时间序列分析中ADF单位根检验的小样本修正方法.docxVIP

时间序列分析中ADF单位根检验的小样本修正方法

一、ADF单位根检验的基本框架与小样本困境

（一）ADF检验的核心逻辑与应用价值

在时间序列分析中，平稳性是建模的前提——若序列存在单位根（非平稳），传统回归会出现“伪回归”（变量间无实际关系却得出显著结论）；若序列平稳，则可直接用ARMA等模型分析。ADF（AugmentedDickey-Fuller）检验是单位根检验的“标准工具”，它是对DF（Dickey-Fuller）检验的扩展，核心是解决DF检验“误差项无自相关”的严格假设。

DF检验通过回归“序列差分”与“水平项”判断单位根，但实际数据（如经济增长率、股价）多存在自相关，直接用DF会导致模型错误。ADF的改进在于加入滞后差分项：在回归中纳入被解释变量的滞后差分（如Δy???、Δy???），以此消除自相关。其逻辑是：原假设为“序列含单位根（非平稳）”，备择假设为“序列平稳”。通过估计含滞后差分的模型，计算ADF统计量（单位根系数的t统计量），与临界值比较——若统计量小于临界值，则拒绝单位根，认为平稳；反之则接受。

ADF的广泛应用源于对自相关的鲁棒性，但“渐近性”（依赖大样本假设）使其在小样本中面临挑战。

（二）小样本下ADF检验的现实局限

小样本（如月度数据30期、季度数据20期）是实际研究的常见约束，此时ADF的表现会出现三大偏差：

检验势不足：检验势是“当序列平稳时，正确拒绝单位根的概率”。小样本下，检验势大幅下降——比如平稳AR(1)序列（自回归系数0.8），样本量20时检验势仅30%，而样本量100时达80%。这意味着：即使序列平稳，小样本ADF也可能“漏判”，误将平稳序列当作非平稳处理。

临界值偏差：传统临界值来自“大样本渐近分布”（样本量无穷大），但小样本下ADF统计量的实际分布更“偏右”（更接近0）。例如，传统5%临界值约-2.86，而样本量25时实际5%临界值可能是-3.15。若用传统值，会高估拒绝单位根的概率——本应接受单位根（非平稳），却因临界值太“松”而错误拒绝，得出平稳结论。

参数估计不稳定：ADF需设定“滞后阶数”（加多少滞后差分）和“趋势项”（是否含常数/时间趋势）。小样本下，这两个设定的误差会被放大：滞后阶数选多了，消耗自由度；选少了，无法消除自相关。趋势项设定错误（如平稳序列误加时间趋势）会使ADF统计量变大，进一步降低检验势。

二、小样本下ADF检验偏差的成因解析

小样本偏差的本质是“有限样本特性”与“渐近理论假设”的冲突，具体可归纳为三点：

（一）抽样变异性的放大

抽样变异性是“不同样本对同一总体的估计差异”。小样本下，观测值少，样本的“代表性”差，参数估计的方差更大——比如ADF模型的自回归系数，样本量20时的标准差是样本量100时的3倍。这导致ADF统计量的分布更分散，极端值更易出现（如两次20期样本可能得出相反结论）。

（二）模型设定偏误的连锁反应

ADF的有效性依赖“正确设定”，但小样本下：

滞后阶数错误：选多了，自由度不足；选少了，自相关未消除，ADF统计量分布偏离渐近分布。

趋势项错误：平稳序列误加时间趋势，会使ADF统计量变大（更难拒绝单位根）；非平稳序列漏加趋势，会使统计量变小（易误拒单位根）。这些错误在小样本中更难察觉，导致检验结果不可靠。

（三）渐近临界值的不适用

传统临界值是“大样本极限”下的结果，但小样本中，ADF统计量的实际分布与渐近分布差异大。例如，大样本中ADF统计量小于-2.86的概率是5%，但小样本中需统计量小于-3.15才能达到5%概率。若仍用传统临界值，会“误判拒绝域”——将本应接受的情况判为拒绝，或反之。

三、ADF检验小样本修正的主要方法与实践应用

针对小样本局限，学者提出四类修正方法，从“临界值”“参数”“模型”三个维度提升准确性。

（一）有限样本临界值的蒙特卡洛模拟调整

解决临界值偏差的最直接方法是针对具体样本量生成定制化临界值，蒙特卡洛模拟是主流工具。

其步骤为：

设定数据生成过程（DGP）：根据研究问题选择DGP（如带漂移的单位根过程y?=μ+y???+ε?，ε?为白噪声）。

生成小样本：设定样本量T（如25），重复生成M次（如10000次）小样本，每次遵循设定的DGP。

计算ADF统计量：对每个样本估计ADF模型（同实际研究的滞后阶数/趋势项），计算ADF统计量。

确定临界值：将M个统计量排序，取对应显著性水平的分位数（如1%分位数是第100个值，5%是第500个值）。

这种方法的优势是“定制化”——针对具体样本量和DGP的临界值，能准确反映小样本分布。例如，样本量30的带漂移序列，模拟得到5%临界值为-3.02，而传统值为-2.86。用模拟值后，第一类错误率从12%降至5%（符合显著性水平要求）。

（二）参数估计的偏差校正：Ja