변수의 장기 추세. 전체 크기 이미지 결과 및 토론 표 2 에 보고된 단위근 테스트의 추정 결과부터 시작합니다 . 우리는 두 가지 정상성 테스트, 즉 Dickey와 Fuller[ 7 ] 및 Kwiatkowski et al 이 개발한 증강된 Dickey-Fuller 테스트를 적용했습니다 . [ 16 ] 줄여서 KPSS 테스트라고 합니다. 단위근에 대한 두 가지 테스트를 통해 변수를 노출하는 이점은 데이터 계열의 고정성과 관련하여 강력한 결과를 얻는 것입니다. 두 테스트(표 2 )를 모두 사용하여 차수 2의 변수가 통합되지 않았으므로 ARDL 접근 방식을 사용하여 장기 및 단기 결과 추정을 진행합니다. 표 2 단위근 테스트 풀 사이즈 테이블 다음 단계는 바운드 테스트 절차를 진행하는 것입니다. AIC 기준을 사용하여 최대 2개의 시차를 선택했습니다. 스포츠중계 제작 Akaike 정보 기준에 따라 지정된 모델은 모델 1의 경우 ARDL(1, 2, 0, 0, 2), 모델 2의 경우 ARDL(2, 0, 2, 0, 2), ARDL(2, 0, 0, 0)입니다. , 2) 모델 3의 경우 ARDL(1, 1, 0, 0, 2)입니다. 4개 모델 모두에 대해 경계 테스트를 사용하면 표 3 에 보고된 다음 결과를 얻습니다 . 표 3 공적분 검정 결과 풀 사이즈 테이블 모델 1의 F 통계 값은 6.04이며 이는 1% 유의 수준에서 임계 상한인 4.37보다 큽니다. 이는 변수 간에 장기적인 관계가 존재함을 의미합니다. 마찬가지로 모델 2와 모델 4는 각각 F 통계 값 3.58과 8.2를 생성하며 이는 공적분을 확인하는 임계 상한보다 큽니다. 여기 모델 3에서 F 통계 값은 3.04와 동일하며 이는 하한보다 크고 상한보다 작으며 공적분에 대해 결론이 나지 않은 결과를 나타냅니다. 이제 공적분을 확인하기 위해 표 4 의 오류 수정 항을 통해 결정을 내립니다 . 우리는 오류 정정 항이 0과 1 사이에 있다는 것을 발견했는데, 이는 매우 중요합니다. 이는 변수가 장기적으로 공적분된다는 것을 의미합니다.