Làm thế nào để bạn giải thích kết quả từ các bài kiểm tra gốc đơn vị?

Tôi phải thực hiện một số kiểm tra gốc đơn vị cho một dự án, tôi chỉ không chắc chắn về cách diễn giải dữ liệu (đó là những gì tôi đã được yêu cầu làm).

Đây là một trong những kết quả của tôi:

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

Tôi nói gì về các giá trị tới hạn và kết quả giá trị p?

Điều này kiểm tra giả thuyết null rằng Nhu cầu tuân theo quy trình gốc đơn vị. Bạn thường từ chối null khi giá trị p nhỏ hơn hoặc bằng mức ý nghĩa được chỉ định, thường là 0,05 (5%) hoặc 0,01 (1%) và thậm chí 0,1 (10%). Giá trị p gần đúng của bạn là 0,2924, do đó bạn sẽ không từ chối null trong tất cả các trường hợp này, nhưng điều đó không có nghĩa là giả thuyết null là đúng. Các dữ liệu chỉ đơn thuần là phù hợp với nó.

Một cách khác để thấy điều này là thống kê kiểm tra của bạn nhỏ hơn ( về giá trị tuyệt đối ) so với giá trị tới hạn 10% . Nếu bạn quan sát một thống kê kiểm tra như -4, thì bạn có thể từ chối null và cho rằng biến của bạn là ổn định. Đây có thể là cách quen thuộc hơn nếu bạn nhớ rằng bạn từ chối khi thống kê kiểm tra là "cực đoan". Tôi thấy điều giá trị tuyệt đối hơi khó hiểu, vì vậy tôi thích nhìn vào giá trị p.

Nhưng bạn chưa làm xong. Một số điều cần lo lắng và thử:

1. Bạn không có bất kỳ độ trễ nào ở đây. Có ba trường phái suy nghĩ về cách chọn đúng số. Một, là sử dụng tần suất của dữ liệu để quyết định (4 độ trễ cho hàng quý, 12 cho hàng tháng). Hai, chọn một số độ trễ mà bạn tự tin là lớn hơn mức cần thiết và cắt bớt độ trễ dài nhất miễn là nó không đáng kể, từng cái một. Đây là một cách tiếp cận từng bước và có thể khiến bạn lạc lối. Ba, sử dụng thử nghiệm DF được sửa đổi ( dfglstrong Stata), bao gồm các ước tính về số lượng độ trễ tối ưu để sử dụng. Bài kiểm tra này cũng mạnh hơn theo nghĩa thống kê của từ đó.
2. Bạn cũng không có một sự trôi dạt hoặc một điều khoản xu hướng. Nếu một biểu đồ dữ liệu hiển thị xu hướng tăng theo thời gian, hãy thêm tùy chọn xu hướng. Nếu không có xu hướng, nhưng bạn có ý nghĩa khác không, tùy chọn mặc định bạn có là ổn. Nó có thể hữu ích nếu bạn đăng một biểu đồ của dữ liệu.

Ngoài ra với @ Dimitriy:

Các Statachạy OLShồi quy cho ADFtrong first differencehình thức. Vì vậy, null là hệ số độ trễ của mức biến phụ thuộc (Nhu cầu ở đây) ở phía bên tay phải bằng 0 (bạn cần sử dụng hồi quy tùy chọn, để xác nhận rằng nó đang chạy hồi quy first differencedưới dạng). Thay thế là nó nhỏ hơn 0 ( one-tailed test). Vì vậy, khi bạn so sánh thống kê kiểm tra tính toán và giá trị tới hạn, bạn phải từ chối null nếu giá trị tính toán nhỏ hơn giá trị tới hạn ( note that this is one (left) tailed test). Trong trường hợp của bạn, -1.987 không nhỏ hơn -3,580 (giá trị tới hạn 1%) [Cố gắng không sử dụng giá trị tuyệt đối vì điều đó thường được áp dụng cho two-tailed test]. Vì vậy, chúng tôi không từ chối null ở mức 1%. Nếu bạn tiếp tục như vậy, bạn sẽ thấy null cũng không bị từ chối ở mức 5% hoặc 10%. Điều này cũng được xác nhận bởiMacKinnon approximate p-value for Z(t) = 0.2924 trong đó nói rằng null sẽ bị từ chối chỉ khoảng 30%, khá cao nếu xét đến mức ý nghĩa truyền thống (1,5 và 10%).

Thêm lý thuyết:

Theo null, nhu cầu tuân theo quy trình root đơn vị. Vì vậy, chúng ta không thể áp dụng định lý giới hạn trung tâm thông thường. Thay vào đó chúng ta cần sử dụng định lý giới hạn trung tâm chức năng . Nói cách khác, số liệu thống kê kiểm tra không tuân theo tphân phối mà Tauphân phối. Vì vậy, chúng tôi không thể sử dụng các giá trị quan trọng từ t-distribution.

SỐ LIỆU

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 có nghĩaativo >>>> serie no estacionaria

Valor z ≤ Valor crítico 5% >>>> Rechazo Ho: la serie tiene raíces unitarias >>>> Không hay raíces unitarias >>>> serie estacionaria

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

(Rough và hơi miễn phí) bản dịch

$z > z_{0.05}$$z_{0.05}$$H_0$

$p$$z(t)$

$z \leq z_{0.05}$$H_0$

$p$$z(t)$