财务知识计量经济学讲义.docx
- 文档编号:30631351
- 上传时间:2023-08-18
- 格式:DOCX
- 页数:10
- 大小:41.19KB
财务知识计量经济学讲义.docx
《财务知识计量经济学讲义.docx》由会员分享,可在线阅读,更多相关《财务知识计量经济学讲义.docx(10页珍藏版)》请在冰豆网上搜索。
财务知识计量经济学讲义
(财务知识)计量经济学讲义
计量经济学讲义
第四讲趋势和DF检验(修订版)
此翻译稿制作学习之用,如有错误之处,文责自负。
趋势平稳序列(TS)(图1和2)
壹个趋势平稳序列绕着壹个确定的趋势(序列的均值),其波动幅度不显示增大或者减小的趋势。
线性确定性趋势:
t=1,2,…
平方确定性趋势:
t=1,2,…
通常:
t=1,2,…
均值是是随时间变化的(川),可是方差是常数。
能够为任意平稳序列,也就是说,不壹定要是白噪声过程。
通过拟合壹个确定的多项式时间趋势,趋势能够来消除:
拟合趋势后残差将给出壹个去趋势的序列。
壹个带线性确定性趋势AR
(1)过程能够写作:
t=1,2,…
此处确定性趋势被减去。
然而于实践中,、是未知的而且必须估计出来。
于是模型能够被重述为:
其中包含壹个截距和壹个趋势,也就是
此处且
若,那么此AR过程就是围绕壹个确定性趋势的平稳过程.
差分平稳序列(DF)(也叫单整序列)和随机性趋势
如果壹个非平稳序列能够由壹个平稳序列通过d次差分得到,那么我们说这个序列就是d阶单整的,写做I(d).这壹过程也因此叫做差分平稳过程(DSP).
因此,平稳序列就是零阶单整的,I(0)。
白噪声序列是I(0)。
所以如果序列是平稳的,那么就是I(d)。
是差分算子,即
如果序列是平稳的话,是I
(1);
如果序列是平稳的,是I
(2),
随机游走(图3)
是随机游走的,如果满足此处
这是壹个AR
(1)过程,且于中具有根这壹序列被称为具有单位根,或者叫做1阶单整,I
(1)。
注意:
假设此过程于t=0起始处有壹个确定的值y0.那么,
……
(1)
注释:
(a)于
(1)式中,yt被表示为初始值y0和壹个序列的局部的和(即所谓的随机趋势)。
所有随机冲击对序列yt均有永久的影响,它们能够永久的改变yt的水平,而于平稳序列中,冲击的影响会随着时间的流逝而趋向于零。
因此,称随机游走具有壹个随机趋势。
(b)E(yt)=y0+t*0=y0[定值]
Var(yt)=Var()=t2
均时间依赖的,即,Var(yt)存于趋势。
所以yt是非平稳的。
可是yt=是平稳的。
这也
叫做不带漂移的随机游走。
(c)yt=+称作带漂移的随机游走。
当下,yt=y0+t+能够推出
E(yt)=y0+t均值具有趋势
Var(yt)=t2方差具有趋势
就是说,不带漂移的随机游走只有方差具有趋势,而带漂移的随机游走均值和方差中均具有趋势,即不仅有确定性趋势y0+t,也有随机性趋势
(d)因此随机游走是壹个I
(1)序列。
由于差分平稳序列通常能够用ARMA(p,q)表示,所以随机游走是壹种特殊的I
(1)序列。
可是对于随机游走来说,其中
[当由时,我们使用单整这个词,总和单整]
(e)于中,冲击的影响会持续到永远,而于平稳序列中,例如,中,冲击的影响会随着时间的流逝趋向于0。
(f)壹个I(0)序列将围绕着均值波动,而且观测值会频繁的和这个值相交。
I
(1)序列会不断扩散而很少回到其早先的值。
(g)对于I(0)序列其关联系数(迅速地)。
对I
(1)序列,其关联系数对于任何滞后期k均于1附近。
(i)当我们分析分平稳序列的时候,标准分布理论(中心极限定理)会失效。
特别地,弱大数定律(WLLN)也不成立。
弱大数定律说的是:
于壹定条件下,当样本容量趋向于无穷的时候,样本距会收敛于总体距。
I(0)和I
(1)序列的区别—小结
I(0)
I
(1)
冲击的影响随时间的消逝趋向于0
