非平稳时间序列和单位根.ppt

;目录;计量经济学研究的数据类型;数据生成过程——白噪声过程;数据生成过程——自回归（Autoregression，AR）过程;数据生成过程——自回归过程;数据生成过程——随机游走过程;平稳性的定义;自回归过程的平稳性;目录;非平稳与单位根;非平稳与单位根;非平稳与单位根;目录; ;我们以中国国内生产总值(GDP)，经济增长率(g)的数据为基础分析相关概念，具体数据如图： ;从图可以发现，我国经济增长率数据既没有上升趋势，也没有下降趋势，而是围绕在某个均值附近上下波动。一旦某年度的经济增长率偏离均值，它会随后较快地向均值回复，也就是说，经济增长率具有均值回复特征。 与之不同的是，我国的GDP虽有一定的波动，但存在一个明显的上升趋势。如果我们把每年的GDP看成是一个随机变量，那么，这种上升的趋势就使得每年GDP的均值发生变化。类似GDP这样的数据变化特征就是非平稳数据的一个典型特征。 ;目录;考虑如下模型： (1)若 则可以得到： 一个不带漂移和时间趋势项的随机游走，是非平稳的单位根过程，对其取差分的形式，得到： 由于随机误差项是平稳的，因此， 是平稳的。一个不带漂移的随机游走是一个差分平稳过程。 ;(2)若 则可以得到： 这是一个带漂移的随机游走过程，是非平稳的单位根过程，将其写成差分的形式： 这意味着时间序列的变化( )除了受 的影响外，还受误差项 的影响，并且 将把以前时期的 值累积起来，随机误差项对 的这种累积效应被称为随机趋势。 带漂移的单位根过程也是差分平稳的。 ;(3)若 则可以得到： 其均值不是常数而是时间的函数（等于 ），其方差恒定(等于 的方差) ，一旦知道了 的值就可以准确预测 的均值及其趋势。 一旦从中减去其均值，所得到的序列就是平稳的，因此，生成的 称为趋势平稳过程。这种除去确定性趋势的过程称为除趋势。;(4)若 则可以得到： 这是一个带漂移和时间趋势的随机游走，将模型转化成差分的形式： 可???看出， 含有时间趋势，因此 的均值随时间而变化， 是非平稳的。要使 变成平稳，需要对其进行除趋势处理。也就是说， 是趋势平稳过程。;趋势平稳过程与差分平稳过程;带漂移的随机游走过程;趋势平稳的检验方法;检验趋势平稳和差分平稳;非平稳时间序列和单位根;目录;如何做检验单位根？;单位根检验;DF (Dicky-Full) 检验;对自回归模型的估计;DF检验;DF检验;DF检验;极限分布;增广的DF 检验，ADF检验（Augmented Dicky-Full）;EViews操作;PP (Phillips-Perron) 检验;PP (Phillips-Perron) 检验;EViews操作;KPSS (Kwiatkowski-Phillips-Schmidt-Shin) 检验;KPSS (Kwiatkowski-Phillips-Schmidt-Shin) 检验;单位根检验的总结;目录;ADF单位根检验仿真;DGP的Matlab程序;ADFt检验统计量;if p-1 deterv=trimr(ptrend(p,T),lg+1,0); xmat(:,2+lg:2+lg+p) = deterv; end; for i=1:rep xmat(:,1:1+lg)=trimr([lagy(:,i) mlag(deltay(:,i),lg)],lg,0); beta(:,i)=(xmat*xmat)\(xmat*y0(:,i)); % sigma2(i)=(y0(:,i)-xmat*beta(:,i))*(y0(:,i)- xmat*beta(:,i)) /(T-2-p-lg); % sigmabeta2(1:p+lg+2,i)=diag(sigma2(i)*eye(p+lg+2)/(xmat*xmat)); % ADFt(i)=beta(1,i)/sqrt(sigmabeta2(1,i)); % end