Autocorrelation

Earlier tests for multiple orders of autocorrelation The BoxPierce test
Earlier tests for multiple orders of autocorrelation
Tes pertama untuk autokorelasi, berdasarkan alternatif model AR (1) dari

proses kesalahan, hanya mempertimbangkan kemungkinan keberangkatan
dari kemerdekaan. Dari sudut pandang pedagogis, tes semacam itu
berbahaya, karena kegagalan untuk menolak dapat dianggap sebagai
tagihan kesehatan yang bersih, yang menyiratkan tidak adanya korelasi
serial: yang sebenarnya tidak.
Tes Box-Pierce portmanteau (atau Q), yang dikembangkan pada tahun 1970,
dapat diterapkan pada rangkaian waktu univariat, dan sering dianggap
sebagai tes umum untuk 'white noise': demikian namanya di Stata, wntestq.
Uji coba yang dilakukan oleh komando tersebut adalah penyempurnaan
yang diajukan oleh Ljung dan Box (1978), menerapkan koreksi sampel kecil.
Namun, jika uji portmanteau diterapkan pada satu set residu regresi,
regresor dalam model diasumsikan benar-benar eksogen dan
homoskedastis
Baum & Schaffer (BC, HWU) Testing for autocorrelation UKSUG 19, Sep. 2013 1 / 44
Sebagai ilustrasi, kita menghitung statistik Q untuk satu lag, dan

menggambarkan perhitungannya melalui aktest. Opsi bp menentukan uji Q,
dan kecil menunjukkan bahwa bentuk Ljung-Box statistik, dengan koreksi
sampel kecilnya, harus dihitung. Tanpa pilihan kecil, statistik Box-Pierce
yang asli akan dihitung.
. wntestq air, lags (1) Uji portmanteau untuk white noise
Portmanteau (Q) statistic = 132.1415

Prob > chi2(1) = 0.0000
. actest air, lags(1) bp small
Cumby-Huizinga test for autocorrelation H0: variable
is MA process up to order q
HA: serial correlation present at specified lags >q
H0: q=0 (serially uncorrelated) H0: q=0 (serially uncorrelated)
HA: s.c. present at range specified HA: s.c. present at lag specified
lags chi2 df p-val lag chi2 df p-val
1 - 1 132.142 1 0.0000 1 132.142 1 0.0000
Test requires conditional homoskedasticity
Seperti yang dapat Anda lihat dari keluaran, actest secara otomatis
menampilkan statistik uji untuk semua kelambatan yang ditentukan, serta
uji untuk setiap urutan lag. Dalam kasus single-lag, ini identik. Hipotesis nol
adalah bahwa variabel yang diuji adalah proses rata-rata bergerak order q:
MA (q). Secara default, q = 0, menyiratkan white noise. Alternatif yang
dipertimbangkan adalah bahwa korelasi serial hadir dalam rentang lag, atau
untuk lag yang ditentukan tersebut.
Untuk satu lag, statistik portmanteau Ljung-Box identik dengan statistik uji
Cumby-Huizinga (C-H). Kami juga dapat menerapkan setiap tes untuk
berbagai urutan lag:
. wntestq air, lags(4)
Portmanteau test for white noise
Prob > chi2(4) = 0.0000
. actest air, lags(4) bp small

Cumby-Huizinga test for autocorrelation
H0: variable is MA process up to order q
1- 1 132.142 1 0.0000 1 132.142 1 0.0000

1 - 2 245.646 2 0.0000 2 113.505 1 0.0000
1 - 3 342.675 3 0.0000 3 97.029 1 0.0000
1- 4 427.739 4 0.0000 4 85.064 1 0.0000
Test membutuhkan homo kondisional

