31时间序列平稳性和单位根检验.ppt

  1. 1、本文档共69页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
? 检验 GDPC ,模型 1 ? 从 GDPC(-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,可断定中国实际支出法 GDP 时间序列是非 平稳的。如果仅需要检验该时间序列是否是平稳 的,检验到此结束。 ? 如果需要检验该时间序列的单整性,即它是多少 阶的单整序列,则需要对其一次差分序列、二次 差分序列等进行单位根检验。 ? 检验ΔGDPC,模型 3 ? 检验ΔGDPC,模型 3 从△ GDPC(-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 。 ? 检验ΔGDPC,模型 2 从△ GDPC(-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 。 ? 检验ΔGDPC,模型 1 ? 从△ GDPC(-1) 的 参数值看,其统计 量的值大于临界值 (单尾),不能拒 绝存在单位根的零 假设。至此,可断 定△ GDPC 时间序 列是非平稳的。 ? 检验Δ(ΔGDPC),模型 3 ? 检验Δ(ΔGDPC),模型 3 ? 检验Δ(ΔGDPC),模型 2 ? 检验Δ(ΔGDPC),模型 1 从△ 2 GDPC(-1) 的 参数值看,其 t 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 △ 2 GDPC 时间序 列是平稳的。 GDPC 是 I(2) 过程。 4 、关于 ADF 检验的几点讨论 ? 关于检验模型中滞后项的确定 – 模型( 1 )、( 2 )、( 3 )中都含有滞后项,其目的是 为了消除模型随机项的序列相关,保证随机项是白噪 声。 – 一般采用 LM 检验确定滞后阶数,以及其它数据 依赖方法。 ? 关于检验模型中滞后项的确定 – 当采用一些应用软件(例如 Eviews )进行 ADF 检验时, 可以自动得到滞后阶数,使得估计过程更加简单。 – 但是,在软件中一般采用信息准则(例如 AIC 、 BIC 等) 确定滞后阶数,其明显的缺点是无法判断滞后阶数不 连续的情况,例如只存在 1 阶和 3 阶而不存在 2 阶相关的 情况。 – 另外,从理论上讲,信息准则主要是基于预测的均方 误差最小,但对于单位根检验而言重要的是消除序列 之间的相关性。 ? 关于检验模型中滞后项的确定 – 过高定阶和过低定阶对单位根检验有着不对称的影响。 – 过高定阶意味着自相关已经消除,但含有冗余回归元, 因此不会影响检验的尺度 (size) ,但会影响检验的势, Monte-Carlo 试验证实这种势的降低并不强烈。 – 过低定阶意味着自相关还没有消除,因此 t 统计量的分 布形态将会发生改变,检验的尺度和势( power )都 会发生扭曲。 – 由于信息准则相对于检验序列相关的数据依赖方法一 般倾向于过低定阶,因此其在单位根检验中的表现差 于数据依赖方法。 ? 如何处理检验过程中的矛盾现象? – 对于模型( 3 ),如果检验显示既不拒绝零假设: δ=0 , 也不拒绝零假设: β=0 ,既然就要检验模型( 2 )。 – 如果检验显示不拒绝零假设: δ=0 ,但是拒绝零假设: β=0 ,那么回到模型( 2 )是不合理的。这就出现了矛 盾。 – 一种经验的处理方法是采用正态分布临界值检验是否 存在单位根,即将临界值适当放松,如果仍然存在单 位根,即停止检验,得到该时间序列非平稳的结论。 ? 关于 ADF 检验模型的进一步说明 模型 1 是为了区分如下两个数据生成过程: DGP1 : 1 2 t t y ? ? ? ? ? ? ? ( 数据的起始值 0 0 y ? ) ; DGP2 : 1 t t t y y ? ? ? ? ? 两个数据序列都绕着 0 附近游走,因此直觉分不清。 模型 2 是为了区分如下两个数据生成过程: DGP1 : 0 1 2 t t y y ? ? ? ? ? ? ? ? ( 数据的起始值 0 0 y ? ) ; DGP2 : ? ? ? ? 1 t t t y y ? ? ? ? ? ? ? ? ? 两个数据过程都绕着一个非 0 的固定值游走, 因此直觉也分 不清。 模型 3 是为了区分如下两个数据生成过程: DGP1 : 0 1 2 t t y y

文档评论(0)

sunhongz + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档