나는 rho = 0.7 인 AR (1) 모델로부터 데이터 (Y)를 시뮬레이션하려고합니다. 그런 다음이 데이터를 사용하여 절편에서 Y를 회귀 한 다음 (매개 변수 추정을 Y 값의 평균이 됨으로써) 0보다 작거나 같은 계수의 귀무 가설을 검정합니다 (대체 값은 0보다 큽니다).)를 사용합니다. 다른 래그 값에 대해 2000 번의 복제를 사용하여이 가정에 대한 몬테카를로 시뮬레이션을 실행하고 싶습니다. 그 목적은 래그 (lag)가 변함에 따라 Newey West 평가자의 유한 샘플 성능을 보여주는 것입니다. 그래서 이것은 내가 시작한 방법이다.몬테카를로 시뮬레이션 in R
A<-array(0, dim=c(2000,1))
for(i in 1:2000){
y_new<-arima.sim(model=list(ar=0.7), n=50, mean=0,sd=1)
reg<-lm(y_new~1)
ad<-coeftest(reg, alternative="greater", vcov=NeweyWest(reg, lag=1, prewhite=FALSE))
A[i]<-ad[,3]
}
나의 질문 : 이러한 종류의 시뮬레이션을 수행하는 올바른 방법 위에있는 코드는 무엇입니까? 그렇다면 HAC 테스트에서 다른 래그 값에 대해이 프로세스를 반복하는 코드를 어떻게 얻을 수 있습니까? 나는 lag을 1 씩 증가시킬 때마다 테스트를 실행하기를 원한다. 따라서 lags 1,2,3,4 ......, 50에 대해 50 번을 수행하여 2000 개의 시뮬레이션 된 테스트 통계를 다른 이름을 가진 벡터. 다양한 사례 값에 대해 시험 통계에 대한 거절 확률을 계산하고 (위험도 = 0,05, 임계 값 1.645 사용) 각 거푸집에 대해 거절 확률을 그립니다. 도와주세요
이 MC 실험에 대해 무엇을 보여 줍니까? – Khashaa
for 루프 대신에'replicate'을 사용하는 것이 더 쉽고 빠릅니다. –
거부 가능성을 계산할 수준을 지정하지 않았으므로 귀하의 질문은 여전히 모호합니다. 하나의 지연으로 시뮬레이션 된 샘플 하나에 대한 계산을 입증하면 도움이됩니다. – Khashaa