Συνολοκλήρωση και VAR υποδείγματα



Σχετικά έγγραφα
Συνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 11ο

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 10ο

Είδαµε στο προηγούµενο κεφάλαιο ότι, όταν τα δεδοµένα που χρησιµοποιούνται σε ένα υπόδειγµα, δεν προέρχονται από στάσιµες χρονικές σειρές έχουµε το

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο

Επαυξημένος έλεγχος Dickey - Fuller (ADF)

ΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα

Αν έχουμε δύο μεταβλητές Χ και Υ και σύμφωνα με την οικονομική θεωρία η μεταβλητή Χ προσδιορίζει τη συμπεριφορά της Υ το ερώτημα που τίθεται είναι αν

ΜΑΘΗΜΑ 3ο. Βασικές έννοιες

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 5ο

Ογενικός(πλήρης) έλεγχος των Dickey Fuller

Χρονικές σειρές 10 Ο μάθημα: Μη στάσιμα μοντέλα ARIMA Μεθοδολογία Box-Jenkins Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 12ο

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΩΤΗΣΕΙΣ ΣΤΗΝ ΟΙΚΟΝΟΜΕΤΡΙΑ II ΗΜΗΤΡΙΟΣ ΘΩΜΑΚΟΣ

Πολλαπλή παλινδρόμηση (Multivariate regression)

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Παραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model)

Χρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΚΗ ΕΚΤΙΜΗΣΗ ΤΡΑΠΕΖΙΚΩΝ ΧΟΡΗΓΗΣΕΩΝ

Στασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή

Έλεγχος των Phillips Perron

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές

Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

7.1.1 Η Μέθοδος των Ελαχίστων Τετραγώνων

Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις)

ΜΕΛΕΤΗ ΚΑΙ ΕΚΤΙΜΗΣΗ ΠΟΛΥΜΕΤΑΒΛΗΤΩΝ ΥΠΟΔΕΙΓΜΑΤΩΝ ΣΤΗΝ ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

Χ. Εμμανουηλίδης, 1

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

Χρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 3ο

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

Διαχείριση Υδατικών Πόρων

ΟΙΚΟΝΟΜΕΤΡΙΑ. Η μέθοδος των βοηθητικών μεταβλητών. Παπάνα Αγγελική

Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

Εισόδημα Κατανάλωση

Μάθημα 5-6: Στάσιμες πολυμεταβλητές χρονοσειρές και μοντέλα Διασυσχέτιση Διανυσματικά αυτοπαλίνδρομα μοντέλα Δίκτυα από πολυμεταβλητές χρονοσειρές

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Απλή Παλινδρόμηση και Συσχέτιση

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 8ο

Βραχυχρόνιες προβλέψεις του πραγματικού ΑΕΠ χρησιμοποιώντας δυναμικά υποδείγματα παραγόντων

2.0 ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ

E[ (x- ) ]= trace[(x-x)(x- ) ]

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

Χρηματιστηριακή και Οικονομική Ανάπτυξη: Μια εμπειρική έρευνα για τις Η.Π.Α. με την ανάλυση της αιτιότητας. Κατιρτζόγλου Σοφία

Εφαρμοσμένα Μαθηματικά ΙΙ Τελική Εξέταση Ι. Λυχναρόπουλος

Επίλυση Υποδειγμάτων με Ορθολογικές Προσδοκίες. Το Πρωτοβάθμιο και Δευτεροβάθμιο Υπόδειγμα

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

ΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης

Οικονομετρία. Σταματίου Παύλος Διδάκτωρ Οικονομετρικών Εφαρμογών & Μακροοικονομικών Πολιτικών

Πρόλογος Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης Αντικείμενο της οικονομετρίας... 21

Οικονομικές εφαρμογές υπολογιστικών πακέτων. Στοχαστικά υποδείγματα

Εισαγωγικές έννοιες. Κατηγορίες προβλημάτων (σε μια διάσταση) Προβλήματα εύρεσης μεγίστου. Συμβολισμοί

Οικονομετρία Ι. Ενότητα 6: Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Εφαρμοσμένα Μαθηματικά ΙΙ Τελική Εξέταση 19/6/2018 Διδάσκων: Ι. Λυχναρόπουλος

Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)

Παράρτηµα 3 Εξισώσεις Διαφορών και Στοχαστικές Διαδικασίες

Χρονικές σειρές 11 Ο μάθημα: Προβλέψεις

Επίλυση Υποδειγμάτων με Ορθολογικές Προσδοκίες. Το Πρωτοβάθμιο Υπόδειγμα

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)

