第3讲：非平稳时间序列和单位根 p51.pptVIP

对自回归模型的估计 自回归模型： 的OLS估计结果是有偏的。 Mann and Wald (1943, Econometrica) 平稳 OLS估计结果是一致的，且渐进服从正态分布。 所以，当 时OLS估计结果将不渐进地服从正态分布。 DF检验 原假设（真实过程） 估计的回归模型 DF检验 DF检验 真实过程（原假设） 估计的回归模型 原假设和备择假设 极限分布 增广的DF 检验，ADF检验（Augmented Dicky-Full） 随机扰动项可能存在序列相关（若DGP为AR(p)） 估计的回归模型扩展为： EViews操作 PP (Phillips-Perron) 检验 Wold表述：一个平稳过程，总是可以用 MA 模型表示。 协方差 方差 长期方差 PP (Phillips-Perron) 检验 随机扰动项可能存在序列相关 EViews操作 KPSS (Kwiatkowski-Phillips-Schmidt-Shin) 检验 不存在单位根，原假设 存在单位根，备择假设 KPSS (Kwiatkowski-Phillips-Schmidt-Shin) 检验 单位根检验的总结 1．单位根检验 DF (Dicky-Full) 检验 2．解决DF检验中随机扰动项自相关问题。 ADF (Augmented Dicky-Full) 检验 PP (Phillips-Perron) 检验 3．平稳性检验 KPSS (Kwiatkowski-Phillips-Schmidt-Shin) 检验 目录 0. 平稳性定义 1．什么是单位根 2．非平稳数据的数据特征 3．时间趋势平稳与差分平稳 各种单位根检验的方法 ADF检验量仿真模拟 ADF单位根检验仿真 1、DGP 设 2、蒙特卡洛模拟ADFt检验统计量的分布 DGP的Matlab程序 clear N = 10000; T = 150; phi = 0.05; delta = 0.005; alpha = 1; Y0(1:2,1:N) = 1.3; randn(seed,1); u = randn(T,N); for j = 1:N for i = 3:T Y0(i,j) = (1+phi)*Y0(i-1,j)-phi*Y0(i-2,j)+alpha+delta*(i-2)+u(i,j); end end Y=Y0(51:T,:); ADFt检验统计量 function ADFt = ADF1(y,p,lg) [T,rep] = size(y); deltay = diff(y); lagy = trimr(lag(y,1),1,0); y0 = trimr(deltay,lg,0); xmat = zeros(T-lg-1,2+lg+p); beta = zeros(p+lg+2,rep); sigma2 = zeros(1,rep); sigmabeta2 = zeros(p+lg+2,rep); ADFt = zeros(1,rep); if p-1 deterv=trimr(ptrend(p,T),lg+1,0); xmat(:,2+lg:2+lg+p) = deterv; end; for i=1:rep xmat(:,1:1+lg)=trimr([lagy(:,i) mlag(deltay(:,i),lg)],lg,0); beta(:,i)=(xmat*xmat)\(xmat*y0(:,i)); % sigma2(i)=(y0(:,i)-xmat*beta(:,i))*(y0(:,i)- xmat*beta(:,i)) /(T-2-p-lg); % sigmabeta2(1:p+lg+2,i)=diag(sigma2(i)*eye(p+lg+2)/(xmat*xmat)); % ADFt(i)=beta(1,i)/sqrt(sigmabeta2(1,i)); % end 主程序：求临界值，作分布图 ADFt = ADF1(Y,1,1); CV_ADFt=quantile(ADFt,[0.01,0.05,0.1]); CV_z=quantile(randn(1,10000),[0.01,0.05,0.1]); ksdensity(ADFt) hold on ksdensity(randn(1,10000)) 求得临界值 显著性水平 1% 5% 10% ADFt临界值