statistic is substantially less tha

statistic is substantially less than 2, there is evidence of positive serial correlation. If Durbin–Watson is less than 1.0, there may be values of d indicate successive error terms are, on average, close in value to one another, or positively correlated. If d > 2 successive error terms are, on average, much different in value to one another.
7.Cointegrating Regression
If these variables under the study are cointegrated. We only focus on the classical analysis of I (1) and I (0) systems and estimate the Vector Autoregressive (VAR) model as the equations 2.19 and 2.20.
∆y = {3 ∆y + {3 ∆x + v∆y
∆xt = {321∆yt-1 + {322∆xt-1 + v∆X
As we can see that lag length in these equations are t and t- 1. But in time series data of limited length, this assumption of errors is violated if a relationship between and is insignificant; that is if lag length is 0. Vector Autoregression (VAR) model would not fit the estimation anymore. We should estimate the cointegration regression to study the relationship in this case.
Engle and Granger (1987) note that a linear combination of two or more I (1) series may be stationary, or I (0), in which case we say the series are cointegrated. Such a linear combination defines a cointegrating equation with cointegrating vector of weights characterizing the long-run relationship between the
variables. Consider the n+ 1 dimensional time series process, with cointegrating equation:′1
yt = xt {3+ D1t y1 + u1
where

ผลลัพธ์ (ไทย) 1:

สถิติ 2 อย่างมีนัยสำคัญน้อยกว่า มีหลักฐานของสหสัมพันธ์อนุกรม ถ้า น้อยกว่า 1.0 Durbin – Watson อาจมีค่าของ d บ่งชี้ข้อผิดพลาดต่อเนื่องมี เฉลี่ย ปิดมูลค่าอื่น หรือความสัมพันธ์เชิงบวก ถ้าเงื่อนไขข้อผิดพลาดต่อเนื่อง d > 2 เฉลี่ย มากแตกต่างกันในค่าเดียวกัน7. cointegrating ถดถอยถ้าตัวแปรเหล่านี้ภายใต้การศึกษามี cointegrated เราเพียงมุ่งเน้นการวิเคราะห์แบบคลาสสิกของฉัน (1) และ (0) ระบบและประเมินรุ่น Autoregressive เวกเตอร์ (VAR) เป็นสมการ 2.19 และ 2.20∆y = {3 ∆y {3 ∆x + v∆y∆xt = {321∆yt-1 + {322∆xt-1 + v∆Xเห็นว่า ความล่าช้ายาวในสมการเหล่านี้เป็น t และ t-1 แต่ในข้อมูลอนุกรมเวลาของยาวจำกัด ละเมิดถ้าความสัมพันธ์ระหว่างสมมติฐานของข้อผิดพลาดนี้ และนั้นไม่สำคัญ นั่นคือถ้าความยาวหน่วงเป็น 0 รูปแบบเวกเตอร์ Autoregression (VAR) จะพอดีกับการประเมินอีกต่อไป เราควรประเมินการ cointegration ถดถอยเพื่อศึกษาความสัมพันธ์ในกรณีนี้Engle และเกรนเจอร์ (1987) หมายเหตุว่า การรวมกันเชิงเส้นของสองคน หรือมากกว่าผม (1) ชุดอาจเขียน หรือ (0), ในกรณีที่เราบอกว่า ชุดที่ cointegrated กำหนดเช่นการรวมกันเชิงเส้นสมการที่ cointegrating กับ cointegrating เวกเตอร์ของลักษณะความสัมพันธ์ระยะยาวระหว่างน้ำหนักตัวตัวแปร พิจารณา n + 1 มิติเวลาชุดกระบวนการ กับสมการ: ′1 cointegratingyt xt {3 + D1t y1 + u1 =ที่

ผลลัพธ์ (ไทย) 2:

