STATISTIK-FORUM.de

[daten_tim]

hey,
anbei also noch einmal das ergebniss des ECM ohne decomposing der error.lagged in positiv und negativ

Code: Alles auswählen

lm(formula = lag_d_s ~ error.lagged + d_s + d_o, data = diff.dat_s)

               Estimate Std. Error t value Pr(>|t|)                               AIC
(Intercept)   0.0001332  0.0013996   0.095   0.9244                               -573.8953
error.lagged -0.1094021  0.0434942  -2.515   0.0135 *                             
d_s           0.0925342  0.0883526   1.047   0.2975                               
d_o           0.6205521  0.1327006   4.676 9.35e-06 ***                           
   


der error ist halt einigermassen signifikant.

zu meinem ersten wald-test/chi-squared-test:

Code: Alles auswählen

wald.test(Sigma = vcov(ecm),b = coef(ecm), Terms=2:3)

wald.test {aod} schreibt, dass Terms folgendes ist: Terms
"An optional integer vector specifying which coefficients should be jointly tested, using a Wald chi-squared or F test. Its elements correspond to the columns or rows of the var-cov matrix given in Sigma. Default is NULL."
Meine var-cov matrix vcov(ecm)ist folgende:

Code: Alles auswählen

                      (Intercept) error.lagged_positive error.lagged_negative       d_s         d_o
(Intercept)            2.249829e-06          2.376793e-05         -2.570920e-05  4.382281e-07 -1.553249e-05
error.lagged_positive  2.376793e-05          3.784220e-03          5.577137e-05  3.003190e-05  1.690551e-03
error.lagged_negative -2.570920e-05          5.577137e-05          3.486765e-03 -4.337031e-04  2.842282e-03
d_s                    4.382281e-07          3.003190e-05         -4.337031e-04  7.633168e-03 -5.366828e-03
d_o                   -1.553249e-05          1.690551e-03          2.842282e-03 -5.366828e-03  1.733667e-02

daher dachte ich, ich muesste bei Term 2:3 reinschreiben?

[DHA3000]

Ja, das ist so richtig. Aber die H0 ist dann doch alpha = beta = 0, und nicht alpha = beta ( alpha - beta = 0)(?

Du könntest ja mal einen LR-Test auf dein Modell mit einem Fehlerkorrekturterm und auf das gesplittete Modell machen. Dann siehst du, ob sich die Modell signifikant von einander unterscheiden.
Dann kannst du auch dein Anfangsmodell motivieren, auch wenn der zweite Term nicht signifikant ist.

[daten_tim]

ja, also skepsis hab ich auch bei dem wald-test, dass er das nicht richtige testet, was ich suche. diese quelle hier erklärt auch ganz gut, dass linearHypothesis() genau das macht, was ich gesucht habe: https://wwz.unibas.ch/fileadmin/wwz/red ... s/Rlm2.pdf Von daher sehe ich dieses Tool jetzt als sicherer an.

Du könntest ja mal einen LR-Test auf dein Modell mit einem Fehlerkorrekturterm und auf das gesplittete Modell machen.

mhhh...das verstehe ich nicht. Was soll denn meine Nullhypothese beim Modell mit nur einem Kointgrationskoeffizient sein? Das ist ja im Fall mit zweien, dass beide gleich sind. Aber beim Fall mit nur einem error.lagged brauche ich ja auch eine Nullhypothese....Kannst Du das noch einmal erläutern?