金融计量学单位根检验法演示教学.ppt

最后，使用ADF检验的模型形式对 进行检验，即： 7.3.2 ERS Point-Optimal检验 ERS Point-Optimal 检验需要首先利用模型(6.24)获得残差序列，即： 进而求得残差平方和： 其中： 表示给定a时的残差平方和函数。 由此，Point-Optimal 检验统计量定义为： 其中： 表示频率为0的残差谱估计。 图7-6 EViews中ERS点最优检验对话框 7.3.3 Phillips- Perron检验 Phillips-Perron检验，是一种非参数单位根检验法。该检验的特点是使用DF检验中的AR（1）模型形式，即以下三种形式中的一种： 所以，PP检验不使用ADF检验中的AR（p）形式。 PP检验的统计量可以写成： 其中：T表示样本大小， 是DF检验模型中的系数 的估计值， 是检验统计量， 表示估计的系数标准差， 是回归等式的标准差， 表示频率为0的残差谱估计。 7.3.4 KPSS检验 KPSS检验是Kwiatkowski，Phillips, Schmidt, and Shin (1992) 提出的一种单位根检验方法。KPSS检验与以上介绍的几种单位根检验比较，最大的特点是它的原假设是平稳序列或趋势平稳序列，而备则假设是含有单位根。 KPSS检验的步骤 首先需要从下式的OLS回归中获得残差序列 ，即： 其中： （ 表示常数项），或者 （ 包括常数项和时间趋势两个变量 ）。 然后依据模型(7.31)获得的残差序列定义LM统计量 其中： 是频率为0的残差谱估计，而 是一个累积残差函数。 图7-8 EViews中 KPSS检验对话框 7.3.5 Ng- Perron 检验 Ng- Perron 检验的步骤 第一步是定义下式： 下面，定义以下四个统计量： 其中： 是频率为0的残差谱估计，并且 图7-9 EViews中Ng- Perron检验对话框 7.3.6 面板单位根检验 面板单位根检验，是对面板数据进行的单位根检验。如果我们有几个不同变量的时间序列数据，并且其时间跨度一致，那么就可以对这样一组时间序列变量进行单位根检验。所以，面板单位根检验可以理解成对多个序列同时进行单位根检验。 图7-10 EViews中面板单位根检验对话框 由于多个数据同时进行单位根检验，使用的回归方程和对应的检验统计量不可避免地要比单个序列复杂一些。但是，因为面板数据实际上从两个维度，即时间（T个）和不同序列个体（N个），来组织数据的，所以面板单位根检验可以有效地规避有限样本问题。 1)面板单位根检验的基本模型说明 基本原理： 如果 ，那么对应的 序列为平稳序列；如果 ，那么对应的 序列含有单位根。 的检验分为两大类情况。 第一类情况是假定面板数据中的所有序列都含有一个相同的单位根，即各个序列对应的 都相等，此时称为共同单位根过程检验。 相反，如果假定各个序列对应的 都不同，那么此时称为个体单位根过程检验。 金融计量学 张成思 第7章 单位根检验法 7.1 DF单位根检验法 7.2 ADF单位根检验法 7.3 其他单位根检验法 7.4 各种单位根检验法的应用 7.1 DF单位根检验法 7.1.1 DF检验的基本概念 * 在原假设条件下，序列 是非平稳的，所以传统的t-检验统计量将不再服从t分布。这样，传统的t-检验使用的临界值就是无效的。 DF检验的三种情况: 2）情况II 原假设是模型为随机游走过程。 如果待检验序列的均值不为0，并且不随时间变化，则可以考虑使用情况III来进行DF检验。 3)情况I 情况I是情况II的一种特殊情况，即截距项为0。在这种情况下，原假设和备择假设与情况II的完全相同。 但是，由于没有截距项的模型暗示 序列的均值为0，而这样的情况往往比较少，因此在实际应用中并不建议使用情况I。 7.2 ADF单位根检验法 7.2.1 ADF检验介绍 ADF检验，全称为Augmented Dickey-Fuller检