. Os testes utilizam estatísticas Dickey-Fuller modificadas (veja adftest) para explicar as correlações em série no processo de inovação e (t). As estatísticas de Phillips-Perron seguem distribuições não padronizadas sob o nulo, até assintoticamente. Os valores críticos para uma variedade de tamanhos de amostra e níveis de significância foram tabulados usando simulações de Monte Carlo do modelo nulo com inovações Gaussianas e cinco milhões de repetições por tamanho de amostra. Pptest interpola valores críticos e valores-p das tabelas. Tabelas para ensaios de tipo t1 e t2 são idênticas às das versões anteriores. Referências 1 Davidson, R. e J. G. MacKinnon. Teoria econométrica e métodos. Oxford, Reino Unido: Oxford University Press, 2004. 2 Elder, J. e P. E. Kennedy. Testando as raízes da unidade: o que os estudantes devem ser ensinados Jornal da educação econômica. Vol. 32, 2001, pp. 1378211146. 3 Hamilton, J. D. Time Series Analysis. Princeton, NJ: Princeton University Press, 1994. 4 Newey, W. K. e K. D. West. Uma Matriz de Covariância Consistente e Semi-Finida Positiva Simples, Heterosqueticidade e Autocorrelação. Econometrica. Vol. 55, 1987, pp. 7038211708. 5 Perron, P. Tendências e Random Walks em séries de tempo macroeconômico: evidência adicional de uma nova abordagem. Journal of Economic Dynamics and Control. Vol. 12, 1988, pp. 2978211332. 6 Phillips, P. Time Series Regression com uma unidade de raiz. Econometrica. Vol. 55, 1987, pp. 2778211301. 7 Phillips, P. e P. Perron. Testando uma Raiz de Unidade na Regressão da Série de Tempo. Biometrika. Vol. 75, 1988, págs. 3358211346. 8 Schwert, W. Testes para as raízes da unidade: uma investigação de Monte Carlo. Jornal de estatísticas econômicas e de negócios. Vol. 7, 1989, pp. 1478211159. 9 White, H. e I. Domowitz. Regressão não linear com observações dependentes. Econometrica. Vol. 52, 1984, pp. 1438211162. Selecione Seu País