книги / Статистический анализ временных рядов
..pdf5.5. |
АСИМПТОТИЧЕСКОЕ РАСПРЕДЕЛЕНИЕ ОЦЕНОК |
233 |
Сумма математических ожиданий квадратов компонент последней матрицы также равномерно ограничена. (См. доказательство теоремы 5.5.1.)
Наконец,
(8 6 ) 2 y f t — 2 yth = — в
Ш*=1
Таким образом, теорема доказана. н
|
Как и |
в разд. 5.5.2, асимптотические свойства оценок |
В, Г |
и |
/ч |
соответствующих предположениях) одинаковы |
и для |
2 (при |
|||
у*, |
определяемого (73) при / = 1, 2, ... с фиксированным вектором |
||
у в, |
и для |
у/, определяемого (73) при всех t — ..., —1, 0, |
1........ |
В связи с этим мы в дальнейшем будем рассматривать только пос ледний случай, используя обозначение у( для (78).
Л емма 5.5.8. Пусть yt определяется соотношением (78), в кото
ром |
и< независимы, ffu( = |
0, |
Ли^и\ = |
2, |
а матрица —В такова, |
||||||
что все ее характеристические корни |
лежат в единичном круге. |
||||||||||
Тогда, если z'tzt < |
N, t = |
1 , 2 , . , . , |
для некоторого N, |
то |
|||||||
(87) |
|
|
plim |
1 |
1 |
п,у'м |
= 0 , |
|
|
||
|
|
1 |
^ |
|
|
||||||
|
|
|
Т-+со |
|
|
|
|
|
|
|
|
(8 8 ) |
|
|
|
|
1 |
т |
иЛ = |
0 . |
|
|
|
|
|
plim -у ^ |
|
|
|||||||
|
|
|
Г-*ос |
|
/_] |
|
|
|
|
|
|
Д о к а з а т е л ь с т в о . |
Сумма |
математических ожиданий |
квадратов |
||||||||
компонент допредельной матрицы в (87) равна |
|
|
|||||||||
(89) |
4 r tr 2 |
|
|
|
= - |
^ t r S |
t r 2 |
§У'-'У<_1 = |
|
||
|
/,г=1 |
|
|
|
|
|
|
|
/=1 |
|
|
|
|
|
|
|
= 4 " tr 2 ( tr F + т |
2 wi_iw<-'j |
|||||
и сходится к нулю |
при Т —>■оо. Сумма математических ожиданий |
||||||||||
квадратов компонент допредельной матрицы в (8 8 ) равна |
|||||||||||
|
Т |
|
|
|
|
|
|
7 |
|
|
|
(90) |
4 а tr 2 |
8u*z;z*'u;, = - 4 tr 2 2 |
< 4 - |
tr s л/ |
|
и также сходится к нулю, а
234 |
ЛИНЕЙНЫЕ МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ ПАРАМЕТРОВ |
Гл. 5. |
||||||||||||
Из леммы 5.58 вытекает, что |
|
|
|
|
|
|
|
|
||||||
(91) |
plim |
т 2 |
|
У(У^\ |
^ |
7 |
2 |
|
|
|
^ |
^r |
2 zJ U i l = ° * |
|
|
Г-4- ОО |
|
|
|
|
|||||||||
|
|
6=i |
|
|
|
м |
|
|
|
|
|
м |
J |
|
(92) |
plim [ у - 2 |
|
УЛ + |
в 4 г 2 |
yt-izi + |
г -зг 2 |
|
z^;] = 0. |
||||||
|
Г-Ч 1 Ы |
1 S |
|
|
|
|
' м |
J |
|
|||||
Последние соотношения |
в совокупности |
|
с |
леммой 5.5.2 |
дают |
|||||||||
(93) |
Plim J" |
2 |
|
У,У, + |
В~ г 2 |
У«—*У*' + |
г “Г 2 |