สถิติเป็นอย่างมากน้อยกว่า 2 มีหลักฐานของความสัมพันธ์ในเชิงบวกอนุกรม หาก Durbin-Watson น้อยกว่า 1.0 อาจมีค่างแสดงให้เห็นแง่ข้อผิดพลาดต่อเนื่องจะโดยเฉลี่ยใกล้ชิดในมูลค่าให้กับคนอื่นหรือมีความสัมพันธ์ในเชิงบวก หาก D> 2 แง่ข้อผิดพลาดต่อเนื่องเป็นโดยเฉลี่ยแตกต่างกันมากในมูลค่าให้กับอีกคนหนึ่ง.
7.Cointegrating ถดถอย
หากตัวแปรเหล่านี้ภายใต้การศึกษาที่มีการ cointegrated เราจะมุ่งเน้นไปที่การวิเคราะห์คลาสสิกของฉัน (1) และฉัน (0) ระบบและประเมินรูปแบบเวกเตอร์อัตถดถอย (VAR) เป็นสมการ 2.19 และ 2.20.
Δy = {3 Δy + {3 + ΔxvΔy
Δxt = {321Δyt-1 + {322Δxt-1 + vΔX
ในฐานะที่เราจะเห็นว่าระยะเวลาความล่าช้าในสมการเหล่านี้เป็น T และ T-1 แต่ในข้อมูลอนุกรมเวลาของความยาว จำกัด สมมติฐานของความผิดพลาดนี้ การละเมิดถ้าความสัมพันธ์ระหว่างและเป็นนัยสำคัญ; นั่นคือถ้าความยาวความล่าช้าเป็น 0 เวกเตอร์ Autoregression (VAR) รุ่นจะไม่พอดีกับการประมาณการดังกล่าวอีกต่อไป เราควรประเมินการถดถอยระยะยาวระหว่างการศึกษาความสัมพันธ์ในกรณีนี้.
Engle และเกรนเจอร์ (1987) ทราบว่าการรวมกันเชิงเส้นของสองคนหรือมากกว่าผม (1) ชุดอาจจะนิ่งหรือฉัน (0) ซึ่งในกรณีที่เราพูด ซีรีส์ cointegrated ดังกล่าวรวมกันเชิงเส้นกำหนดสมกับ cointegrating cointegrating เวกเตอร์ของน้ำหนักพัฒนาการความสัมพันธ์ระยะยาวระหว่าง
ตัวแปร พิจารณา N + 1 มิติกระบวนการอนุกรมเวลาที่มี cointegrating สม: '1
YT = XT {3+ D1t Y1 + U1
ที่

ผลลัพธ์ (ไทย) 3:

สถิติเป็นอย่างมากน้อยกว่า 2 มีหลักฐานของความสัมพันธ์ต่อเนื่อง บวก เดอร์บิน - วัตสัน ถ้าน้อยกว่า 1.0 อาจจะมีค่า D ระบุเงื่อนไขข้อผิดพลาดต่อเนื่องเป็น เฉลี่ยปิดในคุณค่ากันและกัน หรือมีความสัมพันธ์ . ถ้า D > 2 ต่อเนื่องผิดเงื่อนไขโดยเฉลี่ยแตกต่างกันมากในค่าอีกแบบหนึ่ง7 . เชิงพหุคูณถ้าตัวแปรในการศึกษา cointegrated . เราเพียง แต่มุ่งเน้นไปที่การวิเคราะห์คลาสสิคของผม ( 1 ) ผม ( 1 ) ระบบประเมินตัวเองแบบเวกเตอร์ ( VAR ) เป็นสมการ 2.19 และ 2.20 .∆ Y = { 3 ∆ Y + { 3 ∆ x + V ∆ Y∆ XT = { + { ∆ yt-1 321 322 ∆ xt-1 + V ∆ xในฐานะที่เราสามารถมองเห็นได้ว่าล้าหลังความยาวในสมการ T และ T - 1 แต่ในข้อมูลอนุกรมเวลาที่มีความยาวจำกัด แค่นี้ผิดละเมิด ถ้าความสัมพันธ์ระหว่างและสำคัญ คือถ้าความยาวล่าช้าเป็น 0 ก๊อซเปลเวกเตอร์ ( VAR ) รูปแบบจะไม่พอค่าอีกต่อไป เราควรจะประเมินโดยการถดถอยเพื่อศึกษาความสัมพันธ์ในคดีนี้อีเกิ้ลและ Granger ( 1987 ) ทราบว่าเชิงเส้นการรวมกันของสองคนหรือมากกว่าผม ( 1 ) ชุดอาจจะหยุดนิ่ง หรือ ผม ( 0 ) ซึ่งในกรณีนี้ เราว่าชุด cointegrated . เช่นการกำหนดสมการเชิงเส้นที่มีลักษณะเชิงเวกเตอร์ของน้ำหนักระยะยาว ความสัมพันธ์ระหว่างตัวแปร พิจารณา n + 1 มิติเวลา ชุดกระบวนการด้วยสมการเชิง’ 1YT = XT + y1 { 3 d1t + U1ที่