苹果/安卓/wp
积分 290, 距离下一级还需 160 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡下一级可获得
道具: 抢沙发
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 158 天连续签到: 1 天[LV.7]常住居民III
因为P小于0.0001所以是平稳的？这图还能看出什么？如果可以，可否帮忙解答下RHO， Tau的数值有什么意义，谢谢
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
图看不到啊，如果rho显著为0，意味着存在单位根
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
加入我们,立即就学扫码下载「就学」app& Join us!& JoinLearn&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师优秀研究生学位论文题录展示常用单位根检验的可靠性研究专　业: 数量经济学关键词: 单位根检验 可靠性 原假设 GARCH过程 金融时间序列 初始值分类号: F224.7形　态: 共 179 页　约 117,245 个字　约 5.608 M内容阅　读: 内容摘要由于非平稳时间序列的统计特征随着时间的变化而变化，因此判断时间序列是差分平稳还是平稳或趋势平稳已经成为分析经济和金融时间序列的一个基本出发点，这等价于回答时间序列是否存在单位根。自Nelson和Plosser1982利用ADF检验研究了美国名义GNPnominalGNP等14个历史经济时间序列的平稳性以后，平稳性研究或单位根检验已成为分析经济和金融时间序列变化规律和预测的重要组成部分，其中随机游走假设检验在验证理性预期理论中起着重要的作用见Kantor1979等。另一方面，在建模理论和实践中，单位根检验是建立ARMA模型和ARIMA模型、变量间的协整分析、因果关系检验等的基础。因此，单位根检验作为一种特殊的假设检验，其可靠性的研究，以及如何寻求可靠性较高的检验方法或统计量多年来一直是时间序列分析中的重要课题，而且基于OLS的ADFDF检验和PP检验是研究者最常使用的单位根检验法。本文主要研究ADFDF检验和PP检验的稳健性及其可靠性。所谓单位根检验就是以单位根过程为原假设，以平稳过程或趋势平稳过程为备择假设，检验一数据生成过程的特征方程是否存在单位根的一种统计推断方法。它与其它假设检验一样，可能犯两类错误，即第一类错误―拒绝真实的单位根过程的错误，和第二类错误―接受备择假设过程为单位根过程的错误。评价一个检验的优劣或检验的可靠性reliability高低，需要权衡检验可能犯两类错误的概率。当犯一类错误的概率给定后，检验犯另一类错误的概率越小，表明检验的结果越可靠。通常给定容许犯第一类错误的概率值，即检验水平size，选择犯第二类错误较小或势power较大的检验方法。对于一种单位根检验方法，当被用于检验的数据生成过程不同时，其检验的稳健性robustness往往存在较大的差异，因此一种新的检验方法诞生后，针对检验稳健性的研究也是评价检验优劣的一项重要内容。这里稳健性是指当模拟一个检验的临界值需要的条件不满足时，该检验的实际检验水平偏离名义检验水平的程度，偏离越小，表明检验的稳健性越好，否则，则认为检验的稳健性越差。自ADFDF检验和PP检验诞生以来，人们对它们可靠性及其稳健性的研究从未间断过，可以说这些检验理论是在不断探求少犯错误的过程中逐步发展起来的。但以往的研究在试验设计和检验程序上存在以下问题:1模拟试验的初始值问题利用MonteCarlo模拟试验研究单位根检验的可靠性，一个重要步骤就是生成样本序列初始值的确定。初始值设定方法有两种，一种是设定为某常数，直接生成所需要的样本序列，如Dejong等1992a，1992b、Kim和Schmidt1993等等，但这样得到的误差项或备择假设过程的样本序列是非平稳或非趋势平稳的，此与ADFDF检验和PP检验的原假设为差分平稳，备择假设为平稳或趋势平稳的设定是不相符的。另一种是设定初始值为服从特定分布的随机变量，如Pantula等1994等。当备择假设过程不包括趋势项时，这样可以生成弱平稳的样本序列，但若备择假设含有趋势项，此时生成的样本序列是非趋势平稳的。由于存在研究方法上的缺陷，因此关于ADFDF检验和PP检验的稳健性和可靠性的研究结果是值得怀疑的。2单位根检验临界值的选择问题ADF检验和PP检验的理论基础是，在单位根假设成立时，它们的统计量与误差项为i.i.d.的相应DF统计量具有相同的极限分布，因此在大样本的单位根检验中便可以使用相同的临界值。这里存在的问题，一是样本容量的大小是一个相对的量，对实际中的样本数据我们一般无法使其达到“大样本”的要求；二是为保证统计量极限分布的成立，理论上要求检验中滞后截断参数随着样本容量的增加而增大，但速度要慢于样本容量的增加速度。