tools/cvals_kpss_2p.R
In d9d6ka/RANEPA-R: Set of unit root and cointegration tests
# 1 for the AA (without trend) model.
# 2 for the AA (with trend) model.
# 3 for the BB model.
# 4 for the CC model.
# 5 for the AC-CA model.
m_AAn_1 <- diag(8)
m_AAn_1[lower.tri(m_AAn_1, diag = TRUE)] <-
c(
0.4758, 0.3659, 0.2802, 0.2299, 0.2275, 0.2883, 0.3664, 0.4758,
0.3682, 0.2832, 0.2109, 0.1835, 0.2075, 0.2897, 0.3612,
0.2874, 0.2077, 0.1588, 0.1620, 0.2178, 0.2937,
0.2330, 0.1733, 0.1648, 0.1811, 0.2292,
0.2271, 0.2108, 0.2027, 0.2239,
0.2919, 0.2846, 0.2862,
0.3666, 0.3692,
0.4853
)
m_AAn_1 <- t(m_AAn_1)
m_AAn_2.5 <- diag(8)
m_AAn_2.5[lower.tri(m_AAn_2.5, diag = TRUE)] <-
c(
0.3752, 0.2957, 0.2248, 0.1878, 0.1876, 0.2309, 0.2920, 0.3749,
0.2862, 0.2210, 0.1725, 0.1531, 0.1682, 0.2258, 0.2957,
0.2277, 0.1700, 0.1343, 0.1338, 0.1720, 0.2297,
0.1918, 0.1471, 0.1371, 0.1510, 0.1878,
0.1864, 0.1723, 0.1678, 0.1848,
0.2283, 0.2252, 0.2238,
0.2914, 0.2896,
0.3786
)
m_AAn_2.5 <- t(m_AAn_2.5)
m_AAn_5 <- diag(8)
m_AAn_5[lower.tri(m_AAn_5, diag = TRUE)] <-
c(
0.2992, 0.2344, 0.1839, 0.1560, 0.1581, 0.1883, 0.2339, 0.3001,
0.2339, 0.1802, 0.1423, 0.1289, 0.1390, 0.1821, 0.2366,
0.1846, 0.1401, 0.1153, 0.1165, 0.1421, 0.1859,
0.1585, 0.1266, 0.1165, 0.1275, 0.1571,
0.1564, 0.1443, 0.1388, 0.1547,
0.1834, 0.1830, 0.1847,
0.2328, 0.2332,
0.3009
)
m_AAn_5 <- t(m_AAn_5)
m_AAn_10 <- diag(8)
m_AAn_10[lower.tri(m_AAn_10, diag = TRUE)] <-
c(
0.2262, 0.1789, 0.1441, 0.1258, 0.1286, 0.1455, 0.1773, 0.2260,
0.1775, 0.1402, 0.1148, 0.1053, 0.1116, 0.1394, 0.1791,
0.1432, 0.1128, 0.0959, 0.0963, 0.1136, 0.1441,
0.1276, 0.1049, 0.0965, 0.1043, 0.1279,
0.1267, 0.1151, 0.1120, 0.1264,
0.1440, 0.1409, 0.1438,
0.1774, 0.1785,
0.2289
)
m_AAn_10 <- t(m_AAn_10)
#########
m_AA_1 <- diag(8)
m_AA_1[lower.tri(m_AA_1, diag = TRUE)] <-
c(
0.1456, 0.1169, 0.1247, 0.1601, 0.1616, 0.1270, 0.1157, 0.1444,
0.1192, 0.1002, 0.1219, 0.1400, 0.1175, 0.1028, 0.1214,
0.1252, 0.1187, 0.1253, 0.1248, 0.1147, 0.1268,
0.1604, 0.1405, 0.1272, 0.1399, 0.1574,
0.1679, 0.1191, 0.1159, 0.1590,
0.1223, 0.1020, 0.1260,
0.1205, 0.1180,
0.1421
)
m_AA_1 <- t(m_AA_1)
m_AA_2.5 <- diag(8)
m_AA_2.5[lower.tri(m_AA_2.5, diag = TRUE)] <-
c(
0.1173, 0.0973, 0.1051, 0.1293, 0.1294, 0.1070, 0.0981, 0.1179,
0.0979, 0.0869, 0.1012, 0.1134, 0.0983, 0.0869, 0.0998,
0.1042, 0.0989, 0.1048, 0.1042, 0.0966, 0.1059,
0.1297, 0.1158, 0.1058, 0.1137, 0.1261,
0.1326, 0.0981, 0.0969, 0.1285,
0.1028, 0.0861, 0.1057,
0.0997, 0.0993,
0.1183
)
m_AA_2.5 <- t(m_AA_2.5)
m_AA_5 <- diag(8)
m_AA_5[lower.tri(m_AA_5, diag = TRUE)] <-
c(
0.0988, 0.0834, 0.0899, 0.1073, 0.1080, 0.0910, 0.0825, 0.0992,
0.0843, 0.0750, 0.0860, 0.0948, 0.0849, 0.0749, 0.0845,
0.0895, 0.0848, 0.0898, 0.0886, 0.0831, 0.0898,
0.1069, 0.0958, 0.0896, 0.0934, 0.1051,
0.1087, 0.0833, 0.0836, 0.1061,
0.0894, 0.0746, 0.0900,
0.0856, 0.0843,
0.0999
)
m_AA_5 <- t(m_AA_5)
m_AA_10 <- diag(8)
m_AA_10[lower.tri(m_AA_10, diag = TRUE)] <-
c(
0.0797, 0.0699, 0.0748, 0.0858, 0.0855, 0.0750, 0.0693, 0.0801,
0.0701, 0.0641, 0.0710, 0.0771, 0.0702, 0.0643, 0.0696,
0.0739, 0.0706, 0.0740, 0.0736, 0.0691, 0.0741,
0.0860, 0.0771, 0.0742, 0.0747, 0.0850,
0.0859, 0.0699, 0.0698, 0.0867,
0.0741, 0.0633, 0.0743,
0.0714, 0.0699,
0.0815
)
m_AA_10 <- t(m_AA_10)
#########
m_BB_1 <- diag(8)
m_BB_1[lower.tri(m_BB_1, diag = TRUE)] <-
c(
0.1524, 0.1298, 0.1098, 0.1040, 0.1003, 0.1175, 0.1393, 0.1565,
0.1205, 0.1021, 0.0892, 0.0879, 0.0963, 0.1134, 0.1357,
0.0966, 0.0820, 0.0780, 0.0827, 0.0974, 0.1153,
0.0797, 0.0751, 0.0766, 0.0888, 0.1040,
0.0803, 0.0829, 0.0910, 0.1032,
0.0968, 0.0993, 0.1089,
0.1200, 0.1282,
0.1518
)
m_BB_1 <- t(m_BB_1)
m_BB_2.5 <- diag(8)
