Motivated by the recent work of Die

Motivated by the recent work of Diebold and Kilian [Unit-root tests
are useful for selecting forecasting models. Journal of Business and
Economic Statistics 18, 265-273, (2000)] and Niwitpong [Effect of preliminary
unit root tests on predictors for an unknown mean Guassian
AR(1) process. Thailand Statistician 7, 71-79, (2009)], we investigate,
in this paper, a method to find the predictor and the scaled prediction
mean squares error of an AR(1) process with a linear trend after preliminary
unit root tests, such as Dickey-Fuller, Philips Perron, KPSS
and DF-GLS unit root tests. Monte Carlo simulation results are given
to compare the relative efficiencies of one-step-ahead prediction using
the scaled prediction mean squares error for an AR(1) process with a
linear trend. All preliminary unit root tests considered here perform
well to improve the predictors from an trending AR(1) process when
the autoregressive parameter ρ approaches 1. In addition, the preliminary
unit root tests of KPSS and DF-GLS are slightly preferable to
other unit root tests.
Mathematics Subject

ผลลัพธ์ (ไทย) 1:

แรงบันดาลใจจากผลงานล่าสุดของ Diebold และ Kilian [ทดสอบหน่วยราก-
เป็นประโยชน์สำหรับการเลือกรูปแบบการพยากรณ์ วารสารของธุรกิจและ
18 สถิติเศรษฐกิจ 265-273, (2000)] และ niwitpong ผล [จากการทดสอบเบื้องต้น
รากหน่วยพยากรณ์สำหรับความหมายไม่ทราบ guassian
กระบวนการ ar (1) สถิติประเทศไทย 7, 71-79, (2009)] เราจะตรวจสอบ
ในบทความนี้วิธีการที่จะได้พบกับการทำนายและคาดการณ์สัดส่วน
หมายถึงสี่เหลี่ยมกระบวนการ ar (1) ข้อผิดพลาดกับแนวโน้มเชิงเส้นหลังจากการทดสอบเบื้องต้น
รากหน่วยเช่นผ้ากันเปื้อน-ฟูลเลอร์, ฟิลิปส์ Perron, kpss
และ DF-gls การทดสอบหน่วยราก . Monte Carlo ผลการจำลองจะได้รับ
เพื่อเปรียบเทียบประสิทธิภาพญาติของหนึ่งขั้นตอนข้างหน้าคาดการณ์การใช้
ทำนายเฉลี่ยปรับข้อผิดพลาดช่องสี่เหลี่ยมสำหรับกระบวนการ ar (1) ที่มีแนวโน้มเชิงเส้น
ทุกการทดสอบหน่วยรากเบื้องต้นการพิจารณาดำเนินการที่นี่
ดีในการปรับปรุงการพยากรณ์จากแนวโน้ม ar (1) เมื่อกระบวนการ
ρพารามิเตอร์อัตแนวทาง 1 นอกจากนี้
หน่วยการทดสอบเบื้องต้นของราก kpss และ df gls-เล็กน้อยดีกว่า
ทดสอบรากหน่วยงานอื่น.
เรื่องคณิตศาสตร์

ผลลัพธ์ (ไทย) 2:

แรงจูงใจ โดยการทำงานล่าสุดของ Diebold และสถาปัตยกรรม [ทดสอบหน่วยราก
มีประโยชน์สำหรับการเลือกแบบจำลองการคาดการณ์ สมุดรายวันของธุรกิจ และ
เศรษฐกิจสถิติ 18, 265-273, (2000)] และ Niwitpong [ผลเบื้องต้น
หน่วยรากทดสอบ predictors สำหรับโนเนมหมายถึง กระบวนการ Guassian
AR(1) ไทย Statistician 7, 71-79, (2009)], เราตรวจสอบ,
ในกระดาษนี้ วิธีการหาผู้ที่ทายผลและทำนายการปรับสัดส่วนได้
ผิดพลาดกำลังสองเฉลี่ยของกระบวนการ AR(1) มีแนวโน้มเชิงเส้นเบื้องต้นหลัง
หน่วยรากทดสอบ เช่น KPSS Dickey-Fuller ฟิลิปส์ Perron
และการทดสอบ DF GLS หน่วยราก ผลการทดลองที่มงต์การ์โลได้
เพื่อเปรียบเทียบประสิทธิภาพสัมพัทธ์ของการคาดเดาวัน-step ล่วงใช้
ข้อผิดพลาดกำลังสองเฉลี่ยปรับสัดส่วนได้ทำนายสำหรับกระบวนการ AR(1) กับการ
แนวโน้มเชิงเส้น ทำการทดสอบหลักหน่วยเบื้องต้นทั้งหมดที่ถือว่าที่นี่
ดีทุเลา predictors จากการ AR(1) trending ประมวลเมื่อ
ρพารามิเตอร์ autoregressive ยื่น 1 นอกจากนี้ เบื้องต้น
การทดสอบหน่วยรากของ KPSS และ DF GLS จะกว่าเล็กน้อยการ
หน่วยอื่น ๆ รากทดสอบ
คณิตศาสตร์เรื่อง

ผลลัพธ์ (ไทย) 3:

กระตุ้นได้โดยการทำงานล่าสุดของ diebold และ kilian [การทดสอบชุด - ราก
มีประโยชน์มากในการเลือกรุ่นการประมาณการ วารสารทางธุรกิจและ
ทางเศรษฐกิจจากสถิติ 18 265-273 ( 2000 )]และ[ niwitpong ผลของเบื้องต้น
ชุดรากการทดสอบในกระบวนการปัจจัยทำนายไม่รู้จักหมายความว่า guassian
AR ( 1 ). ประเทศไทยนักสถิติ 7 71-79 ( 2009 )]เราตรวจสอบ
ในเอกสารนี้วิธีการที่จะได้พบกับตัวทำนายและการคาดการณ์ที่จัตุรัส
หมายความว่าเกิดข้อผิดพลาดของอาร์เจนตินา( 1 )กระบวนการที่มีแนวโน้มตามแนวยาวหลังจากเบื้องต้น
เครื่องหลักการทดสอบเช่น dickey-fuller Philips perron kpss
และ df - หลอดไส้หลอดชุดหลักการทดสอบ Monte Carlo ผลการจำลองจะได้รับ
เพื่อทำการเปรียบเทียบ ประสิทธิภาพ ของหนึ่ง - ขั้นตอนที่ - ไปข้างหน้าการคาดเดาโดยใช้
การคาดการณ์ที่ว่าเกิดข้อผิดพลาดจัตุรัสสำหรับ AR ( 1 )กระบวนการที่มีแนวโน้มที่ตามแนวยาว
การทดสอบรากชุดเบื้องต้นทั้งหมดได้รับการพิจารณาให้จัดการ
ซึ่งจะช่วยเป็นอย่างดีในการปรับปรุงกระบวนการปัจจัยทำนายจากแนวโน้ม AR ( 1 )เมื่อพารามิเตอร์ autoregressive
ρแนวทางที่ 1 ในการเพิ่มข้อมูลเบื้องต้น
เครื่องหลักการทดสอบ kpss และ df - หลอดไส้หลอดมีขนาดที่ค่อนข้างดีกว่าที่จะ
อุปกรณ์อื่นๆรากการทดสอบ.เรื่อง
คณิตศาสตร์