Comment interprétez-vous les résultats des tests de racine unitaire?

Je dois faire des tests de racine unitaire pour un projet, je ne sais pas comment interpréter les données (c'est ce qu'on m'a demandé de faire).

Voici un de mes résultats:

dfuller Demand

Dickey-Fuller test for unit root                   Number of obs   =        50

                  ---------- Interpolated Dickey-Fuller ---------
                Test         1% Critical       5% Critical     10% Critical
             Statistic         Value            Value           Value      
       -------------------------------------------------------------------
Z(t)           -1.987         -3.580            -2.930          -2.600
       -------------------------------------------------------------------
          MacKinnon approximate p-value for Z(t) = 0.2924

Que dire des valeurs critiques et des résultats de la valeur p?

— russel
source

Dans le cas où cette aide: stats.stackexchange.com/questions/29121/… Le fil entier est assez épique.

— usεr11852

hurm .. comment puis-je interpréter le test de racine unitaire? pouvez-vous m'expliquer quelle est la relation entre le niveau et l'interception, d'abord différent et intercepter, le niveau et intercepter + tendance, d'abord différent et intercepter + tendance. je suis très confus sur la façon d'interpréter la sortie du test de racine unitaire

Bienvenue sur le site, @fathin. Ce n'est pas une réponse à la question du PO. Veuillez utiliser uniquement le champ «Votre réponse» pour fournir des réponses. Si vous avez votre propre question, cliquez sur [ASK QUESTION]en haut et posez-la là, alors nous pouvons vous aider correctement. Puisque vous êtes nouveau ici, vous voudrez peut-être faire notre visite , qui contient des informations pour les nouveaux utilisateurs.

— gung - Rétablir Monica

Si vous avez une nouvelle question, veuillez la poser en cliquant sur le bouton Poser une question . Incluez un lien vers cette question si cela permet de fournir un contexte.

— QuantIbex

Réponses:

Cela teste l'hypothèse nulle que la demande suit un processus de racine unitaire. Vous rejetez généralement la valeur nulle lorsque la valeur de p est inférieure ou égale à un niveau de signification spécifié, souvent 0,05 (5%), ou 0,01 (1%) et même 0,1 (10%). Votre valeur p approximative est de 0,2924, vous ne pourriez donc pas rejeter la valeur nulle dans tous ces cas, mais cela n'implique pas que l'hypothèse nulle est vraie. Les données sont simplement cohérentes avec elle.

L'autre façon de voir cela est que votre statistique de test est plus petite ( en valeur absolue ) que la valeur critique de 10% . Si vous avez observé une statistique de test comme -4, vous pouvez rejeter la valeur nulle et prétendre que votre variable est stationnaire. Cela peut être plus familier si vous vous souvenez que vous rejetez lorsque la statistique de test est "extrême". Je trouve la valeur absolue un peu déroutante, donc je préfère regarder la valeur p.

Mais vous n'avez pas encore fini. Quelques choses à craindre et à essayer:

Vous n'avez aucun décalage ici. Il existe trois écoles de pensée sur la façon de choisir le bon numéro. La première consiste à utiliser la fréquence des données pour décider (4 retards pour le trimestre, 12 pour le mensuel). Deuxièmement, choisissez un certain nombre de décalages dont vous êtes sûr qu'ils sont plus grands que nécessaire et supprimez le décalage le plus long tant qu'il est insignifiant, un par un. Il s'agit d'une approche par étapes qui peut vous induire en erreur. Troisièmement, utilisez le test DF modifié ( dfglsdans Stata), qui comprend des estimations du nombre optimal de retards à utiliser. Ce test est également plus puissant au sens statistique de ce mot.
Vous n'avez pas non plus de termes de dérive ou de tendance. Si un graphique des données montre une tendance à la hausse au fil du temps, ajoutez l'option de tendance. S'il n'y a pas de tendance, mais que vous avez une moyenne non nulle, l'option par défaut que vous avez est très bien. Il peut être utile de publier un graphique des données.

