MerQuR+Başvuru Kitabı

148. Birim Kök Testleri (DF-GLS, Zivot–Andrews)

Analiz kimliği: birim_kok_ek · Menü adı: Birim Kök Testleri (DF-GLS / ERS / Ng-Perron / Zivot-Andrews) · Panel: gui/panels/analyses/birim_kok_ek_panel.py · Motor: stats/birim_kok_ek.py, run_birim_kok_ek (satır 370–450); GLS arındırma gls_detrend (154–161), dfgls_family (196–221); gecikme seçimi select_k (112–137); Zivot–Andrews _za_core, za_test (250–342); KPSS kpss_stat (236–247)

148.1 Ne işe yarar

Birim kök testleri, bir zaman serisinin durağan mı yoksa rassal yürüyüşe benzer biçimde kalıcı şoklu mu olduğunu sınar. Bu analiz, olağan ADF testinin küçük örneklemde gücü düşük kaldığı durumlar için dört aile sunar:

  • DF-GLS (Elliott, Rothenberg ve Stock, 1996): seri önce GLS ile sabit ve eğilimden arındırılır, sonra ADF yapılır; güç artar.
  • ERS nokta-optimal P_T: aynı arındırılmış seri üzerinde olabilirlik oranı tipi istatistik.
  • Ng–Perron (2001) MZ_\alpha, MZ_t, MSB, MP_T: gecikme seçiminde MAIC ile boyut bozulmasını azaltan dört istatistik.
  • Zivot–Andrews (1992): bilinmeyen tek yapısal kırılmaya izin veren birim kök testi.

Karşılaştırma için ADF ve KPSS de aynı tabloya eklenebilir.

H_0:\ \text{seri birim köklüdür (KPSS'te: durağandır)}

Ne zaman kullanılır? Serinin ARIMA, VAR, eşbütünleşme ya da nedensellik analizine girmeden önce bütünleşme derecesini belirlemek için. Seri kısaysa (n<100) GLS tabanlı testler ADF'ye göre daha güçlüdür. Tarihsel bir olay serinin ortalamasını ya da eğimini kırmış olabilirse Zivot–Andrews.

Ne zaman kullanılmaz?

  • Seri bütünüyle farklı rejimli ise ve çok kırılma varsa: tek kırılmalı Zivot–Andrews yetmez.
  • Panel veriyse (çok birim): Panel Ek Testler (152) içindeki panel birim kök testleri.
  • Yalnız ADF ya da Phillips–Perron yeterliyse ve kırılma kaygısı yoksa: Zaman Serisi analizindeki testler.

Sık karıştırılan analizler. Kırılmalı eşbütünleşme (149) birden çok seri arasındaki uzun dönem ilişkiyi kırılma altında sınar; bu analiz tek serinin birim kökünü sınar.

148.2 Varsayımlar ve veri türü

Varsayım Ne demek MerQur'da nasıl denetlenir
Ardışık, eşit aralıklı gözlem Boşluk yok. Ortada eksik değer varsa gap hatası; baştaki ve sondaki eksikler atılır.
Yeterli uzunluk n\ge20 (dönüşümden sonra). n hatası.
Doğru deterministik terim Sabit mi, sabit ve eğilim mi? Kullanıcı seçer; yanlış seçim gücü bozar.
Gecikmeli farklar yeterli Artıklar ardışık bağımsız. Gecikme MAIC, AIC ya da BIC ile seçilir.

Eksik değer. Serinin ortasında eksik değer varsa test yapılmaz. Uç durumlar: logaritma için tüm değerler pozitif olmalıdır (log); Zivot–Andrews'ta gecikme için n<k+10 ise zalag, tasarım tekilse zasing.

148.3 Parametreler

Varsayılanlar birim_kok_ek_panel.py içindeki read_options kodundan okunmuştur.

Arayüz adı Varsayılan Ne yapar Sonucu nasıl değiştirir
Seriler — Her seri ayrı sınanır. —
Zaman sütunu boş Sıralama ve kırılma tarihi. —
Dönüşüm Düzey Düzey, log, fark, log-fark. Fark alınırsa n 1 azalır.
Deterministik model Sabit Sabit ya da sabit ve eğilim. DF-GLS \bar c ve kritik değerleri değişir.
Gecikme seçimi MAIC MAIC, AIC, BIC ya da elle. k ve tüm istatistikler.
En büyük gecikme 0 (otomatik) Schwert: \lfloor 12(n/100)^{1/4}\rfloor. Üst sınır; gerekirse otomatik küçültülür.
Gecikme k (elle) 1 Yalnız elle seçimde. —
Zivot–Andrews modeli C (düzey ve eğim) A: düzeyde, B: eğimde, C: ikisinde kırılma. Kritik değerler modele göre.
Zivot–Andrews gecikme seçimi Sabit Sabit, AIC, BIC, genelden özele. k.
Zivot–Andrews gecikmesi k 1 Elle seçimde kullanılan, öteki kurallarda en büyük. —
Zivot–Andrews uç kırpma 0,15 Aday kırılmalar her uçtan bu oranda kırpılır. 0: tüm noktalar taranır.
Testler DF-GLS, P_T, Ng–Perron, ZA açık ADF ve KPSS karşılaştırma. —

