TVECM.SeoTest(tsDyn)
TVECM.SeoTest()所属R语言包：tsDyn
No cointegration vs threshold cointegration test
没有协整与阈值协整检验
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Test the null of no cointegration against threshold cointegration with bootstrap distribution of Seo (2006)
测试没有协整关系，则返回null对阈值协整与引导分布的搜索引擎优化（2006年）
用法----------Usage----------
TVECM.SeoTest(data,lag, beta, trim=0.1,nboot, plot=FALSE, hpc=c("none", "foreach"),check=FALSE)
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：beta
Pre-specified cointegarting value
预先指定的cointegarting值
参数：trim
trimming parameter indicating the minimal percentage of observations in each regime
微调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：plot
Whether a grid with the SSR of each threshold should be printed
是否应印有一个网格，每个阈值的SSR
参数：hpc
Possibility to run the bootstrap on parallel core. See details in TVECM.HStest
可并行内核上运行的引导。查看详细资料TVECM.HStest
参数：check
Possibility to check the function by no sampling: the test value should be the same as in the original data
可能性不抽样检查功能：测试值应该是相同的，在原始数据
Details
详细信息----------Details----------
For this test, the cointegrating value has to be specified by the user.
对于该试验中，协整值必须由用户指定的。
The model used is one where the threshold effect concerns only the cointegrating vector, and only in the outer regimes.
所用的模型是其中的阈值的效果仅涉及协整向量，并且只在的外制度。
Due to the presence of parameters unidentified under the null hypothesis, the test employed is a Sup-Wald test, that means that for each combination of the thresholds, a Wald Test is computed and the supremum of all tests is taken. For each bootstrap replication, this approach is taken, so that the test is really slow.
由于存在身份不明的零假设下的参数，采用的测试是一个支持Wald检验，这意味着，阈值的每一种组合，沃尔德测试计算采取的所有测试的是，上确界。对于每个引导复制，采取这个方法，这样的测试是很慢的。
值----------Value----------
A list cointaining diverse informations:
一个列表不同的信息cointaining：
Estimated threshold parameters and usual slope parameters.
估计的阈值参数和通常的斜率参数。
Value of the test.
值的测试。
Critical and Pvalue from bootstrap distribution.
关键和P值从引导分布。
（作者）----------Author(s)----------
Matthieu Stigler
参考文献----------References----------
参见----------See Also----------
TVECM for estimating a TVECM, TVECM.sim for simulating/bootstrap a TVECM,
TVECM估计TVECM，TVECM.sim模拟/启动TVECM中时，
实例----------Examples----------
# As the function takes long long time to be executed, we show in in don't run environement[由于功能需要很长很长的时间来执行，我们在不运行environement]
## Not run: [＃不运行：]
data(zeroyld)
#can be useful to check whether the bootstrap is working: sithout sampling, results of boot should be same as original[可能是有用的，以检查是否引导工作：sithout采样，结果应该是保持原来的引导]
#this is indeed not always the case duye to floating point algorithm[这确实是并非总是如此duye，浮点算法]
TVECM.SeoTest(zeroyld,lag=2, beta=1, trim=0.1,nboot=2, plot=FALSE,check=TRUE)
#then run the function:[然后运行功能：]
TVECM.SeoTest(zeroyld,lag=2, beta=1, trim=0.1,nboot=100, plot=FALSE,check=FALSE)
## 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。
|
发表于 2012-10-1 12:35:07
