相依条件下的单位根检讨统计量的渐近分布.pdfVIP

摘 要 近年来时间序列的单位根研究是时间序列分析的一个热点问题，许多学者都对其进 行过研究．众所周知，当回归模型形式未知时，我们首先应该对模型的平稳性进行单位 根检验．当误差满足独立同分布的条件时，我们已经得到了一些很经典的结果．但是在某 些情况下，特别是在一些经济金融序列分析中，误差项往往表现出一定的相关性，这时 我们通常的单位根检验就不适用了，为此我们讨论应用再抽样(bootS竹ap)方法来使我们 的单位根检验得以继续进行． 质是就是一个再抽样过程：设{xk，1≤七≤礼)是从总体x中抽取的n个样本，可以相 互独立也可以相关．令{ml，mz，…)是一列正整数，记x。=(X，，五，…，赫)，对任意 的m。，弼l’弼2，…，砖，。。表示从托，托，…，％中均匀有放回地再抽取的‰个 样本，称其为容量为m。的再抽样样本．下面我们再抽样(bootstrap)方法应用到误差为相 依条件下的AR(1)模型的单位根检验中． 对于一个真实模型为随机游动的AR(1)序列： 五=X—l+龟，‰=0，i∈N 由于我们并不知道真实模型的形式，所以我们在假设回归模型时便有不同的选择： 对于如下不含常数项的回归模型： ．A已II．护j0一l+￡t，．j，0=0，i∈N，p∈Ⅱ跫． 我们要做如下的单位根检验：原假设为／可o：口=1 当{￡i)在严格仅平稳的情况下，基于LES统计量目的单位根统计量的再抽样渐近分布． 类似地，ZhangLX，YangXR(2006)证明了当{岛满足平稳条件且具有零均值有限 方差时上述模型的单位根统计量的再抽样渐近分布． 本文受到上述两篇文章的启发，主要考虑当回归模型含有常数项时的单位根统计量 的再抽样渐近分布，即对于模型： X=a+臼置一l+鼠，Xo=0，i∈N，a∈R，口∈R． 我们要进行二参数的单位根检验：原假设为凰．：OL=0且口=1． II 中文摘要 首先我们可以得到曰和Ot的最小二乘估计： 1茎!二茎2 每一∑兰!!垄二!二茎二12 ’ ‰一 ∑：。(置一-一戈一-)z 彘=贾一O‘nX一_1． 其中贾=丢∑：，X，．疋1=i1∑：。五-1． 然后考虑对应的再抽样过程蜀，．磁，…，X。是n个样本观察值． a。，其中如和瓯是上述定义的最小二乘估计量． 2．对于固定的仇n，从原先计算的样本残差E：，￡；，…，￡：中得到再抽样样 本f1，矗，…，磊． 3．令赢=0，寇=如+以寇一1+磊，1≤i≤m，并计算由此得到最小二乘估计量 百一∑圣!堕二!二茎二!丛垄二型 ‰一 ’ ∑罂，(宠一。一支一。)。 am=X一％X一1． 其中贾=鬲1∑兰。定，贾一-=击∑銎，宠一t． 4．求出m(乱一氏)和m1／2(a。一a。)的渐近分布． 最后，我们得到了本篇文章的主要结果如下： 髟(m(k一蚕。)≤z)三P(∈≤z)， 艮(簖l／2m聊(‰一瓯)≤z)三尸(荨”≤z)． 其中 亡片W(t)dW(t)一w(1)foW(t)dt r 片W2(t)dt一嚼W(t)dt]2’ W(t)dW(t1 一， wo、毯W2(t)dt一东W(t)dt·li ～一 ’ 露W2(t)dt一咐W(t)dt]2 且饥满足锄—■77． 关键词：自回归模型最小二乘估计单位根检验泛函中心极限定理相依随机 变量再抽样渐近分布