3.1 时间序平稳性和单位根检验.pptVIP

第3章 现代时间序列计量经济学模型 本章说明 关于经典的平稳时间序列分析模型，即自回归模型（AR）、移动平均模型（MA）、自回归移动平均模型（ARMA）等，在一般的中级计量经济学教科书或者经典的时间序列分析教科书中，都有详细的介绍，本章将不予涉及。 本章所讨论的，主要是非平稳时间序列。重点是单位根检验、协整检验和误差修正模型。 向量自回归模型（VAR）已经成为一类广泛应用的现代时间序列分析模型，本章将进行简单的介绍。 3、例题演示 检验1978~2006年间中国实际支出法国内生产总值GDPC时间序列的平稳性。 ADF检验在Eviews中的实现 ADF检验在Eviews中的实现 检验GDPC，模型3 检验GDPC，模型3 检验GDPC，模型2 检验GDPC，模型2 检验GDPC，模型1 检验GDPC，模型1 至此，可断定中国实际支出法GDP时间序列是非平稳的。如果仅需要检验该时间序列是否是平稳的，检验到此结束。 如果需要检验该时间序列的单整性，即它是多少阶的单整序列，则需要对其一次差分序列、二次差分序列等进行单位根检验。 检验ΔGDPC，模型3 检验ΔGDPC，模型3 检验ΔGDPC，模型2 检验ΔGDPC，模型1 检验Δ（ΔGDPC），模型3 检验Δ（ΔGDPC），模型3 检验Δ（ΔGDPC），模型2 检验Δ（ΔGDPC），模型1 4、关于ADF检验的几点讨论 关于检验模型中滞后项的确定 模型（1）、（2）、（3）中都含有滞后项，其目的是为了消除模型随机项的序列相关，保证随机项是白噪声。 一般采用LM检验确定滞后阶数，以及其它数据依赖方法。 关于检验模型中滞后项的确定 当采用一些应用软件（例如Eviews）进行ADF检验时，可以自动得到滞后阶数，使得估计过程更加简单。 但是，在软件中一般采用信息准则（例如AIC、BIC等）确定滞后阶数，其明显的缺点是无法判断滞后阶数不连续的情况，例如只存在1阶和3阶而不存在2阶相关的情况。 另外，从理论上讲，信息准则主要是基于预测的均方误差最小，但对于单位根检验而言重要的是消除序列之间的相关性。 关于检验模型中滞后项的确定 过高定阶和过低定阶对单位根检验有着不对称的影响。 过高定阶意味着自相关已经消除，但含有冗余回归元，因此不会影响检验的尺度(size)，但会影响检验的势，Monte-Carlo试验证实这种势的降低并不强烈。 过低定阶意味着自相关还没有消除，因此t统计量的分布形态将会发生改变，检验的尺度和势（power）都会发生扭曲。 由于信息准则相对于检验序列相关的数据依赖方法一般倾向于过低定阶，因此其在单位根检验中的表现差于数据依赖方法。 如何处理检验过程中的矛盾现象？ 对于模型（3），如果检验显示既不拒绝零假设：δ=0，也不拒绝零假设：β=0，既然就要检验模型（2）。 如果检验显示不拒绝零假设：δ=0，但是拒绝零假设： β=0 ，那么回到模型（2）是不合理的。这就出现了矛盾。 一种经验的处理方法是采用正态分布临界值检验是否存在单位根，即将临界值适当放松，如果仍然存在单位根，即停止检验，得到该时间序列非平稳的结论。 Eviews 中提供的检验方法 四、趋势平稳与差分平稳随机过程 考虑如下的含有一阶自回归的随机过程： 随机性趋势可通过差分的方法消除 ，该时间序列Xt称为差分平稳过程（difference stationary process）； 确定性趋势无法通过差分的方法消除，只能通过除去趋势项消除，该时间序列Xt称为趋势平稳过程（trend stationary process）。 五、结构变化时间序列的单位根检验 1、随机时间序列的结构变化 3种基本突变类型 存在水平(level)突变； 存在倾斜(slope)突变； 存在水平和倾斜突变。 扩展突变类型 2个及多个断点。 从△GDPC(-1)的参数值看，其t统计量的值大于临界值，不能拒绝存在单位根的零假设。同时，由于时间项项T的t统计量也小于AFD分布表中的临界值，因此不能拒绝不存在趋势项的零假设。需进一步检验模型2 。 从△GDPC(-1)的参数值看，其统计量的值大于临界值，不能拒绝存在单位根的零假设。同时，由于常数项的t统计量也小于AFD分布表中的临界值，因此不能拒绝不存在趋势项的零假设。需进一步检验模型1。 从△GDPC(-1)的参数值看，其统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。至此，可断定△GDPC时间序列是非平稳的。 从△2GDPC(-1)的参数值看，其t统计量的值小于临界值，拒绝存在单位根的零假设。至此，可断定△2GDPC时间序列是平稳的。 GDPC是I(2)过程。 关于ADF检验模型的进一步说明 如果时间序列具有明显的趋势，则应该用模型3检验； 如果时间序列没