8.1-时间序列平稳性和单位根检验.ppt

说明 本节的概念是重要的，属于经典时间序列分析。 在实际应用研究中，一般直接采用单位根检验，图示判断应用较少。 建议作为自学内容。 3、例：检验1978-2000年间中国支出法GDP时间序列的平稳性 例8.1.6检验1978~2006年间中国实际支出法国内生产总值GDPC时间序列的平稳性。 下面演示的是检验1978~2000年间中国支出法国内生产总值GDPC时间序列的平稳性。 方法原理和过程是一样的，例8.1.6可以作为同学的练习。 Eviews 中提供的检验方法 Eviews 中提供的滞后阶数选择 1、单整（integrated Serial） 如果一个时间序列经过一次差分变成平稳的，就称原序列是一阶单整（integrated of 1）序列，记为I(1)。 一般地，如果一个时间序列经过d次差分后变成平稳序列，则称原序列是d 阶单整（integrated of d）序列，记为I(d)。 例如上述人均GDP序列，即为I(2)序列。 I(0)代表一平稳时间序列。 2、趋势平稳与差分平稳随机过程 含有一阶自回归的随机过程： 如果ρ=1，β=0，Xt成为一带位移的随机游走过程。根据α的正负， Xt表现出明显的上升或下降趋势。这种趋势称为随机性趋势（stochastic trend）。 如果ρ=0，β≠0， Xt成为一带时间趋势的随机变化过程。根据β的正负， Xt表现出明显的上升或下降趋势。这种趋势称为确定性趋势（deterministic trend）。 如果ρ=1，β≠0 ，则Xt包含有确定性与随机性两种趋势。 判断一个非平稳时间序列的趋势是随机性的还是确定性的，可通过ADF检验中所用的第3个模型进行。 该模型中已引入了表示确定性趋势的时间变量，即分离出了确定性趋势的影响。 如果检验结果表明所给时间序列有单位根，且时间变量前的参数显著为零，则该序列显示出随机性趋势； 如果没有单位根，且时间变量前的参数显著地异于零，则该序列显示出确定性趋势。 差分平稳过程和趋势平稳过程 具有随机性趋势的时间序列通过差分的方法消除随机性趋势。该时间序列称为差分平稳过程（difference stationary process）； 具有确定性趋势的时间序列通过除去趋势项消除确定性趋势。该时间序列称为趋势平稳过程（trend stationary process）。 ADF检验在Eviews中的实现—GDPP 从GDPP(-1)的参数值看，其t统计量的值大于临界值，不能拒绝存在单位根的零假设。至此，可断定GDPP时间序列是非平稳的。 ADF检验在Eviews中的实现—检验△GDPP 从△GDPP(-1)的参数值看，其t统计量的值大于临界值，不能拒绝存在单位根的零假设。同时，由于时间项项T的t统计量也小于AFD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 。在1%置信度下。 从△GDPP(-1)的参数值看，其统计量的值大于临界值，不能拒绝存在单位根的零假设。同时，由于常数项的t统计量也小于AFD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1。 从△GDPP(-1)的参数值看，其统计量的值大于临界值，不能拒绝存在单位根的零假设。至此，可断定△GDPP时间序列是非平稳的。 ADF检验在Eviews中的实现—检验△2GDPP 从△2GDPP(-1)的参数值看，其统计量的值小于临界值，拒绝存在单位根的零假设。至此，可断定△2GDPP时间序列是平稳的。 GDPP是I(2)过程。 *4、平稳性检验的其它方法 PP检验（Phillips-Perron） 检验模型中不引入滞后项，以避免自由度损失降低检验效力。 直接采用Newey-West一致估计式作为调整因子，修正一阶自回归模型得出的统计量。 一种非参数检验方法 霍尔工具变量方法 用工具变量法估计ADF检验模型。 用Xt-k和ΔXt-i-k作为yt-1和ΔXt-i的工具变量。 检验统计量仍然服从ADF分布。 DF-GLS 方法（Elliott,Rothenberg,Stock,ERS） 去势（趋势、均值）。 对去势后的序列进行ADF型检验。 采用GLS估计检验模型。 证明具有更良好的性质。 KPSS方法（Kwiatkowski,Philips,Schmidt,Shin） 检验趋势平稳 非参数检验方法 其它方法 LMC(Leybourne,McCabe) Ng-Perron 四、单整、趋势平稳与差分平稳 现实经济生活中只有少数经济指标的时间序列表现为平稳的，如利率等; 大多数指标的时间序列是非平稳的，例如，以当年价表示的消费额、收入等常是2阶单整的，以不变价格表示的消费额、收入等常表现为1阶单整。 大多数非平稳的时间序列一般可通过一次或多