Η τελεία χρησιμοποιείται ως υποδιαστολή (π.χ 3 14 τρία κόμμα δεκατέσσερα) Παρακαλώ παραδώστε τα θέματα μαζί με το γραπτό σας ΟΝΟΜΑ: ΕΠΩΝΥΜΟ: ΑΜ:

Οικονομετρία Ι. Ενότητα 9: Αυτοσυσχέτιση. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

1. Ποιες είναι οι διαφορές μεταξύ αυτοπαλίνδρομων υποδειγμάτων (AR) και υποδειγμάτων κινητού μέσου (MA);

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Εφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ

Εφαρμοσμένη Στατιστική

Στατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

ΒΑΣΙΚΗ ΕΦΑΡΜΟΓΗ. Οικονομετρία ΙΙ. Διδάσκων Τσερκέζος Δικαίος.

Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: ΔΙΑΛΕΞΗ 04

ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ Τμήμα Επιστήμης Φυσικής Αγωγής και Αθλητισμού Πρόγραμμα Διδακτορικών Σπουδών ΠΛΗΡΟΦΟΡΙΑΚΟ ΕΝΤΥΠΟ ΜΑΘΗΜΑΤΟΣ

ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ

ΟΙΚΟΝΟΜΕΤΡΙΑ Εισαγωγή

Transcript:

ΜΑΘΗΜΑ ο

Συνολοκλήρωση και VAR υποδείγματα Ησχέσησ ένα στατικό υπόδειγμα συνολοκλήρωσης και σ ένα υπόδειγμα διόρθωσης λαθών μπορεί να μελετηθεί καλύτερα όταν χρησιμοποιούμε τις ιδιότητες των αυτοπαλίνδρομων διανυσματικών υποδειγμάτων (υποδείγματα VAR). Αν έχουμε ένα σύστημα εξισώσεων διόρθωσης λαθών με δύο μεταβλητές, τότε μπορούμε το σύστημα αυτό να το θεωρήσουμε ως ένα αυτοπαλίνδρομο υπόδειγμα VAR(2) στις πρώτες του διαφορές με επιπλέον τον όρο της διόρθωσης των λαθών u -.

Η σχέση ανάμεσα στα υποδείγματα συνολοκλήρωσης (στατικά) και στα υποδείγματα διόρθωσης λαθών (δυναμικά) μπορεί να μελετηθούν καλύτερα χρησιμοποιώντας τις ιδιότητες των υποδειγμάτων διανυσματικών αυτοπαλινδρομήσεων (υποδείγματα VAR). Αν θεωρήσουμε το παρακάτω σύστημα διόρθωσης λαθών με τις δύο μεταβλητές Y και X μπορούμε να θεωρήσουμε το σύστημα αυτό ως ένα υπόδειγμα VAR στις πρώτες διαφορές με τον όρο u - τηςδιόρθωσηςλάθους, δηλαδή την απόκλιση από τη μακροχρόνια ισορροπία της προηγούμενης περιόδου. ΔΥ = υστερήσεις (ΔΥ, ΔΧ ) + λ u - + V ΔX = υστερήσεις (ΔΥ, ΔΧ ) + λ 2 u - + V 2

Αν αντικαταστήσουμε τα λάθη u - από την εξίσωση στις παραπάνω εξισώσεις θα έχουμε: ΔΥ = υστερήσεις (ΔΥ, ΔΧ ) + λ (Υ - 0 Χ - ) + V ΔX = υστερήσεις (ΔΥ, ΔΧ ) + λ 2 (Y - - 0 Χ - ) + V 2 Παραλείποντας τη σταθερά για λόγους συντομίας θα έχουμε: X Y u ρ ρ ) ) ) = 0 ρ ) ρ ) k k V X Y X Y a Y ) ( + + Δ + Δ = Δ = = ρ λ β ) k k V X Y X Y a X 2 2 2 2 ) ( + + Δ + Δ = Δ = = ρ λ β )

