Page 126 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 126
iAnplSikBacIiCja mpertoeddollaoggiajetčaasvovmnioh dseerilj nvakplrjiumčeirtuitudrvisatičmniehsceečnna odloga v neomejen ko-
integracijski model. Preskus kointegracijskega ranga je predpostavil model
z neomejeno konstanto in pri modelu, postavljenem s hipotezo 3, dva ko-
integracijska ranga (Preglednica 13) ter za model, postavljen s hipotezo 2,
en kointegracijski rang (Preglednica 12). V slednji model smo vključili tudi
nepravo sezonsko komponento.
Metoda največje verjetnosti, ki jo v kointegracijski analizi predlaga Jo-
hansen (1996), je enaka metodi najmanjših kvadratov, ki se uporablja v li-
nearni regresijski analizi, pod pogojem, da je proces normalno porazdeljen.
V tem primeru imajo cenilke optimalne asimptotične vrednosti. Regresij-
sko analizo smo izvedli v predhodnem poglavju. Ko je kointegracijski rang
v PMČS določen, se odločimo za nadaljevanje analize v obliki VECM.
Testiranje hipoteze 1
126 S pomočjo Johansen ML procesa smo oblikovali PMČS, ki je primeren za
nadaljnjo analizo. Model smo preverili s postopki preverjanja ustreznos-
ti modela, ki so predstavljeni v naslednjem podpoglavju (Preglednica 14).
Pri 5 % stopnji značilnosti smo ugotovili, da v modelu ni prisotna avtoko-
relacija. Stabilnost modela na osnovi ocenjevanja lastnih vrednosti nam ne
povzroča možnosti za neprimeren model. Model, ki smo ga postavili s hi-
potezo 1, je primeren za nadaljnjo analizo redukcije s testom VECM. Mo-
del ima znano končno varianco, torej heteroskedastičnost ni prisotna.
Interpretacija rezultatov
Ugotovitve: Spremenljivko ICGS smo v enačbi analize vzeli kot prvo spre-
menljivko, zato bo v kointegracijskem prostoru popravljena k 1 pri upora-
bi testa ML. Predvidevamo, da bomo imeli s takim modelom težave, saj
smo v bivariatni analizi ugotovili, da ICGS ni statistično značilno kointe-
grirana z nobeno spremenljivko. Statistično značilno kointegracijsko po-
vezanost smo v bivariatni analizi ugotovili med ICŽP in ICŽPEA ter med
ICŽP in ICGSEA. S testom sledi smo ugotovili, da imamo dva kointegra-
cijska ranga, zato zapišemo dve kointegracijski povezavi. V obeh primerih
uporabimo en mesečni odlog. Prvo kointegracijsko povezavo lahko zapiše-
mo v obliki:
,
integracijski model. Preskus kointegracijskega ranga je predpostavil model
z neomejeno konstanto in pri modelu, postavljenem s hipotezo 3, dva ko-
integracijska ranga (Preglednica 13) ter za model, postavljen s hipotezo 2,
en kointegracijski rang (Preglednica 12). V slednji model smo vključili tudi
nepravo sezonsko komponento.
Metoda največje verjetnosti, ki jo v kointegracijski analizi predlaga Jo-
hansen (1996), je enaka metodi najmanjših kvadratov, ki se uporablja v li-
nearni regresijski analizi, pod pogojem, da je proces normalno porazdeljen.
V tem primeru imajo cenilke optimalne asimptotične vrednosti. Regresij-
sko analizo smo izvedli v predhodnem poglavju. Ko je kointegracijski rang
v PMČS določen, se odločimo za nadaljevanje analize v obliki VECM.
Testiranje hipoteze 1
126 S pomočjo Johansen ML procesa smo oblikovali PMČS, ki je primeren za
nadaljnjo analizo. Model smo preverili s postopki preverjanja ustreznos-
ti modela, ki so predstavljeni v naslednjem podpoglavju (Preglednica 14).
Pri 5 % stopnji značilnosti smo ugotovili, da v modelu ni prisotna avtoko-
relacija. Stabilnost modela na osnovi ocenjevanja lastnih vrednosti nam ne
povzroča možnosti za neprimeren model. Model, ki smo ga postavili s hi-
potezo 1, je primeren za nadaljnjo analizo redukcije s testom VECM. Mo-
del ima znano končno varianco, torej heteroskedastičnost ni prisotna.
Interpretacija rezultatov
Ugotovitve: Spremenljivko ICGS smo v enačbi analize vzeli kot prvo spre-
menljivko, zato bo v kointegracijskem prostoru popravljena k 1 pri upora-
bi testa ML. Predvidevamo, da bomo imeli s takim modelom težave, saj
smo v bivariatni analizi ugotovili, da ICGS ni statistično značilno kointe-
grirana z nobeno spremenljivko. Statistično značilno kointegracijsko po-
vezanost smo v bivariatni analizi ugotovili med ICŽP in ICŽPEA ter med
ICŽP in ICGSEA. S testom sledi smo ugotovili, da imamo dva kointegra-
cijska ranga, zato zapišemo dve kointegracijski povezavi. V obeh primerih
uporabimo en mesečni odlog. Prvo kointegracijsko povezavo lahko zapiše-
mo v obliki:
,
