|
时间序列比较复杂,我就我所了解的列出一下要进行的检验和方法吧。
单位根检验:urca::ur.df(x,lags,type),这是进行一阶单位根检验。用来证明时间序列的平稳性。如果一阶不平稳,就要进行二阶单位根检验,首先进行差分Lx<-diff(x),然后urca::ur.df(Lx,lags,type)。
如果是多元时间序列,最好做一下协整检验,用来发现多个时间变量之间是否存在关系。
最简单的是Pillips-Ouliarisu协整检验:
首先是方差率检验:pu.test=summary(ca.po(tsdataframe,demean=’const’,type=’Pu’))
然后是多元迹检验:pz.test=summary(ca.po(tsdataframe,demean=’const’,type=’Pz’))
其中tsdataframe 是要把你的时间序列变量转为专门的格式window(cbind(x1,x2,x3),start=,end=)
Johansen方法也可以进行协整检验,稍微复杂点,不过它可以告知存在几个协整向量。具体操作自己看书。
如果前面的检验工作完成,就可以进行VARX和状态空间模型的拟合了。
|