Hansen正則化工具箱

㈠ 什麼是協整檢驗

在目前宏觀經濟計量分析中，Granger(1987)所提出的協整方法已成為了分析非平穩經濟變數之間數量關系的最主要工具之一，且通過線性誤差修正模型(ECM)刻畫了經濟變數之間的線性調整機制，這就是所謂的線性協整方法。近年來，隨著經濟理論的發展，尤其是交易成本和政策反應的經濟分析中，傳統的線性協整分析已不再是合適的分析方法，鑒於此Balk和Fomby(1997)提出了所謂的閾值協整(Threshold Cointegraion)方法，它刻畫了經濟變數之間的非線性調整機制。如在股票交易過程中，由於交易費用、交易政策等因素會導致股價的非對稱調整；國家的貨幣政策由於制度方面的原因也會對通貨膨脹率產生非對稱調整行為。因此閾值協整方法論是分析這類經濟問題的最有力的工具之一。閾值協整是對Granger(1987)提出的用來描述經濟變數之間長期關系的協整概念的至關重要發展。眾所周知，協整是指如果經濟變數之間存在長期協整關系，且正則化協整向量是（1，-β′），則之間的長期均衡關系可以表示為：
其中：β參數是變數之間的協整系數向量，γ是閾值變數，d是轉換變數，d是滯後參數，則這種協整稱之為閾值協整。如果協整誤差項是形如式(2)的數據生成機制，則稱為Two-Regime的閾值協整；如果是形如式(3)的誤差生成機制，則稱為Three-Regime的閾值協整。在以前的研究中，對於式(2)和式(3)所表示的閾值協整，大多研究都集中在ρ、q、θ、λ四個參數都小於1的情形，而對其它情形研究較少（Enders和Granger(1998)[3]）。本文主要研究如下情形，即：
此時式(2)和式(3)所表示的閾值協整即所謂的部分協整(Partial Cointegration)。針對部分協整檢驗，caner和Hansen(2001)提出一個統計量，且Gouveia和Rodrigues(2004)將該統計量應用閾值協整檢驗，但是他們並沒有對該統計量的檢驗勢進行研究。而在我們以前的研究中發現：該統計量在檢驗閾值協整時具有低勢。

㈡ Awk中的正則表達式{n,m}為什麼不起作用

{}生效的條件是添加 --posix or --re-interval
man awk中可以查看到

㈢ 什麼是協整檢驗

一、協整檢驗(CointegrationTest)的定義：

非平穩序列很可能出現偽回歸，協整的意義就是檢驗它們的回歸方程所描述的因果關系是否是偽回歸，即檢驗變數之間是否存在穩定的關系。所以，非平穩序列的因果關系檢驗就是協整檢驗。

二、基本思路：

20世紀80年代，Engle和Granger等人提出了協整（Co-integration）的概念，指出兩個或多個非平穩（non-stationary）的時間序列的線性組合可能是平穩的或是較低階單整的。有些時間序列，雖然它們自身非平穩，但其線性組合卻是平穩的。非平穩時間序列的線性組合如果平穩，則這種組合反映了變數之間長期穩定的比例關系，稱為協整關系。協整關系表達的是兩個線性增長量的穩定的動態均衡關系，更是多個線性增長的經濟量相互影響及自身演化的動態均衡關系。協整分析是在時間序列的向量自回歸分析的基礎上發展起來的空間結構與時間動態相結合的建模方法與理論分析方法。

三、理論模型：

四、協整檢驗的目的：

協整即存在共同的隨機性趨勢。協整檢驗的目的是決定一組非平穩序列的線性組合是否具有穩定的均衡關系，偽回歸的一種特殊情況即是兩個時間序列的趨勢成分相同，此時可能利用這種共同趨勢修正回歸使之可靠。正是由於協整傳遞出了一種長期均衡關系，若是能在看來具有單獨隨機性趨勢的幾個變數之間找到一種可靠聯系，那麽通過引入這種醉漢與狗之間距離的「相對平穩」對模型進行調整，可以排除單位根帶來的隨機性趨勢，即所稱的誤差修正模型。

在進行時間系列分析時，傳統上要求所用的時間系列必須是平穩的，即沒有隨機趨勢或確定趨勢，否則會產生「偽回歸」問題。但是，在現實經濟中的時間系列通常是非平穩的，我們可以對它進行差分把它變平穩，但這樣會讓我們失去總量的長期信息，而這些信息對分析問題來說又是必要的，所以用協整來解決此問題。