(6)14[1].2时间序列平稳性检验nullnull§14.2时间序列的平稳性检验
在本章以前,我们所讨论的计量经济建模过程,所
涉及的时间序列都隐含着一个概念,即它们都是平
稳的。但是,实际问题中,很多时间序列不一定是
平稳的。因此,当我们取得某随机时间序列时,首
先要判断它的平稳性。
由于大多数宏观经济变量,如GDP、消费总额、货币
供应量M2等的时间序列都不是平稳的,随着时间的位
移而持续地增长,也就是说有一种增长趋势的特征。 null但是当经济出现突发性振荡(如石油价格猛增、或
金融危机等)后,受到冲击的这些宏观经济变量是
逐渐回到它们的长期增长的趋势上...
nullnull§14.2时间序列的平稳性检验
在本章以前,我们所讨论的计量经济建模过程,所
涉及的时间序列都隐含着一个概念,即它们都是平
稳的。但是,实际问
中,很多时间序列不一定是
平稳的。因此,当我们取得某随机时间序列时,首
先要判断它的平稳性。
由于大多数宏观经济变量,如GDP、消费总额、货币
供应量M2等的时间序列都不是平稳的,随着时间的位
移而持续地增长,也就是说有一种增长趋势的特征。 null但是当经济出现突发性振荡(如石油价格猛增、或
金融危机等)后,受到冲击的这些宏观经济变量是
逐渐回到它们的长期增长的趋势上去呢?还是呈现
出随机游走的状态。若呈现随机游走状态,一方面
如果还是用OLS进行回归,这时会导致虚伪回归(这
是因为随机游走不是有限方差,高斯-马尔科夫定理
不再成立,OLS估计的参数不再是一致的)。另一方
面,由于这种冲击对变量的影响不会在短期内消失,
所以随机游走状态也可能是持久的,所以对变量的平
稳性的检验有着极其重要的意义。null一、利用散点图判断平稳性
利用时间序列的散点图判断平稳性,是一种最简单
的方法。首先画出该时间序列的散点图,然后观察
散点是否是围绕其均值上下波动的曲线,如果是的
话,可以判断该时间序列是一个平稳时间序列。否
则的话,该时间序列是非平稳的。图14.2.1y的散点图
y为平稳序列null二、利用样本自相关函数进行稳定性判断
不同时间序列具有不同形式的自相关函数,因此可以
从时间序列的自相关函数的图形来判断时间序列的
稳定性。但是,自相关函数是纯理论性的,对它所
刻画的随机过程,我们通常只能得到有限个观测值。
因此,在实际应用中,采用样本自相关函数来判断
时间序列是否为平稳过程。
一般地,由样本数据计算出样本自相关函数null(14.2.1) 当k逐渐增大时,迅速衰减,则认为该序列是平稳的;
如果它衰减非常缓慢,则认为该序列是非平稳的。null三、单位根检验[迪基—富勒检验(Dickey-Fuller
—DF检验)]
(一)单位根过程
单位根过程是较随机游走更为一般的非平稳过程,假
定有增长趋势的变量yt的数据生成过程可写成:
(1-L) yt = α + ut (14.2.2)
其中ut是平稳过程,α可取不同的值,L 是滞后算子
Lyt = yt-1。由于其特征方程
1-z = 0有一个单位根z = 1,所以称(14.2.2)式为单位根
过程。 null根据α取值不同,单位根过程可以有以下三种不同形式:
1.当α = 0 时,(14.2.2) 可写成
yt = yt-1 + ut (14.2.3)
(14.2.3)式成为一个纯随机游走过程。2. 当α = μ 时,(14.2.2)式可写成
yt = μ+ yt-1 + ut (14.2.4)
(14.2.4)式成为一个带飘移的随机游走过程。
3. 当 α = μ + βt 时,(14.2.2)式可写成
yt = μ+βt + yt-1 + ut (14.2.5)
(14.2.5)式成为一个带趋势的随机游走过程。null以上三种情况,其数据生成过程都可以概括写成如
下形式:
yt = α + ρyt-1 + ut (14.2.6)
当α = 0,ρ =1时,式(14.2.6)就是随机游走过程;
当α =μ,ρ =1时,式(14.2.6)就是带飘移项的随
机游走过程;当α =μ+ β t,ρ =1时,式(14.2.6)
就是带趋势项的随机游走过程。null(二)单位根检验(DF检验)的基本思想
在(14.2.6)式中,若α = 0,则式(14.2.6)可以
写成:
yt = ρyt-1 + ut (14.2.7)
式(14.2.7)称为一阶自回归过程,记作AR(1),可以
证明当| ρ | <1时是平稳的,否则是非平稳的。
AR(1)过程也可以写成算符形式:
(1-ρL)yt = ut (14.2.8)
yt平稳的条件是特征方程1-ρz = 0 根的绝对值大于1。 null显然,此方程仅有一个根z = 1/ρ,由 | z | >1, 知平稳
性要求 | ρ | < 1 。因此,检验yt的平稳性的原假设和
备择假设为
H0: | ρ| ≥ 1 ;H1: | ρ | <1 (14.2.9)
接收原假设H0
明yt是非平稳的,而拒绝原假设则表
明yt是平稳序列。
在ρ =1时,原假设为真,此时(14.2.7)就是随机游
走过程(14.2.3),它是非平稳的。因此检验非平稳性就
是检验ρ =1,或者说,就是检验单位根。这样一来,
就将对非平稳性的检验转化为对单位根的检验,这就
是单位根检验方法的由来。null由式(14.2.7)两边各减去yt-1,得到
