R语言 tsDyn包 TVECM.HStest ()函数中文帮助文档(中英文对照)

loveR

TVECM.HStest (tsDyn)
TVECM.HStest ()所属R语言包：tsDyn

                                        Test of linear cointegration vs threshold cointegration
                                         测试的线性协整与阈值协整

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Tests the null of linear cointegration against threshold cointegration following Hansen and Seo (2002). Fixed regressor anfd residual bootstrap are available.
汉森和搜索引擎优化（2002）对阈值协整的线性协整检验零。固定的回归量anfd残留的引导。


用法----------Usage----------


TVECM.HStest(data, lag=1, ngridTh=300, trim=0.05, nboot=100, fixed.beta=NULL,  intercept=TRUE, boot.type=c("FixedReg", "ResBoot"), hpc=c("none", "foreach"))



参数----------Arguments----------

参数：data
Time series  
时间序列


参数：lag
Number of lags to include in each regime
包括在每一个政权的滞后阶数


参数：ngridTh
Number of threshold points to estimate
估计数的阈值点


参数：trim
Trimming parameter indicating the minimal percentage of observations in each regime
修整参数表示的最小百分比在每一个政权的意见


参数：nboot
Number of bootstrap replications
引导复制数


参数：fixed.beta
Numeric. User pre-specified cointegrating value. When NULL (default), the value is estimated from the linear VECM.
数字。用户预先指定的协整数值。当NULL（默认），估计值的线性VECM。


参数：intercept
Logical. Whether an intercept has to be included in the VECM
逻辑。截距是否有被包含在VECM


参数：boot.type
Character. Type of bootstrap simulation (only if nboot>0)
字符。类型的自举模拟（仅当NBOOT> 0）


参数：hpc
Possibility to run the bootstrap on parallel core. See details
可并行内核上运行的引导。查看详细资料


Details

详细信息----------Details----------

This test follows the implementation done by Hansen and Seo (2002). The cointegrating value is estimated from the linear VECM. Then, conditional on this value, the LM test is run for a range of different threshold values. The maximum of those LM test values is reported.
这个测试如下汉森和搜索引擎优化（2002年）通过的实施。协整估计值的线性VECM。然后，此值条件时，LM测试运行的不同的阈值的范围内。 LM测试值的最大的那些报道。

Two bootstrap are available: a fixed regressor, as well as a usual residual bootstrap (using the function TVECM.sim).
两个自举是可用的：一个固定的回归量，以及通常的残余的自举（使用的功能TVECM.sim）。

Available methods are print(), summary() and plot().
提供的方法print()，summary()和plot()。

With the argument hpc, the burdensome bootstrap replication can be run on parallel cores, thus alleviating the time of computation. The user needs simply to choose a package (among doMC, doMPI, doSNOW or doRedis) and register the backend. See the vignette for more details.
参数hpc，繁重的引导复制可以并行内核上运行，从而减轻计算时间。用户需要简单地选择一个包（中doMC，doMPI，doSNOW或doRedis）和注册的后端。有关详细信息，请参阅的小插曲。


值----------Value----------

A list cointaining diverse values:
一个列表不同的价值观cointaining：


参数：stat
The sup-LM statistic.
支持LM统计。


参数：values
The whole LM values.
整个LM价值观。


参数：PvalBoot
The bootstrap p-value
引导p值


参数：CriticalValBoot
The bootstrap critical values
引导临界值


参数：allBoots
The boot sup-LM values
引导支持LM值


参数：args
Some user given args (nboot, boot.type)
一些用户给定的ARGS（NBOOT boot.type）


再生性----------Reproducibility----------

Comparison with original paper is made difficult as values of the test are not shown in the paper, only their critical values, which depend on random bootstrap.
与原始纸比较难以测试的值在该文献中未示出，只有它们的临界值，这依赖于随机的自举。

Comparison is done with the GAUSS code available on the page of Bruce Hansen. Running tar_ci, we have the same sup-LM value when lags=1 and lags=2, a higher value with lag=3. When the test is run with pre-specified beta values, we have different results, sometimes higher but also smaller sup-LM value.
布鲁斯·汉森在网页上提供的GAUSS代码进行比较。运行tar_ci，我们有相同的支持LM值= 1时，滞后和滞后= 2，有较高的价值与滞后= 3。当测试运行带有预先指定的beta值，我们有不同的结果，有时更高，还支持LM值。


（作者）----------Author(s)----------


Matthieu Stigler



参考文献----------References----------



参见----------See Also----------

TVECM.SeoTest: a similar test, but with null hypothesis of no-cointegration.  TVECM for estimating a TVECM, TVECM.sim for simulating/bootstrap a TVECM,
TVECM.SeoTest：类似的测试，但没有协整关系的零假设。 TVECM估计TVECM，TVECM.sim模拟/启动TVECM中时，


实例----------Examples----------


#Use original data from paper:[使用纸的原始数据：]
data(zeroyld)
dataPaper<-zeroyld
# Test: nboot, number of bootstrap replications, should be high [测试：NBOOT，引导复制的数量，应该是高]
## Not run: [＃不运行：]
test1<-TVECM.HStest(dataPaper, lag=1, intercept=TRUE, nboot=1000)

## End(Not run)[＃（不执行）]

#we use here for the example a much smaller number of bootstrap:[我们在这里使用的示例数量少得多的引导：]
test1<-TVECM.HStest(dataPaper, lag=1, intercept=TRUE, nboot=10)

test1
summary(test1)
plot(test1)

#can have only specific plots:[只能有具体图：]
plot(test1, which="LM values")
plot(test1, which="Density")

## Run the function in parallel:[＃在并行运行的功能：]
## Not run: [＃不运行：]
#we show here the use with package doMC[我们在这里展示的使用的包doMC]
library(doMC)
registerDoMC(2) #Number of cores[芯数]
test1<-TVECM.HStest(dataPaper, lag=1, intercept=TRUE, nboot=1000, hpc="foreach")

## End(Not run)[＃（不执行）]


转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。