|
2<У*'] " |
s - |
||||
Предположим теперь, что существуют пределы |
|
|
|
|||||||||||
(94) |
|
|
|
|
lim 4 " Ц |
hh = |
М, |
|
|
|
|
|||
|
|
|
|
7’->0° |
7 |
1 |
|
|
|
|
|
|
|
|
(95) |
|
|
|
|
1 |
Г |
|
= |
|
L, |
|
|
|
|
|
|
|
lim -=г 2 |
|
|
|
|
|
|
|||||
|
|
|
|
Г -4 -0© 1 |
|
|
|
|
|
|
|
|
|
|
Тогда |
|
|
|
1 |
г |
|
|
2 |
|
г |
|
|
|
|
(96) |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
* т |
2 |
у*—1< = у |
2 |
Wt~i27 —^ L |
|
||||||
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(97) |
tr 8 [4 - i i |
(у<-| - |
w,_.) z; j ^ |
2 |
|
(У''-' - |
• W’-i) г'г |
|
1Т
=--уг 2 z;z/-trH(y^i— w,_i)(y,-_, — W<-^l)' <
<N ~ r tr [IF (I + В'Г1+ (I + ВГ* F — F1.
Правая часть последнего неравенства сходится к нулю. Таким образом,
(98) |
plim 4 - |
2 У^-iz; - L. |
||
|
|
|
7 |
*=i |
Из (92) и (98) выводим, что |
|
|
||
(99) |
1 |
т |
|
|
plim - у 2 |
У/z; — — BL — ГМ. |
|||
|
Г-4-ОО 1 |
£ __ ] |
|
|
Из (91), (93) и того факта, |
|
что (30) сходится по вероятности к ну |
||
левой матрице, |
получаем |
|
|
|
(100)2 = plim( 4 - 2 У , У ; - В ^ 2 W -iy^B' —
Г-Ю© \ |
f ~ ] |
М |
6.5. АСИМПТОТИЧЕСКОЕ РАСПРЕДЕЛЕНИЕ ОЦЕНОК 235
- |
В у |
2 |
У'-12/г |
+ г - г i |
I |
= |
|
|
/=«1 |
|
/=i |
|
|
= |
plim (■4 - 2 y(y |
; - B y 2 |
У,*®') - B L r' - r L 'B' - |
|||
|
T-к» \ |
' |
S |
te.1 |
|
) |
— ГМГ.
т
Это показывает, что (1/T) 2 У<Уt имеет предел по вероятности
ичто этот последний должен быть равен
(101)lim %4 - У У<У == F + Нт у - V w,w; = F + Н.
Г■+оо |
/=»] |
7’-*-оо |
Здесь мы предположили существование предела
(102) |
Н = Иш 4 * 2 |
w,w,. |
|
т~*°° ' м |
|
Теорема 5.5.10. Пусть характеристические корни матрицы —В лежат в единичном круге, пределы (94), (95) и (102) существуют и
ztzt < |
(V при / — |
1, 2, ... для |
некоторого N. |
Пусть |
при |
этом |
||
либо и, одинаково распределены, либо |
&|ы«|2+8< |
т, |
i = 1, |
р, |
||||
t =« 1, |
2, ..., для |
некоторого |
е > 0 , |
Тогда, |
если |
и, |
независимы. |
Ли, = 0 и Ли,и* = 2 , то
-[ Т
—2 У'- iy ^ i
Ы\
(103)plim
Г->-оо 1 т
т2 2/У/—1
1 V,
*=1
Пуз-ч |
JN |
1 |
F + H L
U IV1
Для состоятельности оценок В и Г при этих условиях нужно еще, чтобы матрица (103) была невырожденной.
Лемма 5.5.9. Если матрицы F и М положительно определены, то
иматрица (103) положительно определена.
Доказательство. Поскольку
,104) ,х' у,)(" мХ уИ - ^ ! * ' у- > ( 7 ) < " ,.,
= Нш4I -2 lx'w<-*>+У%1а>°.
