精选幻灯片91数据的平稳性及其检验.pptVIP

? 从图形上看： 人均居民消费（ CPC ）与人均国 内生产总值（ GDPPC ） 是非平稳的 。 ? 从滞后 14 期的 Q LB 统计量看： CPC 与 GDPPC 序列的统计量计算值均为 57.18 ， 超过了显著性水平为 5% 时的临界值 23.68 。再次 表明它们的非平稳性。 就此来说，运用传统的回归方法建立它们的 回归方程是无实际意义的。 不过，第三节中将看到，如果两个非平稳时 间序列是 协整 的，则传统的回归结果却是有意义 的，而这两时间序列恰是 协整 的。 31 四、平稳性的单位根检验 32 对时间序列的平稳性除了通过图形直观判断外， 运用统计量进行统计检验则是更为准确与重要的。 单位根检验（ unit root test ） 是统计检验中普遍 应用的一种检验方法。 1 、 DF 检验 我们已知道，随机游走序列 X t =X t-1 + ? t 是非平稳的，其中 ? t 是白噪声。 而该序列可看成是随机模型 X t = ? X t-1 + ? t 中参数 ? =1 时的情形。 33 也就是说，我们对式 X t = ? X t-1 + ? t （ * ） 做回归，如果确实发现 ? =1 ，就说随机变量 Xt 有 一个 单位根 。 ? （ * ）式可变形式成差分形式： ? X t =(1- ? )X t-1 + ? t = ? X t-1 + ? t (**) 检验（ * ）式是否存在单位根 ? =1 ，也可通过 （ ** ）式判断是否有 ? =0 。 34 一般地 : ? 检验一个时间序列 Xt 的平稳性，可通过检验 带有截距项的一阶自回归模型 X t = ? + ? X t-1 + ? t （ * ） 中的参数 ? 是否小于 1 。 或者： 检验其等价变形式 ? X t = ? + ? X t-1 + ? t （ ** ） 中的参数 ? 是否小于 0 。 在第二节中将证明，（ * ）式中的参数 ? 1 或 ? =1 时， 时间序列是非平稳的 ; 对应于（ ** ）式，则是 ? 0 或 ? = 0 。 35 ? 因此，针对式 ? X t = ? + ? X t-1 + ? t 我们关心的检验为： 零假设 H0 ： ? =0 。 备择假设 H1 ： ? 0 上述检验可通过 OLS 法下的 t 检验完成。 然而，在零假设（序列非平稳）下，即使在大样 本下 t 统计量也是有偏误的（向下偏倚），通常的 t 检验无法使用。 Dicky 和 Fuller 于 1976 年提出了这一情形下 t 统计量 服从的分布（这时的 t 统计量称为 ? 统计量 ），即 DF 分布 （见表 9.1.3 ）。 由于 t 统计量的向下偏倚性，它呈现围绕小于零值 的偏态分布。 36 ? 因此，可通过 OLS 法估计 ? X t = ? + ? X t-1 + ? t 并计算 t 统计量的值，与 DF 分布表中给定显著性水平 下的临界值比较： 如果： t 临界值，则拒绝零假设 H 0 ： ? =0 ， 认为时间序列不存在单位根，是平稳的。 表 9.1.3 DF 分布临界值表 样 本 容 量 显著性水平 25 50 100 500 ∝ t 分布临界值 （ n= ∝） 0.01 -3.75 -3.58 -3.51 -3.44 -3.43 -2.33 0.05 -3.00 -2.93 -2.89 -2.87 -2.86 -1.65 0.10 -2.63 -2.60 -2.58 -2.57 -2.57 -1.28 37 ? 注意：在不同的教科书上有不同的描述，但是 结果是相同的。 例如：“如果计算得到的 t 统计量的绝对值大于 临界值的绝对值，则拒绝 ρ=0” 的假设，原序列 不存在单位根，为平稳序列。 38 进一步的问题： 在上述使用 ? X t = ? + ? X t-1 + ? t 对时间序列进行平稳性检验中， 实际上 假定了时间序列是由 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 生成的，或者随机误差项并非是白噪声 ，这样用 OLS 法进行 估计均会表现出随机误差项出现自相关 （ autocorrelation ）， 导致 DF 检验无效。 另外 ，如果时间序列包含有明显的随时间变化的某种趋 势（如上升或下降），则也容易导致上述检验中的 自相关随 机误差项问题 。 为了保证 DF