由于实证分析中的样本容量是一个特定的数值，对这样的约束根本无法验证，因此尽管人们不断改进选择滞后截断参数的方法，检验水平的扭曲现象仍然不可避免，而且通常表现的非常严重见Dejon等1992b、Schwert1987、Ng和perron1995等等。另外，即使在误差项为白噪声的情形下，由于条件异方差的影响，通常也会导致DF检验过度拒绝单位根原假设，增大犯第一类错误的概率。3单位根检验原假设的设定问题单位根检验理论均是在特定的原假设和备择假设下得到的。由于单位根原假设的设定对检验结果会产生很大的影响，因此在实证分析中，单位根检验的首要问题是合理设定单位根检验的原假设。当ADFDF检验和PP检验均以Fuller1976或Mackinnon1991给出的临界值为检验标准时，这个问题只停留在判断检验式是否含有截距项或时间趋势项上，而没有考虑误差项或样本数据生成过程的性质对统计量分布的影响，其代价是常常遭受检验水平的严重扭曲。Schwert1987强调在利用ADFDF检验和PP检验检验自回归多项式中一个单位根存在性之前应该正确设定ARIMA过程，并以其为原假设进行单位根检验，同时应该考虑原假设数据生成过程对统计量分布的影响。但他没有进一步从检验的可靠性出发研究这样设定原假设的合理性。根据样本数据生成过程，在考虑到检验可靠性的前提下如何合理设定原假设至今尚无系统的研究结果。综上所述，恰当设定ADFDF检验和PP检验的原假设，正确评价单位根检验的可靠性和稳健性，并寻求可靠性较高的检验程序，无论在理论上还是在实践上都有非常重要的意义。针对已有ADFDF检验和PP检验可靠性研究中存在的问题，本文将通过改进模拟试验的设计，系统研究误差项为i.i.d.和存在条件异方差性的白噪声过程时DF检验的稳健性及可靠性，误差项存在序列相关时ADFDF检验和PP检验的稳健性和可靠性，并在此基础上对传统ADFDF检验和PP检验程序加以改进，最后结合实例探讨单位根检验原假设设定问题的解决方法。根据以上研究思路，本文在结构上分八章对相关问题进行了研究。第一章是绪论。首先阐述了单位根检验及其可靠性研究的意义，进而从不同侧面对影响ADFDF检验和PP检验稳健性和可靠性的因素进行了评述，如单位根过程创新的性质，ADF检验检验式中滞后截断参数、PP检验方差估计中滞后截断参数等等对单位根检验的影响。其次指出了现有单位根检验稳健性和可靠性研究在方法上和检验程序上存在的问题。最后给出了本文所研究的主要问题、研究思路、研究方法以及论文的结构安排。第二章给出了生成备择假设的平稳或趋势平稳样本序列的一般方法，并据此系统研究了DFk检验、τ检验和F检验的势，以及单位根检验检验式的选择问题。结果表明，在DF检验的情形1中，当y0/σ接近于0时，τ检验的理论势指以单位根原假设成立时统计量的实际分位数为临界值，对于给定的备择假设过程，单位根检验的势高于k检验的理论势，当y0/σ的绝对值较大时，结论则相反；在情形2和情形4中，k检验、τ检验和F检验的势依次递减，而且与备择假设的初始值、漂移项、趋势项情形4无关；当检验式含有时间趋势项时，所有检验都只有很低的势；当检验式与备择假设过程具有相同的表达式时，DF检验的理论势高于在检验式中增加常数项或趋势项对应检验的理论势，因此采用何种检验式依赖于单位根原假设是否含有漂移也取决于备择假设的数据生成过程。第三章是检验式中误差项的条件异方差性对DF检验影响的研究之一，即当误差项为GARCH1，1-Normal过程时，研究单位根过程不含有漂移而检验式含有截距项但不含有趋势项的DF检验的稳健性和可靠性。本章给出了一种模拟生成GARCH过程误差项平稳样本序列的一般方法。通过理论分析和随机模拟发现，对于具有GARCH1，1-Normal-errors的单位根过程采用DF统计量进行检验遵循以下规律:1对于任意给定的初始条件方差h0和条件方差方程的常数项ω，当去掉初始生成的数据足够多时，可以得到相当平稳的误差项序列，并且h0和ω对DF统计量分布的影响可以忽略不计；2当波动参数较小时，DF检验是稳健的；3对于给定的检验水平，k检验、τ检验、F检验的理论势依次下降，而且与误差项为i.i.d.的情形相比，所有检验的理论势均有一定程度的下降；4对于给定的波动参数和样本容量，条件方差方程的系数和越高，DF检验的可靠性越差。第四章是检验式中误差项的条件异方差性对DF检验影响的研究之二，即当误差项为GARCH1，1-Normal过程时，比较研究不同情形下DF检验的稳健性和可靠性，以及检验式的选择问题。第六章研究了误差项分别ARp过程、存在条件异方差性的ARp过程和MA1过程时，ADFDF检验的稳健性和理论势。第七章研究了误差项分别为ARp过程、存在条件异方差性的ARp过程和MA1过程时，PP检验的稳健性和理论势。