m_BB_2.5[lower.tri(m_BB_2.5, diag = TRUE)] <-
c(
0.1257, 0.1076, 0.0915, 0.0849, 0.0856, 0.0966, 0.1126, 0.1294,
0.0986, 0.0843, 0.0752, 0.0739, 0.0798, 0.0928, 0.1127,
0.0807, 0.0685, 0.0656, 0.0695, 0.0802, 0.0959,
0.0681, 0.0637, 0.0652, 0.0740, 0.0865,
0.0671, 0.0686, 0.0754, 0.0852,
0.0803, 0.0831, 0.0909,
0.0981, 0.1055,
0.1226
)
m_BB_2.5 <- t(m_BB_2.5)
m_BB_5 <- diag(8)
m_BB_5[lower.tri(m_BB_5, diag = TRUE)] <-
c(
0.1060, 0.0897, 0.0766, 0.0723, 0.0738, 0.0803, 0.0937, 0.1068,
0.0822, 0.0715, 0.0650, 0.0634, 0.0681, 0.0785, 0.0929,
0.0679, 0.0601, 0.0573, 0.0599, 0.0683, 0.0802,
0.0591, 0.0556, 0.0565, 0.0633, 0.0737,
0.0590, 0.0590, 0.0646, 0.0731,
0.0684, 0.0709, 0.0772,
0.0818, 0.0886,
0.1021
)
m_BB_5 <- t(m_BB_5)
m_BB_10 <- diag(8)
m_BB_10[lower.tri(m_BB_10, diag = TRUE)] <-
c(
0.0848, 0.0729, 0.0630, 0.0603, 0.0613, 0.0664, 0.0755, 0.0864,
0.0669, 0.0593, 0.0540, 0.0529, 0.0562, 0.0644, 0.0754,
0.0561, 0.0504, 0.0484, 0.0502, 0.0568, 0.0659,
0.0500, 0.0473, 0.0483, 0.0528, 0.0609,
0.0502, 0.0500, 0.0539, 0.0606,
0.0570, 0.0584, 0.0634,
0.0674, 0.0722,
0.0831
)
m_BB_10 <- t(m_BB_10)
#########
m_CC_1 <- diag(8)
m_CC_1[lower.tri(m_CC_1, diag = TRUE)] <-
c(
0.1439, 0.1116, 0.0852, 0.0691, 0.0704, 0.0856, 0.1098, 0.1430,
0.1100, 0.0835, 0.0644, 0.0556, 0.0634, 0.0849, 0.1113,
0.0855, 0.0652, 0.0506, 0.0503, 0.0637, 0.0845,
0.0699, 0.0560, 0.0501, 0.0550, 0.0695,
0.0704, 0.0629, 0.0637, 0.0707,
0.0874, 0.0840, 0.0858,
0.1122, 0.1124,
0.1425
)
m_CC_1 <- t(m_CC_1)
m_CC_2.5 <- diag(8)
m_CC_2.5[lower.tri(m_CC_2.5, diag = TRUE)] <-
c(
0.1166, 0.0917, 0.0713, 0.0596, 0.0596, 0.0713, 0.0906, 0.1157,
0.0900, 0.0695, 0.0545, 0.0482, 0.0541, 0.0696, 0.0901,
0.0705, 0.0550, 0.0438, 0.0442, 0.0545, 0.0716,
0.0596, 0.0483, 0.0438, 0.0479, 0.0598,
0.0603, 0.0537, 0.0538, 0.0594,
0.0727, 0.0691, 0.0723,
0.0927, 0.0920,
0.1151
)
m_CC_2.5 <- t(m_CC_2.5)
m_CC_5 <- diag(8)
m_CC_5[lower.tri(m_CC_5, diag = TRUE)] <-
c(
0.0972, 0.0772, 0.0605, 0.0518, 0.0520, 0.0606, 0.0765, 0.0965,
0.0763, 0.0591, 0.0470, 0.0424, 0.0466, 0.0586, 0.0757,
0.0601, 0.0474, 0.0390, 0.0389, 0.0467, 0.0605,
0.0518, 0.0425, 0.0389, 0.0423, 0.0518,
0.0521, 0.0466, 0.0470, 0.0523,
0.0615, 0.0586, 0.0608,
0.0768, 0.0766,
0.0966
)
m_CC_5 <- t(m_CC_5)
m_CC_10 <- diag(8)
m_CC_10[lower.tri(m_CC_10, diag = TRUE)] <-
c(
0.0788, 0.0626, 0.0508, 0.0441, 0.0444, 0.0504, 0.0625, 0.0775,
0.0621, 0.0487, 0.0399, 0.0364, 0.0397, 0.0485, 0.0619,
0.0501, 0.0398, 0.0339, 0.0340, 0.0397, 0.0500,
0.0442, 0.0367, 0.0340, 0.0365, 0.0442,
0.0444, 0.0397, 0.0399, 0.0443,
0.0507, 0.0486, 0.0503,
0.0620, 0.0625,
0.0780
)
m_CC_10 <- t(m_CC_10)
#########
m_ABBA_1 <- 1 - diag(9)
m_ABBA_1[m_ABBA_1 == 1] <-
c(
0.1545, 0.1304, 0.1099, 0.0985, 0.1001, 0.1072, 0.1297, 0.1507,
0.1438, 0.1351, 0.1148, 0.0955, 0.0866, 0.0929, 0.1047, 0.1232,
0.1223, 0.1139, 0.1129, 0.1132, 0.1124, 0.1128, 0.1175, 0.1249,
0.1372, 0.1056, 0.0921, 0.0921, 0.1090, 0.1286, 0.1485, 0.1650,
0.1699, 0.1338, 0.0989, 0.0820, 0.0821, 0.0993, 0.1350, 0.1712,
0.1649, 0.1491, 0.1315, 0.1075, 0.0920, 0.0926, 0.1044, 0.1348,
0.1259, 0.1190, 0.1142, 0.1115, 0.1141, 0.1137, 0.1125, 0.1223,
0.1262, 0.1044, 0.0916, 0.0889, 0.0960, 0.1145, 0.1355, 0.1433,
0.1529, 0.1279, 0.1089, 0.1010, 0.0985, 0.1083, 0.1282, 0.1553
)
m_ABBA_1 <- t(m_ABBA_1)
m_ABBA_2.5 <- 1 - diag(9)
m_ABBA_2.5[m_ABBA_2.5 == 1] <-
c(
0.1282, 0.1071, 0.0904, 0.0821, 0.0836, 0.0900, 0.1061, 0.1228,
0.1166, 0.1113, 0.0939, 0.0809, 0.0742, 0.0786, 0.0883, 0.1028,
0.1039, 0.0946, 0.0928, 0.0939, 0.0933, 0.0933, 0.0983, 0.1058,
0.1132, 0.0890, 0.0781, 0.0775, 0.0892, 0.1049, 0.1217, 0.1342,
0.1369, 0.1097, 0.0833, 0.0710, 0.0712, 0.0840, 0.1116, 0.1367,
