高铁梅eviewss教材-第05章时间序列模型解析.ppt

其中 a 是常数，? t 是线性趋势函数，ut ～ i.i.d. N 0, ? 2 。 5.3.5 5.3.6 5.3.7 1. DF检验 为说明DF检验的使用，先考虑3种形式的回归模型 1 如果 -1 ? 1，则 yt 平稳（或趋势平稳）。 2 如果 ? 1，yt 序列是非平稳序列。 5.3.4 式可写成： 显然 yt 的差分序列是平稳的。 3 如果 ? 的绝对值大于1，序列发散，且其差分序列是非平稳的。 因此，判断一个序列是否平稳，可以通过检验 ? 是否严格小于1来实现。也就是说： 原假设H0：? 1，备选假设H1：? 1 5.3.8 5.3.9 5.3.10 从方程两边同时减去 yt-1 得， 其中：? ? -1。 其中：? ? -1，所以原假设和备选假设可以改写为 可以通过最小二乘法得到? 的估计值，并对其进行显著性检验的方法，构造检验显著性水平的 t 统计量。 但是，Dickey-Fuller研究了这个t 统计量在原假设下已经不再服从 t 分布，它依赖于回归的形式 是否引进了常数项和趋势项 和样本长度T 。 Mackinnon进行了大规模的模拟，给出了不同回归模型、不同样本数以及不同显著性水平下的临界值。这样，就可以根据需要，选择适当的显著性水平，通过 t 统计量来决定是否接受或拒绝原假设。这一检验被称为Dickey-Fuller检验 DF检验 。 上面描述的单位根检验只有当序列为AR 1 时才有效。如果序列存在高阶滞后相关，这就违背了扰动项是独立同分布的假设。在这种情况下，可以使用增广的DF检验方法（augmented Dickey-Fuller test ）来检验含有高阶序列相关的序列的单位根。 2. ADF检验 考虑 yt 存在p阶序列相关，用p阶自回归过程来修正， 在上式两端减去 yt-1，通过添项和减项的方法，可得 其中 ADF检验方法通过在回归方程右边加入因变量 yt 的滞后差分项来控制高阶序列相关 5.3.11 5.3.12 5.3.13 扩展定义将检验 5.3.14 原假设为：至少存在一个单位根；备选假设为：序列不存在单位根。序列 yt可能还包含常数项和时间趋势项。判断? 的估计值 是接受原假设或者接受备选假设，进而判断一个高阶自相关序列AR p 过程是否存在单位根。 类似于DF检验，Mackinnon通过模拟也得出在不同回归模型及不同样本容量下检验 不同显著性水平的 t 统计量的临界值。这使我们能够很方便的在设定的显著性水平下判断高阶自相关序列是否存在单位根。 但是，在进行ADF检验时，必须注意以下两个实际问题： （1）必须为回归定义合理的滞后阶数，通常采用AIC准则来确定给定时间序列模型的滞后阶数。在实际应用中，还需要兼顾其他的因素，如系统的稳定性、模型的拟合优度等。 （2）可以选择常数和线性时间趋势，选择哪种形式很重要，因为检验显著性水平的 t 统计量在原假设下的渐近分布依赖于关于这些项的定义。 ① 若原序列中不存在单位根，则检验回归形式选择含有常数，意味着所检验的序列的均值不为0；若原序列中存在单位根，则检验回归形式选择含有常数，意味着所检验的序列具有线性趋势，一个简单易行的办法是画出检验序列的曲线图，通过图形观察原序列是否在一个偏离 0 的位置随机变动或具有一个线性趋势，进而决定是否在检验时添加常数项。 ② 若原序列中不存在单位根，则检验回归形式选择含有常数和趋势，意味着所检验的序列具有线性趋势；若原序列中存在单位根，则检验回归形式选择含有常数和趋势，意味着所检验的序列具有二次趋势。同样，决定是否在检验中添加时间趋势项，也可以通过画出原序列的曲线图来观察。如果图形中大致显示了被检验序列的波动趋势呈非线性变化，那么便可以添加时间趋势项。 3. DFGLS检验 在经验研究中，尽管DF检验的DF 统计量是应用最广泛的单位根检验，但是它的检验功效偏低，尤其是在小样本条件下，数据的生成过程为高度自相关时，检验的功效非常不理想。另外，DF检验和ADF检验对于含有时间趋势的退势平稳序列的检验是失效的。因此，为了改进DF和ADF检验的效能，Elliott，Rothenberg和Stock 1996 基于GLS方法的退势DF检验，简称为DFGLS检验，其基本原理如下： 首先定义序列 yt 的拟差分序列如下： t 1, 2, ?, T 并且构造如下回归方程： t 1, 2, ?, T 5.3.14 其中xt 1 表示 yt 中只含有截距项，或 xt 1,t ?表示 yt 中含有截距项和趋势项。令表示方程 5.3.14 参数的最小二乘估计量，在实际计算中通常如下定义参数 a： 利用方