小样本DW统计量的分布特征.docVIP

小样本DW统计量的分布特征张晓峒1赵初晓2 (1.南开大学国际经济研究所,天津天津大学管理学院,天津摘要：本文用模特卡罗模拟方法研究了样本容量在54以下的DW统计量的分布特征，并给出小样本DW检验临界值表。同时用DW检验提出了一个判别最小二乘估计中是否存在虚假回归的有效方法。关键词：模特卡罗模拟，DW分布，非平稳性，协整 Distribution?i,?j。则yt和xt为相互独立的两个I(1)过程。 建立如下回归模型： yt?=?b0?+?b1xt?+?wt?. 当对上式进行最小二乘估计时，会产生虚假回归问题。用随机误差wt的最小二乘估计值?构造DW统计量， ? 因为当T???μ?时，?必然接近于零，上式中分子为Op(1)，而分母T?-1sw2也是Op(1)，所以DW统计量是Op(T?-1)的。当T???μ?时，有 DW?T?0. 即当用两个I(1)变量进行如模型(3)形式的回归时，DW统计量的极限分布为零。 3．小样本DW分布的蒙特卡罗模拟及其结果分析 当样本为有限样本，特别是小样本时，DW统计量的分布与其极限分布有着很大不同。由于上述条件下的DW统计量的分布无法用解析的方法求解，本文用蒙特卡罗模拟方法对DW统计量的小样本分布特征进行了研究。 以模型(3)为基础，除了以yt，xt?~?I(1)为条件对DW分布进行模拟外，还分别以yt?~?I(1)，xt?~?I(0)?和yt，xt?~?I(0)为条件进行了模拟。 由于DW(0,0)就是通常意义的DW统计量，所以只模拟样本容量T?=?10,?40两种情形。对于DW(1,1)和DW(1,0)，分别取T?=?10,?20,?30,?40和50进行了模拟。在每个样本容量条件下各模拟1000次。所得结果见表一。 首先见表一的第三部分，先分析DW(0,0)?的分布特征。由于DW(0,0)?就是通常意义的DW统计量，所以模拟结果表明，一.?DW(0,0)分布的均值为2，不受样本容量大小的影响；二.分布是对称的，相应JB值说明小样本DW(0,0)统计量的分布与正态分布相当近似。三.?随着样本容量的增大，分布的标准差逐步减小。 见表一的第一、二部分。小样本DW(1,1)和DW(1,0)统计量有着相似的分布特征。一.?分布均为右偏态，分布左侧有端点，端点为零；二.?随着样本容量的增大，DW(1,1)和DW(1,0)分布的右偏倚程度越来越大，分布均值逐步相左移动，90、95、99百分位数也逐步向左移动，同时分布的标准差逐步减小，分布的峰值越来越大，DW取值向零集中；三.?在样本容量相同的条件下，DW(1,0)分布总是位于DW(1,1)分布的左侧，即DW(1,0)分布的均值、百分位数以及方差都比DW(1,1)分布的相应量小。T?=?50模拟1000次的DW(1,1)和DW(1,0)分布的结果分别见图一和图二。 表一??DW分布的蒙特卡罗模拟结果 类??型 样本容量 百?分 位?数 ?均?值 标准差 偏?度 JB统计量 ??1 ?90 ?9?9 ???10 ??? ?? DW(1,1) ???20 ????? ???30 ?? ?? ???40 ?? ?? ???50 ??? ? ???10 ????? ???20 ???? DW(1,0) ???30 ???? ???40 ?? ?? ???50 ???? DW(0,0) ???10 ??? ??? ???40 ?? ? ??? 注：1.?DW(1,1)表示由两个I(1)变量进行回归，计算得到的DW值。 .?DW(1,0)表示由一个I(1)变量和一个I(0)变量进行回归，计算得到的DW值。 .?DW(0,0)表示由两个I(0)变量进行回归，计算得到的DW值。 .?在每个样本容量条件下各模拟1000次。 图一?T?=?50模拟1000次的DW(1,1)分布直方图 ?图二?T?=?50模拟1000次的DW(1,0)分布直方图 在相同样本容量条件下，DW(1,0)分布之所以位于DW(1,1)分布左侧，可作如下解释。随着T???μ，DW(1,0)和DW(1,1)的分布都趋近于零。由于DW(1,0)来自于一个I(1)?变量和一个I(0)变量之间的回归，所以残差序列wt?~?I(1)。由于DW(1,1)来自于两个I(1)变量之间的回归，一般来说残差序列wt?~?I(1)，但也有可能在yt和xt之间存在协整关系，从而使wt?~?I(0)。所以DW(1,0)分布