0.1356, 0.1199, 0.1064, 0.0894, 0.0786, 0.0785, 0.0888, 0.1124,
0.1068, 0.0981, 0.0945, 0.0935, 0.0931, 0.0941, 0.0950, 0.1011,
0.1037, 0.0871, 0.0783, 0.0753, 0.0817, 0.0955, 0.1119, 0.1167,
0.1252, 0.1045, 0.0911, 0.0841, 0.0828, 0.0893, 0.1059, 0.1295
)
m_ABBA_2.5 <- t(m_ABBA_2.5)
m_ABBA_5 <- 1 - diag(9)
m_ABBA_5[m_ABBA_5 == 1] <-
c(
0.1070, 0.0897, 0.0774, 0.0701, 0.0706, 0.0765, 0.0886, 0.1032,
0.0973, 0.0942, 0.0803, 0.0702, 0.0649, 0.0681, 0.0760, 0.0868,
0.0881, 0.0798, 0.0794, 0.0790, 0.0786, 0.0788, 0.0841, 0.0914,
0.0961, 0.0773, 0.0670, 0.0670, 0.0747, 0.0878, 0.1002, 0.1107,
0.1126, 0.0924, 0.0718, 0.0620, 0.0621, 0.0724, 0.0918, 0.1139,
0.1113, 0.0993, 0.0874, 0.0752, 0.0673, 0.0674, 0.0762, 0.0955,
0.0924, 0.0838, 0.0798, 0.0781, 0.0792, 0.0796, 0.0800, 0.0858,
0.0880, 0.0752, 0.0681, 0.0653, 0.0707, 0.0819, 0.0934, 0.0980,
0.1043, 0.0872, 0.0776, 0.0711, 0.0708, 0.0750, 0.0896, 0.1069
)
m_ABBA_5 <- t(m_ABBA_5)
m_ABBA_10 <- 1 - diag(9)
m_ABBA_10[m_ABBA_10 == 1] <-
c(
0.0873, 0.0729, 0.0636, 0.0583, 0.0589, 0.0638, 0.0721, 0.0832,
0.0799, 0.0769, 0.0666, 0.0590, 0.0554, 0.0575, 0.0635, 0.0724,
0.0726, 0.0659, 0.0652, 0.0656, 0.0642, 0.0653, 0.0696, 0.0760,
0.0790, 0.0647, 0.0562, 0.0559, 0.0619, 0.0702, 0.0794, 0.0881,
0.0889, 0.0733, 0.0600, 0.0532, 0.0532, 0.0606, 0.0740, 0.0893,
0.0876, 0.0795, 0.0697, 0.0615, 0.0567, 0.0569, 0.0640, 0.0786,
0.0766, 0.0688, 0.0648, 0.0646, 0.0650, 0.0652, 0.0664, 0.0713,
0.0733, 0.0634, 0.0573, 0.0555, 0.0596, 0.0675, 0.0770, 0.0801,
0.0840, 0.0711, 0.0637, 0.0590, 0.0592, 0.0629, 0.0731, 0.0858
)
m_ABBA_10 <- t(m_ABBA_10)
#########
m_ACCA_1 <- 1 - diag(9)
m_ACCA_1[m_ACCA_1 == 1] <-
c(
0.1401, 0.1106, 0.0870, 0.0723, 0.0711, 0.0871, 0.1087, 0.1419,
0.1421, 0.1144, 0.0895, 0.0747, 0.0696, 0.0739, 0.0918, 0.1177,
0.1213, 0.1137, 0.0889, 0.0763, 0.0885, 0.1004, 0.1093, 0.1256,
0.1233, 0.0926, 0.0860, 0.0718, 0.0693, 0.0965, 0.1305, 0.1666,
0.1634, 0.1092, 0.0752, 0.0699, 0.0698, 0.0753, 0.1111, 0.1616,
0.1638, 0.1342, 0.1001, 0.0704, 0.0716, 0.0862, 0.0944, 0.1258,
0.1225, 0.1087, 0.0972, 0.0880, 0.0769, 0.0870, 0.1120, 0.1172,
0.1183, 0.0923, 0.0757, 0.0688, 0.0754, 0.0883, 0.1110, 0.1409,
0.1433, 0.1090, 0.0866, 0.0694, 0.0698, 0.0875, 0.1142, 0.1436
)
m_ACCA_1 <- t(m_ACCA_1)
m_ACCA_2.5 <- 1 - diag(9)
m_ACCA_2.5[m_ACCA_2.5 == 1] <-
c(
0.1165, 0.0912, 0.0719, 0.0612, 0.0609, 0.0729, 0.0910, 0.1154,
0.1162, 0.0924, 0.0749, 0.0644, 0.0606, 0.0643, 0.0770, 0.0994,
0.0996, 0.0928, 0.0739, 0.0648, 0.0732, 0.0827, 0.0917, 0.1049,
0.1028, 0.0778, 0.0720, 0.0606, 0.0606, 0.0802, 0.1051, 0.1311,
0.1281, 0.0898, 0.0650, 0.0599, 0.0602, 0.0651, 0.0909, 0.1280,
0.1287, 0.1070, 0.0812, 0.0602, 0.0607, 0.0728, 0.0788, 0.1040,
0.1037, 0.0902, 0.0799, 0.0722, 0.0653, 0.0719, 0.0906, 0.0975,
0.0984, 0.0783, 0.0645, 0.0599, 0.0642, 0.0738, 0.0911, 0.1155,
0.1152, 0.0903, 0.0715, 0.0598, 0.0604, 0.0731, 0.0937, 0.1161
)
m_ACCA_2.5 <- t(m_ACCA_2.5)
m_ACCA_5 <- 1 - diag(9)
m_ACCA_5[m_ACCA_5 == 1] <-
c(
0.0977, 0.0774, 0.0619, 0.0534, 0.0529, 0.0622, 0.0770, 0.0971,
0.0969, 0.0779, 0.0644, 0.0560, 0.0526, 0.0562, 0.0671, 0.0840,
0.0845, 0.0770, 0.0625, 0.0566, 0.0618, 0.0685, 0.0784, 0.0891,
0.0879, 0.0669, 0.0621, 0.0530, 0.0529, 0.0676, 0.0869, 0.1064,
0.1075, 0.0765, 0.0568, 0.0527, 0.0529, 0.0571, 0.0768, 0.1062,
0.1061, 0.0875, 0.0683, 0.0528, 0.0532, 0.0619, 0.0678, 0.0889,
0.0882, 0.0762, 0.0681, 0.0622, 0.0567, 0.0618, 0.0766, 0.0832,
0.0837, 0.0674, 0.0567, 0.0529, 0.0557, 0.0634, 0.0770, 0.0973,
0.0966, 0.0767, 0.0610, 0.0523, 0.0533, 0.0626, 0.0786, 0.0976
)
m_ACCA_5 <- t(m_ACCA_5)
m_ACCA_10 <- 1 - diag(9)
m_ACCA_10[m_ACCA_10 == 1] <-
c(