όπου οι μεταβλητές Y και X είναι ολοκληρωμένες πρώτης τάξης Ι() και τα λάθη V και V 2 είναι το καθένα λευκός θόρυβος και μπορεί μεταξύ τους να συσχετίζονται. Ο αριθμός των υστερήσεων επιλέγεται ανάλογα με το δείγμα. Η σημασία του δυναμικού συστήματος εξισώσεων είναι ότι μας επιτρέπει να εξετάσουμε αμέσως αν οι μεταβλητές Y και X συνολοκληρώνονται. Αφού οι μεταβλητές Y και X είναι μη στάσιμες πρώτης τάξης Ι() και οι πρώτες διαφορές τους ΔY και ΔX θα είναι στάσιμες μηδενικής τάξης Ι(0). Επομένως για να είναι το σύστημα συνεπές θα πρέπει και οι όροι στο δεξί μέλος να είναι και αυτοί μηδενικής τάξης Ι(0). Αυτό διασφαλίζεται όταν η σχέση συνολοκλήρωσης είναι και αυτή μηδενικής τάξης Ι(0) δηλαδή όταν οι μεταβλητές Y και X συνολοκληρώνονται.

Η μεθοδολογία του Johansen Έστω Y ένα διάνυσμα μη στάσιμων πρώτης τάξης ολοκληρωμένων μεταβλητών το οποίο εκφράζεται από ένα αυτοπαλίνδρομο διανυσματικό υπόδειγμα VAR ρτάξης: Υ = Α Υ - + + Α η Υ -n + ΒΧ + u όπου Α, Α η είναι οι μήτρες των παραμέτρων τάξης η καθεμία. u το διάνυσμα των καταλοίπων που πληροί τις υποθέσεις ενός VAR συστήματος, δηλαδή έχει μέσο μηδέν καθώς και το κατάλοιπο κάθε εξίσωσης έχει και σταθερή διακύμανση που οι τιμές του δεν αυτοσυσχετίζονται. Το παραπάνω υπόδειγμα περιλαμβάνει επίσης και ένα διάνυσμα μη στοχαστικών μεταβλητών που μπορεί να είναι οι εποχικές μεταβλητές. Επομένως ένα VAR υπόδειγμα μπορεί να γραφεί και σε μορφή πρώτων διαφορών με διόρθωση λαθών ως εξής: ΔY = ΠY ρ + Γ ΔY + ΒX + = u

Όπου Π = ρ = A I και Γ = A j =,.r ρ j= + ΗμήτραΠρΧρ των παραμέτρων που πολλαπλασιάζει το διάνυσμα της υστέρησης Y - των ενδογενών μεταβλητών λέγεται μήτρα ισορροπίας και ο βαθμός αυτής της μήτρας προσδιορίζει και την ύπαρξη συνολοκλήρωσης μεταξύ των μεταβλητών του διανύσματος. Υπάρχουν τρεις περιπτώσεις που μπορούμε να διακρίνουμε σε σχέση με το βαθμό της μήτρας Π.

r(π) = μηδενικός βαθμός ΓιαναέχουμεμηδενικόβαθμότηςμήτραςΠ θα πρέπει κάθε στοιχείο της Π να είναι μηδέν. Οπότε το διανυσματικό υπόδειγμα διόρθωσης λαθών (VEC) γίνεται ένα υπόδειγμα διανυσματικών αυτοπαλινδρομήσεων (υπόδειγμα VAR) στις πρώτες διαφορές ΔΥ που οι μεταβλητές του είναι στάσιμες ολοκληρωμένες μηδενικής τάξης Ι(0) αφού οι μεταβλητές Υ είναι ολοκληρωμένες πρώτης τάξης Ι(). Στην περίπτωση αυτή οι μεταβλητές δεν συνολοκληρώνονται.

r(π) = πλήρης βαθμός Αυτό μπορεί να συμβεί μόνον όταν το διάνυσμα των μεταβλητών Υ είναι στάσιμο οπότε το διανυσματικό υπόδειγμα διόρθωσης λαθών (VEC) δεν έχει νόημα. r(π) = μειωμένος βαθμός Αυτό σημαίνει ότι οι στήλες της μήτρας Π δεν είναι όλες γραμμικά ανεξάρτητες, πράγμα που επιτρέπει τη δυνατότητα σχέσεων συνολοκλήρωσης μεταξύ των μεταβλητών του διανύσματος Υ. Επομένως στην περίπτωση που η μήτρα Π έχει βαθμό μικρότερο από την τάξη της ρ που ταυτίζεται με τον αριθμό των ενδογενών μεταβλητών, τότε μπορούμε να πούμε ότι οι μεταβλητές συνολοκληρώνονται. Στην περίπτωση αυτή το ορθό προς εκτίμηση υπόδειγμα είναι το υπόδειγμα διόρθωσης λαθών και όχι το υπόδειγμα διανυσματικών αυτοπαλινδρομήσεων στις διαφορές διότι η παράλειψη του όρου διόρθωσης σφάλματος από το υπόδειγμα θα οδηγούσε σε σοβαρά λάθη εξειδίκευσης αφού οι μεταβλητές συνολοκληρώνονται και η βραχυχρόνια συμπεριφορά των ενδογενών μεταβλητών επηρεάζεται από την πορεία προς τη μακροχρόνια ισορροπία.