Т.4.0©
236 ЛИНЕЙНЫЕ МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ ПАРАМЕТРОВ Гл. 5.
матрица этой квадратичной формы положительно полуопределена. Квадратичная форма
(105) |
(х'у') |
F + H |
* ) = х Т х + ( х У ) ( " £ |
|
L' |
||||
|
|
|
является суммой двух неотрицательных квадратичных форм и поэтому может равняться нулю, только если обе они обращаются в нуль. Поскольку F положительно определена, то из хТх =0 следует, что х = 0 . Поэтому, для того чтобы (105) равнялось нулю, необходимо, чтобы у'Му = 0. Последнее выполняется лишь при
У = 0- ■
Т еорема 5.5.11. Если в условиях теоремы 5.5.10 матрица F положительно определена, а матрица М из соотношения (94) не вырождена, то
(106) |
plim В = |
В, |
|
Г-юо |
|
(107) |
plim Г = |
Г, |
|
Т —►OQ |
|
(108) |
plim 2 = |
2 . |
|
Т-*со |
|
Обратимся |
теперь к асимптотической |
нормальности |
(l/j/T) X |
||||||
т |
|
|
_ |
т |
|
|
|
|
|
X 2 у м « ( И |
( 1 / К Т ) 2 а д . |
Средние |
этих случайных величин |
||||||
<=i |
|
|
t= 1 |
|
|
|
(90), пока |
||
равны нулю. Выкладки, подобные проведенным в (89) и |
|||||||||
зывают, |
что |
|
|
|
|
|
|
|
|
(109) |
Hm - у |
S 2 |
|
|
® S |
W t-i = (F + Н) ® 2, |
|
||
|
Г - к » |
/ = I |
|
|
t= 1 |
|
|
|
|
(ПО) |
l i m ^ r S ^ |
У<-1« |
; |
= L ® |
|
||||
|
т-*°° |
1 |
|
|
|
1^\ |
|
|
|
( 111) |
|
l i m ^ - S ^ |
|
u<z; = M(g)2 . |
|
||||
Положим |
г-*-00 |
|
|
|
/=1 |
|
|
||
|
|
|
|
|
|
|
|
||
( 112) |
|
|
|
|
У1 |
t=1 |
|
|
|
|
|
|
|
|
|
|
|
||
(118) |
|
|
ZkT = |
W |
J , u' (фу' - ' + |
|
|||
|
|
|
|
||||||
где y\k) и Хкт |
те |
же, |
|
что и раньше. В данном случае слагаемые |
в ZkT не будут одинаково распределенными, даже если и, одинаково
5.5. |
АСИМПТОТИЧЕСКОЕ РАСПРЕДЕЛЕНИЕ ОЦЕНОК |
237 |
распределены. Если моменты четвертого порядка и, равномерно ограничены по t, легко показать, что будут равномерно ограничен
ными и четвертые моменты слагаемых в Y~TZkT. Сложнее показать (с использованием неравенства Гёльдера), что если Л | ы«|2+е равномерно ограничены, то будут равномерно ограниченными и моменты порядка 2 + е этих слагаемых.