0.0789, 0.0629, 0.0517, 0.0459, 0.0453, 0.0514, 0.0627, 0.0796,
0.0788, 0.0637, 0.0539, 0.0478, 0.0456, 0.0481, 0.0563, 0.0696,
0.0696, 0.0632, 0.0518, 0.0481, 0.0514, 0.0556, 0.0639, 0.0733,
0.0727, 0.0561, 0.0517, 0.0452, 0.0454, 0.0553, 0.0697, 0.0849,
0.0842, 0.0636, 0.0480, 0.0453, 0.0451, 0.0487, 0.0628, 0.0843,
0.0840, 0.0698, 0.0558, 0.0455, 0.0457, 0.0516, 0.0565, 0.0728,
0.0731, 0.0626, 0.0559, 0.0513, 0.0481, 0.0518, 0.0628, 0.0684,
0.0693, 0.0567, 0.0486, 0.0455, 0.0478, 0.0534, 0.0638, 0.0791,
0.0784, 0.0633, 0.0514, 0.0449, 0.0454, 0.0520, 0.0642, 0.0796
)
m_ACCA_10 <- t(m_ACCA_10)
#########
m_BCCB_1 <- 1 - diag(9)
m_BCCB_1[m_BCCB_1 == 1] <-
c(
0.1420, 0.1136, 0.0888, 0.0721, 0.0739, 0.0905, 0.1192, 0.1516,
0.1483, 0.1119, 0.0849, 0.0662, 0.0630, 0.0761, 0.0982, 0.1266,
0.1238, 0.1147, 0.0861, 0.0677, 0.0593, 0.0668, 0.0858, 0.1083,
0.1091, 0.0979, 0.0925, 0.0723, 0.0642, 0.0649, 0.0778, 0.0995,
0.0979, 0.0840, 0.0760, 0.0742, 0.0737, 0.0734, 0.0818, 0.0982,
0.0950, 0.0778, 0.0669, 0.0644, 0.0725, 0.0928, 0.1002, 0.1099,
0.1075, 0.0827, 0.0656, 0.0590, 0.0664, 0.0873, 0.1191, 0.1297,
0.1282, 0.0983, 0.0770, 0.0639, 0.0676, 0.0855, 0.1088, 0.1480,
0.1501, 0.1167, 0.0925, 0.0747, 0.0719, 0.0845, 0.1128, 0.1379
)
m_BCCB_1 <- t(m_BCCB_1)
m_BCCB_2.5 <- 1 - diag(9)
m_BCCB_2.5[m_BCCB_2.5 == 1] <-
c(
0.1148, 0.0916, 0.0732, 0.0621, 0.0630, 0.0761, 0.0978, 0.1230,
0.1212, 0.0919, 0.0708, 0.0575, 0.0541, 0.0634, 0.0802, 0.1047,
0.1025, 0.0957, 0.0728, 0.0577, 0.0513, 0.0566, 0.0706, 0.0895,
0.0891, 0.0820, 0.0765, 0.0626, 0.0549, 0.0554, 0.0659, 0.0819,
0.0816, 0.0700, 0.0641, 0.0630, 0.0643, 0.0619, 0.0690, 0.0811,
0.0801, 0.0661, 0.0570, 0.0556, 0.0619, 0.0765, 0.0829, 0.0911,
0.0897, 0.0689, 0.0558, 0.0506, 0.0569, 0.0720, 0.0984, 0.1045,
0.1045, 0.0808, 0.0638, 0.0549, 0.0573, 0.0701, 0.0912, 0.1212,
0.1219, 0.0956, 0.0764, 0.0629, 0.0620, 0.0711, 0.0916, 0.1137
)
m_BCCB_2.5 <- t(m_BCCB_2.5)
m_BCCB_5 <- 1 - diag(9)
m_BCCB_5[m_BCCB_5 == 1] <-
c(
0.0959, 0.0767, 0.0618, 0.0541, 0.0553, 0.0657, 0.0811, 0.1022,
0.1018, 0.0774, 0.0608, 0.0500, 0.0471, 0.0543, 0.0678, 0.0874,
0.0861, 0.0811, 0.0622, 0.0499, 0.0453, 0.0491, 0.0598, 0.0755,
0.0754, 0.0689, 0.0657, 0.0544, 0.0479, 0.0479, 0.0561, 0.0690,
0.0690, 0.0597, 0.0545, 0.0547, 0.0554, 0.0535, 0.0599, 0.0699,
0.0686, 0.0566, 0.0492, 0.0484, 0.0544, 0.0647, 0.0689, 0.0764,
0.0754, 0.0597, 0.0487, 0.0452, 0.0501, 0.0619, 0.0815, 0.0872,
0.0871, 0.0681, 0.0548, 0.0482, 0.0500, 0.0595, 0.0755, 0.1019,
0.1016, 0.0801, 0.0651, 0.0545, 0.0549, 0.0609, 0.0765, 0.0960
)
m_BCCB_5 <- t(m_BCCB_5)
m_BCCB_10 <- 1 - diag(9)
m_BCCB_10[m_BCCB_10 == 1] <-
c(
0.0777, 0.0633, 0.0517, 0.0463, 0.0470, 0.0540, 0.0662, 0.0825,
0.0829, 0.0626, 0.0502, 0.0429, 0.0407, 0.0455, 0.0558, 0.0706,
0.0708, 0.0661, 0.0521, 0.0427, 0.0390, 0.0416, 0.0494, 0.0622,
0.0621, 0.0564, 0.0542, 0.0463, 0.0412, 0.0411, 0.0471, 0.0577,
0.0575, 0.0495, 0.0459, 0.0471, 0.0470, 0.0453, 0.0494, 0.0576,
0.0574, 0.0473, 0.0415, 0.0415, 0.0463, 0.0537, 0.0564, 0.0627,
0.0619, 0.0497, 0.0414, 0.0392, 0.0424, 0.0516, 0.0669, 0.0705,
0.0710, 0.0555, 0.0458, 0.0413, 0.0428, 0.0495, 0.0620, 0.0826,
0.0825, 0.0657, 0.0539, 0.0466, 0.0465, 0.0511, 0.0619, 0.0780
)
m_BCCB_10 <- t(m_BCCB_10)
.cval_kpss_2p <- list(
list(m_AAn_1, m_AAn_2.5, m_AAn_5, m_AAn_10),
list(m_AA_1, m_AA_2.5, m_AA_5, m_AA_10),
list(m_BB_1, m_BB_2.5, m_BB_5, m_BB_10),
list(m_CC_1, m_CC_2.5, m_CC_5, m_CC_10),
list(m_ABBA_1, m_ABBA_2.5, m_ABBA_5, m_ABBA_10),
list(m_ACCA_1, m_ACCA_2.5, m_ACCA_5, m_ACCA_10),
list(m_BCCB_1, m_BCCB_2.5, m_BCCB_5, m_BCCB_10)
)
d9d6ka/RANEPA-R documentation built on May 4, 2024, 7:11 a.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
