Hallo zusammen,
ich schreibe gerade an einer Arbeit für die Universität und das Ziel ist es, den Zusammenhang zwischen Wirtschaftswachstum und Stromverbrauch zu zeigen. Ich habe dazu ein Engle-Granger Kointegrations Modell gewählt und mit diesem für drei Länder die Zusammenhänge geschätzt, jedoch ist das Ergebnis nicht signifikant. Ich arbeite mit der Software "gretl" und verwende logarithmierte Daten von BIP und Stromverbrauch von 1970 bis 2009.
Plot-Grafik
Selbst beim Plot sieht man, dass die zwei Zeitreihen von je einem Land mit einander korrelieren, jedoch komme ich beim Test auf keinen grünen Zweig. Der Dickey-Fuller Test ohne Absolutglied zeigt für beide Zeitreihen noch auf Instationarität, jedoch die Linearkombination nach dem Engle-Granger Verfahren hat immer einen sehr hohen p-Wert beim Dickey-Fuller Test.
Die verwendeten Daten hab ich hier mal hinterlegt: http://pastebin.com/ivxHh3NQ
Ich würde mich sehr über Hilfe freuen!
Grüße,
cruzel
Engle Granger Kointegration
-
drfg2008
- Beiträge: 2391
- Registriert: 06.02.2011, 19:58
re
Der Dickey-Fuller Test ohne Absolutglied zeigt für beide Zeitreihen noch auf Instationarität, jedoch die Linearkombination nach dem Engle-Granger Verfahren hat immer einen sehr hohen p-Wert beim Dickey-Fuller Test.
Nimm doch einfach einen ganz simplen Korrelationskoeffizienten. Hier eventuell Spearman.
drfg2008
-
cruzel
- Beiträge: 2
- Registriert: 26.07.2012, 21:42
Re: re
Der Korrelationskoeffizient von Spearman ist eine Maßzahl für ordinale Daten, ich hab aber metrische Daten zu exakten Zeitpunkten. Dafür eignet sich eben der Kointegrationstest von Engle-Granger besser.drfg2008 hat geschrieben:Nimm doch einfach einen ganz simplen Korrelationskoeffizienten. Hier eventuell Spearman.
-
drfg2008
- Beiträge: 2391
- Registriert: 06.02.2011, 19:58
re
welchen Test du nimmst, musst du natürlich selbst entscheiden.
Der Spearman ist nichts anderes als der Pearson über die rangtransformierten Werte (Herleitung bei Bortz). Also auch für metrische Variablen geeignet, wenn diese nicht die Voraussetzungen erfüllen, die für den Einsatz des Pearson erforderlich sind. Etwa bei schiefen Verteilungen, Heavy Tails, Verteilungen ohne Momente (Cauchy), etc.
B,L,B haben das natürlich viel ausführlicher dargestellt.
-> Lit.: Bortz, Lienert Böhnke: Verteilungsfreihe Methoden in der Biostatistik
PS: Die Korrelation ist eine Methode oder ein Verfahren (darüber streiten sich schon die Geister -> siehe Büning: NP Methoden). Der Wert an sich ist die Maßzahl.
Vielleicht irre ich mich.
Der Spearman ist nichts anderes als der Pearson über die rangtransformierten Werte (Herleitung bei Bortz). Also auch für metrische Variablen geeignet, wenn diese nicht die Voraussetzungen erfüllen, die für den Einsatz des Pearson erforderlich sind. Etwa bei schiefen Verteilungen, Heavy Tails, Verteilungen ohne Momente (Cauchy), etc.
B,L,B haben das natürlich viel ausführlicher dargestellt.
-> Lit.: Bortz, Lienert Böhnke: Verteilungsfreihe Methoden in der Biostatistik
PS: Die Korrelation ist eine Methode oder ein Verfahren (darüber streiten sich schon die Geister -> siehe Büning: NP Methoden). Der Wert an sich ist die Maßzahl.
Vielleicht irre ich mich.
drfg2008
