kiểm định chuỗi dữ liệu

“01:08:07, 01 - 06 - 2024”
***

1 2.Thực hành các kiểm định.

---

library(tseries)

## Warning: package 'tseries' was built under R version 4.3.3

## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo

library(DT)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

a <- read.csv("F:/R/data1/tygiatheousd2.csv", header=T)
names(a)<- c("D","TW","VN","ID")
a <- slice(a,-823)
datatable(a)

1.1 2.1 Kiểm định phân phối chuẩn: Jarque_Bera

• SỬ dụng hàm jarque.bera.test() trong gói “tseries”. Kiểm định Jarque_Bera là 1 phương pháp thống kê dùng để kiểm tra xem chuỗi dữ liệu có tuân theo phân phối chuẩn hay không.

• Giả thiết H0 là không có phân phối chuẩn.
  H1: là phân phối chuẩn.

# kiểm định cho chỉ số TW,VN,ID
var1 <- a$TW
var2 <- a$VN
var3 <- a$ID
# kiểm định phân phối chuẩn cho TW,VN,ID
ketqua1 <- jarque.bera.test(var1)
ketqua2 <- jarque.bera.test(var2)
ketqua3 <- jarque.bera.test(var3)
# kết quả kiểm định chỉ số TW,VN,ID
print(ketqua1)

## 
##  Jarque Bera Test
## 
## data:  var1
## X-squared = 98.121, df = 2, p-value < 2.2e-16

• Kết quả kiểm định cho giá trị X-squared = 98.121, p-value =0.00000000000000022 < với alpha = 0.05. Chấp nhận bác bỏ giả thuyết H0. Kết luận dữ liệu TW tuân theo phân phối chuẩn.

print(ketqua2)

## 
##  Jarque Bera Test
## 
## data:  var2
## X-squared = 67.504, df = 2, p-value = 2.22e-15

• Kết quả kiểm định cho giá trị X-squared = 67.504, p-value =0.00000000000000222 < với alpha = 0.05. Chấp nhận bác bỏ giả thuyết H0. Kết luận dữ liệu VN tuân theo phân phối chuẩn.

print(ketqua3)

## 
##  Jarque Bera Test
## 
## data:  var3
## X-squared = 147408, df = 2, p-value < 2.2e-16

• Kết quả kiểm định cho giá trị X-squared = 147408, p-value =0.00000000000000022 < với alpha = 0.05. Chấp nhận bác bỏ giả thuyết H0. Kết luận dữ liệu ID tuân theo phân phối chuẩn.

1.2 2.2 Kiểm định tính dừng: Augmented Dickey-Fuller

---

1.2.1 2.2.1 Kiểm định tính dừng của chuỗi TW.

• Kiểm định ADF được sử dụng để kiểm tra xem một chuỗi thời gian có tính dừng hay không.

• Giả thuyết: H0: chuỗi dữ liệu TW không dừng.
  H1: chuỗi dữ liệu TW dừng.

adf.test(var1)

## 
##  Augmented Dickey-Fuller Test
## 
## data:  var1
## Dickey-Fuller = -0.94061, Lag order = 10, p-value = 0.9483
## alternative hypothesis: stationary

• Kết quả chạy kiểm định của hàm hàm ADF cho ra giá trị Dickey-Fuller = -0.94061, p-value = 0.9483. Với p-value = 0.9482 > alpha=0.05. Không có cơ sở bác bỏ H0. Kết luận Chuỗi dữ liệu TW không dừng.

• Kiểm tra tính dừng của sai phân bậc 1 TW.

  • Dùng hàm diff() để tìm sai phân của chuỗi dữ liệu TW.
    
  • Sau đó dùng hàm ADF để kiểm tra tính dừng của chuỗi sai phân TW.
    _ H0: chuỗi sai phân bậc 1 TW không dừng.
    _ H1: chuỗi sai phân bậc 1 TW dừng.

Dvar1 <- diff(var1)
adf.test(Dvar1)

## Warning in adf.test(Dvar1): p-value smaller than printed p-value

## 
##  Augmented Dickey-Fuller Test
## 
## data:  Dvar1
## Dickey-Fuller = -11.881, Lag order = 10, p-value = 0.01
## alternative hypothesis: stationary

• Kết quả chạy kiểm định của hàm ADF cho ra giá trị Dickey-Fuller = -11.881, p-value = 0.01. Với p_value=0.01 < alpha=0.05. Chấp nhận bác bỏ H0. Kết luận Chuỗi sai phân bậc 1 TW dừng.

1.2.2 2.2.2 Kiểm định tính dừng của chuỗi VN.

• Giả thuyết: H0: chuỗi dữ liệu VN không dừng.
  H1: chuỗi VN dừng.

adf.test(var2)

## 
##  Augmented Dickey-Fuller Test
## 
## data:  var2
## Dickey-Fuller = -2.8312, Lag order = 10, p-value = 0.2265
## alternative hypothesis: stationary

• Kết quả chạy kiểm định của hàm hàm ADF cho ra giá trị Dickey-Fuller = -2.8312, p-value = 0.2265. Với p-value = 0.2265 > alpha=0.05. Không có cơ sở bác bỏ H0. Kết luận Chuỗi dữ liệu VN không dừng.

• Thực hiện kiểm định với sai phân bậc 1 của VN.
  

• Giả thuyết:

  • H0: chuỗi sai phân bậc 1 VN không dừng.
    
  • H1: chuỗi sai phân bậc 1 VN dừng.

Dvar2 <- diff(var2)
adf.test(Dvar2)

## Warning in adf.test(Dvar2): p-value smaller than printed p-value

## 
##  Augmented Dickey-Fuller Test
## 
## data:  Dvar2
## Dickey-Fuller = -9.4651, Lag order = 10, p-value = 0.01
## alternative hypothesis: stationary

• Kết quả chạy kiểm định của hàm ADF cho ra Dickey-Fuller = -9.4651, p-value = 0.01. Với p_value=0.01 < alpha=0.05. Chấp nhận bác bỏ H0. Kết luận Chuỗi sai phân bậc 1 VN dừng.

1.2.3 2.2.3 Kiểm định tính dừng của chuỗi ID.

• Giả thuyết:
  • H0: chuỗi ID không dừng.
    
  • H1: chuỗi ID dừng.

adf.test(var3)

## Warning in adf.test(var3): p-value smaller than printed p-value

## 
##  Augmented Dickey-Fuller Test
## 
## data:  var3
## Dickey-Fuller = -5.076, Lag order = 10, p-value = 0.01
## alternative hypothesis: stationary

• Kết quả chạy kiểm định của hàm ADF cho ra Dickey-Fuller = -5.076, p-value = 0.01. Với p_value=0.01 < alpha=0.05. Chấp nhận bác bỏ H0. Kết luận Chuỗi dữ liệu VN dừng.