Koddaki tercih: Zivot–Andrews uç kırpması

\lambda=0{,}15 standart uygulamadır. Kırpma 0 yapılırsa tüm aday noktalar taranır ve standart uygulamayla aynı istatistik bulunur; 60 benzetim serisinde en büyük fark 5\times10^{-14}'tür. \lambda=0{,}15 iken en küçük değer uçlara düşen serilerde sonuç farklıdır (60 serinin 33'ünde). Bu bir seçimdir (birim_kok_ek.py:15–17).

148.4 Veri örneği

Tıp veri setinde birim kök sınanacak uzun bir seri bulunmadığından, iktisat literatürünün klasik verisi Nelson ve Plosser (1982) serileri kullanılır (R urca paketindeki nporg verisi; MerQur test klasöründeki tests/data/v280_nporg_urca.csv). Seri: gnp.r (reel GSMH, 1909–1970, n=62), logaritması alınır. Bu verinin lisansı GPL-2'dir; yalnız bu kılavuzdaki doğrulama için kullanılmıştır.

Soru: log reel GSMH birim köklü mü, yoksa bir kırılma altında durağan mı? Ayarlar: model sabit ve eğilim, MAIC, Zivot–Andrews modeli C, k=3, kırpma 0,15.

148.5 Formüller ve hesap adımları

148.5.1 GLS arındırma

\alpha=1+\bar c/n, \bar c=-7 (yalnız sabit) ya da \bar c=-13{,}5 (sabit ve eğilim). Yarı fark dönüşümü:

\tilde y_1=y_1,\ \ \tilde y_t=y_t-\alpha\,y_{t-1};\qquad \tilde z_{1}=(1,\,1),\ \ \tilde z_t=(1-\alpha,\ t-\alpha(t-1))

\tilde y \tilde z'ye EKK ile bağlanır, katsayılar \hat c; arındırılmış seri y^d_t=y_t-\hat c_0-\hat c_1 t olur (gls_detrend, 154–161). S(\alpha) ve S(1) iki durumdaki artık kareler toplamıdır.

148.5.2 DF-GLS

\Delta y^d_t=\rho\,y^d_{t-1}+\sum_{j=1}^{k}\gamma_j\Delta y^d_{t-j}+e_t,\qquad t_{\mathrm{DF\text{-}GLS}}=\hat\rho/\mathrm{SH}(\hat\rho)

Sol kuyruk testi; kritik değerler ERS (1996) ve n'ye göre yanıt yüzeyidir (cv_dfgls, 168–174).

148.5.3 P_T ve Ng–Perron

Uzun dönem varyans \hat s^2_{AR}=\hat s^2_k/(1-\sum\hat\gamma_j)^2, \hat s^2_k=\mathrm{SSR}/n_{\mathrm{obs}}. Sonra y^d_T son arındırılmış gözlem, \sum y^{d\,2}_{t-1}/n^2 ise s_y:

P_T=\frac{S(\alpha)-\alpha S(1)}{\hat s^2_{AR}},\quad MZ_\alpha=\frac{y_T^{d2}/n-\hat s^2_{AR}}{2s_y},\quad MSB=\sqrt{\frac{s_y}{\hat s^2_{AR}}},\quad MZ_t=MZ_\alpha\cdot MSB
MP_T=\frac{\bar c^2 s_y+(1-\bar c)\,y_T^{d2}/n}{\hat s^2_{AR}}\ \text{(eğilimli)};\qquad MP_T=\frac{\bar c^2 s_y-\bar c\,y_T^{d2}/n}{\hat s^2_{AR}}\ \text{(yalnız sabit)}
  • y^d: GLS ile arındırılmış seri; n: gözlem sayısı.
  • Ng–Perron kritik değerleri asimptotik Tablo 1'den (cv_np, 187–193).

Neden MAIC?

Birim köke yakın serilerde AIC ya da BIC gecikmeyi çok kısa seçip testi boyut bozulmasına sokar. MAIC (Ng ve Perron, 2001) cezaya \hat\tau_k=\hat\rho^2\sum y^{d\,2}_{t-1}/\hat s^2_k terimini ekleyerek bu eğilimi giderir: \mathrm{MAIC}(k)=\ln\hat s^2_k+2(\hat\tau_k+k)/n_{\mathrm{obs}} (select_k, 112–137). Ölçüt her k için aynı ortak örneklemde hesaplanır.

