PP检验法和ADF检验法
第4节 PP单位根检验法与ADF单位根检验法
DF检验要求模型的随机扰动项独立同分布。但在实际应用中这,t
一条件往往不能满足(如上一节中的有关例子)。一般来说,如果估计模型的DW值偏离2较大,
明随机扰动项是序列相关的,在这种情况下使用DF检验可能会导致偏误,需要寻找新的检验
。本节我们将介绍在随机扰动项服从一般平稳过程的情况下,检验单位根的PP检验法和ADF检验法。
一、 PP(Phillips&Perron)检验
首先考虑上一节情形二中扰动项为一平稳过程的单位根检验。假设数据由(真实过程)
?
(1) y=ρy+u,u=(B)ε=ε,,,tt-1tttjt-jj=0
,j2产生,其中独立同分布,。,其中B为εE(,),0,D(,),,,,,(B),,B,,,ttjtj0,
,
滞后算子,其系数满足条件。在回归模型中检验假设: y,,,,y,uj,,,,tt,1tjj,0
H:,,1;,,00
与DF检验(情形二)一样,模型参数的OLS估计为:
,1,ˆ,,,,Nyy,,,,t,1t,,,,,, ,2,,,,,,ˆyyyy,,,,t,1t,1t,1t,,,,,,
在成立时,上式可改写为: H:,,0,,,10
,1ˆ,,,,Tyu,,,,,tt,1 ,,,,,,,2,,,,ˆ1yyyu,,,,,,,tttt,,,111,,,,
12以矩阵左乘上式两端,得 AdiagT,T,,,
,112,,,,,,,,,,ˆTyuT,,,,,,,tt,1,,,111,AAA,,,,,,,,,,2,,,,,,ˆyyyu1T,,,,,,,tttt,,,111,,,,,,,,,,,,,,
,131,,22 ,,,,1TyTu,,1t,t,,,,,3,1,,22,,2,,TyuTyTy,tt,1,,tt,,11,,,,
利用有关单位根过程的极限分布(参见第2节),可得
,11,,1,W()1,,1W(r)dr,2,,ˆ,T,,,0L,, ,,,,,122,,11,,,,ˆ22T,1,,[W()]1,,,,,,0,,,,W(r)drW(r)dr,,,,,,2,,00
,22ˆ其中,。经过化简,可将统计量的极限分离出,,,,,,,,(1)T(),,1,0ss0,
来如下:
121221,,WWWrdr111,,,,,,,,,,,,/,,2,,,,,200ˆT,,,1, ,,11112222,,,,Wrdr[Wrdr]Wrdr[Wrdr],,,,,,,,,,,,,,,,,,0000
(2)
ˆˆ此式表明,的极限为两项之和,其中第一项是为独立同分布时uT(),,1T(),,1t的极限分布;第二项是由的自相关性产生的,当独立时,它等于零。说明上uutt式是DF分布的推广。
22ˆ可以证明,统计量T,有以下极限分布: ˆ,
,1220ˆ (3) T,,,ˆ,11222,,,Wrdr[Wrdr],,,,,,,,,00
,220ˆ与DF的分布式相比,此式多了一个因子,它反映了扰动项自相关程度对T,ˆ,2,
,0的极限分布的影响。当扰动项相互独立时,,从而有=1,,,1,,,0,j,1,2,?0j2,上式就退化为DF的t分布。
22ˆˆ现利用统计量对进行修正,修正式如下: T,T(),,1ˆ,
12222ˆˆ (4) ,,,,,,,T()()(Ts)1,02
22其中为的一致估计,结合(2)和(3),有 E(u),,st0
121,,WWWrdr111,,,,,,,,,,2,,,102222ˆˆ (5) ,,,,,,,T()()(Ts)1,,011222,,Wrdr[Wrdr],,,,,,,,,00
ˆ可以看出,修正后的统计量与DF检验情形二中的统计量的极限分T(),,1布一致,从而可用相同的临界值表。
类似地,可以考虑统计量的极限分布和修正方法,根据(2)和(3),有 t
ˆˆ,,,,11T,,,, ,,,t2212ˆˆ(T),,ˆˆ,,
