Начиная с 70-х гг. XX в. высказанные выше предположения были положены в основу новой теории о коинтеграции временных рядов. Под коинтеграцией понимается причинно-следственная зависимость в уровнях двух (или более) временных рядов, которая выражается в совпадении или противоположной направленности их тенденций и случайной колеблемости. [c.283]
Фактическое значение Г-критерия, рассчитанное по данным уравнения регрессии, равно —2,154. Так как полученное фактическое значение по абсолютной величине превышает критическое значение т0 05 = 1,9439, то с вероятностью 95% можно отклонить ноль-гипотезу и сделать вывод о коинтеграции временных рядов среднедушевого дохода и среднедушевых расходов на конечное потребление. [c.287]
Что такое коинтеграция временных рядов Какие методы тестирования двух временных рядов на коинтеграцию вам известны [c.289]
Примечание обычно регрессия X по Y отличается от регрессии Y по X, но в случае коинтеграции временных рядов "долгосрочная" коинтеграция между переменными равна 1, и обе регрессии по сути одинаковы. [c.342]
Первая стадия — оценка регрессии коинтеграции временных рядов, как описано выше. [c.343]
Статистические критерии, предназначенные для проверки гипотезы о коинтеграции, основаны не на проверке стационарности остатков, а на проверке менее жесткой гипотезы - гипотезы об отсутствии во временном ряде единичного корня. [c.283]
Коинтеграция двух временных рядов значительно упрощает процедуры и методы, используемые в целях их анализа, поскольку в этом случае можно строить уравнение регрессии и определять показатели корреляции, используя в качестве исходных данных непосредственно уровни изучаемых рядов, учитывая тем самым информацию, содержащуюся в исходных данных, в полном объеме. Однако поскольку коинтеграция означает совпадение [c.284]
Построим графики временных рядов среднедушевого дохода и потребления (рис. 6.3). Графический анализ показывает, что тенденции этих рядов совпадают. Проведем тестирование временных рядов среднедушевого дохода и расхода на потребление на коинтеграцию. [c.285]
Очевидно, что при рассмотрении коротких временных рядов данных, или краткосрочной перспективы, равновесное состояние может не достигаться, и коинтеграции между рядами х, и у, может не быть. Поэтому каждый уровень временного ряда случайных ошибок е или остатков, можно считать корректирующей компонентой модели (7.67), характеризующей степень достижения равновесного состояния динамики рядов х, и у, в долгосрочной перспективе. Основываясь на этих рассуждениях, Сарган выдвинул предположение о том, что на формирование уровней ряда yt (точнее — на их цепные абсолютные приросты) оказы- [c.334]
Совместные распределения количественных признаков. Условные распределения. Независимость признаков. Критерий Пирсона. Таблица сопряженности. Регрессионный и корреляционный анализ. Метод наименьших квадратов. Коэффициент корреляции. Дисперсионный анализ однофакторный, многофакторный без повторений. Анализ временных рядов. Тренд, сглаживание, сезонность, циклы. Стационарные ряды. Динамические регрессии. Ложная регрессия. Коинтеграция. [c.49]
Для построения моделей по временным рядам необходимы данные за 20 и более периодов длиною в год, квартал или месяц. Как правило, такие данные по большинству макроэкономических показателей для территорий не доступны. Также подобные модели требует продвинутого анализа на предмет наличия единичного корня и порядка коинтеграции рядов, поэтому в данной методике этот тип моделей не обсуждается. [c.71]
Коинтеграционный тест 222 Коинтеграция временных рядов 221 Компонентный анализ 111 Короткая регрессия 244 Корреляционная зависимость 51 [c.300]
Давая обобщающую характеристику проблемы коинтеграции временных рядов, мы отмечали, что сама койнтеграция имеет место только для длительных промежутков времени, или в долгосрочной перспективе. Рассмотрим модель регрессии по двум временным рядам у, и х между которыми существует койнтеграция [c.334]
Коинтеграция временных рядов 282-285, 334-335 Коллинеарность факторов 92 Конфлюэнтный анализ 17 Коррелограмма 23 3 Корреляционная матрица 112 Корреляция 10, 12, 14, 20 Коэффициент [c.338]
Рассмотрены краткая история возникновения эконометрики, ее задачи и методы. Излагаются условия и методы построения эконометриче-ских моделей по пространственным данным и временным радам. Описываются структурные модели, включая путевой анализ, а также автокорре-ляционная функция и методы выявления структуры временного ряда. При изучении взаимосвязей между временными рядами уделяется внимание теории коинтеграции, моделям с распределенным лагом (метод Койка) и моделям авторегрессии, включая VAR-модели. [c.343]
Анализ временных рядов включает в себя очень широкий спектр проблем. В этой главе мы ограничимся четырьмя целями. Первая — это объяснить доступным языком значение наиболее важных терминов, используемых- и анализе временных рядов (динамических процессов). Вторая — проанализировать процесс построения временных рядов как однофакторный стохастический процесс, т.е. стохастический процесс, составляющие которого являются функциями одной рассматриваемой переменной. Третья и четвертая цели — объяснить два эконометрических метода, используемых для анализа временных рядов. Термин "эконо-метрические методы" здесь показывает, что процесс моделируется как функция, зависящая от нескольких переменных, не только от рассматриваемой. Два метода, которые в последнее время все чаще используются при анализе финансовой информации, — это коинтеграция и авторегрессионная условная гетероскедастичность (AR H) и ее обобщенная форма — GAR H. Однако перед тем, как приступить к анализу этих концепций, мы должны определиться с некоторыми понятиями и объяснить некоторые основные формы анализа временных рядов. [c.314]
