时间序列分析中ADF与PP单位根检验的差异.docxVIP

时间序列分析中ADF与PP单位根检验的差异

一、引言

在时间序列分析中，单位根检验是判断序列平稳性的核心工具。若序列存在单位根（即非平稳），直接进行回归分析可能导致“伪回归”问题，使得统计推断失效。ADF（AugmentedDickey-Fuller）检验与PP（Phillips-Perron）检验作为最常用的两种单位根检验方法，广泛应用于经济学、金融学、社会学等领域的实证研究中。尽管二者均以检验序列是否存在单位根为目标，但其理论基础、对误差项的处理方式、检验统计量的构造逻辑以及实际应用表现存在显著差异。深入理解这些差异，有助于研究者根据数据特征选择更合适的检验方法，提升实证结果的可靠性。本文将从理论起源、假设条件、统计量构造、实证表现及应用场景等维度展开分析，系统梳理二者的核心差异。

二、理论基础的差异：从DF检验到方法扩展

（一）ADF检验：对DF检验的参数化扩展

ADF检验的理论根源可追溯至Dickey与Fuller在20世纪70年代的研究（DickeyFuller,1979）。早期的DF（Dickey-Fuller）检验仅适用于误差项为白噪声的简单自回归模型（AR(1)），其基本形式为(y_t=y_{t-1}+_t)，其中()对应单位根假设（(H_0)）。然而，现实数据中误差项往往存在自相关（即(t)与({t-s})相关），直接使用DF检验会导致统计量的分布