12121W1,1,W1Wrdr,,,,,,,,,,,,,,/,,,2,0020,, 1212111122,220,,,,,,,,,,,,,,Wrdr,[Wrdr],,,Wrdr,[Wrdr],,,,0000
(6)
对t统计量修正如下:
2ˆT,,(),,,,00t (7) ,,,2s,,
结合(3)和(6),有如下极限分布:
121,,2WWWrdr111,,,,,,,,ˆ,,2T,,,,,(),,,0,00 (8) t,,,,121122s,,2,,Wrdr[Wrdr],,,,,,,,,,,00
修正后的统计量与DF检验情形二中的t统计量有相同的极限分布,从而可用相同的临界值表。
但是,修正统计量(4)与(7)不能直接用于检验,因为其中含有未知参数,,、,0必需再对未知参数进行估计。令
12222ˆˆˆˆ (9) ,,,,,,,,ZT()()(Ts)1,,02
2ˆˆ,Tˆ,(),,,0ˆˆ (10) ,,,,Z()t,,t0ˆs2,
qT,,j2,1ˆˆˆˆˆˆ其中、,q是残差序列自相关的最大阶数。 ,,Tuu,,,,21,,,,,0jjttj,,,q,1,1jtj,,1,,
可以证明,修正后的统计量的极限分布与(5) 、(8)相同,从而可由(9)Z、Z,t
或 (10)计算统计量的值,然后与DF检验临界值表中情形二的临界值进行比较,以判断序列是否存在单位根。
此外,对于其它情形(情形一、四),Phillips&Perron证明了,修正统计量
和的极限分布与DF检验中对应情形的极限分布相同,从而可使用DF检Z,Zt
验的临界值表。
综上所述,PP单位根检验法是针对扰动项存在序列相关性而提出的,该方法是对DF单位根检验法的进一步推广,其关键点是,在DF检验统计量的基础上进行修正,由于修正后的统计量与DF检验中的统计量有相同的极限分布,因此可借用DF检验临界值表进行检验。
下面给出PP检验的步骤:
(1) 以最小二乘法估计回归模型,得到参数估计和残差序列; (2) 计算残差序列的样本自协方差:
T,1ˆˆˆ, j=0,1,2,…. ,,Tuu,jttj,tj,,1
及的估计值: ,,,,(1)
q,,j2ˆˆˆ ,,,,21,,,,0j,,q,1,1j,,
ˆ其中,q的大小根据实际情况确定。若从某一阶之后(比如从第h阶之后),对,j2ˆ的贡献可忽略不记,则q取为h。构造该估计量的Newey和West建议q取3,
或4。
122ˆˆˆ(3) 计算参数估计量的
差和残差的估计方差。 ,u,su,ˆ,,ttT,2(4) 将上述计算结果代入或统计量的表达式,得到统计量的值,查临ZZ,t
界值并进行比较,然后作出推断。
例 对上节例中的国内生产总值(GDP)序列进行PP检验。
在上一节例中对GDP序列进行DF检验,得到如下回归模型:
,
,GDP,190.3837,1.47764t,0.060317GDPtt,1
t,(1.838999)(1.610958)(,1.625296)
DW,1.314680
ˆ =0.037111 ,ˆ,
DW值偏离2较远,说明残差序列存在相关性。下面用PP检验法进行检验。
ˆ残差序列的前三阶样本自协方差为: ut
11222ˆˆˆˆˆ,,uu; ,,u,34.9775,0.336,34.9775,,11tt,t0TT
1122ˆˆˆˆˆˆ; ,,uu,0.206,34.9775,,uu,0.072,34.9775,,2tt,23tt,3NN
3j,,2ˆˆˆ ,,,,,,,21,j0,,3,1,,,j1
,,321,,2 1,2,0.336,,0.206,,0.072,34.9775,,,,444,,,,
2 =2136.1009= 46.218
1222ˆ ,su,35.3819,t,N2
代入修正统计量可得: Zt
2ˆˆN,ˆ,(,,),0ˆˆZt ,,,,(),,t0ˆs2,
2246.21834.9775880.037111,,(34.9775/46.218)(1.6253) ,,,,,246.21835.3819,
,,2.1414