# 1 for the AA (without trend) model.
# 2 for the AA (with trend) model.
# 3 for the BB model.
# 4 for the CC model.
# 5 for the AC-CA model.
m_AAn_1 <- diag(8)
m_AAn_1[lower.tri(m_AAn_1, diag = TRUE)] <-
c(
0.4758, 0.3659, 0.2802, 0.2299, 0.2275, 0.2883, 0.3664, 0.4758,
0.3682, 0.2832, 0.2109, 0.1835, 0.2075, 0.2897, 0.3612,
0.2874, 0.2077, 0.1588, 0.1620, 0.2178, 0.2937,
0.2330, 0.1733, 0.1648, 0.1811, 0.2292,
0.2271, 0.2108, 0.2027, 0.2239,
0.2919, 0.2846, 0.2862,
0.3666, 0.3692,
0.4853
)
m_AAn_1 <- t(m_AAn_1)
m_AAn_2.5 <- diag(8)
m_AAn_2.5[lower.tri(m_AAn_2.5, diag = TRUE)] <-
c(
0.3752, 0.2957, 0.2248, 0.1878, 0.1876, 0.2309, 0.2920, 0.3749,
0.2862, 0.2210, 0.1725, 0.1531, 0.1682, 0.2258, 0.2957,
0.2277, 0.1700, 0.1343, 0.1338, 0.1720, 0.2297,
0.1918, 0.1471, 0.1371, 0.1510, 0.1878,
0.1864, 0.1723, 0.1678, 0.1848,
0.2283, 0.2252, 0.2238,
0.2914, 0.2896,
0.3786
)
m_AAn_2.5 <- t(m_AAn_2.5)
m_AAn_5 <- diag(8)
m_AAn_5[lower.tri(m_AAn_5, diag = TRUE)] <-
c(
0.2992, 0.2344, 0.1839, 0.1560, 0.1581, 0.1883, 0.2339, 0.3001,
0.2339, 0.1802, 0.1423, 0.1289, 0.1390, 0.1821, 0.2366,
0.1846, 0.1401, 0.1153, 0.1165, 0.1421, 0.1859,
0.1585, 0.1266, 0.1165, 0.1275, 0.1571,
0.1564, 0.1443, 0.1388, 0.1547,
0.1834, 0.1830, 0.1847,
0.2328, 0.2332,
0.3009
)
m_AAn_5 <- t(m_AAn_5)
m_AAn_10 <- diag(8)
m_AAn_10[lower.tri(m_AAn_10, diag = TRUE)] <-
c(
0.2262, 0.1789, 0.1441, 0.1258, 0.1286, 0.1455, 0.1773, 0.2260,
0.1775, 0.1402, 0.1148, 0.1053, 0.1116, 0.1394, 0.1791,
0.1432, 0.1128, 0.0959, 0.0963, 0.1136, 0.1441,
0.1276, 0.1049, 0.0965, 0.1043, 0.1279,
0.1267, 0.1151, 0.1120, 0.1264,
0.1440, 0.1409, 0.1438,
0.1774, 0.1785,
0.2289
)
m_AAn_10 <- t(m_AAn_10)
#########
m_AA_1 <- diag(8)
m_AA_1[lower.tri(m_AA_1, diag = TRUE)] <-
c(
0.1456, 0.1169, 0.1247, 0.1601, 0.1616, 0.1270, 0.1157, 0.1444,
0.1192, 0.1002, 0.1219, 0.1400, 0.1175, 0.1028, 0.1214,
0.1252, 0.1187, 0.1253, 0.1248, 0.1147, 0.1268,
0.1604, 0.1405, 0.1272, 0.1399, 0.1574,
0.1679, 0.1191, 0.1159, 0.1590,
0.1223, 0.1020, 0.1260,
0.1205, 0.1180,
0.1421
)
m_AA_1 <- t(m_AA_1)
m_AA_2.5 <- diag(8)
m_AA_2.5[lower.tri(m_AA_2.5, diag = TRUE)] <-
c(
0.1173, 0.0973, 0.1051, 0.1293, 0.1294, 0.1070, 0.0981, 0.1179,
0.0979, 0.0869, 0.1012, 0.1134, 0.0983, 0.0869, 0.0998,
0.1042, 0.0989, 0.1048, 0.1042, 0.0966, 0.1059,
0.1297, 0.1158, 0.1058, 0.1137, 0.1261,
0.1326, 0.0981, 0.0969, 0.1285,
0.1028, 0.0861, 0.1057,
0.0997, 0.0993,
0.1183
)
m_AA_2.5 <- t(m_AA_2.5)
m_AA_5 <- diag(8)
m_AA_5[lower.tri(m_AA_5, diag = TRUE)] <-
c(
0.0988, 0.0834, 0.0899, 0.1073, 0.1080, 0.0910, 0.0825, 0.0992,
0.0843, 0.0750, 0.0860, 0.0948, 0.0849, 0.0749, 0.0845,
0.0895, 0.0848, 0.0898, 0.0886, 0.0831, 0.0898,
0.1069, 0.0958, 0.0896, 0.0934, 0.1051,
0.1087, 0.0833, 0.0836, 0.1061,
0.0894, 0.0746, 0.0900,
0.0856, 0.0843,
0.0999
)
m_AA_5 <- t(m_AA_5)
m_AA_10 <- diag(8)
m_AA_10[lower.tri(m_AA_10, diag = TRUE)] <-
c(
0.0797, 0.0699, 0.0748, 0.0858, 0.0855, 0.0750, 0.0693, 0.0801,
0.0701, 0.0641, 0.0710, 0.0771, 0.0702, 0.0643, 0.0696,
0.0739, 0.0706, 0.0740, 0.0736, 0.0691, 0.0741,
0.0860, 0.0771, 0.0742, 0.0747, 0.0850,
0.0859, 0.0699, 0.0698, 0.0867,
0.0741, 0.0633, 0.0743,
0.0714, 0.0699,
0.0815
)
m_AA_10 <- t(m_AA_10)
#########
m_BB_1 <- diag(8)
m_BB_1[lower.tri(m_BB_1, diag = TRUE)] <-
c(
0.1524, 0.1298, 0.1098, 0.1040, 0.1003, 0.1175, 0.1393, 0.1565,
0.1205, 0.1021, 0.0892, 0.0879, 0.0963, 0.1134, 0.1357,
0.0966, 0.0820, 0.0780, 0.0827, 0.0974, 0.1153,
0.0797, 0.0751, 0.0766, 0.0888, 0.1040,
0.0803, 0.0829, 0.0910, 0.1032,
0.0968, 0.0993, 0.1089,
0.1200, 0.1282,
0.1518
)
m_BB_1 <- t(m_BB_1)
m_BB_2.5 <- diag(8)
m_BB_2.5[lower.tri(m_BB_2.5, diag = TRUE)] <-
c(