148.5.4 Zivot–Andrews

Her aday kırılma noktası z için (model C):

y_t=\mu+\alpha y_{t-1}+\beta t+\theta\,DU_t(z)+\gamma\,DT_t(z)+\sum_{j=1}^{k}c_j\Delta y_{t-j}+e_t

DU_t=1 (t>z), DT_t=t-z (t>z). Her z için t(\alpha=1)=(\hat\alpha-1)/\mathrm{SH}(\hat\alpha) hesaplanır; en küçük t kırılma noktasıdır. Kritik değerler Zivot–Andrews (1992) Tablo 2A, 3A, 4A'dandır. Red, kırılma altında durağanlık anlamına gelir (_za_core, 250–300).

148.5.5 ADF ve KPSS

ADF aynı regresyondur (arındırmasız); asimptotik Dickey–Fuller kritik değerleri. KPSS: \eta=\sum S_t^2/(n^2\hat s^2), S_t artıkların kısmi toplamı; bant genişliği l=\lfloor 4(n/100)^{1/4}\rfloor, Bartlett (kpss_stat, 236–247). H_0 durağanlıktır; sağ kuyruk.

148.6 Elle hesap: log reel GSMH

Bağımsız numpy hesabı (dogrulama/cilt9/birim_kok.py), MerQur çağrılmadan.

Adım 1 — GLS arındırma. n=62, \bar c=-13{,}5, \alpha=1-13{,}5/62=0{,}78226; \hat c=(4{,}65408;\ 0{,}029563); S(\alpha)=0{,}256981, S(1)=0{,}250597.

Adım 2 — DF-GLS (k=1). Regresyon \Delta y^d_t üzerine (y^d_{t-1},\ \Delta y^d_{t-1}); n_{\mathrm{obs}}=60; \hat\rho=-0{,}15640, \hat\gamma_1=0{,}42269; t=-2{,}7952.

Adım 3 — Uzun dönem varyans. \hat s^2_{AR}=0{,}0097651.

Adım 4 — P_T, Ng–Perron. P_T=6{,}2416; MZ_\alpha=-16{,}1048; MZ_t=-2{,}8176; MSB=0{,}17496; MP_T=5{,}7826.

148.6.1 Doğrulama: MerQur, Python ve R

İstatistik MerQur Bağımsız Python R (urca) Sonuç
DF-GLS t (k=1) −2,7952 −2,795246 −2,795246 ✓
P_T 6,2416 6,241586 6,652848 ✗ (aşağıda)
MZ_\alpha, MZ_t, MSB, MP_T −16,1048; −2,8176; 0,1750; 5,7826 aynı — (urca'da yok) ✓
Zivot–Andrews t, kırılma −4,6425; 21 — −4,642452; 21 ✓
ADF t (k=0) −2,0262 — −2,026151 ✓
KPSS 0,1976 — 0,1976005 ✓

R 4.5.3 ve urca 1.3.4 ile bu çalışmada çalıştırıldı (dogrulama/cilt9/birim_kok.R).

P_T değeri R'den farklıdır

P_T'nin payı S(\alpha)-\alpha S(1) R ile aynıdır (test takımında 10^{-9} göreli farkla doğrulanmıştır). Payda olan uzun dönem varyansı MerQur, aynı DF-GLS regresyonunun kalıntı varyansı ve gecikme katsayılarından kestirir (Ng–Perron tanımı); urca paketi bu varyansı ayrı bir yolla kestirir ve bu veride 6,6528 verir. MerQur 6,2416 bulur. İki değer de \%5 kritik değer 5,64'ün üstündedir; ikisi de H₀'ı reddetmez. Fark bir tanım seçimidir; kullanıcıya bildirilmesi gerekir.

148.7 Çıktıyı okuma

DF-GLS testi (H0: birim kök; sol kuyruk)
Seri   k   n  İstatistik   cv 1%   cv 5%  cv 10%   Karar
gnp.r  1  60     -2.7952  -3.580  -3.030  -2.740  H0 reddedilemez
Zivot-Andrews testi (model C; uç kırpma 0.15)
gnp.r  3  21 (1929)  0.339  58  -4.6425  -5.57  -5.08  -4.82  H0 reddedilemez
KPSS (H0: durağan; sağ kuyruk)
gnp.r  3  62  0.1976  0.216  0.146  0.119  H0 (durağan) reddedilir
Öğe Ne yazar Nasıl yorumlanır
İstatistik ve cv'ler Test istatistiği ve %1, %5, %10 kritik değerleri. Sol kuyruk testlerde istatistik kritikten küçükse ret.
Kırılma (tarih) ve \lambda Zivot–Andrews'ın seçtiği nokta ve göreli konumu. Kritik değerler seçimi hesaba katar.
Karar Formdaki \alpha'ya göre. KPSS'te ret durağanlığın reddi.