给定显著性水平5%,查DF检验临界值表(情形四),临界值为-3.45。由于
>-3.45,从而接受原假设(即),表明GDP序列存ZH:,,0H:,,1,,2.141400t
在单位根。
从该例可以看出,进行PP检验时统计量的值较难计算。在实际应用中,Zt
可使用包含有PP检验的计量经济软件。例如Eviews中的PP检验,就可直接输出的值。 Zt
二、ADF (Augmented Dickey—Fuller)检验
ADF (Augmented Dickey—Fuller)检验法由Dickey和Fuller于1979年提出,该方法是对DF检验的推广,所以常称为增广DF检验。其特点是,假设
,,时间数据序列y是由一个P阶自回归过程AR(P)生成的,然后建立估计模t
型并进行单位根检验。
在介绍ADF检验法之前,先分析P阶自回归过程的特性。
1、P阶自回归过程的特性
服从AR(P)过程: 假设时间序列,,yt
y,,y,,y,?,,y,, (11) t1t,12t,2pt,pt其中,为白噪声。利用滞后算子,可将上式表示为: ,t
y,,y,,y,?,,y,(B)y,t1t,12t,2pt,pt
p2 (12) ,(1,,B,,B,?,,B)y,,ptt12
令
,,,,,,?,, 12p
,,,(,,?,,);j,1,2,?,p,1 jj,1p
可将滞后多项式分解成: ,(B)
2p ,(B),(1,,B,,B,?,,B)12p
2p,1 (13) ,(1,,B),(,B,,B,?,,B)(1,B)12p,1则(12)式可转化为:
p2,1{(1,,B),(,B,,B,?,,B)(1,B)}y,, ,(B)y,ptt12,1t
整理可得:
y,,y,,,y,,,y,?,,,y,, (14) tt,11t,12t,2p,1t,p,1t若服从(11)的序列有且只有一个单位根,则其特征方程:
2p1,,z,,z,?,,z,0 12p
有且只有一个值为1的根,从而有:
,(1),1,,,,,?,,,1,,,012p
。因此,对服从(11)的序列的单位根检验,就是检验模型(14)中上式等价于,,1
是否有。 ,,1
将模型(14)与(6.3.1)对比可以发现,模型(14)中多了的p-1个滞后项。如,yt果将这些滞后项归到随机扰动项中,则扰动项就成为序列相关的平稳过程,这
样,在模型(14)中检验单位根,实际上就是对扰动项为一平稳过程的单位根检验。
因为事实上,由(13)式可得特征多项式的如下表示形式:
2p ,(1,,z,,z,?,,z),(z)12p
2p,1 ,(1,,z),(,z,,z,?,,z)(1,z)12p,1当序列有且只有一个单位根时,,从而有 ,,1
2p2p,1 (1,,z,,z,?,,z),(1,,z),(,z,,z,?,,z)(1,z)12p12p,1
2p,1 ,(1,,z,,z,?,,z)(1,z)12p,1使上式左边为零的根中,除了一个根为1外,其余的根全在单位圆之外。这一
结论对于等式右边也成立,因此
2p,1 (1,,z,,z,?,,z),012p,1
的根全在单位圆之外。这样,滞后多项式
2p,1 C(B),1,,B,,B,?,,B12p,1的逆存在,在 为真的情况下,(14)式可写成: ,,1
p2,1(1,,B,,B,?,,B),y,, (15) ptt12,1
进一步可表示为:
,1 (16) ,y,C(B),,,(B),,utttt
,1为一无穷阶的滞后多项式。(16) 式恰好为模型(1)在时的其中,,(B),C(B),,1形式。说明在模型(14)中检验单位根,与PP单位根检验在本质上是相通的。正因如此,基于模型(14)的单位根检验被称为增广DF检验。
2、ADF检验:
与DF检验一样,ADF检验也分为四种情形建立估计模型,并在其中进行单位根检验。
情形一:数据序列由模型(14)生成,并在其中单位根,即。 H:,,10
情形二:数据序列由模型(14)生成,在如下估计模型中检验。 H:,,10