Untuk kisaran lags 1-4, statistik C-H identik dengan Kotak Ljung Q yang dilaporkan oleh wntestq. Panel kanan
juga menunjukkan bahwa korelasi serial ada pada setiap lag. Temuan tersebut tidak dapat diproduksi dengan
uji B-P-L-B, karena hipotesis nolnya mengasumsikan tidak adanya autokorelasi sama sekali.
Earlier tests for multiple orders of autocorrelation The BreuschGodfrey test
Uji Breusch-Godfrey, yang dikembangkan secara independen oleh kedua

penulis pada tahun 1978, dimaksudkan untuk diterapkan pada serangkaian
residu regresi dengan asumsi regresor eksogen, atau yang telah ditentukan
sebelumnya. Meskipun penerapannya di official stata as estate bgodfrey
mengklasifikasikannya sebagai perintah post-estimation, namun
penerapannya dapat dilakukan pada rangkaian waktu tunggal dengan
menurunkan seri tersebut secara konstan:
lags(p) chi2 df Prob > chi2
1 130.900 1 0.0000
H0: no serial correlation
In this case, the regressor (the units vector)

is of course strictly exogenous.
Akte kita juga berfungsi sebagai perintah post-estimation, sehingga jika

tidak ada varname yang ditentukan, ia beroperasi pada rangkaian sisa dari
perintah estimasi terakhir:
. actest, lags(1)
H0: disturbance is MA process up to order q
H0: q=0 (serially uncorrelated) H0: q=specified lag-1
1 - 1 130.900 1 0.0000 1 130.900 1 0.0000
Test allows predetermined regressors/instruments Test requires conditional

homoskedasticity
The actest statistic is identical to that produced by the B-G test.
Keuntungan dari uji B-G selama pengujian AR (1) adalah bahwa hal itu
dapat diterapkan untuk menguji hipotesis nol mengenai berbagai urutan
lag:
. estat bgodfrey, lags(4)
Breusch-Godfrey LM test for autocorrelation
4 132.364 4 0.0000
Kami dapat mereproduksi hasil uji B-G dengan actest untuk jumlah lag yang sama:
. actest, lags(4)

1- 1 130.900 1 0.0000 1 130.900 1 0.0000

1- 2 131.954 2 0.0000 2 40.202 1 0.0000
1- 3 132.208 3 0.0000 3 22.708 1 0.0000
1- 4 132.364 4 0.0000 4 15.970 1 0.0001
Test allows predetermined regressors/instruments

Statistik aktest untuk kisaran lags 1-4 identik dengan statistik B-G.
Perhatikan bahwa pada panel sebelah kanan, null untuk setiap lag tertentu
adalah prosesnya adalah MA (lag - 1) daripada MA (lag).
Hipotesis ini tidak dapat diuji oleh B-G, karena dengan hipotesis nol tidak
ada autokorelasi pada urutan lag. Tidak masuk akal untuk menguji
autokorelasi, katakanlah, pada lag ke-4 sambil mengasumsikan bahwa itu
tidak ada pada urutan lag yang lebih rendah.
Namun, tes B-P-L-B dan B-G, dan uji C-H dalam bentuk standarnya,
semuanya didasarkan pada homoseksualitas bersyarat dari proses
kesalahan. Kita dapat mengendurkan asumsi ini secara aktif dengan
menentukan opsi kuat:
. actest, lags(4) robust
1- 1 55.852 1 0.0000 1 55.852 1 0.0000

1- 2 59.940 2 0.0000 2 20.886 1 0.0000
1- 3 63.790 3 0.0000 3 13.761 1 0.0002
1- 4 65.304 4 0.0000 4 10.526 1 0.0012
Test allows predetermined regressors/instruments Test robust to

heteroskedasticity
Tes untuk lag order 1-4 lagi sangat menolak null of independence
dalam seri, seperti halnya uji pada setiap lag individu.
The CumbyHuizinga test in perspective Testing for independence in regression residuals
The CumbyHuizinga test in perspective
Dalam masing-masing contoh ini, kami telah melakukan tes pada rangkaian
waktu univariat. Setiap tes dapat diterapkan pada residual model regresi
non-trivial dengan asumsi eksogenitas ketat (B-P-L-B), atau regresor
eksogen atau regresor yang lemah (B-G):
. qui reg air time
. qui predict double airhat, residual
. wntestq airhat, lags(4) Portmanteau test for white noise