Bu örnekte DF-GLS, P_T, Ng–Perron ve ADF birim kökü reddetmez; KPSS durağanlığı reddeder; Zivot–Andrews kırılma (1929) altında da birim kökü reddetmez. Bütün testler birim kökü destekler.

Log reel GSMH için DF-GLS sonuçları (k=1): t=-2{,}80 (%5 kritik =-3{,}03), birim kök hipotezi reddedilemedi. Zivot–Andrews (model C, kırılma 1929): t=-4{,}64 (%5 kritik =-5{,}08), reddedilemedi. KPSS =0{,}20 (%5 kritik =0{,}146), durağanlık hipotezi reddedildi.

148.8 Uzman soruları

S1. DF-GLS ADF'den neden daha güçlü?

Seri önce GLS ile arındırıldığı için yerel alternatifler (\rho 1'e yakın) için güç artar. Bu, ERS (1996) ile Ng–Perron (2001) çalışmalarının merkezidir. Küçük örneklemde fark belirgindir.

S2. Zivot–Andrews'ta kritik değerler neden ADF'ninkinden daha negatif?

Kırılma noktası veriden en küçük t ile seçildiğinden istatistik doğal olarak daha küçüktür; kritik değerler bu seçimi hesaba katar (Zivot ve Andrews, 1992).

S3. Kırpma 0,15 mi 0 mı?

Kırpma, kırılmanın uçlara düşmesini engeller. 0 yapılırsa en küçük t uçlara düşebilir ve kritik değerlerin tablosu bu durumu kapsamaz. MerQur varsayılanı standart 0,15'tir.

S4. KPSS ve ADF çelişirse?

ADF reddedip KPSS reddetmiyorsa durağan; tersi birim kök. İkisi de reddetmiyorsa ya da ikisi de reddediyorsa kısa seri ya da yapısal kırılma düşünülür (panel notu).

S5. Başka yazılımla fark nerede?

P_T'nin uzun dönem varyans kestiriminde (yukarıdaki uyarı). DF-GLS, ADF, KPSS ve Zivot–Andrews R urca ile aynıdır.

S6. Fark alınan serilerde bu testler nasıl okunur?

Önce düzeyde birim kök olduğunu gösterip, sonra birinci farkta (I(0)) reddetmek bütünleşme derecesini 1 verir. "Dönüşüm: Birinci fark" seçilirse bu yapılır; n 1 azalır.

148.9 Sık hatalar ve tuzaklar

  • Eğilimli seride yalnız sabit seçmek. Test gücü ve boyutu bozulur; seriyi çizip model seçin.
  • Zivot–Andrews'ı çok kırılmalı seride kullanmak. Tek kırılma varsayımı gücü azaltır.
  • KPSS ve ADF'yi aynı yönde okumak. Hipotezleri zıttır.
  • P_T değerini R ile birebir kıyaslamak. Uzun dönem varyans tanımı farklıdır (uyarı).
  • Gecikmeyi elle sabitleyip değerlendirmemek. MAIC genellikle daha güvenilirdir.

148.10 Kaynaklar

  • Elliott, G., Rothenberg, T. J., & Stock, J. H. (1996). Efficient tests for an autoregressive unit root. Econometrica, 64(4), 813–836. https://doi.org/10.2307/2171846
  • Ng, S., & Perron, P. (2001). Lag length selection and the construction of unit root tests with good size and power. Econometrica, 69(6), 1519–1554. https://doi.org/10.1111/1468-0262.00256
  • Zivot, E., & Andrews, D. W. K. (1992). Further evidence on the Great Crash, the oil-price shock, and the unit-root hypothesis. Journal of Business & Economic Statistics, 10(3), 251–270. https://doi.org/10.1080/07350015.1992.10509904
  • Kwiatkowski, D., Phillips, P. C. B., Schmidt, P., & Shin, Y. (1992). Testing the null hypothesis of stationarity against the alternative of a unit root. Journal of Econometrics, 54(1–3), 159–178. https://doi.org/10.1016/0304-4076(92)90104-Y
  • Nelson, C. R., & Plosser, C. R. (1982). Trends and random walks in macroeconomic time series: Some evidence and implications. Journal of Monetary Economics, 10(2), 139–162. https://doi.org/10.1016/0304-3932(82)90012-5