Теорема 5.5.12. Пусть у( определяется |
соотношениями (76) |
или (78), случайные векторы ut независимы, |
Ей, = 0 , Лиtvit = 2 |
и все характеристические корни матрицы — В лежат в единичном
круге. Пусть, кроме того, гtzt < |
N, t = |
1,2, ..., |
для некоторого N |
||||
и существуют пределы (94), (95) |
и (102). |
Тогда, |
если |
Ли» < N*, |
|||
1 = 1 , .... р, t = |
1, 2 , ... , для некоторого N*. то |
|
|||||
(114) |
т |
т Ь |
- " |
, |
|
|
|
|
|
|
|
|
|
|
|
|
V'T |
Z'U' |
• |
|
|
|
|
имеет в пределе |
при Г -> оо нормальное |
распределение |
с нулевым |
||||
средним и ковариационной |
матрицей |
|
|
|
|
||
(115) |
F + H L |
|
|
|
|
||
|
L' |
М |
|
|
|
|
|
|
|
|
|
|
|
||
Теорема 5,5.13. Если выполнены условия теоремы 5.5,12 и если |
|||||||
со |
|
|
|
Т |
|
|
|
матрицы F = 2 |
BS2B'S и |
М = |
Нш (ИТ) |
положительно |
|||
s = 0 |
|
Г-» 00 |
|
<=1 |
|
|
|
определены, то |
|
|
|
|
|
|
|
(116) |
V T (В' — В'), |
V T (Г — Г') |
|
|
имеет в пределе нормальное распределение с нулевым средним и кова риационной матрицей
Невырожденность матриц F и М предполагается, так что обрат ная матрица в (117) существует. Если 2 вырождена, то вырожден ным будет и предельное нормальное распределение. Если zt есть
скалярная постоянная, то утверждение теоремы будет |
вытекать |
||||
из |
одинаковой распределенности и, с |
ковариационной |
матрицей |
||
2, |
без привлечения условий на моменты более высокого порядка. |
||||
Дело |
в том, |
что при этом щ (Фу<^1 + |
Qz,) образуют стационар |
||
ный |
процесс |
с конечной зависимостью. |
В общем случае |
условия |
238 |
ЛИНЕЙНЫЕ МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ ПАРАМЕТРОВ |
Гл. 5. |
на z, и и, можно ослабить в том смысле, что можно требовать только, чтобы и\ (Фу<-1 + вг<) удовлетворяли условию типа Линдеберга.
Условие w t < N можно также ослабить, заменив его условием
со
И а/ I zjt I < |
/ = |
1. •••. я- |
1=1 |
|
|
Теорема |
5.5.14. |
Пусть yt определяется соотношением (1) из |
§ 5 .4 , в котором ut независимо распределены, %ut = 0 , %и] = о2 > 0 , причем все характеристические корни матрицы —В лежат в еди
ничном круге. Пусть, кроме того, z<z, < N, t = 1,2, ..., для неко
торого N, |
а %и* < т, |
t— 1, |
2, |
..., |
для |
некоторого т, матрица |
|
М из |
(94) |
положительно определена и существуют пределы (95) и |
|||||
(102), |
где |
|
|
|
|
|
|
|
|
|
<-i |
|
~ |
ft % S |
|
(118) |
|
W, = |
( |
1 |
О' |
||
|
- 2 |
- B ) |
|
|
s= 0
о
Тогда V Т ($ — Р), Y Т (у — у) имеет в пределе при Т -> оо нор мальное распределение с нулевым средним и ковариационной мат рицей
F + H L 4 1
(П9)
L' Ж)
5.6.СТАТИСТИЧЕСКИЕ ВЫВОДЫ
О МОДЕЛЯХ АВТОРЕГРЕССИИ, ОСНОВАННЫЕ НА ТЕОРИИ БОЛЬШИХ ВЫБОРОК
5.6.1. Связь с регрессионными методами |
|
|
|||
В § 5.4 было |
показано, |
что оценки |
максимального |
правдо |
|
подобия векторов |
р = (Рь |
..., рр)', |
у = |
(у1( .... Ye)' и |
диспер |
сии а2 получаются при минимизации |
выражения |
|
( 1) |
T |
i p |
2 |
(& + |
|
|
<=1 |
|
2
1=1
q |
\2 |
biyt-t + 2 |
cizA |
/-1 |
|
и потому формально являются оценками наименьших квадратов. Следствием этого является то, что в этих моделях можно исполь зовать все вычислительные процедуры обычного регрессионного анализа.