Prob > chi2(4) = 0.0000
The CumbyHuizinga test in perspective Testing for independence in regression residuals
To reproduce these results with actest, we must also employ the

strict option to specify that the regressors are assumed to be
strictly exogenous:
. actest, lags(4) bp small strict Cumby-Huizinga test for autocorrelation

1- 1 77.958 1 0.0000 1 77.958 1 0.0000

1- 2 90.266 2 0.0000 2 12.308 1 0.0005
1- 3 91.425 3 0.0000 3 1.159 1 0.2816
1- 4 107.617 4 0.0000 4 16.192 1 0.0001
Test requires strictly exogenous regressors/instruments Test requires

conditional homoskedasticity
The actest statistic for lag orders 14 is identical to the Q statistic.
The CumbyHuizinga test in perspective Allowing for predetermined regressors
Statistik B-P-L-B dapat dimodifikasi untuk memungkinkan regresor eksogen

yang ditentukan sebelumnya namun tidak ketat. Seperti yang ditunjukkan
Hayashi di buku teksnya (halaman 146-147), ini memerlukan
'predeterminedness' dan bentuk homogen kondisional yang kuat: bahwa
harapan akan kesalahan dikondisikan pada kedua sejarahnya sendiri dan
sejarah regresor adalah nol, dan bahwa harapan kesalahan kuadrat di
bawah sama
pengkondisian adalah 2. Hayashi menyebut ini 'modified Box-Pierce Q',

dan menunjukkan bahwa secara asimtotik setara dengan statistik uji B-G.
We demonstrate the equivalency between B-G and actest:

4 95.947 4 0.0000

. actest, lags(4)
1- 1 76.740 1 0.0000 1 76.740 1 0.0000

1- 2 94.492 2 0.0000 2 5.936 1 0.0148
1- 3 95.007 3 0.0000 3 0.511 1 0.4748
1- 4 95.947 4 0.0000 4 7.218 1 0.0072

The equivalency also holds for predetermined, or weakly exogenous,

regressors in this AR(2) model:
. qui reg air L(1/2).air
4 15.506 4 0.0038

. actest, lags(4)
1- 1 5.409 1 0.0200 1 5.409 1 0.0200

1- 2 7.979 2 0.0185 2 2.578 1 0.1084
1- 3 12.490 3 0.0059 3 1.755 1 0.1853
1- 4 15.506 4 0.0038 4 7.387 1 0.0066

The CumbyHuizinga test in perspective Allowing for MA(q) errors, q > 0
Di luar kemampuan untuk menghitung versi uji yang kuat, memungkinkan

heteroskedastisitas bersyarat, kerangka kerja C-H juga memungkinkan kita
untuk mempertimbangkan hipotesis nol yang memungkinkan korelasi
serial pada urutan lag yang lebih rendah. Sebagai ilustrasi, kita asumsikan
bahwa proses error adalah MA (2) dibawah null:
. actest, lags(3 4)
H0: disturbance is MA(q), q=2 H0: q=specified lag-1

3 - 3 1.755 1 0.1853 3 1.755 1 0.1853

3 - 4 9.046 2 0.0109 4 7.387 1 0.0066

homoskedasticity
For lag orders 34, the null that the residuals are MA(2) rather than
MA(4) is rejected.
Kemampuan untuk memungkinkan korelasi serial tingkat rendah

menyiratkan bahwa kerangka uji CH jauh lebih fleksibel daripada pengujian
sebelumnya, yang semuanya tidak mengasumsikan adanya korelasi serial
di bawah nol: dalam istilah actest, bahwa q = 0. Mengizinkan MA ( q) di
bawah null memerlukan penggunaan VCE kernel-robust, yang merupakan
kernel terpotong dengan bandwidth yang disetel ke q.
Hayashi menunjukkan bahwa kernel terpotong adalah kernel alami yang