冲击的影响永远持续
观测值绕着均值波动且经常和均值相交
观测值偏离均值很大且很少回到先前的值
自关联系数很快趋向0,
关联系数对于任何滞后期k均于1附近
中心极限定理适用
中心极限定理不适用
通过读图辨别非平稳性
纯粹的随机游走和带漂移的随机游走的图示如下
图例另见讲义P30
纯粹的随机游走过程于整个时间段内,不显示任何上升或者下降的趋势,也不显示趋向于壹个给定的均值的趋势(比如汇率);而带漂移的随机游走的时间路径有确定性的趋势主导(例如货币供给,GNP等)。
这些序列能够从壹个长期的确定性的趋势中得到。
于小样本的情形下,很难区分出纯粹的随机游走和带漂移的随机游走。
漂移的绝对值较小,或者冲击的方差较大,均将掩盖带漂移的随机游走的长期中所具有的趋势。
同时要区分(具有确定性趋势的)平稳AR过程和(带漂移的)随机游走也不是很容易的。
趋势平稳序列(TF)和差分平稳序列(DF)
图例见讲义
当下我们来考虑下述三个序列:
1)平稳的AR
(1)过程
2)带漂移的随机游走
3)发散过程
样本容量1500
图示见讲义
壹个对平稳性的非正式检验是基于对关联图的观察。
壹个平稳AR序列的关联图应该按指数规律下降,而对于非平稳序列则下降得非常缓慢。
下面是y和r序列的自关联系数的壹些数据变化的比较。
滞后期数
自关联系数
y:
平稳的AR
(1)过程
r:
带漂移的随机游走
1
0.951
0.995
3
0.856
0.982
5
0.783
0.972
11
0.596
0.939
15
0.496
0.917
36
0.127
0.770
上述俩组自关联系数的变化模式是很不相同的,这就验证了y序列的平稳性和随机游走的非平稳性。
非平稳性检验(单位根检验)
单位根的存于也就意味着中心极限定理的失效。
因此于进行任何估计前,为了运用适当的去趋势的方法,检验该序列的平稳性就显得很重要了。
迪基-富勒(DF)检验和修正的DF检验
A单假设检验
考虑壹个AR(1)过程
如果=1,则上述等式就定义了壹个纯粹的随机游走过程,而且y是非平稳的。
检验非平稳的零假设为H0:
=1。
此假设检验就是所谓的单位根检验。
检验零假设的壹个简单的方法是把AR(1)等式化为如下形式:
因此假设H0:
=1当下就等价于要检验H0:
,而且我们只要相应的检验就能够了(因为拒绝域于左边)。
我们不考虑的情形,因为于此情形下序列是发散的,而于经济数据序列中我们且不认为会是发散的。
上述等式也能够包含壹个常数项:
仍能够包含壹个常数项和壹个趋势变量,
进行检验时,我们用OLS对上述三个回归中的壹个进行估计,然后将前的系数的t统计量和适当的临界值进行比较得到结论。
称
(1)中(即无常数项等式)的的t比率为;
称
(2)中(无趋势项等式)的的t比率为;
称(3)中(带趋势项等式)的的t比率为。
于
(1)
(2)(3)每壹种情形下,H0均是(单位根),对应于H1为(平稳序列)。
如果拒绝H0,那么有:
于
(1)中,yt是均值为0的平稳序列;[]
于
(2)中,yt是均值为非0的平稳序列;[此处]
于(3)中,yt是均值为具有确定性趋势的平稳序列[或者此处]
上述临界值由Fuller,W.A.,1976年的IntroductiontoStatisticalTimesSeries(时间序列统计概论)和迪基和富勒于1981年的计量经济学刊物上的文章给出(这些临界值只针对壹些样本容量而言)。
注释:
于H0成立的条件下,不服从t分布。
相对于t分布或者N(0,1)正态分布来说,的分布向左移了。
要拒绝零假设就需要较大的负值。
见下表:
为了于5%的水平下拒绝H0的话,我们需要<-1.95。
对于壹个N(0,1)的5%的单边检验,或者是较大T值的t检验来说,临界值为-1.645。
所以不恰当的使用标准正态分布进行单边检验将会导致对于零假设的过度拒绝。
单位根检验的渐进临界值(见讲义P33)请自己填列!