0.1257, 0.1076, 0.0915, 0.0849, 0.0856, 0.0966, 0.1126, 0.1294,
0.0986, 0.0843, 0.0752, 0.0739, 0.0798, 0.0928, 0.1127,
0.0807, 0.0685, 0.0656, 0.0695, 0.0802, 0.0959,
0.0681, 0.0637, 0.0652, 0.0740, 0.0865,
0.0671, 0.0686, 0.0754, 0.0852,
0.0803, 0.0831, 0.0909,
0.0981, 0.1055,
0.1226
)
m_BB_2.5 <- t(m_BB_2.5)
m_BB_5 <- diag(8)
m_BB_5[lower.tri(m_BB_5, diag = TRUE)] <-
c(
0.1060, 0.0897, 0.0766, 0.0723, 0.0738, 0.0803, 0.0937, 0.1068,
0.0822, 0.0715, 0.0650, 0.0634, 0.0681, 0.0785, 0.0929,
0.0679, 0.0601, 0.0573, 0.0599, 0.0683, 0.0802,
0.0591, 0.0556, 0.0565, 0.0633, 0.0737,
0.0590, 0.0590, 0.0646, 0.0731,
0.0684, 0.0709, 0.0772,
0.0818, 0.0886,
0.1021
)
m_BB_5 <- t(m_BB_5)
m_BB_10 <- diag(8)
m_BB_10[lower.tri(m_BB_10, diag = TRUE)] <-
c(
0.0848, 0.0729, 0.0630, 0.0603, 0.0613, 0.0664, 0.0755, 0.0864,
0.0669, 0.0593, 0.0540, 0.0529, 0.0562, 0.0644, 0.0754,
0.0561, 0.0504, 0.0484, 0.0502, 0.0568, 0.0659,
0.0500, 0.0473, 0.0483, 0.0528, 0.0609,
0.0502, 0.0500, 0.0539, 0.0606,
0.0570, 0.0584, 0.0634,
0.0674, 0.0722,
0.0831
)
m_BB_10 <- t(m_BB_10)
#########
m_CC_1 <- diag(8)
m_CC_1[lower.tri(m_CC_1, diag = TRUE)] <-
c(
0.1439, 0.1116, 0.0852, 0.0691, 0.0704, 0.0856, 0.1098, 0.1430,
0.1100, 0.0835, 0.0644, 0.0556, 0.0634, 0.0849, 0.1113,
0.0855, 0.0652, 0.0506, 0.0503, 0.0637, 0.0845,
0.0699, 0.0560, 0.0501, 0.0550, 0.0695,
0.0704, 0.0629, 0.0637, 0.0707,
0.0874, 0.0840, 0.0858,
0.1122, 0.1124,
0.1425
)
m_CC_1 <- t(m_CC_1)
m_CC_2.5 <- diag(8)
m_CC_2.5[lower.tri(m_CC_2.5, diag = TRUE)] <-
c(
0.1166, 0.0917, 0.0713, 0.0596, 0.0596, 0.0713, 0.0906, 0.1157,
0.0900, 0.0695, 0.0545, 0.0482, 0.0541, 0.0696, 0.0901,
0.0705, 0.0550, 0.0438, 0.0442, 0.0545, 0.0716,
0.0596, 0.0483, 0.0438, 0.0479, 0.0598,
0.0603, 0.0537, 0.0538, 0.0594,
0.0727, 0.0691, 0.0723,
0.0927, 0.0920,
0.1151
)
m_CC_2.5 <- t(m_CC_2.5)
m_CC_5 <- diag(8)
m_CC_5[lower.tri(m_CC_5, diag = TRUE)] <-
c(
0.0972, 0.0772, 0.0605, 0.0518, 0.0520, 0.0606, 0.0765, 0.0965,
0.0763, 0.0591, 0.0470, 0.0424, 0.0466, 0.0586, 0.0757,
0.0601, 0.0474, 0.0390, 0.0389, 0.0467, 0.0605,
0.0518, 0.0425, 0.0389, 0.0423, 0.0518,
0.0521, 0.0466, 0.0470, 0.0523,
0.0615, 0.0586, 0.0608,
0.0768, 0.0766,
0.0966
)
m_CC_5 <- t(m_CC_5)
m_CC_10 <- diag(8)
m_CC_10[lower.tri(m_CC_10, diag = TRUE)] <-
c(
0.0788, 0.0626, 0.0508, 0.0441, 0.0444, 0.0504, 0.0625, 0.0775,
0.0621, 0.0487, 0.0399, 0.0364, 0.0397, 0.0485, 0.0619,
0.0501, 0.0398, 0.0339, 0.0340, 0.0397, 0.0500,
0.0442, 0.0367, 0.0340, 0.0365, 0.0442,
0.0444, 0.0397, 0.0399, 0.0443,
0.0507, 0.0486, 0.0503,
0.0620, 0.0625,
0.0780
)
m_CC_10 <- t(m_CC_10)
#########
m_ABBA_1 <- 1 - diag(9)
m_ABBA_1[m_ABBA_1 == 1] <-
c(
0.1545, 0.1304, 0.1099, 0.0985, 0.1001, 0.1072, 0.1297, 0.1507,
0.1438, 0.1351, 0.1148, 0.0955, 0.0866, 0.0929, 0.1047, 0.1232,
0.1223, 0.1139, 0.1129, 0.1132, 0.1124, 0.1128, 0.1175, 0.1249,
0.1372, 0.1056, 0.0921, 0.0921, 0.1090, 0.1286, 0.1485, 0.1650,
0.1699, 0.1338, 0.0989, 0.0820, 0.0821, 0.0993, 0.1350, 0.1712,
0.1649, 0.1491, 0.1315, 0.1075, 0.0920, 0.0926, 0.1044, 0.1348,
0.1259, 0.1190, 0.1142, 0.1115, 0.1141, 0.1137, 0.1125, 0.1223,
0.1262, 0.1044, 0.0916, 0.0889, 0.0960, 0.1145, 0.1355, 0.1433,
0.1529, 0.1279, 0.1089, 0.1010, 0.0985, 0.1083, 0.1282, 0.1553
)
m_ABBA_1 <- t(m_ABBA_1)
m_ABBA_2.5 <- 1 - diag(9)
m_ABBA_2.5[m_ABBA_2.5 == 1] <-
c(
0.1282, 0.1071, 0.0904, 0.0821, 0.0836, 0.0900, 0.1061, 0.1228,
0.1166, 0.1113, 0.0939, 0.0809, 0.0742, 0.0786, 0.0883, 0.1028,
0.1039, 0.0946, 0.0928, 0.0939, 0.0933, 0.0933, 0.0983, 0.1058,
0.1132, 0.0890, 0.0781, 0.0775, 0.0892, 0.1049, 0.1217, 0.1342,
0.1369, 0.1097, 0.0833, 0.0710, 0.0712, 0.0840, 0.1116, 0.1367,
