※ 引述《royaljustwe (努力！)》之铭言： : 最进在学习使用stata软体进行时间序列的分析 : 须要使用ADF的检定来看是否有单根 : 回归式 为 (Yt变动量)=a + bYt-1 + c(Yt-1变动量)+M : 我查到是要用"dfuller"这个指令去做 : 但是，要针对的变数(即放在此指令之後的变数)是那一个呢？ : 如果是看adf-t统计量时，是用b (也就是针对Yt-1) : 但是我用help dfuller查，里面好像是说要用Yt耶 : 不知我有没有看错or误解... : 恳请高手指导 以下是我的回答, 不敢确定是否完全正确. 如果有错, 欢迎指正, 谢谢. 假定有个时间续列:"Y_t". 简单来说, unit-root可想像成在下面这个方程式里的ρ=1. (如果-1<ρ<1, Y_t则是stationary的时间序列.) Y_t = μ + ρ*Y_t-1 + ε_t Dicky-Fuller test即是检定这个情况, 但作了一点转化. 它把上述方程式的左右同减Y_t-1: (Y_t - Y_t-1) = (μ + ρ*Y_t-1 + ε_t) - Y_t-1 => ΔY_t = μ + (ρ - 1)*Y_t-1 + ε_t => ΔY_t = μ + δ*Y_t-1 + ε_t 根据转化後的方程式, D-F test的虚无假设是δ=0, 对立假设是δ<0. 如果无法拒绝虚无假设, 表示Y_t这个时间序列可能有unit-root的问题, (由於D-F检定量不是服从常见的分布, 检定结果的临界值或P value是模拟求解而来的.) Augmented Dicky-Fuller test的概念与上述说明类似, 但它在方程式里加入(ΔY_t-1 + ΔY_t-2 + ...), 藉以控制higher-order serial correlation. ADF test的方程式如下: ΔY_t = μ + δ*Y_t-1 + (ΔY_t-1 + ΔY_t-2 + ...) + ε_t 基本上, ADF test的虚无假设还是δ=0, 对立假设也还是δ<0. 换句话说, ADF还是在检定Y_t这个时间序列是否有unit-root的问题. (对照您提供的方程式, 如果我没想错的话, "ΔY_t" 就是您说的 "Yt变动量", "μ" 就是您说的 "a", "δ" 就是您说的 "b", "Y_t-1" 就是你说的 "Yt-1", "ΔY_t-1" 就是您说的 "Yt-1变动量", "ε_t" 就是您说的 "M".) 就上述的例子, 在Stata里使用(A)DF test的语法: dfuller Y_t <= D-F test dfuller Y_t, lag(#) <= Augmented D-F test (#是数字, 代表要控制多少个higher-order serial correlation.) --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 155.245.109.47 ※ 编辑: KirinGuess 来自: 155.245.109.47 (04/14 08:27)