Furthermore, rather than blindly tr

Furthermore, rather than blindly trusting the
asymptotic distributions, we use Rudebusch’s
approach (1993) to simulate the small sample distri-butions of the chosen tests under the null and
alternative hypotheses. This approach was used in
previous studies (e.g. Diebold and Senhadji, 1996;
Cheung and Chinn, 1997; Kuo and Mikkola, 1999,
2001) to investigate the existence of a unit root for the
data they considered. To the best of our knowledge,
none of the above empirical literature had taken this
approach in the investigation of the RIPH. The merit
of this approach is that with simulated data from
both the estimated models under the null- and
alternative hypotheses, we can assess the exact
probabilities of obtaining a sample statistic from the
two estimated models, and if one of the probabilities
is far larger than the other, we can conclude that the
sample statistic may come from the estimated model
with a higher probability. By contrast, in hypothesis
testing with asymptotic critical values, researchers
can only focus on the possibility of the statistic from
the null hypothesis, and ignore the possibility of the
same statistic from the alternative hypothesis

Kết quả (Việt) 1:

Hơn nữa, chứ không phải là mù quáng tin tưởng cáctiệm cận phân phối, chúng tôi sử dụng của Rudebuschphương pháp tiếp cận (1993) để mô phỏng các mẫu nhỏ distri-butions của các xét nghiệm được lựa chọn theo null vàgiả thuyết thay thế. Cách tiếp cận này được sử dụng trongCác nghiên cứu trước đó (ví dụ như Diebold và Senhadji, 1996;Trương Quốc Vinh và Chinn, năm 1997; Kuo và Mikkola, 1999,2001) để điều tra sự tồn tại của một đơn vị gốc cho cáchọ coi là dữ liệu. Tốt nhất của kiến thức của chúng tôi,không ai trong số các tài liệu thực nghiệm trên đã lấy nàyphương pháp tiếp cận trong việc điều tra của RIPH. Các bằng khenphương pháp tiếp cận này là với mô phỏng dữ liệu từcả hai mô hình ước tính dưới null - vàgiả thuyết khác, chúng ta có thể đánh giá chính xácxác suất của việc thu thập số liệu thống kê mẫu từ cáchai ước lượng mô hình, và nếu một trong các xác suấtđến nay lớn hơn khác, chúng tôi có thể kết luận rằng cácmẫu thống kê có thể đến từ các mô hình dự kiếnvới một xác suất cao hơn. Ngược lại, ở giả thuyếtthử nghiệm với các giá trị tiệm cận quan trọng, các nhà nghiên cứucó thể chỉ tập trung vào khả năng của số liệu thống kê từCác giả thuyết null, và bỏ qua khả năng của cácCác thống kê tương tự từ các giả thuyết khác

Kết quả (Việt) 2:

Hơn nữa, chứ không phải là một cách mù quáng tin tưởng vào
sự phân bố tiệm cận, chúng tôi sử dụng Rudebusch của
phương pháp (1993) để mô phỏng các mẫu distri-những đóng nhỏ của các bài kiểm tra được lựa chọn theo các giá trị và
các giả thiết khác. Cách tiếp cận này đã được sử dụng trong
các nghiên cứu trước đó (ví dụ như Diebold và Senhadji, 1996;
Cheung và Chinn, 1997; Kuo và Mikkola, 1999,
2001) để điều tra sự tồn tại của một gốc đơn vị cho các
dữ liệu mà họ xem xét. Để tốt nhất của kiến thức của chúng ta,
không ai trong số các nghiên cứu thực nghiệm trên đã lấy này
cách tiếp cận trong việc điều tra của RIPH. Các công đức
của phương pháp này là với dữ liệu mô phỏng từ
cả hai mô hình ước lượng dưới null- và
giả thiết khác, chúng ta có thể đánh giá chính xác
xác suất có được một thống kê mẫu từ
hai mô hình ước tính, và nếu một trong các xác suất
lớn hơn rất nhiều khác, chúng ta có thể kết luận rằng các
số liệu thống kê mẫu có thể đến từ các mô hình ước lượng
với một xác suất cao hơn. Ngược lại, trong giả thuyết
thử nghiệm với các giá trị quan trọng tiệm cận, các nhà nghiên cứu
có thể chỉ tập trung vào khả năng của các số liệu thống kê từ
các giả thuyết, và bỏ qua khả năng của
cùng một thống kê từ giả thuyết thay thế