Estoy tratando de ejecutar un análisis de series de tiempo en algunas de las variables PIB de ser mi variable dependiente, y a mi las variables independientes son los ingresos petroleros, el gasto del gobierno, las exportaciones y los flujos de IED. Mis datos contiene los valores que faltan algunos años para al menos 3 variables. He podido constatar que son no estacionarias. Sin embargo, soy incapaz de realizar el Johansen prueba de cointegración debido a la falta de información sobre variables de entre el conjunto de datos. ¿Cómo puedo resolver esto?
Respuesta
¿Demasiados anuncios?
Vitalik
Puntos
184
El papel de las Regresiones de Cointegración con Desordenado Regresores: Missingness, de Frecuencia Mixta, y el Error de Medición (J. Isaac Miller (2009)) parece tener lo que usted está buscando.
Consideramos que una de cointegración de regresión en el que la integrada regresores son sucios en el sentido de que contienen datos que pueden ser mismeasured, faltante, observada en mixto de frecuencias, o tienen otros las irregularidades que causan la econo - metrician observar con leve ruido no estacionario. Menos plazas de estimación de la vector de cointegración es consistente. Existente prototipo de varianza- basado en las técnicas de estimación, tales como canónica de cointegración la regresión (CCR), son consistentes y asintóticamente normal mixta. Este resultado es robusto a débilmente dependientes, pero posiblemente no estacionarios los disturbios.
Aquí es la parte en la prueba de cointegración:
En los casos donde cointegración entre ($y_ t$) y ($x_t$) no es obvio o espera, 5 pruebas es deseable. La varianza de la prueba de razón de y multivariante de seguimiento estadístico propuesto por Phillips y Ouliaris (1990) se basan en la estimación de largo plazo de la varianza de una diferente residual de la serie. Específicamente, ($y_ t, x'_t$ ) regresión en un gal de sí mismo, y el largo plazo de la varianza de los residuales de la serie desde que la regresión estimada. Esta serie es I(0), bajo la nula, por lo que podemos esperar que la suma de ($z^*_t$) – es decir, el uso de ($y_ t, x^{'*}_t$) – sería tienen un efecto similar a la suma de ($z^*_t$) para los residuos de la serie a continuación. En concreto, se inflaba la varianza de ambos el numerador y el denominador de estas estadísticas, por lo que los límites sería preservada. Los enfoques más robusta de la varianza de la proporción de pruebas (Wright, 2000; Müller y Watson, 2008) tener más la promesa todavía.
