如何获得R中受限VECM中α和β的t统计量临界值?
我们有一个包含变量的数据框架(温室气体排放、人均汽车数量、LPG燃料汽车占所有汽车的百分比) 在通过单位根检验发现所有三个变量都是非平稳的之后,协整分析如何获得R中受限VECM中α和β的t统计量临界值?,r,R,我们有一个包含变量的数据框架(温室气体排放、人均汽车数量、LPG燃料汽车占所有汽车的百分比) 在通过单位根检验发现所有三个变量都是非平稳的之后,协整分析 library(urca) summary(ca.jo(df, K=2,type="trace", ecdet="none", spec="transitory")) 结果表明,这三个序列与秩r=1协整 以下代码(Verena Brufatto,2015,“宏观经济因素与美国股市指数:协整分析”,MS论文,第99页;以及许多其他来源)产生了阿
library(urca)
summary(ca.jo(df, K=2,type="trace", ecdet="none", spec="transitory"))
结果表明,这三个序列与秩r=1协整
以下代码(Verena Brufatto,2015,“宏观经济因素与美国股市指数:协整分析”,MS论文,第99页;以及许多其他来源)产生了阿尔法、贝塔、阿尔法和贝塔的t-统计数据:
V1.trace <- ca.jo(df, K=2,type="trace", ecdet="none", spec="transitory") # rank=1
vecm <- cajorls(V1.trace, r=1)
beta <- V1.trace@V[,1]
alfa <- V1.trace@W[,1]
residuals <- resid(vecm$rlm)
N <- nrow(residuals) # 10
sigma <- crossprod(residuals)/N
beta.se <- sqrt(diag(kronecker(solve(crossprod(V1.trace@RK[,-1])), solve(t(alfa)%*%solve(sigma) %*% alfa))))
beta.t <- c(NA, beta[-1]/beta.se)
alfa.se <- sqrt(solve(crossprod(cbind(V1.trace@ZK %*%beta, V1.trace@Z1)))[1,1]*diag(sigma))
alfa.t <- alfa/alfa.se
t值处于偏执状态
假设在这个阶段,我们想要找到α和β的t统计量的临界值。我们怎么才能找到那些
我所做的:1.以下内容:
coeftest(cajorls(ca.jo(df, K=2,type="trace", ecdet="none", spec="transitory"), r=1)$rlm)
产生:
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
emission.d:ect1 -2.0754e-01 3.4970e-01 -0.5935 0.578678
emission.d:constant -1.4452e-01 4.6887e-01 -0.3082 0.770334
emission.d:emission.dl1 -1.1461e-01 5.3116e-01 -0.2158 0.837695
emission.d:carpp.dl1 4.3285e+01 3.3596e+01 1.2884 0.253999
emission.d:LPG_p.dl1 9.8103e-02 9.9322e-02 0.9877 0.368642
carpp.d:ect1 -1.0694e-02 2.0225e-03 -5.2874 0.003225 **
carpp.d:constant 1.6675e-02 2.7117e-03 6.1495 0.001653 **
carpp.d:emission.dl1 1.2156e-02 3.0719e-03 3.9570 0.010775 *
carpp.d:carpp.dl1 1.9572e-01 1.9430e-01 1.0073 0.360017
carpp.d:LPG_p.dl1 2.2761e-03 5.7442e-04 3.9625 0.010716 *
LPG_p.d:ect1 2.7625e+00 2.4359e-01 11.3406 9.324e-05 ***
LPG_p.d:constant -1.5706e+00 3.2660e-01 -4.8088 0.004846 **
LPG_p.d:emission.dl1 -9.8081e-01 3.7000e-01 -2.6509 0.045380 *
LPG_p.d:carpp.dl1 -6.6548e+01 2.3402e+01 -2.8437 0.036091 *
LPG_p.d:LPG_p.dl1 -1.7219e-01 6.9186e-02 -2.4888 0.055240 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
虽然coeftest(cajorls(ca.jo())
和以上代码的alfa值相同,但t统计数据不同
任何帮助都将不胜感激。我无能为力,但您应该提供您使用的软件包的名称,并可能将其作为关键字添加。@Gilles,我使用的Urcaurca软件包在此类应用程序中是标准的。添加到上述代码中。关键字添加需要1500次重复。我不能帮助您,但您应该提供您使用的软件包的名称,并可能将其作为关键字添加。@Gilles,我使用的Urcaurca软件包在这类应用程序中是标准的。添加到上述代码中。添加关键字需要1500次重复。
emission_(t-1) carpp_(t-1) LPG_p_(t-1)
β 1 -17.8569153 -0.0374754
(-15.487457) (-5.406585)
α -0.20755093 -0.01069378 2.76252149
(-0.8393556) (-7.4775057) (16.0376516)
coeftest(cajorls(ca.jo(df, K=2,type="trace", ecdet="none", spec="transitory"), r=1)$rlm)
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
emission.d:ect1 -2.0754e-01 3.4970e-01 -0.5935 0.578678
emission.d:constant -1.4452e-01 4.6887e-01 -0.3082 0.770334
emission.d:emission.dl1 -1.1461e-01 5.3116e-01 -0.2158 0.837695
emission.d:carpp.dl1 4.3285e+01 3.3596e+01 1.2884 0.253999
emission.d:LPG_p.dl1 9.8103e-02 9.9322e-02 0.9877 0.368642
carpp.d:ect1 -1.0694e-02 2.0225e-03 -5.2874 0.003225 **
carpp.d:constant 1.6675e-02 2.7117e-03 6.1495 0.001653 **
carpp.d:emission.dl1 1.2156e-02 3.0719e-03 3.9570 0.010775 *
carpp.d:carpp.dl1 1.9572e-01 1.9430e-01 1.0073 0.360017
carpp.d:LPG_p.dl1 2.2761e-03 5.7442e-04 3.9625 0.010716 *
LPG_p.d:ect1 2.7625e+00 2.4359e-01 11.3406 9.324e-05 ***
LPG_p.d:constant -1.5706e+00 3.2660e-01 -4.8088 0.004846 **
LPG_p.d:emission.dl1 -9.8081e-01 3.7000e-01 -2.6509 0.045380 *
LPG_p.d:carpp.dl1 -6.6548e+01 2.3402e+01 -2.8437 0.036091 *
LPG_p.d:LPG_p.dl1 -1.7219e-01 6.9186e-02 -2.4888 0.055240 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1