运用响应面回归,J.麦金农得到了壹个计算所有样本容量(T)的临界值的方法。
(见J.麦金农,“CI检验的临界值”,Engle,Granger编,长期经济中的关系,OUP,1991,13章)
例如:
,给定、、的值,令T=106,自像(3)式中的常数加趋势的情形的5%的临界值为(关联数据能够从N=1行中的麦金农的表格中得到)。
若,则拒绝零假设,而接受备择假设H1:
。
响应面协整检验的临界值
n
模型
%
1
常数+趋势
1
5
-3.4126
-4.039
-17.83
10
如果
(1)
(2)(3)式中的误差项是序列关联的(yt为壹个AR(p)过程),此时我们就应当使用修正的DF检验(ADF)。
这壹检验的方法为扩展对滞后差分项的DF回归。
因此,像(3)式就变为:
(4)
此处,需包括充足的滞后的壹阶差分,用来确保ADF回归中的误差项为近似的白噪声过程。
对单位根的检验是通过计算的壹个t统计量进行的,,其中的临界值和DF检验中的壹样。
通常地,AR(p)过程能够重设参数为:
例如,我们能够重述AR
(2)过程为
,
写为差分形式如下,
此处,且
存于单位根的时候,。
记住,是AR
(2)过程平稳性的必要条件。
这就是为什么我们检验H0:
和H1:
时,我们其实就是于检验单位根的存于的原因。
单位根检验的局限性:
功效和检验水平的问题
[功效=当零假设为假时拒绝领假设的概率;检验水平=显著性水平,犯第壹类错误的概率,即当零假设为真的时候却拒绝的概率]
功效小的原因:
(a)样本容量较小(b)接近于1;(c)存于结构突变(译者注:
可能就是结构不稳定的意思)。
因此,拒绝H0的失败,只能为优先选择随机游走假说提供较弱的证据。
检验的检验水平可能受下述因素影响:
低估滞后长度或者使用了错误的检验等式(比如确定性趋势上的错误)。
ADF回归的滞后长度的选取有以下几种方法:
(a)用最小化的选择标准,像赤池信息准则(AIC)或者施瓦茨准则(SC);(b)首先选取壹个较大的滞后阶数,用标准正态分布检验最后壹个自回归系数的显著性,如果接受零假设就减少壹个滞后阶数;(c)对p使用不同的值,观察ADF检验的结果是否具有稳健性;(d)选取使误差项呈近似白噪声过程的最小的p值。
确定性趋势的选取:
建议:
用带常数项的回归,画出序列的图像,见它是否像纯粹的随机游走。
如果见起来像带漂移的随机游走过程,那就用带常数和时间趋势的项进行回归。
因此,对于通货膨胀就使用模型
(2),而产出则使用模型(3)
B、联合检验
对单位根和确定性趋势进行联合检验,这是能够实现的。
就拿
(2)和(3)等式本身,或者针对ADF识别的修正式来说,联合检验就有如下几种情形:
用于检验
(2)式中的的F统计量(受约束的比上不受约束的RSS),我们称之为;
用于检验(3)式中的的F统计量,我们称之为
用于检验(3)式中的的F统计量,我们称之为。
H0:
H0:
H0:
这些F统计量的分布也是非标准的,迪基和富勒(1981)已经给出了其临界值。
这些临界值的壹个样本参见GujaratiTableD.7,附录D.
菲利普斯和配荣(PP)非参数检验
就像ADF检验壹样,菲利普斯和配荣检验也是对上述三式的假设进行检验。
和ADF检验不同的是,菲利普斯和配荣检验没有滞后差分项。
相应的,这个等式就用普通最小二乘法进行估计(能够选择是否包括常数和时间趋势项),然后修正这些系数的t统计量,因为存于序列关联,所以运用内维-维斯特方法调整这些标准差。
这些检验的临界值和ADF的相等。
于有些情形下,菲利普斯和配荣(PP)非参数检验比ADF更好,而且对过度的滞后长度不敏感。
二阶单位根的检验
运用如下的模型就能够办到:
然后用和麦金农相同的临界值检验H0:
,备择假设H1:
,以检验单位根。
注意:
于这种情形下,只有
(1)和
(2)式是合理的。
单位根检验和结构性突变
如果壹个平稳序列于截距处(水平性)或者确定性趋势斜率处(增长性)显示了结构性突变,我们将很难分辨出这是否是壹个非平稳过程。
因此,不考虑序列突变的单位根检验,其功效非常低。
配荣(1989,‘巨大冲撞,油价冲击和单位根假说’,Econometrica,57,1361-1401)得到了单位根检验的临界值,于考虑趋势或者截距变动的情况下。
Nelson和Plosser(1982.‘宏观经济时间序列的趋势和随机游走:
壹些证据和启示’,货币经济学,10,139-162),发现很多美国宏观经济时间序列存于单证现象。
配荣(1989)指出这些序列很多是存于突变的平稳序列,I(0)。
于Eviews中如何实现ADF检验
打开序列窗口/View/UnitRootTest.你首先将见见壹个描述检验的表格,你要具体化DF检验(或者菲利普斯-配荣检验),且且说明你是想于水平上,仍是壹阶差分上或者二阶差分上检验单位根。
你也要决定等式中是否要包括截距项或者截距和趋势项。
最后,你要决定检验等式中所包含的滞后差分项的数量。
然后窗口就会给出壹个修正的DF单位根检验和麦金农临界值。
窗口的底部会给出这个检验的回归结果。
另壹个可选的路径是于主菜单中的Quick/SeriesStat。
ADF检验的输出包括滞后变量yt-1系数的t统计量,和零系数检验的临界值。
修订说明:
1、壹些翻译上有瑕疵的地方改正过来了。
比如,原来将power译为“解释力”,当下统壹改为“功效”,以及size原文为“解释范围”,当下为“检验水平”
2、另外仍要对上次忘了致谢的人壹且谢过。
主要是要感谢赵铁男同学于翻译中给予的无私的帮助以及指导,没有他的帮助不知道稿件要到什么时候才能跟读者见面呢:
)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 财务 知识 计量 经济学 讲义
![提示](https://static.bdocx.com/images/bang_tan.gif)