第一个是LM test,请问这是在arch模型之前做来分析数据符不符合arch,还是之后做来分析该模型效果的呢?
我是先reg了一下,然后 用的这个指令,estat archlm, lags(1)
LM test for autoregressive conditional heteroskedasticity (ARCH)
---------------------------------------------------------------------------
lags(p) | chi2 df Prob > chi2
-------------+-------------------------------------------------------------
1 | 3.805 1 0.0511
---------------------------------------------------------------------------
H0: no ARCH effects vs. H1: ARCH(p) disturbance
出来的结果要用哪个数据和那个数据比较呀?我看到有些课件上说T*R2与X2 0.05(q)比较吗? 可是里面的0.05是怎么得出的呀?
第二个是estate ic 得出的aic和bic值,这样的话正常吗?
estat ic
Akaike's information criterion and Bayesian information criterion
-----------------------------------------------------------------------------
Model | Obs ll(null) ll(model) df AIC BIC
-------------+---------------------------------------------------------------
. | 268 . 927.1871 3 -1848.374 -1837.601
-----------------------------------------------------------------------------
Note: N=Obs used in calculating BIC; see [R] BIC note
aic和bic要怎么看呀?越小越好,双方越接近越好吗?
另外就是ADF检验是检验单位根的吗?
dfuller D.lprice, regress lag(1)
Augmented Dickey-Fuller test for unit root Number of obs = 266
---------- Interpolated Dickey-Fuller ---------
Test 1% Critical 5% Critical 10% Critical
Statistic Value Value Value
------------------------------------------------------------------------------
Z(t) -11.469 -3.459 -2.879 -2.570
------------------------------------------------------------------------------
MacKinnon approximate p-value for Z(t) = 0.0000
------------------------------------------------------------------------------
D2.lprice | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lprice |
LD. | -.9795227 .0854089 -11.47 0.000 -1.147695 -.8113504
LD2. | .0135429 .0614939 0.22 0.826 -.1075401 .1346258
|
_cons | -.0002203 .0004753 -0.46 0.643 -.0011562 .0007156
------------------------------------------------------------------------------
您的问题都是比较基础的时间序列问题,我给你一个大体的思路供您参考。
第一个问题,5%的显著性水平下,可以认为该序列不存在ARCH效应,但是在10%的显著性水平下,可以认为存在。这个时候我建议你不妨做ARCH模型,看看参数的估计结果是否显著。另外,ARCH检验是LM检验,其统计量是卡方统计量,其卡方统计量3.805和P值0.0511是对应的关系,对卡方积分得出。
第二,这里你做信息准则个人觉得用处不大,信息准则是个相对指标,是通过对不同滞后阶数选择是选择最优滞后阶数,这里你可不用。
第三,ADF检验是左侧检验,谨记!所以统计量越小越好,这里统计量是-11.469小于1%的显著性水平-3.459,因此拒绝序列不平稳的原假设,认为序列平稳。
最后,用predict命令生成残差,用reg e c 回归后,对残差进一步检验是否存在arch等问题。