— Dimitriy V. Masterov
source

Si vous obtenez cela, ce serait formidable. Lors des tests, convertissez-vous simplement tout en valeur absolue, puis vérifiez si votre valeur t est inférieure à votre valeur critique?

— Jack Armstrong

@JackArmstrong Malheureusement, je n'ai aucune idée de ce que vous demandez.

— Dimitriy V. Masterov

Je parle dans le Dickey Fuller. Prenez la valeur t-stat que vous avez résolue, convertissez-la en valeur absolue. Ensuite, prenez votre valeur t-critique basée sur les observations et votre niveau de signification et mettez-la en valeur absolue. Comparez ensuite les deux et espérez que t-stat <t-crit pour que vos données soient stationnaires.

— Jack Armstrong

@JackArmstrong Je pense que les détails dépendent des options que vous avez spécifiées pour le test. Je voudrais juste regarder la valeur de p.

— Dimitriy V. Masterov

@JackArmstrong Par exemple, à partir d'une entrée Wiki pour ADF , "La statistique augmentée Dickey-Fuller (ADF), utilisée dans le test, est un nombre négatif."

— Dimitriy V. Masterov

Ajout à @ Dimitriy:

Le Stataexécute la OLSrégression pour le formulaire ADFin first difference. Ainsi, la valeur nulle est que le coefficient de décalage du niveau de la variable dépendante (Demande ici) sur le côté droit est nul (vous devez utiliser les options régresser, pour confirmer qu'il exécute la régression sous first differenceforme). L'alternative est qu'elle est inférieure à zéro ( one-tailed test). Ainsi, lorsque vous comparez les statistiques de test calculées et la valeur critique, vous devez rejeter la valeur nulle si la valeur calculée est inférieure à la valeur critique ( note that this is one (left) tailed test). Dans votre cas, -1,987 n'est pas inférieur à -3,580 (valeur critique de 1%) [Essayez de ne pas utiliser la valeur absolue car elle est généralement appliquée à two-tailed test]. Donc, nous ne rejetons pas le null à 1%. Si vous continuez comme ça, vous verrez que null n'est pas non plus rejeté à 5% ou 10%. Ceci est également confirmé parMacKinnon approximate p-value for Z(t) = 0.2924 qui dit que nul ne sera rejeté qu'environ 30%, ce qui est assez élevé compte tenu du niveau de signification traditionnel (1,5 et 10%).

Plus théorique:

Sous la valeur null, la demande suit un processus de racine unitaire. Nous ne pouvons donc pas appliquer le théorème central limite habituel. Nous devons plutôt utiliser le théorème de la limite centrale fonctionnelle . En d'autres termes, les statistiques de test ne suivent pas la tdistribution mais la Taudistribution. Nous ne pouvons donc pas utiliser les valeurs critiques de t-distribution.

— Métrique
source

STATA

Valor z> Valor crítico 5% >>>> Acepto Ho: la serie tiene raíces unitarias >>>> Si hay raíces unitarias >>>> serie no estacionaria

La probabilidad del valor de z (t) es no significativo >>>> serie no estacionaria

Valor z ≤ Valor crítico 5% >>>> Rechazo Ho: la serie tiene raíces unitarias >>>> Pas de foin raíces unitarias >>>> serie estacionaria

La probabilidad del valor de z (t) es significativo >>>> serie estacionaria

Traduction (approximative et quelque peu gratuite)

Si où est la valeur critique du test, alors nous "acceptons" , c'est-à-dire que la série a une racine unitaire. S'il y a des racines unitaires, la série n'est pas stationnaire. $z > z_{0.05}$ $z_{0.05}$ $H_0$

Par conséquent, si la valeur de n'est pas significative, la série n'est pas stationnaire. $p$ $z(t)$

Si alors nous rejetons l'hypothèse nulle que la série a une racine unitaire. S'il n'y a pas de racines unitaires, nous concluons que la série est stationnaire. $z \leq z_{0.05}$ $H_0$

La valeur de étant significative nous amènerait à conclure que la série est stationnaire. $p$ $z(t)$

— user46162
source