0.1356, 0.1199, 0.1064, 0.0894, 0.0786, 0.0785, 0.0888, 0.1124,
0.1068, 0.0981, 0.0945, 0.0935, 0.0931, 0.0941, 0.0950, 0.1011,
0.1037, 0.0871, 0.0783, 0.0753, 0.0817, 0.0955, 0.1119, 0.1167,
0.1252, 0.1045, 0.0911, 0.0841, 0.0828, 0.0893, 0.1059, 0.1295
)
m_ABBA_2.5 <- t(m_ABBA_2.5)
m_ABBA_5 <- 1 - diag(9)
m_ABBA_5[m_ABBA_5 == 1] <-
c(
0.1070, 0.0897, 0.0774, 0.0701, 0.0706, 0.0765, 0.0886, 0.1032,
0.0973, 0.0942, 0.0803, 0.0702, 0.0649, 0.0681, 0.0760, 0.0868,
0.0881, 0.0798, 0.0794, 0.0790, 0.0786, 0.0788, 0.0841, 0.0914,
0.0961, 0.0773, 0.0670, 0.0670, 0.0747, 0.0878, 0.1002, 0.1107,
0.1126, 0.0924, 0.0718, 0.0620, 0.0621, 0.0724, 0.0918, 0.1139,
0.1113, 0.0993, 0.0874, 0.0752, 0.0673, 0.0674, 0.0762, 0.0955,
0.0924, 0.0838, 0.0798, 0.0781, 0.0792, 0.0796, 0.0800, 0.0858,
0.0880, 0.0752, 0.0681, 0.0653, 0.0707, 0.0819, 0.0934, 0.0980,
0.1043, 0.0872, 0.0776, 0.0711, 0.0708, 0.0750, 0.0896, 0.1069
)
m_ABBA_5 <- t(m_ABBA_5)
m_ABBA_10 <- 1 - diag(9)
m_ABBA_10[m_ABBA_10 == 1] <-
c(
0.0873, 0.0729, 0.0636, 0.0583, 0.0589, 0.0638, 0.0721, 0.0832,
0.0799, 0.0769, 0.0666, 0.0590, 0.0554, 0.0575, 0.0635, 0.0724,
0.0726, 0.0659, 0.0652, 0.0656, 0.0642, 0.0653, 0.0696, 0.0760,
0.0790, 0.0647, 0.0562, 0.0559, 0.0619, 0.0702, 0.0794, 0.0881,
0.0889, 0.0733, 0.0600, 0.0532, 0.0532, 0.0606, 0.0740, 0.0893,
0.0876, 0.0795, 0.0697, 0.0615, 0.0567, 0.0569, 0.0640, 0.0786,
0.0766, 0.0688, 0.0648, 0.0646, 0.0650, 0.0652, 0.0664, 0.0713,
0.0733, 0.0634, 0.0573, 0.0555, 0.0596, 0.0675, 0.0770, 0.0801,
0.0840, 0.0711, 0.0637, 0.0590, 0.0592, 0.0629, 0.0731, 0.0858
)
m_ABBA_10 <- t(m_ABBA_10)
#########
m_ACCA_1 <- 1 - diag(9)
m_ACCA_1[m_ACCA_1 == 1] <-
c(
0.1401, 0.1106, 0.0870, 0.0723, 0.0711, 0.0871, 0.1087, 0.1419,
0.1421, 0.1144, 0.0895, 0.0747, 0.0696, 0.0739, 0.0918, 0.1177,
0.1213, 0.1137, 0.0889, 0.0763, 0.0885, 0.1004, 0.1093, 0.1256,
0.1233, 0.0926, 0.0860, 0.0718, 0.0693, 0.0965, 0.1305, 0.1666,
0.1634, 0.1092, 0.0752, 0.0699, 0.0698, 0.0753, 0.1111, 0.1616,
0.1638, 0.1342, 0.1001, 0.0704, 0.0716, 0.0862, 0.0944, 0.1258,
0.1225, 0.1087, 0.0972, 0.0880, 0.0769, 0.0870, 0.1120, 0.1172,
0.1183, 0.0923, 0.0757, 0.0688, 0.0754, 0.0883, 0.1110, 0.1409,
0.1433, 0.1090, 0.0866, 0.0694, 0.0698, 0.0875, 0.1142, 0.1436
)
m_ACCA_1 <- t(m_ACCA_1)
m_ACCA_2.5 <- 1 - diag(9)
m_ACCA_2.5[m_ACCA_2.5 == 1] <-
c(
0.1165, 0.0912, 0.0719, 0.0612, 0.0609, 0.0729, 0.0910, 0.1154,
0.1162, 0.0924, 0.0749, 0.0644, 0.0606, 0.0643, 0.0770, 0.0994,
0.0996, 0.0928, 0.0739, 0.0648, 0.0732, 0.0827, 0.0917, 0.1049,
0.1028, 0.0778, 0.0720, 0.0606, 0.0606, 0.0802, 0.1051, 0.1311,
0.1281, 0.0898, 0.0650, 0.0599, 0.0602, 0.0651, 0.0909, 0.1280,
0.1287, 0.1070, 0.0812, 0.0602, 0.0607, 0.0728, 0.0788, 0.1040,
0.1037, 0.0902, 0.0799, 0.0722, 0.0653, 0.0719, 0.0906, 0.0975,
0.0984, 0.0783, 0.0645, 0.0599, 0.0642, 0.0738, 0.0911, 0.1155,
0.1152, 0.0903, 0.0715, 0.0598, 0.0604, 0.0731, 0.0937, 0.1161
)
m_ACCA_2.5 <- t(m_ACCA_2.5)
m_ACCA_5 <- 1 - diag(9)
m_ACCA_5[m_ACCA_5 == 1] <-
c(
0.0977, 0.0774, 0.0619, 0.0534, 0.0529, 0.0622, 0.0770, 0.0971,
0.0969, 0.0779, 0.0644, 0.0560, 0.0526, 0.0562, 0.0671, 0.0840,
0.0845, 0.0770, 0.0625, 0.0566, 0.0618, 0.0685, 0.0784, 0.0891,
0.0879, 0.0669, 0.0621, 0.0530, 0.0529, 0.0676, 0.0869, 0.1064,
0.1075, 0.0765, 0.0568, 0.0527, 0.0529, 0.0571, 0.0768, 0.1062,
0.1061, 0.0875, 0.0683, 0.0528, 0.0532, 0.0619, 0.0678, 0.0889,
0.0882, 0.0762, 0.0681, 0.0622, 0.0567, 0.0618, 0.0766, 0.0832,
0.0837, 0.0674, 0.0567, 0.0529, 0.0557, 0.0634, 0.0770, 0.0973,
0.0966, 0.0767, 0.0610, 0.0523, 0.0533, 0.0626, 0.0786, 0.0976
)
m_ACCA_5 <- t(m_ACCA_5)
m_ACCA_10 <- 1 - diag(9)
m_ACCA_10[m_ACCA_10 == 1] <-
c(