digunakan saat autokorelasi mati pada jeda yang telah ditentukan,
menghindarkan kebutuhan akan asimtotik T besar saat bandwidth
meningkat dengan T. Seperti pada ivreg2 Baum-Schaffer-Stillman, default
saat menggunakan opsi kernel () atau bw () adalah menghitung ACCE-
robust VCE. Untuk menghitung HAC VCE, opsi kuat juga harus ditentukan.
Fitur lain yang berguna dari kerangka pengujian C-H adalah dapat memberi
kita wawasan yang lebih besar mengenai bentuk ketergantungan dalam
proses kesalahan. Misalnya, jika kita melihat regresi ini dengan uji B-G
. qui reg investment L(1/4).income
. estat bgodfrey, lags(1/8)
1 64.511 1 0.0000
2 64.601 2 0.0000
3 64.641 3 0.0000
4 64.641 4 0.0000
5 65.147 5 0.0000
6 65.438 6 0.0000
7 65.750 7 0.0000
8 66.566 8
H0: no serial correlation 0.0000
We conclude that there is serious autocorrelation at all lag lengths.
However, consider the right-hand panel of the equivalent actest

results:
. actest, lags(8)
1- 1 64.511 1 0.0000 1 64.511 1 0.0000

1 - 2 64.601 2 0.0000 2 18.232 1* 0.0000
1 - 3 64.641 3 0.0000 3 9.245 1* 0.0024
1 - 4 64.641 4 0.0000 4 5.799 1 0.0160
1 - 5 65.147 5 0.0000 5 3.211 1 0.0731
1 - 6 65.438 6 0.0000 6 1.402 1 0.2364
1 - 7 65.750 7 0.0000 7 0.388 1 0.5335
1 - 8 66.566 8 0.0000 8 0.002 1 0.9617

* Eigenvalues adjusted to make matrix positive semidefinite
Dalam kasus ini, kita dapat melihat bahwa meskipun uji gabungan perintah
lag semua ditolak, uji MA (4) vs MA (5) tidak dapat ditolak pada tingkat
95%. Ini menunjukkan bahwa kesimpulan dari uji B-G sangat dipengaruhi
oleh autokorelasi yang jelas pada lags 1-4, dan mungkin membawa kita
untuk memasukkan lebih banyak lag daripada yang diperlukan dalam
estimator HAC VCE.
The CumbyHuizinga test in perspective Testing for serial correlation in an instrumental variables context
Kerangka kerja C-H juga merilekskan asumsi regresor yang telah ditentukan
sebelumnya, seperti dalam konteks IV, persyaratan untuk
predeterminedness diterapkan pada instrumen daripada regresor.
Menggambarkan:
. webuse lutkepohl, clear
(Quarterly SA West German macro data, Bil DM, from Lutkepohl 1993 Table E.1)
. qui ivreg2 investment (income = L(1/2).income)
. actest, lags(3)
1 - 1 68.947 1 0.0000 1 68.947 1 0.0000

1 - 2 69.029 2 0.0000 2 21.716 1 0.0000
1 - 3 69.182 3 0.0000 3 12.362 1 0.0004

The CumbyHuizinga test in perspective Testing for serial correlation in an instrumental variables context
We may also conduct this test as heteroskedasticity-robust:

. actest, lags(3) robust
1 - 1 37.402 1 0.0000 1 37.402 1 0.0000

1 - 2 37.616 2 0.0000 2 12.128 1 0.0005
1 - 3 37.631 3 0.0000 3 7.003 1 0.0081

heteroskedasticity
In both forms of the test, the null hypothesis is overwhelmingly