Ο αριθμός των σχέσεων συνολοκλήρωσης προσδιορίζεται απότοίδιοβαθμότηςμήτραςπ. Έτσι αν έχουμε ρ ενδογενείς μεταβλητές και κάθε μία είναι ολοκληρωμένη πρώτης τάξης Ι() τότε μπορούμε να έχουμε το πολύ ρ γραμμικά ανεξάρτητες σχέσεις συνολοκλήρωσης. Στην περίπτωση δηλαδή του διμεταβλητού υποδείγματος θα έχουμε μία ανεξάρτητη σχέση συνολοκλήρωσης. Αν θεωρήσουμε ότι ο βαθμός της μήτρας Π είναι έστω k < ρ, τότε θα έχουμε αντίστοιχα k διανύσματα συνολοκλήρωσης που είναι στάσιμα, δηλαδή k σχέσεις συνολοκλήρωσης.

Έλεγχος του βαθμού συνολοκλήρωσης Επειδή πολλές φορές υπάρχουν περισσότερες από μία σχέσεις συνολοκλήρωσης, ο αριθμός των οποίων ονομάζεται βαθμός της συνολοκλήρωσης για τον έλεγχο των σχέσεων συνολοκλήρωσης χρησιμοποιείται η μεθοδολογία του Johansen (988), Johansen and Juselous (990, 992) και των Sock and Wason (988) ηοποία βασίζεται στη μέθοδο της μέγιστης πιθανοφάνειας. Ένας συντελεστής αυτοπαλίνδρομου σχήματος χρησιμοποιείται για τη μοντελοποίηση κάθε μεταβλητής (ηοποία θεωρείται ότι είναι ενδογενής) σαν μία συνάρτηση όλων των ενδογενών με χρονικές υστερήσεις μεταβλητών του συστήματος.

Η μεθοδολογία του Johansen (988), οδηγεί σε δύο τύπους ελέγχου του αριθμού των διανυσμάτων συνολοκλήρωσης μεταξύ των ρ μεταβλητών του διανύσματος Υ ήτουβαθμού συνολοκλήρωσης έστω h. Όπως είδαμε στην προηγούμενη παράγραφο αν ο βαθμός της μήτρας Π είναι μικρότερος από τον αριθμό των μεταβλητών h< ρ τότε οι μεταβλητές συνολοκληρώνονται και ο αριθμός h δηλώνει τον αριθμό των διανυσμάτων συνολοκλήρωσης. Επίσης εδώ πρέπει να επισημάνουμε ότι ο βαθμός μιας μήτρας που ορίζεται ως ο βαθμόςτωνγραμμικάανεξάρτητωνστηλώντηςμήτραςπ ισούται με τον αριθμό των ιδιοτιμών (ριζών) της μήτρας Π που είναι μη μηδενικές.

Ένα βασικό σημείο που πρέπει να προσέξουμε για τον έλεγχο της συνολοκλήρωσης είναι ότι αν υπάρχουν h διανύσματα συνολοκλήρωσης, τότε μόνο h γραμμικοί συνδυασμοί των μεταβλητών είναι στάσιμοι ολοκληρωμένοι μηδενικής τάξης Ι(0), ενώ οι υπόλοιποι είναι μη στάσιμοι. Η υπόθεση μηδέν ότι έχουμε h το πολύ διανύσματα συνολοκλήρωσης μπορεί να διατυπωθεί με την υπόθεση στατιστικής σημαντικότητας των τελευταίων ιδιοτιμών. Ηο: λ = 0 = h+,..ρ όπου το h δείχνει ότι μόνο οι πρώτες λ..λ η ιδιοτιμές είναι μη μηδενικές (βαθμός συνολοκλήρωσης). Ο έλεγχος αυτός γίνεται συγκρίνοντας τη λογαριθμική συνάρτηση πιθανοφάνειας όταν επιβάλλουμε τον παραπάνω περιορισμό για διάφορες τιμές του h με την αντίστοιχη χωρίς τον περιορισμό. Αυτό είναι το κριτήριο του λόγου πιθανοφανειών και ακολουθεί την Χ 2 κατανομή.

