In statistics, the Phillips–Perron test (named after Peter C. B. Phillips and Pierre Perron) is a unit root test. That is, it is used in time series analysis to test the null hypothesis that a time series is integrated of order 1. It builds on the Dickey–Fuller test of the null hypothesis in , where is the first difference operator. Like the augmented Dickey–Fuller test, the Phillips–Perron test addresses the issue that the process generating data for might have a higher order of autocorrelation than is admitted in the test equation—making endogenous and thus invalidating the Dickey–Fuller t-test. Whilst the augmented Dickey–Fuller test addresses this issue by introducing lags of as regressors in the test equation, the Phillips–Perron test makes a non-parametric correction to the t-te
| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:label
| - Test de Phillips-Perron (es)
- Test de Phillips-Perron (fr)
- フィリップス–ペロン検定 (ja)
- Phillips–Perron test (en)
- Тест Філіпса-Перрона (uk)
|
| rdfs:comment
| - Le test de Phillips-Perron est un test statistique qui vise à savoir si une série temporelle est stationnaire c'est-à-dire si ses propriétés statistiques (espérance, variance, auto-corrélation) varient ou pas dans le temps. (fr)
- フィリップス–ペロン検定（フィリップス–ペロンけんてい、英: Phillips–Perron test）とは、統計学における単位根検定の一つである。とにちなんで名づけられた。フィリップス–ペロン検定は時系列が1次の単位根であるという帰無仮説を検定する為に、時系列分析において用いられ、モデル において であるというディッキー–フラー検定の帰無仮説に基いている。ここで は1階差分オペレーターである。拡張ディッキー–フラー検定のように、フィリップス–ペロン検定は を生成する過程が検定方程式において許容されるものより高次の自己相関を持つ場合、つまり が内生的に生成され、ディッキー–フラー型のt検定が適当でない場合の問題に取り組んでいる。拡張ディッキー–フラー検定が検定方程式において のラグを説明変数として導入することでこの問題に取り組んでいるのに対し、フィリップス–ペロン検定はな修正を t検定統計量に施している。フィリップス–ペロン検定は検定方程式の撹乱過程において特定化されない自己相関やに対してロバストである。 Davidson and MacKinnon (2004) はフィリップス–ペロン検定が有限標本においては拡張ディッキー–フラー検定よりパフォーマンスが落ちると報告している。 (ja)
- En estadística y econometría, la prueba de Phillips-Perron (el nombre viene de Peter Phillips y CB Pierre Perron) es una prueba de raíz unitaria. Es decir, se utiliza en el análisis de series de tiempo para probar la hipótesis nula de que una serie de tiempo es integrada de orden 1. Se basa en la prueba de Dickey-Fuller de que la hipótesis nula es en , donde Δ es la primera diferencia del operador. Al igual que la prueba de Dickey-Fuller aumentada, la prueba de Phillips-Perron aborda la cuestión de que el proceso de generación de datos para podría tener un orden superior de autocorrelación que es admitido en la ecuación de prueba - haciendo endógeno e invalidando así el Dickey-Fuller t-test . Mientras que la prueba de Dickey-Fuller aumentada aborda esta cuestión mediante la introducció (es)
- In statistics, the Phillips–Perron test (named after Peter C. B. Phillips and Pierre Perron) is a unit root test. That is, it is used in time series analysis to test the null hypothesis that a time series is integrated of order 1. It builds on the Dickey–Fuller test of the null hypothesis in , where is the first difference operator. Like the augmented Dickey–Fuller test, the Phillips–Perron test addresses the issue that the process generating data for might have a higher order of autocorrelation than is admitted in the test equation—making endogenous and thus invalidating the Dickey–Fuller t-test. Whilst the augmented Dickey–Fuller test addresses this issue by introducing lags of as regressors in the test equation, the Phillips–Perron test makes a non-parametric correction to the t-te (en)
- У статистиці, тест Філіпса–Перрона (названий на честь Пітера КБ Філліпса та П'єра Перрона) використовують для перевірки нульової гіпотези про наявність одиничного кореня. Тобто він використовується в аналізі часових рядів для перевірки нульової гіпотези про те, що часовий ряд інтегровний першого порядку. Він базується на тесті Дікі – Фулера нульової гіпотези в , де є першим оператором різниці . Як і доповнений тест Дікі – Фулера, тест Філіпса – Перрона вирішує проблему, щодо якої процес генерування даних для може мати більш високий порядок автокореляції, ніж дозволено в тестовому рівнянні, тобто -- ендогенний, а отже, t-тест Дікі – Фулера не можна застосовувати. Тоді як розширений тест Дікі-Фулера вирішує цю проблему, вводячи лаги регресорами в тестовому рівнянні, тест Філіпса – Перро (uk)
|
| dct:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| has abstract
