Page 60 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 60
ikacija metodologije časovnih serij na primeru turističnih cen
Govorimo le o tem modelu, ki ga uporabimo v empiričnem delu monogra-
fije, zato ne nadaljujemo z drugimi modeli kointegracijske analize. Ta mo-
del je podrobno analiziran v Johansen (1996) z eksplicitno oceno regresij-
skega ranga.
Metoda največjega verjetja za I(1) model
Majhna moč univariatnih testov enotskega korena in multivariatnih testov
enotskega korena ali kointegracije je bila podobna sestavljanki koščkov, vse
dokler ni prišlo do formalne uvedbe analitičnih procesov enotskega korena
oziroma izračunov. Prvotna literatura testov enotskega korena temelji na
normalni porazdelitvi, kar je razvidno iz tehnike testiranja teh testov z me-
todo najmanjših kvadratov in normalno Gausovo porazdelitvijo (Boswijk
in Lucas 2002). Da bi izboljšali moč testiranja, sta bila v literaturi predsta-
60 vljena dva med seboj združljiva pristopa. Prvi, katerega raziskovanje ima
osnovo v normalni porazdelitvi, je težaven v raziskovanju, saj je moč po-
gojena z določeno točko optimalnega korena enote testa enotskega kore-
na. Pristop k moči testa se lahko bistveno izboljša, če v točki optimalnega
korena vpeljemo alternativno ali tehtano povprečje. Drugi pristop se osre-
dotoča na predpostavke konvencionalne porazdelitvene testov enotskega
korena. Kljub temu, da je predpostavka o normalni porazdelitvi lahko v
nekaterih primerih smiselna, je vseeno vprašljiva v nastavitvah modela, kot
na primer, če stohastičen model ni normalno porazdeljen. V našem prime-
ru smo se odločili za normalno porazdelitev funkcije, ki jo nadaljujemo iz
predhodnega poglavja in jo zapišemo kot:
,
kjer oznake pomenijo:
– metoda največjega verjetja,
– normalizacija,
– meja metode največjega verjetja,
–največja varianca,
– konveksna varianca za nadomestitev največjega problema
z minimalnem problemom,
– empirično povprečje,
– ostanki opazovanih spremenljivk.
Vemo, da je metoda največjega verjetja neomejena s kointegracijsko ma-
triko , saj imamo , če pustimo, da je kot del in
da gre (Xu, Tan in Zhang 2010). Cenilka metode največjega verje-
tja ne obstaja ne glede na to, kako velik je vzorec. Xu, Tan in Zhang (2010)
Govorimo le o tem modelu, ki ga uporabimo v empiričnem delu monogra-
fije, zato ne nadaljujemo z drugimi modeli kointegracijske analize. Ta mo-
del je podrobno analiziran v Johansen (1996) z eksplicitno oceno regresij-
skega ranga.
Metoda največjega verjetja za I(1) model
Majhna moč univariatnih testov enotskega korena in multivariatnih testov
enotskega korena ali kointegracije je bila podobna sestavljanki koščkov, vse
dokler ni prišlo do formalne uvedbe analitičnih procesov enotskega korena
oziroma izračunov. Prvotna literatura testov enotskega korena temelji na
normalni porazdelitvi, kar je razvidno iz tehnike testiranja teh testov z me-
todo najmanjših kvadratov in normalno Gausovo porazdelitvijo (Boswijk
in Lucas 2002). Da bi izboljšali moč testiranja, sta bila v literaturi predsta-
60 vljena dva med seboj združljiva pristopa. Prvi, katerega raziskovanje ima
osnovo v normalni porazdelitvi, je težaven v raziskovanju, saj je moč po-
gojena z določeno točko optimalnega korena enote testa enotskega kore-
na. Pristop k moči testa se lahko bistveno izboljša, če v točki optimalnega
korena vpeljemo alternativno ali tehtano povprečje. Drugi pristop se osre-
dotoča na predpostavke konvencionalne porazdelitvene testov enotskega
korena. Kljub temu, da je predpostavka o normalni porazdelitvi lahko v
nekaterih primerih smiselna, je vseeno vprašljiva v nastavitvah modela, kot
na primer, če stohastičen model ni normalno porazdeljen. V našem prime-
ru smo se odločili za normalno porazdelitev funkcije, ki jo nadaljujemo iz
predhodnega poglavja in jo zapišemo kot:
,
kjer oznake pomenijo:
– metoda največjega verjetja,
– normalizacija,
– meja metode največjega verjetja,
–največja varianca,
– konveksna varianca za nadomestitev največjega problema
z minimalnem problemom,
– empirično povprečje,
– ostanki opazovanih spremenljivk.
Vemo, da je metoda največjega verjetja neomejena s kointegracijsko ma-
triko , saj imamo , če pustimo, da je kot del in
da gre (Xu, Tan in Zhang 2010). Cenilka metode največjega verje-
tja ne obstaja ne glede na to, kako velik je vzorec. Xu, Tan in Zhang (2010)
