Nó có thể được chỉ ra rằng, nói chung, các thử nghiệm cùng hội nhập số liệu thống kê của . Tôi tin rằng điều này đúng với tất cả các bài kiểm tra hợp nhất, vì vậy bài kiểm tra cụ thể được sử dụng có lẽ không liên quan.
Tuy nhiên, tôi đã thấy rằng hai thống kê kiểm tra nói chung là "gần": hai thống kê kiểm tra sẽ ở cùng một mức độ tin cậy.
Lưu ý rằng trong công việc của tôi, phương pháp phổ biến để kiểm tra sự hợp nhất là kiểm tra một gốc đơn vị trong sự kết hợp tuyến tính của hai chuỗi (chuỗi dư AKA). Nói chung, tôi sẽ làm như vậy bằng cách sử dụng thử nghiệm ADF và so sánh thống kê thử nghiệm kết quả với các mức độ tin cậy cần thiết để từ chối giả thuyết khống.
Những câu hỏi của tôi:
- Có điều gì chính thức có thể nói về việc so sánh với c o i n t ( B , A ) không?
- Có một lý do kỹ thuật thuyết phục để thích một định hướng thay đổi hơn định hướng khác?
- Các câu trả lời cho 1 hoặc 2 cụ thể cho bài kiểm tra hợp nhất được sử dụng? Nếu vậy, có điều gì đặc biệt liên quan đến phương pháp kiểm tra hợp nhất mà tôi đã nêu ở trên không?
Cảm ơn.
BIÊN TẬP:
Đây là một ví dụ, theo yêu cầu. Tôi sử dụng Python cho hầu hết các công việc thống kê của tôi.
Thống kê kiểm tra ADF cho tổ hợp tuyến tính đầu tiên (chuỗi dư AKA) là -35.9199966497
và -35.7190914946
cho tổ hợp tuyến tính thứ hai.
Rõ ràng đây là một ví dụ khá cực đoan, nhưng có nhiều người khác.
Thứ tự các ô trong biểu đồ:
- Phần dư 1
- Phân tán biểu đồ với dòng phù hợp nhất, định hướng (x, y).
- Phần dư 2
- Phân tán biểu đồ với dòng phù hợp nhất, định hướng (y, x).
- Đồ thị của hai đường cong thô.
Hy vọng rằng sẽ xóa mọi thứ.