Please use this identifier to cite or link to this item: http://hdl.handle.net/10419/45930
Year of Publication: 
2010
Series/Report no.: 
IWH Discussion Papers No. 19/2010
Publisher: 
Leibniz-Institut für Wirtschaftsforschung Halle (IWH), Halle (Saale)
Abstract: 
This paper analyzes the role of common data problems when identifying structural breaks in small samples. Most notably, we survey small sample properties of the most commonly applied endogenous break tests developed by Brown, Durbin, and Evans (1975) and Zeileis (2004), Nyblom (1989) and Hansen (1992), and Andrews, Lee, and Ploberger (1996). Power and size properties are derived using Monte Carlo simulations. Results emphasize that mostly the CUSUM type tests are affected by the presence of heteroscedasticity, whereas the individual parameter Nyblom test and AvgLM test are proved to be highly robust. However, each test is significantly affected by leptokurtosis. Contrarily to other tests, where skewness is far more problematic than kurtosis, it has no additional effect for any of the endogenous break tests we analyze. Concerning overall robustness the Nyblom test performs best, while being almost on par to more recently developed tests in terms of power.
Abstract (Translated): 
Das vorliegende Papier untersucht die Bedeutung wichtiger Datenanomalien für die Identifikation von Strukturbrüchen in kleinen Stichproben. Dabei wird insbesondere auf die endogenen Strukturbruchtests eingegangen, die von Brown, Durbin und Evans (1975) und Zeileis (2004), Nyblom (1989) und Hansen (1992) sowie Andrews, Lee und Ploberger (1996) entwickelt wurden. Die Fehler erster und zweiter Art werden mit Hilfe von Monte Carlo Simulationen für verschiedene Szenarien analysiert. Die Resultate legen nahe, dass vor allem CUSUM-Tests durch Heteroskedastizität massiv beeinträchtigt werden, während der so genannte Nyblom-Test und der AvgLM-Test sich als sehr robust erweisen. Alle untersuchten Tests haben erhebliche Probleme im Fall starker Leptokurtosis der Fehlerterme. Die Schiefe der Fehlerverteilung hingegen, die für viele andere statistische Testverfahren problematischer ist, beeinflusst die aufgeführten Tests kaum. Insgesamt erweist sich der Nyblom-Test als der robusteste, wobei er gleichzeitig - bezüglich der Power - durchaus mit neueren Testverfahren mithalten kann.
Subjects: 
Structural breaks
heteroscedasticity
skewness
kurtosis
Monte Carlo study
Strukturbruch
Heteroskedastizität
Schiefe
Kurtosis
Monte-Carlo-Studie
JEL: 
C12
C15
Persistent Identifier of the first edition: 
Document Type: 
Working Paper

Files in This Item:
File
Size
941.94 kB





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.