rejected.
CumbyHuizinga test vs. ArellanoBond test The abar test
CumbyHuizinga test vs. ArellanoBond test
Arellano dan Bond (1991) memperkenalkan sebuah tes untuk autokorelasi dalam
estimasi data panel dinamis (DPD) untuk T tetap, konteks N yang besar yang
didukung oleh xtabond dkk. Roodman (2004, 2012) menerapkan ini sebagai uji
standalone, abar.
Tes AB awalnya dirancang untuk model DPD, dimana ada AR (1) (sebenarnya, MA
(1)) hadir dalam kesalahan yang berbeda karena konstruksi, adanya AR yang
signifikan (2) adalah uji diagnostik terhadap validitas instrumen, melengkapi tes
Sargan-Hansen standar untuk pembatasan yang terlalu banyak. Dalam konteks ini,
null memungkinkan untuk AR (1) (q> 0 dalam istilah C-H) saat menguji AR (2), AR
(3) ...
CumbyHuizinga test vs. ArellanoBond test The abar test
Roodman mencatat bahwa tes ini 'cukup umum dalam penerapannya-lebih

general than dwstat
bahwa 'hal itu dapat diterapkan pada regresi GMM linier secara umum, dan
dengan demikian kasus khusus OLS dan 2SLS.'
Uji abar dapat diterapkan setelah regresi, ivreg, ivregress dan ivreg2 (Baum-
Schaffer-Stillman) untuk bentuk perintah homoseksual, robust, dan cluster-
robust, serta regresi dengan HAC VCE yang diperkirakan oleh newey,
newey2 (Roodman ), ivregress dan ivreg2. Ini dapat diterapkan pada model
efek tetap yang diperkirakan dengan perintah ini, namun tidak sesuai untuk
model efek tetap dengan asimtotik N besar-N tetap (Wooldridge, MIT Press,
hlm.
310-311).
1
abar help file
CumbyHuizinga test vs. ArellanoBond test Equivalence of the tests
Tes A-B yang diimplementasikan pada model DPD linier pada dasarnya
adalah uji C-H dalam konteks panel. Jadi, ada persamaan umum antara uji
abar yang diterapkan pada regresi OLS, 2SLS atau IV-GMM dan uji C-H yang
dilaksanakan oleh actest.
Beberapa perbedaan ada, sebagai default acten ke versi uji coba C-H AC-
robust, mendukung kernel terpotong. Sedangkan abar melaporkan uji
korelasi serial pada pesanan lag individual saja, actest juga melaporkan tes
pada rentang order lag. Kecuali ditentukan secara eksplisit dalam estimasi
awal, uji abar mengasumsikan tidak ada autokorelasi di bawah nol (q = 0).
Sebaliknya, saat menguji lag tertentu q, actest memungkinkan autokorelasi

(dalam bentuk MA (q - 1)) pada urutan lag yang lebih rendah. Perilaku
default abar ini membuatnya kurang menarik daripada actest, karena kita
mungkin sering ingin mengakomodasi autokorelasi pada urutan lag yang
lebih rendah dan tidak menganggap ketidakhadirannya.
CumbyHuizinga test vs. ArellanoBond test Classical VCE
Kami menggambarkan kesetaraan ini dengan menguji AR (1) ... AR (4)

dengan abar mengikuti regresi OLS dengan VCE klasik. Statistik abar adalah
standar Normal di bawah nol, jadi kami mengkonversikan hasil yang
dilaporkan ke 2 tes.
. qui reg investment income
. abar, lags(4)
Warning: The Arellano-Bond test is only valid for time series only if they are
> ergodic.
Arellano-Bond test for AR(1): z = 8.33 Pr > z = 0.0000

. forv i=1/4 {
2. loc arì = r(arì)^2 * e(N)/e(df_r)
3. loc dia "`dia àrì"
4. }
. di "`dia"
70.90516463704326 56.45707136113094 46.89961653711498 33.59539738062808
CumbyHuizinga test vs. ArellanoBond test Classical VCE
Untuk membandingkan dengan actest, kami menggunakan opsi q0,

yang menentukan bahwa tidak ada korelasi serial yang diasumsikan
di bawah nol untuk uji lag-order individual:
. actest, lags(4) q0
1- 1 70.905 1 0.0000 1 70.905 1 0.0000

