单位根检验详.docVIP

第2节 单位根检验 由于虚假回归问题的存在，因此检验变量的平稳性是一个必须解决的问题。在第十二章中介绍用相关图判断时间序列的平稳性。这一章则给出序列平稳性的严格的统计检验方法，即单位根检验。单位根检验有很多方法，这里主要介绍DF和ADF检验。 序列均值为0则无C，序列无时间趋势则无trend 在介绍单位根检验之前，先认识四种典型的非平稳随机过程。 1、四种典型的非平稳随机过程 （1）随机游走过程。 yt = yt-1 + ut , y0 = 0, ut ? IID(0, ? 2) 其均值为零，方差无限大（?），但不含有确定性时间趋势。（见图1a）。 图1a 由yt = yt-1+ ut生成的序列 图1b 深证成指 （2）随机趋势过程。 yt = ? + yt-1 + ut , y0 = 0, ut ? IID(0, ? 2) 其中?称作位移项（漂移项）。由上式知，E(y1)= ?（过程初始值的期望）。将上式作如下迭代变换， yt = ? + yt-1 + ut = ?+ (?+ yt-2 + ut-1) + ut = … = ?t +y0 + yt由确定性时间趋势项?t和y0 +组成。可以把y0 +看作随机的截距项。在不存在任何冲击ut的情况下，截距项为y0。而每个冲击ut都表现为截距的移动。每个冲击ut对截距项的影响都是持久的，导致序列的条件均值发生变化，所以称这样的过程为随机趋势过程（stochastic trend process），或有漂移项的非平稳过程（non-stationary process with drift），见图2，虽然总趋势不变，但随机游走过程围绕趋势项上下游动。由上式还可以看出，?是确定性时间趋势项的系数（原序列yt的增长速度）。?为正时，趋势向上；?为负时，趋势向下。 图2a 由yt =0.1+ yt-1+ ut生成的序列 图2b 由yt =- 0.1+ yt-1+ ut生成的序列 因为对yt作一次差分后，序列就平稳了， ? yt = yt - yt-1 = ? + ut （平稳过程） 所以也称yt为差分平稳过程（difference- stationary process）。?是? yt序列的均值，原序列yt的增长速度。 （3）趋势平稳过程 yt = ?0 + ?1 t + ut, ut = ?ut-1 + vt, (? 1, vt ? IID(0, ?2)) yt 与趋势值 ?0+?1t不同，差值为ut。因为ut是平稳的，yt只会暂时背离趋势。yt+k的长期预测值将趋近于趋势线?0+?1(t+k)。所以称其为趋势平稳过程（trend stationary process）。趋势平稳过程由确定性时间趋势?1 t所主导。趋势平稳过程见图3，属于非平稳过程。 趋势平稳过程也称为退势平稳过程，因为减去趋势后，其为平稳过程，yt - ?1t = ?0+ ut。 yt = ?0 + ?1 t + ut不必通过差分变为平稳过程。因为趋势平稳过程的差分过程是过度差分过程。?yt = ?1 + ut - ut-1。移动平均特征方程中含有单位根。 图3 yt = 0.05+0.1 t + AR(1), ?=0.8 生成的序列 （4）趋势非平稳过程 yt = ?0+ ? t + yt-1 + ut , y0 = 0, ut ? IID(0, ? 2) 其中?0称作位移项（漂移项），? t称为趋势项。 上式是含有随机趋势和确定性趋势的混合随机过程（见图4）。 图4 yt = 0.01+ 0.01t + yt-1+ ut, ut ? IID(0, ? 2)生成的序列 对上式进行迭代运算(设定y0=0) yt = ? + ? t + yt-1 + ut = ? + ? t + [? + ? (t-1) + yt-2 + ut-1] + ut = = y0 + ? t + (? t) t - ? (1+2 +…+ t) + = y0 + ? t + ? t 2 -( 1+ t ) t += (? -) t +t 2 +, 趋势非平稳过程是含有随机趋势和确定性趋势的混合过程。趋势项中包括t的1次和2次项。这种过程在经济问题中非常少见。 下面分析随机趋势过程与平稳的AR(1)过程的区别。对于如下过程：yt