5.6. |
СТАТИСТИЧЕСКИЕ ВЫВОДЫ О МОДЕЛЯХ АВТОРЕГРЕССИИ |
239 |
|
|
В § 5.5 мы показали, что при надлежащим образом выбранных |
||
|
л |
л |
|
условиях соответствующие оценки р и у имеют асимптотически нормальное распределение, как и в случае обычной регрессии. Таким образом, при больших выборках (т. е. при больших значе ниях Т) эти оценки можно рассматривать как нормально распре деленные и использовать при этом процедуры обычного регрессион ного анализа. Аппроксимирующее многомерное нормальное распре
деление статистик У~Т (р — Р) и У~Т (у — у) имеет ковариацион ную матрицу
F + H
(2) |
|
|
|
|
|
|
L' |
тm |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
В свою очередь матрица (2) аппроксимируется матрицей |
||||||||||||
(3) |
|
|
|
|
|
.,/Ат- |
Lr |
|
|
|
|
|
где |
|
|
|
|
|
|
Lr |
MW |
’ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(4) |
= |
T - p - q |
2 |
(yt + P'y/-i + |
y'Z()2 = |
|
Го2 |
|||||
|
|
|||||||||||
|
|
jg |
|
|
|
|
|
|
|
|||
(5) |
Ar = -jr 2 |
У<-1У<-1 |
= |
|
|
|
|
|
|
|||
|
|
j ' |
|
Ut |
] |
|
1 |
r |
|
* s • |
|
y t —\y t —p |
|
|
|
|
T |
У*—xyt—*2 |
|
||||||
|
|
|
t= \ |
|
|
|
ЫХ |
|
|
|
t= \ |
|
|
|
1 |
г |
yt—^yt—X |
1 |
У\-~2 |
|
|
~т 2 yt-2yt-P |
|||
|
|
rr~2 |
rn 2 |
|
|
|||||||
|
|
|
t= l |
|
|
|
Ш |
|
|
|
|
|
|
|
1 |
T |
|
|
|
1 |
T |
|
|
{ |
T |
|
|
T |
2 |
y t—pyt— l ~~p~ 2 |
У^— pyt— 2 |
• • • |
"jT |
y t—p |
||||
|
|
|
t= 1 |
|
|
Ы |
|
|
|
M |
||
(6 ) |
Lr = -j- 2 |
y<-iz; = |
|
|
|
|
|
|
|
|||
|
|
t= l |
|
|
J |
Г |
|
|
J |
Г |
- |
|
|
|
~ l |
T |
|
|
|
|
|||||
|
|
- f 2 |
у* - '2" т Ъ |
y t - ' 2* • • • - f 2 |
yt-iZ q t |
|||||||
|
|
|
t= 1 |
|
|
|
/=1 |
|
|
|
t= 1 |
|
|
|
1 |
r |
|
|
1 |
T |
JJt—2%2t |
*• • |
1 |
T |
y t—2Zqi |
|
|
Г |
y t—2^1/ |
|
^ [ |
я. |
|
|||||
|
~ |
|
f=1 |
|
|
|
t= I |
|
|
|
<=1 |
|
|
|
1 |
Г |
|
|
J |
Г |
|
|
j |
r |
|
|
|
712 yt—pZu |
'r |
2 yt—Pzit |
• • • |
~ jr 2 yt—Pz4t |
t=*i |
<=i |
fo=i |
240 ЛИНЕЙНЫЕ МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ ПАРАМЕТРОВ Гл. 5.
