statsmodels.tsa.ardl.UECMResults.bounds_test

UECMResults.bounds_test(case, cov_type='nonrobust', cov_kwds=None, use_t=True, asymptotic=True, nsim=100000, seed=None)[source]

Pesaran、Shin 和 Smith 的协整边界检验

Parameters:
case{1, 2, 3, 4, 5}

PSS测试中涵盖的案例之一。

cov_typestr

使用的协方差估计器。PSS检验的渐近分布仅在同方差情况下得到了确立，这也是默认设置。

最常见的选择如下所列。支持所有在OLS.fit中可用的协方差估计器。

  • ‘nonrobust’ - 假设同方差的类 OLS 协方差估计量。

  • ‘HC0’, ‘HC1’, ‘HC2’, ‘HC3’ - White’s（或Eiker-Huber-White）协方差估计器的变体。HC0是标准实现。其他变体通过修正来提高异方差稳健协方差估计器在有限样本中的表现。

  • ‘HAC’ - 异方差自相关稳健协方差估计。支持 cov_kwds。

    • maxlags 整数（必需）：使用的滞后数。

    • kernel callable or str (optional)kernel

      目前可用的核函数是 [‘bartlett’, ‘uniform’]，默认是 Bartlett。

    • use_correction bool (optional)If true, use small sample

      修正。

cov_kwdsdict, optional

传递给协方差估计器的关键字参数字典。nonrobust 和 HC# 不支持 cov_kwds。

use_tbool, optional

一个标志，指示是否应对协方差估计器应用小样本校正。

asymptoticbool

指示是否使用通过模拟计算的渐近临界值（True，默认）或模拟特定样本大小的临界值集的标志。表格仅适用于共整合关系中最多10个分量，因此如果包含更多变量，则始终使用模拟。模拟在残差同方差的假设下计算检验统计量。

nsimint

计算精确临界值时要运行的模拟次数。 仅在 asymptotic 为 True 时使用。

seed{None, int, sequence[int], RandomState, Generator}, optional

用于模拟临界值的种子。如果需要可重复的临界值和p值，并且asymptotic为False，则必须提供。

Returns:
BoundsTestResult

命名元组包含 stat, crit_vals, p_values, null` 和 ``alternative。统计量是PSS中偏好的F型检验统计量。

注释

PSS边界检验有5种情况，用于检验模型中水平项的系数

\[\Delta Y_{t}=\delta_{0} + \delta_{1}t + Z_{t-1}\beta + \sum_{j=0}^{P}\Delta X_{t-j}\Gamma + \epsilon_{t}\]

其中 \(Z_{t-1}\) 包含 \(Y_{t-1}\) 和 \(X_{t-1}\)。

这些情况决定了哪些确定性项被包含在模型中，以及哪些项作为测试的一部分被检验。

案例：

  1. 没有确定性项

  2. 常数包含在模型和测试中

  3. 模型中包含但测试中不包含的常量

  4. 模型中包含常数和趋势，测试中仅包含趋势

  5. 模型中包含常数和趋势，测试中均不包含

检验统计量是一种Wald型二次型检验，检验\(\beta\)中的所有系数以及任何包含的确定性项是否为0，这取决于具体情况。返回的统计量是一种F型检验统计量，它是标准的二次型检验统计量除以约束条件的数量。

参考文献

Last update: Oct 16, 2024