(17) y,,,,y,,,y,,,y,?,,,y,,tt,11t,12t,2p,1t,p,1t
情形三:数据序列由模型(17)生成,在其中检验。 H:,,10
情形四:数据序列由模型(17)生成,在如下估计模型中检验。 H:,,10
(18) y,,,,t,,y,,,y,,,y,?,,,y,,tt,11t,12t,2p,1t,p,1t
首先考察情形二:
(1)可以证明,在成立时,对模型(17)进行最小二乘估计,得到的H:,,10
ˆ是的超一致估计,并且有如下极限: ,,
121,,WWWrdr111,,,,,,,,,,2,,,ˆ,(,1)N0 (19) ,11221,,,,,?,,12p,1,,Wrdr[Wrdr],,,,,,,,,00
ˆ可见,此极限分布与DF检验情形二中统计量的极限分布一致,从而可T(),,1
用相同的临界值表。但是,上述统计量中含有未知参数,因此不能直接用于检
ˆ验。现用(j=1,2,…,p-1)的最小二乘估计代替,得修正统计量: ,,,jjj
ˆ,,(1)N, (20) ZADFˆˆˆ,,,,,?,,112p,1
该统计量的极限分布与(19)相同。
(2)对于检验的t统计量,可以证明有如下极限分布: H:,,10
121W1,1,W1Wrdr,,,,,,,,,,ˆ,2,1,,,L0t,,,, (21) 1211ˆ,22ˆ,,,,,,,,,Wrdr,[Wrdr],,00
此极限与DF检验情形二中t统计量的极限分布(9)是完全一致的。说明在ADF检验中,不需要对t统计量进行修正,就可直接利用DF检验中的临界值表进行检验。这与PP检验形成鲜明对照。我们知道,在PP检验中,需要对t统计量进行修正。其原因主要是,PP检验中对回归系数的最小二乘估计没有考虑受,
ˆ扰动项序列相关性的影响。当扰动项序列相关时,最小二乘估计是的超一致,,估计,但t统计量的极限分布由于受扰动项序列相关性的影响而发生了变化,为了能借用DF检验临界值表,就必须对t统计量进行修正,修正后的统计量(见Zt(10))的极限分布才与DF检验情形二中t统计量的极限分布相同。ADF检验则
ˆˆ不同,在该检验法中,和,是同时估计的,由于增添了的滞后项,随机扰,y,jt
动项不再序列相关,因此在构造t统计量时不需再作修正。
ˆ,(3)可以证明,滞后项的系数估计量有正态的极限分布,从而对参,yjt
数的假设检验可由一般的t统计量和F统计量进行检验,临界值可在一般的t,j
分布和F分布表中查得。
(4)对于联合假设,可用F统计量进行检验。F统计量为 H:,,1,,,00
~22ˆ(R,R)/2 (22) F,2ˆR/(N,p,1)
~22ˆ其中,为有约束的参差平方和,为无约束的残差平方和,2为假设中受约RR
束的个数,p+1为模型中待估参数的个数。F检验统计量的极限分布存在,但不再是标准的F分布,相应的临界值已由人们用Monte Carlo模拟方法得到并编制成表供查。
此外,Dickey和Fuller还证明了,对于情形一和情形四,检验的H:,,1Z0ADF统计量:
ˆ,,(1)N, ZADFˆˆˆ,,,,,?,,112p,1
和t统计量:
ˆ,,1,,t, ˆ,ˆ,
都有非常规的极限分布,它们的极限分布与DF检验中对应情形的极限分布完全一致,从而可直接使用DF检验对应情形的临界值表。而对于情形三,t统计量的极限分布为常规的t分布,因此可用常规的t检验,临界值由t分布表查得。
上面我们对ADF检验的相关理论做了简要介绍。在实际应用中,出于理论上和实践上的考虑,常用如下三种回归模型进行ADF检验:
k
,y,,y,,,y,, (23) ,,1,ttitit,1i
k
,y,,,,y,,,y,, (24) ,,1,ttitit,1i
k
,y,,,,t,,y,,,y,, (25) ,,1,ttitit,1i
在模型中引入足够的滞后项,目的在于使残差白化。因此,检验单位根的假,yt,i
设在上述模型中就变为。 H:,,1H:,,000
例5.4.2 对例5.3.1中的国内生产总值(GDP)序列进行ADF检验。
