计量经济 第二章单位根过程及其检验.docVIP

第二章 单位根过程及其检验 PAGE 28 PAGE 29 第二章 单位根过程及其检验 所谓数据生成过程(Data Generating Process,DGP)是指变量的数据源于具有何种特征的随机过程。我们以下首先介绍稳定过程，由此引入非稳定过程，特别的单位根过程。 §2.1稳定过程 §2.2.1 随机过程的稳定性 1．稳定的定义 定义1：对随机过程,对T的任意子集(t1,…,tn)，以及任意的h，为实数，i=1,…,n，若联合分布函数满足 F(x(t1),x(t2), …,x(tn))=F(x(t1+h),…x(tn+h)) 则称随机过程X严格稳定。严格稳定隐含了这个过程的所有矩为常数。 定义2：对定义1中所定义的随机过程X，若满足 ① E(x(ti))=E(x(ti+h))=＜+∞ ② E[x(ti)2]=E[xi(ti+h)]2＝2＜+∞ ③ E[x(ti)x(tj)]=E[x(ti+h)x(tj+h)]=ij＜+∞ 则称随机过程x为弱稳定，或者说二阶稳定，或协方差稳定。从上述条件可以看出，二阶矩即方差和协方差不随时间而改变，且协方差只与间隔的时间长度有关而与时间本身无关，故称为二阶稳定，或协方差稳定。如不加特别说明，今后的稳定均指弱稳定。 用这一定义虽然可以验证白噪音过程是弱稳定过程。即对，其,称这一过程为白噪音过程，它显然满足①②③，因而为弱稳定过程，进一步，若xt为正态分布，则这一过程还为严格稳定，因为此时高阶矩仅为1和2阶矩（即0和）的函数，故高阶矩存在且不随时间而改变。 从以上定义可以看出，一个稳定过程的数据图形特征为：数据围绕长期均值E(xt)=μ波动，偏离均值之后，有复归均值的调整；方差有限且不随时间改变；其自相关函数随时间衰减。与之相对应的概念是非稳定过程，定义为对稳定过程的条件之一不能满足的过程即为非稳定过程，其数据图形特征为：不存在长期均值；方差具有时变性且趋于无穷；从理论说，自相关不随时间衰减，但对于有限样本，样本自相关亦可能较慢速的衰减。 §2.2.2 新息过程（innovation）和鞅差分序列 定义：对随机过程{v(t)}，定义其信息集It-1（通常It-1由其历史值所组成的集合，即It-1=(v(t-1),v(t-2),…v(0))，若v(t)的分布函数不取决于It-1，则称v(t）为新息过程。 若E(v(t)|It-1)=0，称{v(t)}为均值新息过程。 我们知道，对于一个鞅，若定义，则由鞅的定义，有，，对所有,称{y(t)}为鞅差分序列（过程）。显然，均值新息过程就是一个鞅差分。进一步，若信息集含历史信息，一个新息过程必定是一个白噪音过程，但反之不真。 不难看出，鞅差分和新息过程为稳定过程。 由稳定性直接引出单位根过程：若一个随机变量的序列的一阶差分是稳定的，则这个随机变量序列就是一个单位根过程。 §2.2 单位根过程的DF检验及其分布理论 §2.2.1 单位根的DF检验 1．单位根过程 对于一个实际的时间序列数据，我们并不知道其真正的数据生成过程（DGP），只能通过假设和基于假设的统计推断来确定其DGP。为此，我们假定数据yt是由AR（1）所生成，即 （2.1） 且4阶矩有限，由为稳定过程，当时，由（2.1）所生成的yt亦是稳定的，而当时，经过叠代有， （2.2） 称为随机趋势，因此，当时，数据由随机趋势所支配。将（2.1）用滞后算子L来表示，有 （2.3） 而（2.3）所对应的特征函数为 （2.4） 当（2.4）有一个根位于单位园上即=1,有时，此时由（2.2）可知，yt由随机趋势所决定。这样，刻划了DGP（2.1）的特征根位于单位园上且数据由随机趋势所支配，因此，时称（2.1）为单位根过程，简记为I(1)。不难看出，时，有为稳定过程，记~I(0)。 2．单位根的DF检验 对于(2.1)，检验单位根的问题即是检验 （2.5） 按经典的作法是将（2.1）进行OLS，然后对进行t检验，然而在服从独立同分布正态假设（记为~i.i.n(0,σ2)）之下，且y0=0，有 （2.6） 此时，若为真,，于是的分布退化为一个零分布，而基于零分布无法进行统计推断，Dickey (1976)指明了这一事实并将乘以T而得到了一个以维纳过程表述的统计量。换言之，若真正的数据生成过程为随机行走（单位根过程），则T()收敛于一个随机变量，基于这个随机变量就能