yt – yt-1 = ρyt-1 – yt-1 + ut
即 Δyt = δyt-1 + ut (14.2.10)
(14.2.10)式中差分Δyt = yt– yt-1 ,δ = ρ – 1 。
绝大多数经济变量的时间序列相关系数ρ都取正值且
小于1,因此,假设(14.2.9)可以改写为:
H0:δ = 0 ;H1:δ < 0 (14.2.11)
当δ = 0 时,原假设H0为真,则相应的随机过程为是
非平稳的。 null可以看出,非平稳性问题或单位根问题,可以表示
为ρ = 1或δ = 0 。从而我们可以将检验时间序列yt
的非平稳性的问题简化成在模型(14.2.7)中,检验
回归参数ρ = 1是否成立,或者在模型(14.2.10)中,
检验回归参数δ = 0是否成立。按照以前参数检验的
做法,我们可以分别用两个t检验进行: (14.2.12) (14.2.12)式中 分别为参数估计量的方差。null但是,这里的问题是(14.2.12)式中的统计量Tρ和
Tδ 不服从t分布,而是一个非标准的非对称的分布,
它具有迪基—富勒检验(Dickey-Fuller(1979))提出
的分布(简称DF分布),相应的检验就是我们下面
要介绍的著名的Dickey-Fuller(简称DF)检验。null(三)DF检验 (Dickey-Fuller Test)
1. DF检验
迪基(Dickey)和富勒(Fuller)以蒙特卡罗模拟为基
础,编制了式(14.2.12)中tδ统计量的临界值表—DF
分布临界值表,表中所列已非传统的t统计量,他们称
之为τ统计量。后来该表由麦金农(Mackinnon)1991
年通过蒙特卡罗模拟法加以扩充,形成了扩充的DF分
布临界值表,即ADF分布临界值表,因而形成了扩充的
DF检验—ADF检验。 nullDF检验的具体做法如下:
第一步:对式
Δyt = δyt-1 + ut (14.2.10)
进行OLS估计,然后计算统计量Tδ
(14.2.13)
第二步:检验假设 H0: δ = 0 ;H1: δ < 0
若 Tδ > τ,则接受原假设H0 ,即yt 非平稳;
若 Tδ < τ,则拒绝原假设H0 ,即yt 为平稳序列。
τ为DF分布表的临界值。null2.ADF检验
DF检验存在的问题总是假设随机项误差vt为白噪声。
但大多数的经济数据序列是不满足此项要求的。为此
Dickey和Fuller(1979)提出扩展的DF检验法,即迪基
—富勒检验(Augmented Dickey-Fuller Test)来实现的,
称为ADF检验。
这个检验将DF检验的右边扩展为包含yt的一些滞后项
使残差白噪声化,ADF检验的回归式为:null模型(1) 模型(2) 模型(3) 其中 δ = ρ – 1 ,k为滞后项数。模型(2)含有常
数项;没有时间趋势项,模型(3)含有常数项和时
间趋势项。滞后项数k的选取采用Schwartz(施瓦茨)
(1987)推荐的方法,k的最大值为 ,其
中[x]表示x的最大整数部分,T为观测值的个数。null我们用下面的例子来说明ADF检验,应用EViews
软件是如何进行的。例14.2.1 检验国内生产总值(y)时间序列(表14.2.1)
的平稳性。(表14.2.1见课本358页)利用EViews软件,首先建立工作文件输入样本数据。
1.利用散点图判断平稳性
利用样本数据作散点图如图14.2.2所示: 图14.2.2 y的图形近似于
指数增长,因
而是非平稳的。null2.利用样本自相关函数进行稳定性判断
利用样本数据作自相关函数图形如图14.2.3所示:图14.2.3从图14.2.3可以
看出,自相关
函数(Autcorre
-lation)虽着k的
增加,衰减缓
慢,说明y序列
是非平稳的。null3.单位根检验(Unit Root Test )
(1)DF检验
在工作文件窗口,输入命令:
GENR DY = Y – Y(-1)
生成差分序列Δy,用OLS法估计模型
Δyt = δyt-1 + ut
的参数如图14.2.4所示:null 图14.2.4 由图14.2.4可知, =0.105475, Tδ=9.987092。
此结果也可以由EViews软件中的单位根检验功能直
接给出如图14.2.5所示:nullnullnullnull图14.2.5null可以看出两种方法得出的结果相同。Tδ=9.987092
大于ADF表中的1% ~ 5%水平所有的临界值,因此
不能拒绝原假设,即y序列是非平稳的。(2)ADF检验
由图14.2.2可以看出,序列y是具有时间趋势的,所
以采用模型三(包含常数项和时间趋势项)。
在EViews软件中,点击y的数据表中的
“View/Unit Root Test”,选择如图14.2.6,null图14.2.6null其计算结果如图14.2.7所示: 图14.2.7null从图14.2.7可以看出Tδ= -0.693579大于ADF检验
0.1~0.01的各种显著水平的τ值,不能拒绝原假设,
即有单位根,y序列是非平稳的。
(@TREND表示趋势项)
本文档为【(6)14[1].2时间序列平稳性检验】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。