第21章时间序列计量经济学.ppt

注意：在不同的教科书上有不同的描述，但是结果是相同的。 例如：“如果计算得到的t统计量的绝对值大于临界值的绝对值，则拒绝ρ=0”的假设，原序列不存在单位根，为平稳序列。 进一步的问题：在上述使用 ?Xt=?+?Xt-1+?t 对时间序列进行平稳性检验中，实际上假定了时间序列是由具有白噪声随机误差项的一阶自回归过程AR(1)生成的。 但在实际检验中，时间序列可能由更高阶的自回归过程生成的，或者随机误差项并非是白噪声，这样用OLS法进行估计均会表现出随机误差项出现自相关（autocorrelation），导致DF检验无效。 另外，如果时间序列包含有明显的随时间变化的某种趋势（如上升或下降），则也容易导致上述检验中的自相关随机误差项问题。 为了保证DF检验中随机误差项的白噪声特性，Dicky与Fuller对DF检验进行了扩充，形成了ADF（Augment Dickey-Fuller ）检验。 2、ADF检验 ADF检验是通过下面三个模型完成的： 模型3 中的t是时间变量，代表了时间序列随时间变化的某种趋势（如果有的话）。 检验的假设都是：针对H1: ?0,检验 H0：?=0，即存在一单位根。模型1与另两模型的差别在于是否包含有常数项与趋势项。 实际检验时从模型3开始，然后模型2、模型1。 何时检验拒绝零假设，即原序列不存在单位根，为平稳序列，何时检验停止。否则，就要继续检验，直到检验完模型1为止。 检验原理与DF检验相同，只是对模型1、2、3进行检验时，有各自相应的临界值。 表9.1.4给出了三个模型所使用的ADF分布临界值表。 同时估计出上述三个模型的适当形式，然后通过ADF临界值表检验零假设H0：?=0。 1）只要其中有一个模型的检验结果拒绝了零假设，就可以认为时间序列是平稳的； 2）当三个模型的检验结果都不能拒绝零假设时，则认为时间序列是非平稳的。 这里所谓模型适当的形式就是在每个模型中选取适当的滞后差分项，以使模型的残差项是一个白噪声（主要保证不存在自相关）。 一个简单的检验过程： 例9.1.6 检验1978~2000年间中国支出法GDP时间序列的平稳性。 1）经过偿试，模型3取了2阶滞后： 从?的系数看，t临界值，不能拒绝存在单位根的零假设。 时间T的t统计量小于ADF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 。 2）经试验，模型2中滞后项取2阶： 从GDPt-1的参数值看，其t统计量为正值，大于临界值，不能拒绝存在单位根的零假设。 常数项的t统计量小于AFD分布表中的临界值，不能拒绝不存常数项的零假设。需进一步检验模型1。 3)经试验，模型1中滞后项取2阶： 从GDPt-1的参数值看，其t统计量为正值，大于临界值，不能拒绝存在单位根的零假设。 可断定中国支出法GDP时间序列是非平稳的。 7.2 7.6 8.0 8.4 8.8 9.2 9.6 10.0 10.4 10.8 55 60 65 70 75 80 85 90 95 Log(Y) 经过一阶差分后的单位根检验： 单位根检验的批评 一方面：显著性水平扭曲的问题 另一方面：检验势低的问题 非平稳时间序列的变换 差分法 退化趋势法（对时间趋势项进行回归而退化趋势后变为平稳） 把DSP当作TSP来处理，则差分不足问题 把TSP 当作DSP来处理，则差分过度问题 谬误回归现象 一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联关系，这时对这些数据进行回归，尽管有较高的R2，但其结果是没有任何实际意义的。这种现象我们称之为虚假回归或伪回归（spurious regression）。 　为了避免这种虚假回归的产生，通常的做法是引入作为趋势变量的时间，这样包含有时间趋势变量的回归，可以消除这种趋势性的影响。 　然而这种做法，只有当趋势性变量是确定性的（deterministic）而非随机性的（stochastic），才会是有效的。 　换言之，如果一个包含有某种确定性趋势的非平稳时间序列，可以通过引入表示这一确定性趋势的趋势变量，而将确定性趋势分离出来。 三、平稳性检验的图示判断 给出一个随机时间序列，首先可通过该序列的时间路径图来粗略地判断它是否是平稳的。 一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程； 而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。 进一步的判断: 检验样本自相关函数及其图形 定义随机时间序列的自相关