В экономике и финансах многие ряды не обладают устойчивыми средним значением и дисперсией. Поэтому далее в этой главе мы изучим коинтеграцию в рядах динамики и AR H-и GAR H-методы, разработанные для работы с такими временными рядами. [c.327]
Это выражение аналогично уравнению (7.24), но скорее с и, чем с Кв качестве независимой переменной. Проверяется нулевая гипотеза, что не существует коинтеграции во временных рядах, т.е. р = 0. Причина в том, что при р, незначимо отличном от нуля, щ является рядом 7(1), и отсюда нет коинтеграции между рядами Y и X. Мы не можем использовать тот же критерий значимости для Ut, что и для Y, в уравнении (7.23), потому что сами остатки уже являются результатом оценки. Поэтому мы должны использовать таблицы МакКиннона (1991). [c.342]
В случае с многими переменными может быть больше одного вектора коинтеграции. Следовательно, нужна методология, которая бы определила структуру всех векторов коинтеграции. Такой процесс был разработан Йохансеном (1988) и Йохансеном и Йезулиусом (1990). Он определяет множество временных рядов в качестве векторного авторегрессионного (VAR) процесса. Модель исправления ошибки разрабатывается следующим образом. [c.344]
Наиболее точное образование матрицы П получается при методе наибольшего правдоподобия Йохансена (1988) и Йохансена и Йезулеуса (1990), который применяется к коинтеграции нескольких временных рядов. [c.347]
Процедура Йохансена имеет две функции. Первая — определение числа векторов коинтеграции в группе временных рядов, вторая — обеспечение оценок максимального правдоподобия векторов коинтеграции и векторов скорости приведения. Обе модели кратко описаны в приложениях 7.1 и 7.2 соответственно. Однако, помимо этого, многие пакеты прикладных экономических программ содержат процедуры коинтеграции. Мы использовали Mi rosoft 3.0 для получения результатов в приведенном ниже примере. [c.349]
Коинтеграция ( ointegration) — эконометрическии метод анализа хронологических рядов с общим трендом. В 2003 г. профессор Клайв Грэнджер, британец, работающий в Калифорнийском университете в Сан-Диего (США), получил премию за разработку метода коинтеграции. Нобелевский лауреат 2003 г. Роберт Ингл работал со стационарными рядами динамики. Стационарность означает, что вероятностные характеристики случайного процесса не меняются во времени. В частности, распределение вероятностей экономической величины при всех t является одним и тем же. Однако большинство макроэкономических временных рядов не обладают стационарностью. Переменные могут колебаться с постоянной волатильностью вокруг некоторого тренда, который время от времени меняет свое направление. [c.144]
Клайв Грэйнджер (р. 1934, Великобритания)- за создание метода коинтеграции для анализа временных рядов в экономике. [c.817]
В динамических моделях с панельными данными так же, как и в обычных моделях временных рядов, возникают проблемы единичных корней, коинтеграции и т. п., но рассмотрение этих вопросов выходит за рамки нашей книги. Более подробное описание этой темы можно прочесть, например, в книгах (Greene, 1997), (Verbeek, 2000). [c.385]
Проверка равенства цен (или уровней цен) — обычная задача в исследованиях закона единой цены и паритета покупательной способности. Используя какое-либо (обычно линейное) коинтеграци-онное соотношение, устанавливается стационарность или нестационарность временного ряда относительных цен. Однако, давая ответ типа "всё или ничего", этот традиционный подход не в со- [c.11]
В дальнейшем мы еще вернемся к проблеме оценивания коинтегрирующего вектора, а сейчас обратимся к вопросу о коинтеграции нескольких временных рядов. [c.192]
В отношении моделей связи между несколькими интегрированными рядами читателю полезно ознакомиться с проблемой построения структурных моделей коррекции ошибок (структурных ЕСМ) и связанной с ней проблемой более точного определения понятия экзогенности (слабая экзогенность, строгая экзогенность). Можно упомянуть также обобщение процедуры Йохансена на системы, включающие 1(2) переменные, сезонную коинтеграцию, построение моделей связи при наличии структурных изменений, байесовский подход к анализу связей между временными рядами. [c.241]
Пусть все эти ряды интегрированные порядка 1, ранг коинтеграции этих временных рядов равен г = 3 и в коинтеграционное соотношение приходится включать еще и временной тренд t. Тогда речь идет об идентификации трех коинтегрирующих векторов [c.356]
Другой метод тестирования ноль-гипотезы об отсутствии коинтеграции между двумя временнь ши рядами основан на использовании величины критерия Дарбина — Уотсона, полученной для уравнения (6.1). Однако в отличие от традиционной методики его применения в данном случае проводят проверку гипотезы о том, что полученное фактическое значение критерия Дарбина — Уотсона в генеральной совокупности равно нулю. [c.284]