一、單位根檢驗
(一)單位根過程
若乙個時間序列的均值或自協方差函式隨時間而改變,則該序列為非平穩序列。(即序列含有某種變動趨勢)
隨機過程若
(1)當=1,為一穩定過程,且,,,則稱該過程為單位根過程(unit root process)。
特別地,若
(2)其中為獨立隨機分布,且,。則為一隨機游動過程(random walk process)隨機游動過程是單位根過程的特例。
若隨機過程的一階差分過程()為一平穩過程,則服從單位根過程(即經過一階差分後,由非平穩變為平穩的過程)。分別以和表示單位根過程和平穩過程,則可取,記為
若單位根過程經過一階差分成為平穩過程,則序列成為一階單整序列。
一般地,如果非平穩序列經過d次差分達到平穩,則稱其為d階單整序列(單位根調整),記作i(d)。其中d表示單整階數,是序列包含的單位根個數。
對於(1)式可以寫成
(3) t=1,2,...
其中l為滯後運算元,即後移運算元,為滯後多項式,它的特徵方程為
。有根,當時,特徵方程的根為1,即有一單位根。這也就是稱為「單位根過程」的原因。單位根過程是常見的非平穩過程之一。
(二)基本模式
隨機序列有三種基本模式:
1.不含常數項和趨勢項
(4)若,序列{}為單位根過程,
若<1 ,則序列{}稱為一平穩過程。
2.含有常數項和無趨勢項
(5)若,序列為帶常數項的單位根過程,若<1,序列為含常數項的平穩過程。
3.同時含有常數項和趨勢項
(6)若,序列稱為同時含有常數項和趨勢項的單位根過程,
若<1 ,序列稱為同時含有常數項和趨勢項的平穩過程
(三)單位根檢驗
1. 迪基—福勒(df)檢驗法
迪基—福勒(df)檢驗法是迪基(dickey)和福勒(fuller)在20世紀70年代和80年代提出的。其基本思想是:對於一階自回歸模型ar(1)
若<1,則序列是平穩的。
若,序列非平穩,存在單位根。
因此,通過檢驗是否為1,判序列是否平穩。
則遞推形式:
為保證過程平穩,上式必須收斂,則必須滿足<1。
df檢驗的步驟:
建立假設
計算統計量 (8)
其中為得最小二乘估計值,為的標準差。
在實際檢驗時,由於存在自相關,常為(4)式改寫為
9)其中,檢驗的假設為
檢驗的統計量 (10)
注意:在序列存在單位根的假設下,並不服從常規的t分布,而是非標準和非對稱的極限分布。因此不能用t檢驗法檢驗零假設是否成立。
df於2023年給出了檢驗用的模擬臨界值,故該檢驗成為df檢驗。在eviews中給出的是由mackinnon改進的單位根臨界值。
對於給定的樣本量n和顯著性水平,在表中查出。若
,拒絕h0,即序列平穩。
,接受h0,則序列為單位根過程,需要進行一階差分。
根據序列的性質不同,df檢驗除(9)外,還允許序列有如下兩種形式:
(11)
(12)
一般地,若序列在0均值上下波動,則選用(9)式檢驗;
若序列具有非0均值且無時間趨勢,可選擇(11)式;
若序列具有非0均值且有時間趨勢,可選擇(12)式
2.增廣的迪基-福勒(adf)檢驗
adf(augmented dickey –fuller test),它取檢驗單位根的df方法推廣到一般的單位根過程,其中的{}服從一穩定過程。而df檢驗中,對於(9)式常因序列存在高階滯後相關而破壞是白雜訊的假設,adf對此改進。
假定序列服從ar(p)的單位根過程,在模型中加入的滯後差分項,控制高階自相關。
(13)
其中{}為獨立同分布,且e()=0, d()= e()<
或 (14)
(15)
將(13)(14)(15)式改寫為:
(16)
(17)
(18)
adf檢驗與df檢驗的假設及檢驗標準相同。
注意,實際操作中,p視具體情況而定,一般選擇能保證是白噪音的最小p值(eviews中aic或sc最小值)。df是adf的特例。
為判別序列是否為單整的,尚需對其差分序列進行單位根檢驗。
利用eviews軟體進行單位根檢驗
(1) df檢驗
在主選單選擇quick/series statistics/unit root test. 螢幕提示需輸入待檢驗序列名,單擊ok後便進入單位根檢驗定義對話方塊。進行df檢驗,p輸入0。
檢驗方程的形式——常以c、t和n分別表示常數項、同時含常數項和趨勢項以及無常數項和趨勢項三種型別。
(2) adf檢驗
只需在單位根檢驗對話方塊中改變p的賦值,p不為0(選擇是aic或sc較小的p值)。
3 pp檢驗
df, adf檢驗適用於不存在高階自相關的序列。
針對序列可能存在高度相關的情況pillips和perron於2023年提出了一種檢驗法—pp檢驗法。
檢驗方程如:
(19)
