フィリップス・ペロン検定

統計学において、フィリップス・ペロン検定（ピーター・C・B・フィリップスとピエール・ペロンにちなんで命名）は単位根検定である。^{[ 1 ]} つまり、時系列分析において、時系列が1次の積分系列であるという帰無仮説を検定するために用いられる。これは、ディッキー・フラー検定に基づく帰無仮説検定である。${\displaystyle \rho =1}$で${\displaystyle \Delta y_{t}=(\rho -1)y_{t-1}+u_{t}\,}$、 どこ${\displaystyle \Delta }$は最初の差分演算子です。拡張ディッキー・フラー検定と同様に、フィリップス・ペロン検定は、データを生成するプロセスの問題に対処します。$\displaystyle y_t}}$テスト方程式で認められているよりも高次の自己相関を持つ可能性がある。$\displaystyle y_{t-1}}$内生的であるため、ディッキー・フラーt検定は無効となる。拡張ディッキー・フラー検定は、ラグを導入することでこの問題に対処する。$\displaystyle \Delta y_t}}$検定方程式における回帰変数として、フィリップス・ペロン検定はt検定統計量に対してノンパラメトリック補正を行います。この検定は、検定方程式の撹乱過程における自己相関や不均一分散性に関して頑健です。

DavidsonとMacKinnon（2004）は、Phillips–Perron検定は有限サンプルでは拡張Dickey–Fuller検定よりも性能が劣ると報告している。^{[ 2 ]}