变量平稳性检验 计量经济学 EVIEWS建模课件.pptx

变量平稳性检验变量的平稳性决定了各期数据分布的一致性，所以在平稳时序中可以广泛的使用大数定律和中心极限定理。但是在非平稳时序中，由于各时期的分布是不同的，使得传统的估计、检验等方法不再有效了。为此需要我们判断时序的平稳性问题并做如下研究：一、非平稳统计量的分布模拟二、非平稳过程的统计特征三、时序非平稳性检验四、单位根检验的程序操作一、对非平稳序列统计量分布的试验观察㈠ 纯随机过程的分布实例设：ut 、vt ? IN(0, 1)； ut 、vt ? I (0)。用随机函数每次分别生成T=150的相互独立的{ut}和{vt}，并计算相关系数ruv。重复该实验1万次，从而得到ruv的分布。见下图所示： ㈡ 一阶单整过程的分布实例设：Xt =Xt-1 + ut； Yt =Yt-1 + vt ；X0 = Y0 = 0； ut 、vt ? IN(0, 1)； ut 、vt ? I (0) ；则Xt 、Yt ? I (1)。利用{ut}和{vt}，每次生成T=150的随机游走过程{Xt}和{Yt}，并计算rXY。重复该实验1万次，得到rXY的分布并非正态： ㈢ 二阶单整过程的分布实例续前例并设：pt = pt-1 + Xt , p0 = 0, pt ? I (2)；qt = qt-1 + Yt ,　q0 = 0,　qt ? I (2)。利用{Xt}和{Yt}，每次生成T=150的二阶单整过程{pt}和{qt}，并计算rpq。重复该实验一万次，从而得到rpq的分布图如下：㈣ 非平稳产生的问题通过上述三个图的观察，可知在变量非平稳时，r已不服从正态分布。而r的实际分布是服从倒U或U字型分布，这将在Ho: r=0的假设检验时，增加了拒绝的概率。即不相关的变量认为是相关的。比较三种试验与t分布有：⑴三条试验分布曲线叠加示意图　　⑵t(98)分布和虚假回归条件下的t分布图二、非平稳过程的统计特征㈠ 单整过程的统计特征 利用AR(1)过程比较平稳与非平稳时序的特点： ⒈ 随机游走过程的特点 随机游走过程：Xt = Xt-1 + ut其中：X0 = 0，ut ? IN (0，?u2)。特点有： ⑴具有永久记忆性。即：Xt =Xt-2 + ut-1 + ut = … =∑1→t ui⑵条件期望值Et(Xt＋s)＝Xt＋E(∑1→sut＋i)＝Xt； ⑶随T的增加，方差变为无穷大。即：Var(Xt) =∑1→tVar(ui) = t?u2；且与时间有关：∵Var(Xt-s)＝Var(u1+u2+…+ut-s)＝(t-s)σu2；即：Var(Xt)≠Var(Xt-s)，∴X非平稳。 ⑷自相关函数ACF随时间的延长而趋于1。求XT 和XT-k的自相关系数ACFk 有：Cov(XT,XT-k) = E(XT XT-k) = E(∑1→Tui∑1→T-kui) = E(∑1→T-kui2) = (T-k) ?u2ACFk == = =可见当T→∞和k=0时，ACF→1。⒉ 平稳的AR⑴过程的特点 对于AR(1) 过程Yt =ρYt-1 + vt；vt ? IN(0,?v2), ?ρ?1，Y0 = 0。有如下特点： ⑴只有有限记忆性。即：Yt = vt + ρvt-1 +ρ2 vt-2 = … =∑0→t-1ρjvt-i ⑵方差为有限值。即：Var(Yt) = E(∑0→t-1ρjvt-i)2 = ?v2/(1-ρ2) ⑶ACF随时间的延长而趋于零。因为AR(1) 过程的自相关函数公式是ACFk =ρk ，且平稳的AR⑴中，ρ＜1，所以有随着k的增加ρk→0。通过上述对比分析，非平稳的单整随机游走过程与平稳的一阶自回归过程有明显的差异。现总结如下表所示：随机游走过程和平稳的一阶自回归过程统计特征比较随机游走过程平稳的一阶自回归过程方差t?u2 (无限的)?u2/(1-ρ12) (有限的)自相关系数ACk = ? 1, ? k, T? ?ACk =ρ1k穿越零均值点的期望时间无限的有限的记忆性永久的暂时的㈡ 维纳过程与单整过程的关系 ⒈标准维纳过程的定义 标准Wiener过程一般用W(i) 表示，可看作是在 [0, 1] 区间内连续的随机游走过程，需满足以下条件： ⑴ 对于每个i ? 0，有E[W(i)] = 0。 ⑵ 对于每个i ? 0，W(i)都是正态分布的并且是非退化的。即：W(t)－W(s)～N(0，t-s) ⑶ W(i) 具有独立的增量。 ⑷ P{V(0) = 0} = 1。　⑸ ?i ? 0，i ? [0, 1]。⒉一般维纳过程 由标准维纳过程可以定义一般的维纳过程，即常称为布朗运动(Brownian motion)过程。令：B(t)=σW(t)其中σ＞0；B(t) 称为方差为σ2的维纳过