对于一组具有一定代表性的单位根过程的研究结果表明，当误差项为MA1过程时，方差估计中滞后截断参数取为1的PPk检验具有最高的理论势；当误差项为ARp或ARp-GARCH1，1过程时，截断参数取小于3的PPk检验通常具有较高的理论势；以理论势为可靠性的比较标准，ADFDF检验和PP检验可靠性的高低依赖于原假设的数据生成过程。第八章是应用前文得到的单位根检验的研究成果，实证分析沪深股市收益率的平稳性，并结合实例探讨了单位根检验原假设的设定问题。结果表明，单位根原假设的不同设定对检验结果产生很大的影响..……全文目录文摘英文文摘第一章 绪论第二章 DF单位根检验的势及检验式的选择第三章 具有GARCH1，1-Normal-errors的单位根过程DF检验的可靠性研究之一第四章 具有GARCH1，1-Normal-errors的单位根过程DF检验的可靠性研究之二第五章 其它GARCH类误差项对DF检验的影响分析第六章 ADF检验的稳健性和可靠性研究第七章 PP检验的稳健性和可靠性研究第八章 单位根检验原假设的设定及其应用研究―沪深股市不同期限股指收益率的平稳性分析参考文献相似论文,50页,F224.7 F822.0,47页,F224.7 F822.0,102页,F224.7 R197.1,44页,F224,46页,F224,63页,F224,49页,F224
F124,61页,F224
F124.7,67页,F224
F275,73页,F224
F320,64页,F224
F832.6,61页,F224
F822.0,58页,F224
F830.99,46页,F224
F832.0,50页,F224
F832.5,61页,F224
F832.51,90页,F224
F832.51,79页,F224
F832.51,71页,F224
F832.51,54页,F224
F832.51中图分类:
> <font color=@4.7 > 经济 > 经济计划与管理 > 经济计算、经济数学方法 > 经济数学方法
& 2012 book.论文发表、论文指导
周一至周五
9：00&22：00
ADF与PP法在非对称单位根检验中的应用研究
2008年第6期目录
&&&&&&本期共收录文章15篇
　　摘 要：经济理论认为许多经济变量具有非对称的阈值自回归调整行为，而标准的单位根检验ADF和PP法都是基于线性自回归模型而构造的，因此对非对称单位根检验并不适用。本文应用Monte-Carlo模拟方法对ADF和PP检验在TAR与M-TAR模型下的检验势进行系统研究，并对模拟结果的产生原因进行了深入分析。模拟结果表明：数据的非对称性程度和数据的均值回复时间是影响ADF和PP检验的最主要因素；当非对称性增强和均值回复时间增大时，ADF和PP的检验势都具有较大幅度的下降，但是PP比ADF法具有更大程度的下降。? 中国论文网 /2/view-461855.htm　　关键词： TAR与M-TAR模型；Monte-Carlo模拟；非对称性；检验势? 　　中图分类号：F224.0 文献标识码：A 文章编号：08)06-0067-06?? 　　 　　Research into the ADF and PP Methods in Asymmetric Unit Root Test? 　　LIU Han-zhong?1, LI Chen-hua?2? 　　(1. College of Economics and Commerce, Hunan University of Commerce, Changsha 410205, C 2. Academe of Economics and Management, Hunan University ofCommerce, Changsha 410205, China)? 　　 　　Abstract:Economic theory often predicts that some economic variables display asymmetric threshold autoregressive adjustments towards their long-run equilibrium, but standardADF and PP test methods are misspecified in this case, consequently, may suffer from a lack of power against such alternatives. This paper aims to study the power of ADF and PP against such alternatives as TAR or M-TAR, and analyse some reasons for that. Mont-Carlo experiments demonstrate that the Asymmetry and mean-reversion of the data plays a important role in the power of ADF and PP and when the Asymmetry and mean-reversion is very strong, the power of ADF and PP test falls dramatically, but the PP method is less powerful than the ADF test.? 　　