1- 2 70.973 2 0.0000 2 56.457 1 0.0000
1- 3 71.083 3 0.0000 3 46.900 1 0.0000
1- 4 71.881 4 0.0000 4 33.595 1 0.0000

homoskedasticity
The abar statistics are equal to those in the right-hand panel above.
CumbyHuizinga test vs. ArellanoBond test HAC VCE
Kami juga dapat menggunakan tes ini setelah estimasi HAC yang kuat atau
HAC. Dalam kasus terakhir, kami menggunakan kernel Bartlett seperti yang
digunakan pada estimator HAC Newey-West. Bandwidth = 5 dalam istilah
ivreg2 menyiratkan empat lag di kernel.
. qui ivreg2 investment income, robust kernel(bartlett) bw(5)
. abar, lags(4)
Warning: The Arellano-Bond test is only valid for time series only if they are
> ergodic.

. forv i=1/4 {
2. loc arì = r(arì)^2
4. }
. di "`dia"
9.041350773390105 8.191274390789095 7.403328244433819 5.9082939073147
CumbyHuizinga test vs. ArellanoBond test HAC VCE
Untuk membandingkan dengan actest, kita menambahkan kernel () dan bw ()

pilihan untuk menunjukkan bahwa tes harus dihitung dalam konteks HAC:
. actest, lags(4) q0 robust kernel(bartlett) bw(5) Cumby-Huizinga test for

autocorrelation
1- 1 9.041 1 0.0026 1 9.041 1 0.0026

1- 2 9.380 2 0.0092 2 8.191 1 0.0042
1- 3 9.628 3 0.0220 3 7.403 1 0.0065
1- 4 9.643 4 0.0469 4 5.908 1 0.0151

heteroskedasticity
CumbyHuizinga test vs. ArellanoBond test Application in a panel context
Kami juga dapat menerapkan tes dalam konteks panel menggunakan

OLS gabungan:
. webuse abdata, clear
. qui reg n w k, clu(id)
. abar, lags(3)

. forv i=1/3 {
4. }
. di "`dia"
35.01428083793625 33.12713487950008 31.63010894000373
The abar test in this context is robust to within-panel autocorrelation.
CumbyHuizinga test vs. ArellanoBond test Application in a panel context
Untuk membandingkan dengan actest, kami menambahkan opsi cluster () untuk menunjukkan
bahwa pengujian harus dihitung dalam konteks cluster-robust:
. actest, lags(3) clu(id)

1 - 1 35.014 1 0.0000 1 35.014 1 0.0000

1 - 2 56.630 2 0.0000 2 33.127 1 0.0000
1 - 3 58.136 3 0.0000 3 31.630 1 0.0000

Test robust to heteroskedasticity and within-cluster autocorrelation
CumbyHuizinga test vs. ArellanoBond test Application to IV-GMM with cluster-robust VCE
Tes juga setara dalam pengaturan panel ini saat kami memperkirakan model sesuai dengan
perbedaan pertama melalui variabel instrumental (IV-GMM) atau LIML dengan VCE cluster-robust.
Kami menggambarkan IV-GMM
. qui ivreg2 D.n (D.w D.k = D(1/2).(w k)), noco gmm2s clu(id)
. abar, lags(3)

. forv i=1/3 {
4. }
. di "`dia"
15.74212072538034 3.271292893080344 .1771184678625001
The same test statistics and p-values for each lag order are produced
by actest:
. actest, lags(3) clu(id)
1 - 1 15.742 1 0.0001 1 15.742 1 0.0001

1 - 2 16.547 2 0.0003 2 3.271 1 0.0705
1 - 3 16.661 3 0.0008 3 0.177 1 0.6739

Test robust to heteroskedasticity and within-cluster autocorrelation
Dalam konteks panel, kita mempertimbangkan apakah actest juga harus

menerima residu yang dihasilkan oleh areg, karena dalam kerangka itu efek
tetap partialled dapat diperlakukan seperti yang telah ditentukan, sehingga
penerapan uji C-H sangat mudah dilakukan

