第4章单位根检验(讲稿)教程.doc

PAGE 1 PAGE 16 第4章 单位根检验 4.1 DF分布 由于虚假回归问题的存在，在回归模型中应避免直接使用非平稳变量。因此检验变量的平稳性是一个必须解决的问题。在第二章中介绍用相关图判断时间序列的平稳性。这一章则给出严格的统计检验方法，即单位根检验。 1）单位根检验模型 在介绍检验方法之前，先讨论所用统计量的分布。给出三个简单的自回归数据生成过程（d.g.p.）， yt = ? yt-1 + ut , y0 = 0, ut ? IID(0, ? 2) (4.1) yt = ? + ? yt-1 + ut , y0 = 0, ut ? IID(0, ? 2) (4.2) yt = ? + ? t + ? yt-1 + ut , y0 = 0, ut ? IID(0, ? 2) (4.3) 其中? 称作位移项（漂移项），? t称为趋势项。 显然，对于以上三个模型，当 ? ? ? 1时，yt 是平稳的，当 ? ? ? = 1时，yt 是非平稳的。 2）检验统计量的分布 （1）以模型 (4.1) 为例，若 ? = 0，统计量， (4.4) 的极限分布为标准正态分布。 （2）若? ? ? 1，统计量， (4.5) 渐进服从标准正态分布。根据中心极限定理，当T ? ? 时， ? N (0, ? 2 (1- ? 2 ) ) (4.6) （3）那么在 ? ? ? = 1条件下，统计量服从什么分布呢？当 ? ? ? = 1时，变量非平稳，上述极限分布发生退化（方差为零）。 首先观察 ? = 1条件下，数据生成系统(4.1)，(4.2) 和 (4.3)的变化情况。 ①? = 1条件下的(4.1) 式是随机游走过程。 由yt = yt-1+ ut生成的序列 深圳股票综合指数（file:stock） ②? =1条件下的(4.2)式是含有随机趋势项的过程。将(4.2)式作如下变换则展示的更清楚。 yt = ? + yt-1 + ut = ? + (? + yt-2 + ut-1) + ut = … = y0 + ? t + = ? t + (4.7) 这是一个趋势项和一个随机游走过程之和。所以称作随机趋势过程，见图 4.2，虽然总趋势向上，但漂移项上下漂动。因为对yt作一次差分后，序列就平稳了。 ? yt = yt - yt-1 = ? + ut （平稳） 所以也称yt为差分平稳过程。 图4.2a 由yt = 0.1+ yt-1+ ut生成的序列 图4.2b 由yt = - 0.1+ yt-1+ ut生成的序列（file:simu2） ③? =1条件下的 (4.3) 是含有随机趋势和确定性趋势的混合随机过程。将(4.3) 式作如下变换 yt = ? + ? t + yt-1 + ut = ? + ? t + (? + ? (t-1) + yt-2 + ut-1) + ut = … = y0 + ? t + ? t 2 - ? (1+2 +…+ t) + = y0 + ? t + ? t 2 -( 1+ t ) t + = (? -) t +t 2 + (设定y0=0) 含有随机趋势和确定性趋势的混合随机过程实际上是随机游走加上一个时间t的2次方过程。这种过程在经济问题中非常少见。 图 4.4给出的是含有随机趋势和确定性趋势的混合随机过程。 图4.4 yt = 0.1+ 0.1t + yt-1+ ut生成的序列（file:simu2） ④? =1条件下用于检验单位根的统计量不再是正态分布或渐进服从标准正态分布，而是DF统计量。DF统计量的表达式与通常意义的t统计量完全相同。 = 当T ? ? 时， DF = ? 同理，对于模型 (4.2) 和 (4.3) 的DF统计量的极限分布也是Wiener过程的函数。由于这些极限分布无法用解析的方法求解，一般都是用模拟和数值计算的方法进行研究。 ? = -1时的DF的分布是? = 1时的DF分布的镜像，所以只研究? = 1条件下DF的分布即可。对于经济问题，很少出现 ? = -1的情形。 （4）DF统计量的分布图 蒙特卡罗模拟方法得到的DF统计量的分布见图4.11。 4.2 百分位数表 Full (1976) 用蒙特卡罗模拟方法得到DF统计量的百分位数表，分别见附表5和6。以模型 (4.2)，? = 1为条件，取样本容量T = 100，用蒙特卡罗方法模拟10000次得到的，DF的分布分别