平稳性和单位根检验汇总.pptVIP

2、ADF检验（Augment Dickey-Fuller test） 为什么将DF检验扩展为ADF检验？ DF检验假定时间序列是由具有白噪声随机误差项的一阶自回归过程AR(1)生成的。但在实际检验中，时间序列可能由更高阶的自回归过程生成，或者随机误差项并非是白噪声，用OLS法进行估计均会表现出随机误差项出现自相关，导致DF检验无效。 如果时间序列含有明显的随时间变化的某种趋势（如上升或下降），也容易导致DF检验中的自相关随机误差项问题。 ADF检验模型 零假设 H0：?=0 (Xt为随机游走序列) 备择假设 H1：?0 (Xt为平稳序列) 模型1 模型2 模型3 检验过程 实际检验时从模型3开始，然后模型2、模型1。 何时检验拒绝零假设，即原序列不存在单位根，为平稳序列，何时停止检验。 否则，就要继续检验，直到检验完模型1为止。 检验原理与DF检验相同，只是对模型1、2、3进行检验时，有各自相应的临界值表。 检验模型滞后项阶数的确定：以随机项不存在序列相关为准则。 一个简单的检验过程： 同时估计出上述三个模型的适当形式，然后通过ADF临界值表检验零假设H0：?=0。 只要其中有一个模型的检验结果拒绝了零假设，就可以认为时间序列是平稳的； 当三个模型的检验结果都不能拒绝零假设时，则认为时间序列是非平稳的。 3、例：检验1978-2000年间中国支出法GDP时间序列的平稳性 例2.2.2 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2.2.2 可以作为同学的练习。 首先检验模型3，经过偿试，模型3取2阶滞后： 需进一步检验模型2 。 LM（1）=0.92， LM（2）=4.16 ?系数的t临界值，不能拒绝存在单位根的零假设。 小于5%显著性水平下自由度分别为1与2的?2分布的临界值，可见不存在自相关性，因此该模型的设定是正确的。 检验模型2，经试验，模型2中滞后项取2阶： 常数项的t统计量小于AFD分布表中的临界值，不能拒绝不存常数项的零假设。 LM检验表明模型残差不存在自相关性，因此该模型的设定是正确的。 GDPt-1参数值的t统计量为正值，大于临界值，不能拒绝存在单位根的零假设。 需进一步检验模型1。 检验模型1，经试验，模型1中滞后项取2阶： GDPt-1参数值的t统计量为正值，大于临界值，不能拒绝存在单位根的零假设。 LM检验表明模型残差项不存在自相关性，因此模型的设定是正确的。 可断定中国支出法GDP时间序列是非平稳的。 ADF检验在Eviews中的实现 ADF检验在Eviews中的实现 ADF检验在Eviews中的实现—检验GDPP 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T的t统计量也小于ADF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 。 ADF检验在Eviews中的实现—检验GDPP 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，由于常数项的t统计量也小于ADF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。 ADF检验在Eviews中的实现—检验GDPP 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。 §2.2 时间序列平稳性和单位根检验Stationary Time Serial and Unit Root Test 一、时间序列的平稳性 二、单整序列 三、单位根检验 经典时间序列分析模型： 包括MA、AR、ARMA模型 平稳时间序列模型 分析时间序列自身的变化规律 现代时间序列分析模型： 分析时间序列之间的结构关系 单位根检验、协整检验是核心内容 现代宏观计量经济学的主要内容 一、时间序列的平稳性Stationary Time Series ⒈问题的提出 经典计量经济模型常用到的数据有： 时间序列数据（time-series data)； 截面数据(cross-sectional data) 平行/面板数据（panel data/time-series cross-section data) 时间序列数据是最常见，也是最常用到的数据。 经典回归分析暗含着一个重要假设：数据是平稳的。 数据非平稳，大样本下的统计