Критерий KPSS

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
м
м (ссылки)
Строка 1: Строка 1:
-
'''Критерий KPSS''' (KPSS test) — критерий, используемый для проверки на стационарность наблюдаемого временного ряда.
+
'''Критерий KPSS''' (KPSS test) — критерий, используемый для проверки на стационарность наблюдаемого [[Временной ряд|временного ряда]].
Критерий назван по первым буквам ученых Квятковский-Филлипс-Шмидт-Шин (Kwiatkowski–Phillips–Schmidt–Shin), которые ввели его в 1992 году. <ref name="KPSS"> Kwiatkowski, D., P. C. B. Phillips, P. Schmidt, and Y. Shin. "Testing the Null Hypothesis of Stationarity against the Alternative of a Unit Root." Journal of Econometrics. Vol. 54, 1992, pp. 159–178. </ref>
Критерий назван по первым буквам ученых Квятковский-Филлипс-Шмидт-Шин (Kwiatkowski–Phillips–Schmidt–Shin), которые ввели его в 1992 году. <ref name="KPSS"> Kwiatkowski, D., P. C. B. Phillips, P. Schmidt, and Y. Shin. "Testing the Null Hypothesis of Stationarity against the Alternative of a Unit Root." Journal of Econometrics. Vol. 54, 1992, pp. 159–178. </ref>
Строка 46: Строка 46:
== Ссылки ==
== Ссылки ==
-
 
<references />
<references />
* Hamilton, J. D. Time Series Analysis. Princeton, NJ: Princeton University Press, 1994.
* Hamilton, J. D. Time Series Analysis. Princeton, NJ: Princeton University Press, 1994.

Версия 06:58, 3 марта 2014

Критерий KPSS (KPSS test) — критерий, используемый для проверки на стационарность наблюдаемого временного ряда.

Критерий назван по первым буквам ученых Квятковский-Филлипс-Шмидт-Шин (Kwiatkowski–Phillips–Schmidt–Shin), которые ввели его в 1992 году. [1]

Содержание

Определение

Если рассматриваемый ряд имеет вид:

 y_t = c_t + \delta t + e_t ,
 c_t = c_{t-1} + u_t ,

где

 \delta — коэффициент тренда,
 e_t — некоторый стационарный процесс,
 u_t — некоторый независимый и одинаково распределенный с  e_t процесс с математическим ожиданием 0 и дисперсией  \sigma ^2 .

Выдвигаются две конкурирующие гипотезы:

H_0: временной ряд являются стационарным (или, аналогично  \sigma ^2 = 0 ),
H_1: временной ряд не являются стационарным ( \sigma ^2 \ne 0).

Вычисляем статистику:

  \frac {\sum_{t = 1}^{T} S_{t}^2}{s^2 T^2} ,

где

 T — размер выборки,
 S_t = e_1 + e_2 + ... + e_t ,
 s^2 стандартная ошибка в форме Ньюи-Уеста (Newey–West estimate) [1]

Реализации

  • MATLAB: В версии 2013b и выше встроен пакет методов Econometrics Toolbox, в котором реализована функция [h,pValue] = kpsstest(___) [1].
  • R: в пакете tseries реализован метод для вычисления критерия KPSS kpss.test(x) [1].


Пример использования

a = 1:100;
b = normrnd(50, 20, 100, 1);
[~,pValuea] = kpsstest(a);
[~,pValueb] = kpsstest(b);

Полученные значения p-value 0.1 и 0.001 соответственно, то есть гипотеза о стационарности в первом случае отклоняется, во втором - нет.

Ссылки

  • Hamilton, J. D. Time Series Analysis. Princeton, NJ: Princeton University Press, 1994.
Личные инструменты