(课件)-政治大学财政所与东亚所选修课程名称：应用计量分析--中国.ppt

2010/06/21 林晉勗 大綱 時間序列模型之平穩性 (stationarity) 常用之判定方法：單根檢定 Augmented Dickey-Fuller test Philips-Perron test 多變量時間序列模型 向量自我迴歸模型 (VAR) 共整合模型 (Cointegration) 向量誤差修正模型 (VECM) 自我迴歸分布落後期模型 (ARDL) 時間序列資料之平穩性(stationarity) 若 et 為一圍繞在零附近的一個隨機變數，變異數為固定，且具有本期的資料與前期資料無關的特性，也就是 E(εt， εs)=0 (t≠s) ，這樣的數列，我們一般將它稱為白噪音(white noise)。 時間序列資料之平穩性(stationarity) 任一時間序列模型均可由一組獨立同分配(iid)的白噪音{et}t=1,2,…,∞以線性組合而成 則 yt 的變異數γ0 = Var(yt) = E(yt，yt) 若當 時，則yt 即為一平穩的時間序列 時間序列資料之平穩性(stationarity) 時間序列資料之平穩性(stationarity) 如何檢定時間序列資料之平穩性？ 單根檢定 unit roots test 若β0=1?γ=0，代表時間序列具有單根，亦即為非穩定數列，因此只需估計最後一式迴歸式，並檢定γ=0？即可，虛無假設為 H0：γ=0 (有單根，亦即數列不穩定) 如何檢定時間序列資料之平穩性？ 實務上，有時需考慮Δyt有無漂移項，或有無時間趨勢，另外，Δyt 亦有可能存在自我相關，因此檢定式考慮如下： 不同的單根數列 單根檢定之步驟 單根檢定實例 消費者物價指數 (CPI) (taiwan_var_data.wf1) 1981M01~2007M06 單根檢定操作步驟—以ADF test 為例 步驟1：在Eviews指令列中輸入 uroot cpi 在 test type中選擇ADF test Test for Unit root in選擇 「Level」，代表檢定未差分的數列。 Include in test equation選擇 「Trend intercept」，代表先估計包含漂移項及趨勢項的檢定式。 單根檢定操作步驟—以ADF test 為例 「Lag length」中選擇「Schwarz Info. Criterion」代表以SIC做為選擇最適落後期數的準則。Maximum lags輸入16，代表最大測試落後期。(Eviews 4.0 版以上，在執行 uroot test時，系統會自動為使用者測試最佳落後期數。) 單根檢定操作步驟—以ADF test 為例 右側的估計結果可發現第一階段的檢定結果為不拒絕虛無假設，因此代表可能有單根。 檢查估計方程式中是否應有趨勢項。由估計結果下方可以發現@TREND的估計結果為不顯著，因此在估計方程式中不應有趨勢項。 單根檢定操作步驟—以ADF test 為例 步驟2： 點選估計結果視窗的「View」?「Unit Root Test」，在設定視窗中，將Include in test equation選擇「Intercept」，點選「OK」。 單根檢定操作步驟—以ADF test 為例 從估計結果發現單根檢定結果仍為不拒絕虛無假設，代表仍然可能存在單根。 檢定估計方程式中是否應包含漂移項，由估計結果下方可以發現，漂移項項係數不顯著，表示估計方程式中不應有漂移項。 單根檢定操作步驟—以ADF test 為例 步驟3： 點選估計結果視窗的「View」?「Unit Root Test」，在設定視窗中，將Include in test equation選擇「None」，點選「OK」。 單根檢定操作步驟—以ADF test 為例 檢查估計式之檢定結果，仍不拒絕虛無假設，則此時代表CPI數列存在單根，亦即CPI數列為非定態數列。 如何處理不平穩的時間序列資料？ 常用的平穩化方法 差分 取變動率 (物價上漲率) 若變數經過 1 次平穩化後可成為穩態數列，則稱之為I(1) 數列。 平穩化階次 一般總體經濟時間序列資料多為 I(1)變數，亦即經過一階差分後即可成為穩定數列，欲判定變數的階次，可在變數差分後再依前述步驟重覆進行uroot test。 如下所示，CPI數列在經過一階差分後，單根檢定便拒絕虛無假設，亦即經一階差分後即成定態數列，因此我們可稱CPI為 I(1) 數列。 平穩化階次 VAR模型定義 向量自我迴歸模型Vector Autoregressions (VAR) model 考慮變數為自身落後項以及其他變數落後項的函數