Autocorrelation

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Autocorrelation

Diunggah oleh

Hak Cipta:

Format Tersedia

Earlier tests for multiple orders of autocorrelation The BoxPierce test

Earlier tests for multiple orders of autocorrelation

Tes pertama untuk autokorelasi, berdasarkan alternatif model AR (1) dari

Sebagai ilustrasi, kita menghitung statistik Q untuk satu lag, dan

Portmanteau (Q) statistic = 132.1415

lags chi2 df p-val lag chi2 df p-val

1 - 1 132.142 1 0.0000 1 132.142 1 0.0000

Test requires conditional homoskedasticity

. actest air, lags(4) bp small

lags chi2 df p-val lag chi2 df p-val

1- 1 132.142 1 0.0000 1 132.142 1 0.0000

Test membutuhkan homo kondisional

Uji Breusch-Godfrey, yang dikembangkan secara independen oleh kedua

lags(p) chi2 df Prob > chi2

H0: no serial correlation

In this case, the regressor (the units vector)

Akte kita juga berfungsi sebagai perintah post-estimation, sehingga jika

lags chi2 df p-val lag chi2 df p-val

1 - 1 130.900 1 0.0000 1 130.900 1 0.0000

Test allows predetermined regressors/instruments Test requires conditional

The actest statistic is identical to that produced by the B-G test.

lags(p) chi2 df Prob > chi2

H0: no serial correlation

H0: disturbance is MA process up to order q

lags chi2 df p-val lag chi2 df p-val

1- 1 130.900 1 0.0000 1 130.900 1 0.0000

Test allows predetermined regressors/instruments

lags chi2 df p-val lag chi2 df p-val

1- 1 55.852 1 0.0000 1 55.852 1 0.0000

Test allows predetermined regressors/instruments Test robust to

The CumbyHuizinga test in perspective

Portmanteau (Q) statistic = 107.6173

To reproduce these results with actest, we must also employ the

H0: disturbance is MA process up to order q

lags chi2 df p-val lag chi2 df p-val

1- 1 77.958 1 0.0000 1 77.958 1 0.0000

Test requires strictly exogenous regressors/instruments Test requires

The actest statistic for lag orders 14 is identical to the Q statistic.

Statistik B-P-L-B dapat dimodifikasi untuk memungkinkan regresor eksogen

pengkondisian adalah 2. Hayashi menyebut ini 'modified Box-Pierce Q',

We demonstrate the equivalency between B-G and actest:

H0: no serial correlation

lags chi2 df p-val lag chi2 df p-val

1- 1 76.740 1 0.0000 1 76.740 1 0.0000

Test allows predetermined regressors/instruments

The equivalency also holds for predetermined, or weakly exogenous,

H0: no serial correlation

lags chi2 df p-val lag chi2 df p-val

1- 1 5.409 1 0.0200 1 5.409 1 0.0200

Test allows predetermined regressors/instruments

Di luar kemampuan untuk menghitung versi uji yang kuat, memungkinkan

H0: disturbance is MA(q), q=2 H0: q=specified lag-1

lags chi2 df p-val lag chi2 df p-val

3 - 3 1.755 1 0.1853 3 1.755 1 0.1853

Test allows predetermined regressors/instruments Test requires conditional

Kemampuan untuk memungkinkan korelasi serial tingkat rendah

Hayashi menunjukkan bahwa kernel terpotong adalah kernel alami yang

lags(p) chi2 df Prob > chi2

We conclude that there is serious autocorrelation at all lag lengths.

However, consider the right-hand panel of the equivalent actest

lags chi2 df p-val lag chi2 df p-val

1- 1 64.511 1 0.0000 1 64.511 1 0.0000

Test allows predetermined regressors/instruments

lags chi2 df p-val lag chi2 df p-val