Pre nasledovné dáta sme v predchádzajúcich cvičeniach našli ARMA(1,1) a AR(2) ako vhodné modely. Teraz sa (dodatočne) presvedčíme o tom, že sme tieto dáta nemuseli diferencovať kvôli jednotkovému koreňu. Pri praktickom modelovaní bude testovanie jednotkového koreňa (a zistenie správneho rádu diferencovania) bude prvým krokom analýzy.
library(datasets)
x <- window(LakeHuron, start=1900, end=1967)
plot(x)
library(urca)
summary(ur.df(x, type = "drift", lags = 5, selectlags = "BIC"))
##
## ###############################################
## # Augmented Dickey-Fuller Test Unit Root Test #
## ###############################################
##
## Test regression drift
##
##
## Call:
## lm(formula = z.diff ~ z.lag.1 + 1 + z.diff.lag)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.37737 -0.41353 -0.05266 0.43478 1.69338
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 191.29841 47.33622 4.041 0.000156 ***
## z.lag.1 -0.33071 0.08183 -4.042 0.000156 ***
## z.diff.lag 0.37642 0.12010 3.134 0.002683 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.725 on 59 degrees of freedom
## Multiple R-squared: 0.2526, Adjusted R-squared: 0.2273
## F-statistic: 9.971 on 2 and 59 DF, p-value: 0.000186
##
##
## Value of test-statistic is: -4.0416 8.1825
##
## Critical values for test statistics:
## 1pct 5pct 10pct
## tau2 -3.51 -2.89 -2.58
## phi1 6.70 4.71 3.86
ur.df
.x
?