正常および非正規誤差を伴う非線形エステルモデルのユニットルートテストと推定

指数関数的な滑らかな遷移自己回帰（ESTAR）モデルは、平衡状態からの逸脱の非線形調整をキャプチャでき、線形の観点から非静止しているように見える多くの変数の経済的行動を説明する可能性があります。多くの研究者は、ナルとしてユニットルートを持ち、代替として静止した非線形モデルを持つカペタニオステストを採用しています。ただし、このテスト統計は、DGPの正規分布エラーの仮定に基づいています。Cookは、重尾のイノベーションプロセスの存在下でこのテストの非線形ユニットルートのサイズを分析し、有限分散と無限の分散ケースの両方の重要な値を取得しました。ただし、Cookのテスト統計は特大です。研究者は、従来のテストを使用することは危険であることがわかっていますが、これらの中で最高のパフォーマンスはHCCMEです。LMテストのオーバーサイジングは、従来のテストの貴重な代替品を提供する固定デザインのワイルドブートストラップ救済策を採用することで削減できます。このホワイトペーパーでは、ヘトロスセクティックな一貫した共分散マトリックスを使用するカペタニオス試験統計のサイズが導出されており、結果はサイズの歪みが減少するさまざまなサンプルサイズについて報告されています。エラーが非正常であると想定されると、ESTARモデルの推定の特性が調査されています。非線形最小二乗のフィッティングを通じて得られた結果を、外れ値の存在下での分位回帰フィッティングの結果と比較し、誤差分布はさまざまなサンプルサイズのT分布によるものと見なされました。

Exponential Smooth Transition Autoregressive (ESTAR) models can capture non-linear adjustment of the deviations from equilibrium conditions which may explain the economic behavior of many variables that appear non stationary from a linear viewpoint. Many researchers employ the Kapetanios test which has a unit root as the null and a stationary nonlinear model as the alternative. However this test statistics is based on the assumption of normally distributed errors in the DGP. Cook has analyzed the size of the nonlinear unit root of this test in the presence of heavy-tailed innovation process and obtained the critical values for both finite variance and infinite variance cases. However the test statistics of Cook are oversized. It has been found by researchers that using conventional tests is dangerous though the best performance among these is a HCCME. The over sizing for LM tests can be reduced by employing fixed design wild bootstrap remedies which provide a valuable alternative to the conventional tests. In this paper the size of the Kapetanios test statistic employing hetroscedastic consistent covariance matrices has been derived and the results are reported for various sample sizes in which size distortion is reduced. The properties for estimates of ESTAR models have been investigated when errors are assumed non-normal. We compare the results obtained through the fitting of nonlinear least square with that of the quantile regression fitting in the presence of outliers and the error distribution was considered to be from t-distribution for various sample sizes.