Για την εναλλακτική υπόθεση Ηα έχουμε δύο τύπους ελέγχων. Έλεγχος ίχνους (race es) Με τον έλεγχο αυτό ελέγχουμε τις παρακάτω υποθέσεις: Ηο: υπάρχουν h διανύσματα συνολοκλήρωσης (h = 0) και η εναλλακτική Ηα: υπάρχουν h + διανύσματα συνολοκλήρωσης (h ) ή Ηο: υπάρχουν το πολύ h διανύσματα συνολοκλήρωσης (h ) και η εναλλακτική Ηα: υπάρχουν h + διανύσματα συνολοκλήρωσης (h 2) ή Ηο: υπάρχουν το πολύ h διανύσματα συνολοκλήρωσης (h ρ-) και η εναλλακτική Ηα: υπάρχουν h + διανύσματα συνολοκλήρωσης (h = ρ)

Για τον έλεγχο του ίχνους χρησιμοποιούμε το παρακάτω στατιστικό: λ race = T ρ = h + log( ) λ ) για h = 0, ρ. Ο έλεγχος εφαρμόζεται διαδοχικά για τις τιμές αυτές. Έτσι αποδοχή της Ηο για h = 0 δηλώνει τη διακοπή της διαδικασίας. Διαφορετικά συνεχίζουμε για h, h 2.μέχρι την τιμή h γιατηνοποίααποδεχόμαστετηνηο. Οι κριτικές τιμές για τον παραπάνω έλεγχο παρέχονται από τους Oserwad Lenum (992)

Έλεγχος μέγιστης ιδιοτιμής ( λ -maxes) Με τον έλεγχο αυτό ελέγχουμε τις παρακάτω υποθέσεις: Ηο: υπάρχουν h διανύσματα συνολοκλήρωσης (h = 0) και η εναλλακτική Ηα: υπάρχουν h + διανύσματα συνολοκλήρωσης (h = ) ή Ηο: υπάρχουν το πολύ h διανύσματα συνολοκλήρωσης (h ) και η εναλλακτική Ηα: υπάρχουν h + διανύσματα συνολοκλήρωσης (h = 2) ή Ηο: υπάρχουν το πολύ h διανύσματα συνολοκλήρωσης (h ρ-) και η εναλλακτική Ηα: υπάρχουν h + διανύσματα συνολοκλήρωσης (h = ρ)

Για τον έλεγχο της μέγιστης ιδιοτιμής χρησιμοποιούμε το παρακάτω στατιστικό: λ ) T log( λ ) max = h+ για h = 0, ρ. Οι κριτικές τιμές για τον παραπάνω έλεγχο παρέχονται από τους Oserwad Lenum (992) για τον έλεγχο του λ max. Επομένως θα λέγαμε περιληπτικά ότι στην περίπτωση που διερευνούμε τις σχέσεις συνολοκλήρωσης μεταξύ ρ μεταβλητών οι οποίοι είναι ολοκληρωμένοι της ίδιας τάξης τα βήματα των ελέγχων που κάνουμε σύμφωνα με τη μεθοδολογία του Johansen είναι τα εξής:

Βρίσκουμε την τάξη του αυτοπαλίνδρομου διανυσματικού υποδείγματος (VAR) χρησιμοποιώντας τα κριτήρια των Akake και Schwarz. Χρησιμοποιώντας τα στατιστικά του ίχνους και της μέγιστης ιδιοτιμής βρίσκουμε το βαθμό συνολοκλήρωσης του υποδείγματος. Σύμφωνα με το βαθμό συνολοκλήρωσης (h < ρ) ρ = αριθμός μεταβλητών του υποδείγματος, εκτιμούμε τα αντίστοιχα διανύσματα συνολοκλήρωσης με τη μέθοδο της μέγιστης πιθανοφάνειας. Εδώ πρέπει να διευκρινίσουμε ότι για να είναι αξιόπιστα τα εκτιμημένα διανύσματα συνολοκλήρωσης θα πρέπει να ισχύουν οι a pror περιορισμοί που τίθενται για τα υποδείγματα που μελετούμε.