(7) |
Mr = 4 |
' S |
z^ = |
|
|
|
|
|
|
|
|
|
*=1 |
|
|
|
|
|
|
|
|
|
“ |
1 |
Т |
|
J |
т |
1 |
т |
ZuZqt |
|
|
|
'г |
2 |
4 |
Т |
2 ^ ^ 2 / |
~т~2 |
|
||
|
|
|
*=1 |
|
/=1 |
1 |
t= 1 |
|
|
|
|
|
1 |
|
z*Zit |
1 |
4 |
1 |
т |
|
|
|
|
■ у-2 |
|
т ” 2 |
Z2tZqt |
• |
||||
|
|
|
t=\ |
|
Ы1 |
|
t=i |
|
||
|
|
1 |
т |
2 |
т |
2 |
т |
Zqf |
|
|
|
|
у |
2 |
|
“'р” |
Zqt%2t |
• • • j> |
|
|
|
Обычно, полагая |
Zu = 1, в модель |
вводят |
некоторую константу. |
|||||||
При этом если |
л |
исключить из уравнений для оценок, то все исполь |
||||||||
|
зуемые суммы квадратов и попарных произведений будут вклю чать отклонения от соответствующих средних. (Мы опустили знак ~ у F, Н, и L, так как в § 5.6 общий векторный случай не рассмат
ривается.) |
каждой диагонали |
Как было замечено в конце § 5.4, элементы |
|
т ^ ^ |
|
матрицы (1/Т) 2 У*-1У*-1 различаются только |
членами, относя- |
t= 1 |
|
щимися к началу и концу ряда. Поскольку мы занимаемся теорией больших выборок, то этими «концевыми» эффектами можно пре небречь и использовать матрицу, на диагоналях которой стоят одинаковые элементы. Кроме того, можно изменить и нормировоч
ный |
множитель (l/Т). |
Тогда каждая диагональ, отстоящая на s |
|||
от главной диагонали, |
будет состоять из элементов |
||||
(8) |
т 4-р _s |
2 |
s |
о, 1, . . . , р. |
|
|
^ Н |
t— p-f-s-f-1 |
|
|
|
|
|
|
Т |
|
|
Если |
вычитается |
среднее у* = 2 |
у Л т + р), то сумма примет вид |
||
(9) |
"T + y - s |
is |
|
|
|
|
|
|
t-—P+S+1 |
|
|
Возможны идругие модификации, например |
2 ytyt-J{T + p—s) — |
||||
_ |
|
|
|
t=—p-j-s-M |
— у*2. |
Отметим, что мы располагаем наблюдениями на отрезке от |
—р + |
1 до Т. |
5.6. |
СТАТИСТИЧЕСКИЕ ВЫВОДЫ О МОДЕЛЯХ АВТОРЕГРЕССИИ |
241 |
|||||
5.6.2. |
Проверка |
гипотез и доверительные интервалы |
|
||||
Рассмотрим |
статистики |
|
|
|
|
||
(Ю) |
|
-1Лг |
Pf — |
у т |
41— Vi |
|
|
|
V |
s V Z 1 ’ |
s Y |
m'i |
|
||
|
|
|
|
||||
где s2ail и s2mii |
соответственно |
i'-й и (p + |
/)-й диагональные эле |
менты матрицы из (3). Из обычной теории регрессии можно вывес ти, что каждая из статистик в (10) имеет распределение, близкое к нормальному с нулевым средним и единичной дисперсией. Поэтому для проверки гипотез относительно или ус и построения дове рительных интервалов для этих параметров можно использовать обычные методы.
Пусть нас интересует некоторая совокупность коэффициентов,
например p£l, ..., $ig, |
yh, ..., |
yih. |
Тогда |
можно |
воспользоваться |
||||||
тем, |
что |
статистика |
|
|
|
|
|
|
|
|
|
<п> |
- J r ( i |
( Р \ - Р .. н А .- Р - .) “< л + |
|
|
|
||||||
|
|
|
+ 2 1 |
I |
|
|
|
|
|
|
|
|
|
|
u=1 v=l |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
+ |
h |
(Viu — V/„)(Y/0— |
J |
||
|
|
|
|
|
|
|
u,v= 1 |
|
|
||
имеет распределение, близкое к распределению X2 с g + |
h степе |
||||||||||
нями свободы. Здесь |
aiulv, |
llu)v, miujv |
образуют |
матрицу, |
обрат |
||||||
ную |
к |
матрице, составленной |
из |
строк |
и столбцов с |
номера |
|||||
ми |
н, |
.., t'g, |
h + p , .... |
jh + |
Р |
матрицы |
J j ) |
. Это |
приводит к соответствующим критериям и доверительным интер валам. (Можно, кроме того, использовать и F-распределение с g + h и Т — (р + д) степенями свободы.)