| - En estadística y econometría, la prueba de Phillips-Perron (el nombre viene de Peter Phillips y CB Pierre Perron) es una prueba de raíz unitaria. Es decir, se utiliza en el análisis de series de tiempo para probar la hipótesis nula de que una serie de tiempo es integrada de orden 1. Se basa en la prueba de Dickey-Fuller de que la hipótesis nula es en , donde Δ es la primera diferencia del operador. Al igual que la prueba de Dickey-Fuller aumentada, la prueba de Phillips-Perron aborda la cuestión de que el proceso de generación de datos para podría tener un orden superior de autocorrelación que es admitido en la ecuación de prueba - haciendo endógeno e invalidando así el Dickey-Fuller t-test . Mientras que la prueba de Dickey-Fuller aumentada aborda esta cuestión mediante la introducción de retardos de Δ como variables independientes en la ecuación de la prueba, la prueba de Phillips-Perron hace un no-paramétricos corrección a la estadística t-test. El ensayo es robusto con respecto a no especificado autocorrelación y heterocedasticidad en el proceso de alteración de la ecuación de prueba. El artículo de Davidson y MacKinnon (2004) muestra que la prueba de Phillips-Perron es menos eficiente en muestras finitas que la prueba de Dickey-Fuller aumentada. (es)
- In statistics, the Phillips–Perron test (named after Peter C. B. Phillips and Pierre Perron) is a unit root test. That is, it is used in time series analysis to test the null hypothesis that a time series is integrated of order 1. It builds on the Dickey–Fuller test of the null hypothesis in , where is the first difference operator. Like the augmented Dickey–Fuller test, the Phillips–Perron test addresses the issue that the process generating data for might have a higher order of autocorrelation than is admitted in the test equation—making endogenous and thus invalidating the Dickey–Fuller t-test. Whilst the augmented Dickey–Fuller test addresses this issue by introducing lags of as regressors in the test equation, the Phillips–Perron test makes a non-parametric correction to the t-test statistic. The test is robust with respect to unspecified autocorrelation and heteroscedasticity in the disturbance process of the test equation. Davidson and MacKinnon (2004) report that the Phillips–Perron test performs worse in finite samples than the augmented Dickey–Fuller test. (en)
- Le test de Phillips-Perron est un test statistique qui vise à savoir si une série temporelle est stationnaire c'est-à-dire si ses propriétés statistiques (espérance, variance, auto-corrélation) varient ou pas dans le temps. (fr)
- フィリップス–ペロン検定（フィリップス–ペロンけんてい、英: Phillips–Perron test）とは、統計学における単位根検定の一つである。とにちなんで名づけられた。フィリップス–ペロン検定は時系列が1次の単位根であるという帰無仮説を検定する為に、時系列分析において用いられ、モデル において であるというディッキー–フラー検定の帰無仮説に基いている。ここで は1階差分オペレーターである。拡張ディッキー–フラー検定のように、フィリップス–ペロン検定は を生成する過程が検定方程式において許容されるものより高次の自己相関を持つ場合、つまり が内生的に生成され、ディッキー–フラー型のt検定が適当でない場合の問題に取り組んでいる。拡張ディッキー–フラー検定が検定方程式において のラグを説明変数として導入することでこの問題に取り組んでいるのに対し、フィリップス–ペロン検定はな修正を t検定統計量に施している。フィリップス–ペロン検定は検定方程式の撹乱過程において特定化されない自己相関やに対してロバストである。 Davidson and MacKinnon (2004) はフィリップス–ペロン検定が有限標本においては拡張ディッキー–フラー検定よりパフォーマンスが落ちると報告している。 (ja)
- У статистиці, тест Філіпса–Перрона (названий на честь Пітера КБ Філліпса та П'єра Перрона) використовують для перевірки нульової гіпотези про наявність одиничного кореня. Тобто він використовується в аналізі часових рядів для перевірки нульової гіпотези про те, що часовий ряд інтегровний першого порядку. Він базується на тесті Дікі – Фулера нульової гіпотези в , де є першим оператором різниці . Як і доповнений тест Дікі – Фулера, тест Філіпса – Перрона вирішує проблему, щодо якої процес генерування даних для може мати більш високий порядок автокореляції, ніж дозволено в тестовому рівнянні, тобто -- ендогенний, а отже, t-тест Дікі – Фулера не можна застосовувати. Тоді як розширений тест Дікі-Фулера вирішує цю проблему, вводячи лаги регресорами в тестовому рівнянні, тест Філіпса – Перрона здійснює непараметричну корекцію статистики t-тесту. Тест є надійним щодо неуточненої автокореляції та гетероскедастичності в процесі порушення рівняння тесту. Девідсон та Маккіннон (2004) повідомляють, що тест Філіпса–Перрона діє гірше для скінчених (малих) вибірок, ніж розширений тест Дікі-Фулера. (uk)
|
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is Link from a Wikipage to another Wikipage
of | |
| is Wikipage redirect
of | |
| is known for
of | |
| is known for
of | |
| is foaf:primaryTopic
of | |
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)
![[RDF Data]](/fct/images/sw-rdf-blue.png)