Key words:TAR and M-TAR Monte-C test power?? 　　 　　1 引言? 　　 　　在现代经济学的数量分析中单位根检验已经成为不可缺失的重要方法，众所周知许多经济变量呈现出非平稳的数据生成过程（DGP），其中单位根过程（即I(1)过程）无疑是最主要的数据形式，因此对变量进行单位根检验可以避免经典回归分析中的“伪回归”问题，因为如果对相互独立的单位根过程进行回归分析时，回归方程往往会通过所有的显著性检验。目前ADF和PP法已经成为了单位根检验的最主要方法，但是ADF［1］和PP［2］都是基于线性自回归模型而构造的，对非线性自回归模型的单位根检验并不适用［3~5］，同时在非线性自回归模型中应用最广泛的是阈值自回归模型［6］，刻画了自回归“衰减”随着一些变量值的不同而呈现不同的“衰减”速率；冲量阈值自回归模型(Momentum-TAR，简记为M-TAR)是由Enders和Granger［7］引入到经济分析，刻画了自回归“衰减”随着一些变量变化程度的不同而呈现不同的“衰减”速率。Perron［8］认为当时间序列数据在任何时候发生突变时，即使变化前后的两段都各自表现出平稳性，仍会使单位根检验的检验势大大下降。虽然Perron首次发现了这个问题，但是他只是对时间轴上发生的结构突变情况进行了研究，而本文是对TAR或M-TAR下的单位根检验势进行系统研究。Balke和Fomby［3］运用Engle-Granger［9］的两步协整检验法，对ADF和PP分别在EQ-TAR、Band-TAR与RD-TAR三种阈值自回归误差下的检验势进行了模拟研究，但是没有对ADF和PP检验在非对称单位根检验中的适用性进行研究，因此本文将对ADF和PP方法在非对称TAR和?M-TAR模型下的检验势进行模拟研究与原因分析。? 　　 　　2 TAR、M-TAR模型和单位根检验? 　　 　　2.1 TAR模型? 　　根据Tong对TAR模型的描述，TAR模型的定义如下? 　　在以上模型中，每个A?i上拟合一个线性自回归模型，分割由转换变量X??t-d来确定，通常由下式来决定：A?i=（γ??i-1,γ?i］，-∞=γ?0＜γ?1＜…＜γ?k=∞，在这里γ?i是阈值?（Threshold Value）。事实上该模型是自激励阈值自回归模型（Self-exciting Threshold Autoregression，简记为SETAR）?的一种特殊形式，它可以广泛用于不同领域的各种非线性建模，包括经济学、环境科学、金融学以及人口动力学等。在这个模型中，我们假定阈值是不连续的?（Discontinuity），如果阈值是连续的，则此时的模型被称为光滑转换自回归模型（Smooth Transition Autoregression,简记为：STAR），这个模型已被Granger和Terasvirta?［10］详细讨论过，国内许多学者［11］也对该模型在我国货币政策中的应用研究作了详细的讨论。在本文中由于简单起见我们只讨论当阈值是不连续的情形。? 　　 　　2.2M-TAR模型? 　　冲量阈值自回归模型?（Momentum Threshold Autoregression，简记为M-TAR）由Enders和Granger引入到经济分析中，与TAR模型的主要区别在于转换变量不同。在TAR模型中以滞后的时间序列作为转换变量。而在M-TAR中，转换变量不再是滞后的时间序列，而是滞后的时间序列变化量，其它变量含义与TAR?模型相同。即? 　　（3）式和（1）式的唯一区别在于：在（1）式的?TAR?模型中转换变量是X??t-d，而在（3）式表示的?M-TAR?中转换变量不再是X??t-d，而是ΔX??t-d。?Enders和Granger认为TAR模型可以捕捉时间序列中的“深”的特征，而M-TAR模型可以捕捉时间序列的“尖”特征。时间序列的“深”和“尖”特征是由Sichel?［12］在研究美国的?GNP、失业率与工业总产值的周期波动过程中，发现它们的周期波动呈现“深”(Deepness)和“尖”(Sharpness)?的非对称特征，所谓“深”是长期趋势以下的周期成分和长期趋势之上的周期成分的“衰减”?(decay)?速度不一样。所谓“尖”是指上升的周期成分与下降的周期成分呈现不同的“衰减”速度。?Enders和Siklos［13］也对TAR模型和M-TAR?模型的性质作了详细的比较研究。?