該檢驗對方程中係數的顯著性檢驗統計量t進行了修正,檢驗假設與df、adf相同:序列存在單位根,即,eviews採用newey—west異方差和自相關一致估計,檢驗統計量
其中 ,,
分別是係數的檢驗t統計量和標準誤差,是檢驗方程的估計標準誤,t是時期總數,q是截尾期。
針對不同性質的序列,pp檢驗也有含常數項,含常數項和趨勢項以及不含常數項和趨勢項三種檢驗型別。
eviews實現:在單位根檢驗定義對話方塊中,把test type下的選項改為pillips-perron,就會自動根據序列樣本量在truncation-lag中給出推薦的q值。其它與adf相同。
舉例我國國內生產總值和農村居民最終消費額**調整後資料
為了使各變數盡快趨於平穩,通常原始資料進行對數變換。
計算結果
各變數adf單位根檢驗結果表
注:表中c表示常數項,t表示趨勢項,p滯後期數。
即在5%的顯著性水平下,序列lgdp、ljx的adf檢驗值均大於其對應的臨界值,表明存在單位根,即它們都是非平穩序列;而序列▽lgdp、▽lnjx的adf檢驗值均小於其對應的臨界值,表明不存在單位根,即它們都是平穩序列。因此lgdp、ljx均是一階單整序列
二、格蘭傑檢驗
(一)基本原理
格蘭傑檢驗的基本依據是:將來不能**過去;如果y的變化是由x引起的,則x的變化應該發生在y之前。
設兩個平穩變數序列和,建立關於的滯後模型
其中c為常數項,s,k為滯後階數。檢驗x的變化不是y的變化的原因相當於上式作零假設…的f檢驗。檢驗統計量f為:
~ 若檢驗統計量f值大於f分布臨界值(即f值伴隨概率小於顯著性水平),則拒絕零假設,說明x是y變化的格蘭傑原因;否則,接受零假設,說明x不是y變化的格蘭傑原因。
(二)注意問題
1、檢驗結果對滯後期長度的變化比較敏感。實際應用中,最好是多選幾個不同的滯後期進行檢驗,如果檢驗結果一致,則得出的結論是較為可靠。
2、可能還有x以外的其它變數也是引起y變化的原因,同時該變數也與x相關;解決的方法是在回歸模型中也引入這些變數的滯後值。
(三)eviews軟體實現:
在陣列視窗中點選view\ granger causality,並輸入滯後期長度k(軟體預設s=k)。
例利用上資料:
下面選擇滯後期,對lgdp及lnjx兩序列進行格蘭傑因果關係檢驗,結果如下表所示。
表3-4 序列lgdp和lnjx的格蘭傑因果關係檢驗表
給定5%的顯著性水平,對於兩原假設,f統計量的相伴概率均較小,可以認為序列ljx和lgdp之間存在雙向的格蘭傑因果關係,即農村居民最終消費是經濟增長變動的格蘭傑原因,同時經濟增長也是農村居民最終消費變動的格蘭傑原因。
三、協整
若序列經過差分後變平穩,則稱該序列為單整序列。經過d階差分變平穩,該序列即為d階單整序列。
單整序列的法則:
(1)若~,則~;d=0,1,……
(2),且d>e,則
其中:d=0,1,……。
㈠ 定義
有些變數時間序列,雖然它們自身是非平穩的,但變數間的線性組合卻是平穩的。這個線性組合反映了變數之間長期穩定的比例關係,稱為協整關係(cointegration)。若,
其中,,
且具有零均值,則由單整序列的法則知:,
構造的線性組合
所以且具有零均值,表明具有協整關係。
注意:對於兩個變數序列,只有在它們是同階單整即i(d)時,才可能存在協整關係(此點對多變數協整不適用)。
㈡ eg檢驗
由engle和granger於2023年提出了用於兩個變數是否存在協整關係的檢驗方法,又稱eg檢驗法。
設兩個變數序列為
, 若用乙個變數對另乙個變數進行回歸,得到
利用ols法得到和估計殘差
若(即為平穩序列),則具有協整關係。為協整向量; 為協整回歸方程
實際上,上述檢驗過程為:
1 對兩變數是否為同階單整序列進行檢驗,這是協整檢驗的前提,方法(a)df檢驗。
2 建立兩個變數序列的回歸,計算出
3 殘差序列的單位根檢驗,方法(a)df。
若殘差序列是平穩的,即,表示是協整的;
若殘差序列非平穩,即存在單位根。則不是協整的。
即構造殘差的一階自回歸模型(可以有三種情況)
採用的檢驗方法為(a)df。注意此處檢驗的臨界值與變數個數有關,其臨界值可查表(易丹輝)。由兩個變數統計的回歸殘差檢驗統計量記為eg(2)。
(即決定殘差的變數個數,即原方程中變數個數,包括含解釋變數和被解釋變數)
單位根檢驗詳解
第2節單位根檢驗 由於虛假回歸問題的存在,因此檢驗變數的平穩性是乙個必須解決的問題。在第十二章中介紹用相關圖判斷時間序列的平穩性。這一章則給出序列平穩性的嚴格的統計檢驗方法,即單位根檢驗。單位根檢驗有很多方法,這裡主要介紹df和adf檢驗。序列均值為0則無c,序列無時間趨勢則無trend 在介紹單位...