0.0789, 0.0629, 0.0517, 0.0459, 0.0453, 0.0514, 0.0627, 0.0796,
0.0788, 0.0637, 0.0539, 0.0478, 0.0456, 0.0481, 0.0563, 0.0696,
0.0696, 0.0632, 0.0518, 0.0481, 0.0514, 0.0556, 0.0639, 0.0733,
0.0727, 0.0561, 0.0517, 0.0452, 0.0454, 0.0553, 0.0697, 0.0849,
0.0842, 0.0636, 0.0480, 0.0453, 0.0451, 0.0487, 0.0628, 0.0843,
0.0840, 0.0698, 0.0558, 0.0455, 0.0457, 0.0516, 0.0565, 0.0728,
0.0731, 0.0626, 0.0559, 0.0513, 0.0481, 0.0518, 0.0628, 0.0684,
0.0693, 0.0567, 0.0486, 0.0455, 0.0478, 0.0534, 0.0638, 0.0791,
0.0784, 0.0633, 0.0514, 0.0449, 0.0454, 0.0520, 0.0642, 0.0796
)
m_ACCA_10 <- t(m_ACCA_10)
#########
m_BCCB_1 <- 1 - diag(9)
m_BCCB_1[m_BCCB_1 == 1] <-
c(
0.1420, 0.1136, 0.0888, 0.0721, 0.0739, 0.0905, 0.1192, 0.1516,
0.1483, 0.1119, 0.0849, 0.0662, 0.0630, 0.0761, 0.0982, 0.1266,
0.1238, 0.1147, 0.0861, 0.0677, 0.0593, 0.0668, 0.0858, 0.1083,
0.1091, 0.0979, 0.0925, 0.0723, 0.0642, 0.0649, 0.0778, 0.0995,
0.0979, 0.0840, 0.0760, 0.0742, 0.0737, 0.0734, 0.0818, 0.0982,
0.0950, 0.0778, 0.0669, 0.0644, 0.0725, 0.0928, 0.1002, 0.1099,
0.1075, 0.0827, 0.0656, 0.0590, 0.0664, 0.0873, 0.1191, 0.1297,
0.1282, 0.0983, 0.0770, 0.0639, 0.0676, 0.0855, 0.1088, 0.1480,
0.1501, 0.1167, 0.0925, 0.0747, 0.0719, 0.0845, 0.1128, 0.1379
)
m_BCCB_1 <- t(m_BCCB_1)
m_BCCB_2.5 <- 1 - diag(9)
m_BCCB_2.5[m_BCCB_2.5 == 1] <-
c(
0.1148, 0.0916, 0.0732, 0.0621, 0.0630, 0.0761, 0.0978, 0.1230,
0.1212, 0.0919, 0.0708, 0.0575, 0.0541, 0.0634, 0.0802, 0.1047,
0.1025, 0.0957, 0.0728, 0.0577, 0.0513, 0.0566, 0.0706, 0.0895,
0.0891, 0.0820, 0.0765, 0.0626, 0.0549, 0.0554, 0.0659, 0.0819,
0.0816, 0.0700, 0.0641, 0.0630, 0.0643, 0.0619, 0.0690, 0.0811,
0.0801, 0.0661, 0.0570, 0.0556, 0.0619, 0.0765, 0.0829, 0.0911,
0.0897, 0.0689, 0.0558, 0.0506, 0.0569, 0.0720, 0.0984, 0.1045,
0.1045, 0.0808, 0.0638, 0.0549, 0.0573, 0.0701, 0.0912, 0.1212,
0.1219, 0.0956, 0.0764, 0.0629, 0.0620, 0.0711, 0.0916, 0.1137
)
m_BCCB_2.5 <- t(m_BCCB_2.5)
m_BCCB_5 <- 1 - diag(9)
m_BCCB_5[m_BCCB_5 == 1] <-
c(
0.0959, 0.0767, 0.0618, 0.0541, 0.0553, 0.0657, 0.0811, 0.1022,
0.1018, 0.0774, 0.0608, 0.0500, 0.0471, 0.0543, 0.0678, 0.0874,
0.0861, 0.0811, 0.0622, 0.0499, 0.0453, 0.0491, 0.0598, 0.0755,
0.0754, 0.0689, 0.0657, 0.0544, 0.0479, 0.0479, 0.0561, 0.0690,
0.0690, 0.0597, 0.0545, 0.0547, 0.0554, 0.0535, 0.0599, 0.0699,
0.0686, 0.0566, 0.0492, 0.0484, 0.0544, 0.0647, 0.0689, 0.0764,
0.0754, 0.0597, 0.0487, 0.0452, 0.0501, 0.0619, 0.0815, 0.0872,
0.0871, 0.0681, 0.0548, 0.0482, 0.0500, 0.0595, 0.0755, 0.1019,
0.1016, 0.0801, 0.0651, 0.0545, 0.0549, 0.0609, 0.0765, 0.0960
)
m_BCCB_5 <- t(m_BCCB_5)
m_BCCB_10 <- 1 - diag(9)
m_BCCB_10[m_BCCB_10 == 1] <-
c(
0.0777, 0.0633, 0.0517, 0.0463, 0.0470, 0.0540, 0.0662, 0.0825,
0.0829, 0.0626, 0.0502, 0.0429, 0.0407, 0.0455, 0.0558, 0.0706,
0.0708, 0.0661, 0.0521, 0.0427, 0.0390, 0.0416, 0.0494, 0.0622,
0.0621, 0.0564, 0.0542, 0.0463, 0.0412, 0.0411, 0.0471, 0.0577,
0.0575, 0.0495, 0.0459, 0.0471, 0.0470, 0.0453, 0.0494, 0.0576,
0.0574, 0.0473, 0.0415, 0.0415, 0.0463, 0.0537, 0.0564, 0.0627,
0.0619, 0.0497, 0.0414, 0.0392, 0.0424, 0.0516, 0.0669, 0.0705,
0.0710, 0.0555, 0.0458, 0.0413, 0.0428, 0.0495, 0.0620, 0.0826,
0.0825, 0.0657, 0.0539, 0.0466, 0.0465, 0.0511, 0.0619, 0.0780
)
m_BCCB_10 <- t(m_BCCB_10)
.cval_kpss_2p <- list(
list(m_AAn_1, m_AAn_2.5, m_AAn_5, m_AAn_10),
list(m_AA_1, m_AA_2.5, m_AA_5, m_AA_10),
list(m_BB_1, m_BB_2.5, m_BB_5, m_BB_10),
list(m_CC_1, m_CC_2.5, m_CC_5, m_CC_10),
list(m_ABBA_1, m_ABBA_2.5, m_ABBA_5, m_ABBA_10),
list(m_ACCA_1, m_ACCA_2.5, m_ACCA_5, m_ACCA_10),
list(m_BCCB_1, m_BCCB_2.5, m_BCCB_5, m_BCCB_10)
)
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.