　　 　　2.3 单位根检验 ? 　　传统的单位根检验假定时间序列是线性和具有对称调整机制，即基于以下的回归模型? 　　ΔX?t=θX??t-1+ε?t(4)? 　　其中ε?t是白噪声序列或具有自相关的随机项，对(4)式进行对称单位根检验的主要方法是?DF、ADF和PP?检验。如果接受原假设即θ=0，则认为X?t是单位根过程，反之认为是对称调整的平稳过程。即?ADF和PP?检验的原假设和备择假设为? 　　?H0：单位根过程H1?：对称调整的平稳过程? 　　而随着经济理论的发展，许多经济变量呈现出非对称的调整行为，这种非对称调整机制可以通过阈值自回归模型（即?TAR）或冲量自回归模型（即M-TAR）?来刻画，且在交易成本等经济分析中具有非凡的应用价值。因此具有非对称调整行为的单位根检验中，原假设和备择假设分别为? 　　?H0：单位根过程? 　　 H1：非对称调整的平稳过程（TAR或M-TAR模型）?? 　　 　　如果采用传统的?ADF对以上原假设进行检验是不适用的，因为ADF?方法是针对线性自回归模型而构造的，对非线性自回归模型并不适用［14］，但是?Pippenger和Goering并没有对PP单位根检验法在非对称单位根检验中的适用性进行研究，因此本文采用Monte-Carlo模拟来揭示ADF和PP方法在非对称单位根检验中的适用性；同时由于经济分析中普遍存在异方差，所以也对ADF和PP法在异方差下的检验势进行了MC?模拟研究。 　　? 　　3 ADF和PP检验在TAR与M-TAR模型下的检验势研究 　　 　　3.1 在TAR下的检验势研究? 　　为了进行?MC模拟研究，我们特构造以下的Two-Regime的TAR?模型? 　　X?t=ρ?1X? 　　首先根据(5)式和（6）式分别生成?Two-Regime或Three-Regime?阈值自回归模型X?t。为了应用?ADF和PP?检验，对随机误差项ε?t施加自回归条件：ε?t=0.6ε??t-1+η?t，其中η?t是相互独立的N（0,1）。如果是异方差情形，对随机变量η?t的方差施加?GARCH?(1,1)的异方差，其表达式为：σ?2?t=1+0.1?2??t-1+0.85σ?2??t-1，在模拟中样本容量T=50、100、200，每种情形模拟1000次，所有初始值都设为0，方差的初始值设定为1，因此为了消除初始值的设定对检验所带来的影响，模拟中去掉数据列的前200个数据。显著性水平分别为5%、10%，利用?AIC?准则确定最佳滞后阶数。 　　 　　从表1得出如下结论：首先，不论是同方差还是异方差，?ADF和PP检验会随着模型的非对称性程度越大(即在Two-Regime的TAR模型中，不同Regimes中自回归系数相差越大或在Three-Regime模型中，除中间Regime之外的自回归系数相差越大)，则检验势都呈下降趋势，但是PP法的检验势比ADF的检验势下降幅度要大，如在样本容量为200、5％显著性水平下，随着非对称程度的加大，同方差下ADF的检验势由1.0下降到0.304，而PP的检验势由1.0下降到0.203；在异方差下ADF的检验势由0.995下降到0.301，而PP的检验势由1.0下降到0.210。这主要是因为当非对称程度越大，ADF和PP法具有越严重的设定误差，会导致检验势下降；而另一方面由于非对称程度加大使得数据的均值回复时间发生变化而导致检验势发生变化，两种效应叠加使得ADF和PP检验势下降。其次，在每一种情形中，两种方法的检验势都随样本容量的增大而增大，但是PP法的检验势随样本容量增大而增加的幅度在大多数情形比ADF法要大，可能的原因在于PP法是一种非参数方法，要求更多的样本；第三，在Three-Regime的TAR模型的检验势要低于Two-Regime的TAR模型的检验势，这主要是因为在Three-Regime的TAR模型的中间Regime服从单位根过程，增大了数据过程的均值回复时间；第四，是否存在异方差对ADF和PP的检验势没有明显的规律性影响。第五，在Three-Regime的TAR模型的检验中，随着中间Regime的单位根过程的加宽，ADF和PP检验势呈现出没有规律性的变化，原因在于加宽中间Regime的单位根过程的不同设定具有不同的均值回复时间，因而ADF和PP?检验势也会发生变化。? 　　3.2 在M-TAR下的检验势研究? 　　