由前面各例的分析可以看出,对GDP进行DF检验,DW值偏离2较远,说明残差序列存在相关性,可采用ADF检验。再从图形上看,数据序列呈现时间趋势,故采用情形四进行ADF检验。回归结果如下:
,
,GDP,234.9729,1.892199t,0.078661GDP,0.355794,GDPtt,1t,1
t,(2.383391)(2.152260)(,2.215287)(3.464708)
DW,2.085875
DW值非常接近2,说明通过引入的一期滞后项,已消除了扰动项的序列,GDP
相关性。查DF检验情形四的临界值表,在5%的显著性水平上,临界值为-3.46,
,即GDP序列存在单位根。 由于t=-2.215287>-3.46,因此接受原假设H:,,00
3、 单位根检验小结
到目前为止,我们已讨论了检验单位根的一系列方法。这些方法可分为两类:一类是针对扰动项序列不相关的DF单位根检验;另一类是针对扰动项序列相关的PP单位根检验和ADF单位根检验。按照数据序列的真实生成过程与估计模型的不同,每一类检验方法又分为四种不同情形。现将它们综述如下:
表5-4-1 不同情形下的DF单位根检验(扰动项序列不相关) ,t
基本模型 : 检验假设: y,,,,t,,y,,H:,,1tt,1t0
数据生成过程 估计模型 统计量 极限分查DF临界
布 值表
,ˆ,1情形不带常数项与趋不带常数项与趋非标准 DF临界值 t,ˆ,ˆ,一 势项、 势项、 表 ,,0,,0,,0,,0
情形一
,ˆ,1情形不带常数项与趋带常数项不带趋非标DF临界值 t,ˆ,ˆ,二 势项、 势项、 准 表 ,,0,,0,,0,,0
情形二
,ˆ,1情形带常数项不带趋带常数项不带趋t分t分布表 t,ˆ,ˆ,三 势项、 势项、 布 ,,0,,0,,0,,0
,ˆ,1情形带常数项不带趋带常数项带趋势非标DF临界值 t,ˆ,ˆ,四 势项、 项、 准 表 ,,0,,0,,0,,0
情形四
表5-4-2 不同情形下的PP单位根检验(扰动项序列为平稳过程) ut
基本模型 : 检验假设: y,,,,t,,y,uH:,,1tt,1t0
数据生成过程 估计模型 统计量 极限分布 查临界值表
Z情形不带常数项与趋非标准 DF临界值不带常数项与趋t
一 势项、 势项、表 ,,0,,0,,0
,,0情形一
Z情形不带常数项与趋非标准 DF临界值带常数项不带趋t
二 势项、 势项、表 ,,0,,0,,0
,,0情形二
,ˆ,1情形带常数项不带趋带常数项不带趋t分布 t分布表 t,ˆ,ˆ,三 势项、 势项、,,0,,0,,0
,,0
Z情形带常数项不带趋非标准 DF临界值带常数项带趋势t
四 势项、 项、 表 ,,0,,0,,0,,0
情形四
2ˆˆN,ˆ,(,,),0ˆˆZt 注: ,,,,(),,t0ˆs2,
表5-4-3 不同情形下的ADF单位根检验(扰动项序列为平稳过程) ut
基本模型 :() 检验假设:y,,,,t,,y,uH:,,1tt,1t0
y,,,,t,,y,,,y,,,y,?,,,y,,tt,11t,12t,2p,1t,p,1t
数据生成过程 估计模型 统计量 极限分查临界值表
布
,ˆ,1情形不带常数项与不带常数项与趋非标准 DF临界值 t,ˆ,ˆ,一 趋势项、、 表 势项,,0,,0,,0
,,0情形一
,ˆ,1情形不带常数项与带常数项不带趋非标DF临界值 t,ˆ,ˆ,二 趋势项、、 准 表 势项,,0,,0,,0
,,0情形二
,ˆ,1情形带常数项不带带常数项不带趋t分t分布表 t,ˆ,ˆ,三 趋势项、、 布 势项,,0,,0,,0
,,0
,ˆ,1情形带常数项不带带常数项带趋势非标DF临界值 t,ˆ,ˆ,四 趋势项、、 准 表 项,,0,,0,,0
,,0情形四
参考文献:
1. 趋势性单位根过程的真实模型问题研究 赵春艳 数量经济技术
经济研究 2007 8
2. ADF检验和PP检验的可靠性比较 靳庭良 统计与决策 2007,7