5.6.3. Проверка гипотез о порядке процесса авторегрессии
Порядок стохастического разностного уравнения определяется входящим в него (с ненулевым коэффициентом) переменным, име ющим наибольшее запаздывание. При той форме записи урав нения, которую’мы используем, порядок равен просто р (РР Ф 0 ). Если не считать влияния «независимых переменных» 2«, то непос редственно на значение yt влияет самое большее р запаздыва ющих переменных, именно y t - ь . . . . yt-p. Поэтому для прогно зирования следует использовать только такие переменные.
242 |
ЛИНЕЙНЫЕ МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ ПАРАМЕТРОВ |
Г л. 5. |
||||||||
В связи с этим представляет |
интерес |
определение |
порядка мо |
|||||||
дели |
авторегрессии. Мы исследуем |
эту |
задачу |
для |
разност |
|||||
ного |
уравнения |
|
|
|
|
|
|
|
|
|
(12) |
yt + |
|
+ |
fypDi-p + |
Y ^ |
ur |
|
|
||
Уравнения для оценок параметров рь |
(5р |
имеют в этом случае |
||||||||
вид |
|
|
|
|
|
|
|
|
|
|
(13) |
/=1 |
|
i = l , |
|
Л |
|
|
|
|
|
где |
|
|
|
|
|
|
|
|
|
|
|
г |
|
_ |
|
|
|
|
|
|
|
(14) |
а</= |
yt—tyt—i |
|
i, j = |
1, |
р| |
|
|||
2 |
Ту^уц), |
|
||||||||
|
|
<=1 |
|
|
|
|
|
|
|
|
|
|
г |
Vt-iVt — ТУ(‘)У> |
1= |
|
|
|
|
|
|
(15) |
< 0 = |
2 |
1> • • • - |
Р* |
|
|
||||
|
|
<=| |
|
|
|
|
|
|
|
|
Р = г/<0), а У(() задается соотношением (17) из §5.4. [Уравнения (13) соответствуют (18) из § 5.4. ]
Рассмотрим сначала задачу выбора между решениями о том, что порядок уравнения равен р или р — 1 соответственно. Иными словами, требуется решить, будет ли |$р = 0. Мы поставим эту задачу как задачу проверки нулевой гипотезы Н: рр = 0 против альтернативы рр ф 0 . Критерий отношения правдоподобия будет здесь аналогичен двустороннему ^-критерию, использовавшемуся при исследовании регрессии. Мы отвергнем нулевую гипотезу, если
(16) |
_ L & J _ X (e ), |
|
s V a pp |
где (а*1?) = (a*/)"-1, a |
t (е) — двусторонняя 100 е-процентная точ |
ка стандартного нормального распределения. При достаточно больших значениях Т уровень значимости этого критерия будет
близок к |
е. |
Пусть |
нулевая гипотеза неверна. В общем случае мы имеем |
(!7) |
f t ( + ° v ) = F. |
|
А |
где F выражается соотношением (37) § 5.5, plim s = |
а и plim рр = |
Т |
Т-+оо |
= рр. Статистика критерия, стоящая в левой части (16), ведет себя
примерно как V T \ $ p\l(aVfpp)- Это утверждение можно сделать строгим и использовать его для доказательства состоятельности указанного критерия. Иными словами, можно доказать, что для заданной альтернативы рр Ф 0 вероятность отвергнуть нулевую гипртезу с ростом Т приближается к единице.