首先生成冲量阈值自回归模型X?t，数据生成过程同（6）式，只是此时的转换变量为ΔX??t-1，参数的设定、显著性水平、样本容量以及?GARCH异方差形式与TAR?模拟相同，表2为模拟结果。 　　从上面的模拟结果来看，首先，?ADF和PP在检验M-TAR时比检验TAR时具有较高的检验势，可能的原因在于在其它条件(自回归系数都是大于0的正数，在经济时间序列中往往如此)都相同的情况下，M-TAR模型的“持久性”(persistence)一般要小于相应的TAR模型，因而在M-TAR模型中的均值回复时间往往要小于TAR模型的均值回复时间，这样M-TAR模型的ADF和PP统计量比TAR模型的ADF和PP统计量要更加左偏，拒绝单位根原假设的概率也增大。“持久性”反映了数据的均值回复时间的长短特征，如在一阶线性自回归即AR(1)模型中，当一阶自回归系数(大于0的正数)较大时，则数据的均值回复时间较长，“持久性”也较强，当一阶自回归系数(大于0的正数)较小时，则数据的均值回复时间较短，“持久性”也较弱；其次，在Two-Regime和Three-Regime的M-TAR模型中，随着非对称程度的增加，ADF和PP的检验势都呈上升趋势。究其原因在于随着M-TAR的非对称程度加大，一方面检验式的设定误差会导致ADF和PP检验势下降，而另一方面非对称程度加大使得数据的均值回复时间发生变化而导致检验势发生变化，两种效应叠加使得ADF和PP检验势上升。这与TAR模型下的ADF和PP的检验势变化趋势正好相反。第三，在异方差下两方法的检验势影响不明显。第四，在Three-Regime的M-TAR模型中，随着中间Regime的单位根过程加宽对ADF和PP法的检验势影响也不明显，具体的原因在于中间Regime的单位根过程加宽的数据设定的不同也是影响ADF和PP?检验势的主要原因。? 　　 　　4 结论? 　　 　　ADF和PP检验虽然已经成为单位根检验的标准化方法，但是近年来随着经济学理论的发展，许多经济变量具有非对称自回归非线性行为，因此新的非对称单位根检验方法论的研究已经成为目前时间序列计量经济学的重要领域之一。显然传统的ADF和PP单位根检验法由于检验式的设定误差已经不能适应非对称单位根检验。本文的模拟结果也显示了随着序列的非对称程度的加大，在TAR模型下ADF和PP的检验势都呈下降趋势；而在M-TAR下ADF和PP的检验势都呈上升趋势。究其原因：随着TAR或M-TAR的非对称程度加大，一方面ADF和PP检验式的设定误差也增大，因而其检验势也下降；而另一方面非对称程度加大使得数据的均值回复时间发生变化而导致检验势发生变化，两种效应叠加使得ADF和PP检验势在不同的模型下具有不同的变化规律。其次，在非对称程度保持不变，而转换变量不同，此时M-TAR的检验势要高于TAR模型的检验势，究其原因：TAR模型比M-TAR模型回复均值的时间要长(即“持久性”较大)，因而M-TAR模型的检验势要高于相应的TAR模型的检验势。再次，在非对称程度和转换变量都相同的情况下，Three-Regime的TAR或M-TAR比相应的Two-Regime的TAR或M-TAR模型的检验势要低，究其原因：在Three-Regime中由于中间Regime中数据呈单位根过程，所以数据序列的均值回复时间比Two-Regime数据序列的均值回复时间要长，因而“持久性”也较强导致检验势下降。另外由于ADF和PP检验式的设定不同，ADF法的检验式是根据信息准则来确定滞后阶，不同的信息准则就有可能得到不同的滞后阶数，因而有可能得到不同的结论。因此在同一模型的单位根检验中，在检验式的设定上PP法比ADF法具有优势，原因在于：PP检验通过非参数方法可以全部剔除干扰项自相关对检验所带来的影响(检验式中不包含被解释变量的滞后项)，而ADF只是通过增加滞后项来减弱自相关的影响，不同的信息准则具有不同的滞后阶数。但是在我们的MC模拟中反映出大多数情况下ADF检验势要高于PP检验势，其中可能的原因在于样本容量较小。由于PP是非参数方法，它的有效性要求样本容量较大，所以随着样本容量的增大PP的检验势增加较ADF法快，这一点在我们的结果中得到了充分的反映。最后，ADF和PP法在非对称单位根检验中，异方差对两方法的检验势不存在明显的规律性影响。还有一点需要说明的是在理论上随着Three-Regime的TAR或M-TAR模型中间Regime的单位根过程加宽，会导致ADF和PP的检验势下降，而在模拟中表现不明显，原因在于加宽中间Regime的单位根过程的不同设定具有不同的均值回复时间，因而ADF和PP检验势也会发生变化。?
