Jeśli mam nową serię, która wykazuje rosnące zachowanie, to skąd mam wiedzieć, że ta seria jest znoszona lub z tendencją?
Możesz uzyskać pewną graficzną wskazówkę, czy należy wziąć pod uwagę przechwycenie czy trend deterministyczny. Należy pamiętać, że warunek dryftu w równaniu z generuje deterministyczny trend liniowy w obserwowanych szeregach, podczas gdy trend deterministyczny zamienia się we wzór wykładniczy w .ϕ=1yt
Aby zobaczyć, co mam na myśli, możesz symulować i kreślić niektóre serie za pomocą oprogramowania R, jak pokazano poniżej.
Symuluj losowy spacer:
n <- 150
eps <- rnorm(n)
x0 <- rep(0, n)
for(i in seq.int(2, n)){
x0[i] <- x0[i-1] + eps[i]
}
plot(ts(x0))
Symuluj losowy spacer z dryfowaniem:
drift <- 2
x1 <- rep(0, n)
for(i in seq.int(2, n)){
x1[i] <- drift + x1[i-1] + eps[i]
}
plot(ts(x1))
Symuluj losowy spacer z trendem deterministycznym:
trend <- seq_len(n)
x2 <- rep(0, n)
for(i in seq.int(2, n)){
x2[i] <- trend[i] + x2[i-1] + eps[i]
}
plot(ts(x2))
Możesz to również zobaczyć analitycznie. W tym dokumencie (str. 22) uzyskano wpływ terminów deterministycznych w modelu z pierwiastkami sezonowymi. Jest napisane w języku hiszpańskim, ale możesz po prostu zastosować pochodne każdego równania, jeśli potrzebujesz wyjaśnień na ten temat, możesz wysłać mi e-mail.
Czy mogę wykonać dwa testy ADF: test ADF 1. Hipoteza zerowa to seria I (1) z dryfującym testem ADF 2. Hipoteza zerowa to seria I (1) z tendencją. Ale co jeśli w przypadku obu testów hipoteza zerowa nie zostanie odrzucona?
Jeśli wartość null zostanie odrzucona w obu przypadkach, nie ma dowodów potwierdzających obecność katalogu głównego jednostki. W takim przypadku można przetestować znaczenie terminów deterministycznych w stacjonarnym modelu autoregresyjnym lub w modelu bez terminów autoregresyjnych, jeśli nie ma autokorelacji.