　　 　　参 考 文 献：? 　　［1］?Dickey D A, Fuller W A. Likelihood ratio statistics for autoregressive time series with a unit root［J］. Econometrica, 57-1072.? 　　［2］?Phillips P C B, Perron P. Testing for a unit root in time series regression［J］. Biometrika, 5-346.? 　　［3］?Balke N S, FombyT B. Threshold cointegration［J］. International Economic Reviews, ): 627-645.? 　　［4］?刘汉中.Enders-Granger方法在协整检验中的应用研究［J］.数量经济技术经济研究,):137-144.［5］?刘汉中.具有GARCH(1,1)-正态误差项的非对称单位根检验研究［J］.统计研究,):74-79.? 　　［6］?Tong H. Threshold models in non-linear time series analysis［M］. New York: Spinger-Verlag, 1983.? 　　［7］?Enders W, Granger C W. Unit-root tests and asymmetric adjustment with an example using the term structure of interest rates［J］. Journal of Business & Economic Statistics, ): 304-311.? 　　［8］?Perron P. The great crash,the oil price shock and the unit root hypothesis［J］. Biometrika, 61-1401.? 　　［9］?Engle R F, Granger C W J. Cointegration and error correction: representation, estimation and testing［J］. Econometrica, ): 251-276.? 　　［10］?Granger C W J, Terasvirta T. Modeling nonlinear economic relationship (advanced texts in econometrics)［M］. Oxford University Press, New York, 1993.? 　　［11］?王少平,彭方平.我国通货膨胀与通货紧缩的非线性转换［J］.经济研究,-44.? 　　［12］?Sichel D E. Business cycle asymmetry: a deeper look［J］. Economic Inquiry, ): 224-236. ? 　　［13］?Enders W, Siklos P L. Cointegration and threshold adjustment［J］. Journal of Business & Economic Statistics, ): 166-176.? 　　［14］?Pippenger M K, Goering G E. A note on the empirical power of unit root tests under threshold processes［J］. Oxford Bulletin of Economics and Statistics,3-481.?
转载请注明来源。原文地址：
【xzbu】郑重声明：本网站资源、信息来源于网络，完全免费共享，仅供学习和研究使用，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息。
xzbu发布此信息目的在于传播更多信息，与本网站立场无关。xzbu不保证该信息（包括但不限于文字、数据及图表）准确性、真实性、完整性等。