检验式设定错误对时间序列单位根检验小样本性质的影响

首先对单位根检验的两类常见的数据生成系统进行比较,然后利用蒙特卡洛实验研究了时间序列单位根检验式的设定问题。研究发现在利用DF检验和DF-GLS检验进行时间序列的单位根检验时,检验式设定错误直接影响着检验结果,尤其在推断时间序列是趋势平稳过程还是有时间趋势项的随机游走过程或有二阶时间趋势多项式的随机游走过程时,检验式的错误设定很容易将趋势平稳过程误判为非平稳过程。

错误先验假定下回归系数Bayes估计的小样本性质

本文基于错误指定的先验假定获得了回归系数的Ｂａｙｅｓ估计（ＢＥ），并在均方误差矩阵准则下对其与最小二乘（ＬＳ）估计进行了比较．导出了它们的相对效率的界．讨论了在后验ＰｉｔｍａｎＣｌｏｓｅｎｅｓｓ准则下ＢＥ相对于ＬＳ估计的优良性．

非线性模型中拟似然估计的小样本性质

在一类非线性模型中，本文利用了文［３］投影似然方法，推导出了拟似然得分函数是线性无偏估计函数类中唯一最优估计函数，推广了古典线性模型中著名的Ｇａｕｓｓ－Ｍａｒｋｏｖ定理。最后，证明了拟似然估计（ＱＬＥ）比最大似然估计（ＭＬＥ）效率低，从而进一步证实了文［２］的结论。

STAR模型中退势单位根检验的小样本性质研究

Kapetanios et al.(2003)和刘雪燕(2008)提出了ESTAR和LSTAR模型单位根检验的方法。本文将时间序列退势的OLS和GLS方法与他们提出的单位根检验方法结合,通过蒙特卡洛试验发现,在STAR模型中,对时间序列退势能不同程度的改善单位根检验的功效。若时间序列只存在非零均值,ESTAR模型中OLS退势存在优势;LSTAR模型,样本容量较小时(T<=50),OLS退势的优势较明显,样本容量较大(T>100)时,GLS退势具有了微弱的优势。若序列存在非零的均值和趋势,且样本容量较小时,LSTAR模型中GLS退势的优势较明显,ESTAR模型中OLS退势的优势较明显;样本容量较大时,LSTAR模型中二者功效都很高,ESTAR模型中GLS退势的优势较明显。

退势单位根检验的小样本性质

在经验研究中,尽管Dickey-Fuller提出的T(■-1)统计量是应用最广泛的单位根检验,但是,它的检验功效偏低是众所周知的。为了改善Dickey-Fuller检验的功效,本文将时间序列的四种退势方法和T(■-1)检验、T(βw-1)检验、MAX检验和T(rβ-1)检验相结合,通过蒙特卡洛模拟试验研究了16种退势单位根检验的小样本性质。研究发现,退势单位根检验均不同程度地改善了T(■-1)型检验的功效,特别是退势单位根检验T(■-1)-KGLS、MAX-KGLS、T(■-1)-RLS和MAX-RLS具有更理想的小样本性质。

退势单位根检验小样本性质的比较

在经验研究中,尽管Dickey-Fuller检验的DF统计量是应用最广泛的单位根检验,但是,它的检验功效偏低是众所周知的。为了改善Dickey-Fuller检验的功效,本文将时间序列的退势和DF检验、WS检验、MAX检验和RMA检验相结合,通过蒙特卡洛模拟试验研究了20种单位根检验的小样本性质,研究发现,对时间序列的退势(demeaning/detrending)均能不同程度地改善单位根检验的功效;时间序列的递归退势RMA检验(RMA-ROLS检验)具有最理想的小样本性质,它的检验功效高于其他检验,其次是基于GLS退势的DF检验(DF-GLS检验)。

回归系数Stein压缩估计的小样本性质

本文在广义均方误差（GMSE）准则下给出了回归系数β的Stein估计优于最小二乘（LS）估计的充分必要条件,然后在Pitman Closeness（PC）准则下比较了Stein估计相对于LS估计的优良性.本文最后给出了一个特别的注记.

同期相关面板数据退势单位根检验的小样本性质

本文基于SUR回归将时间序列的两种单位根检验(ADFGLS检验)推广到面板数据,得到了同期相关面板数据退势单位根检验,称为SURADFGLS检验。通过蒙特卡洛试验研究发现,SURADFGLS检验具有良好的小样本性质。并且,SURADFGLS检验关于面板数据的同期相关性结构存在着较强的“依存性”。

ESTAR模型单位根检验的性质研究

文章以转移函数为指数形式的平滑转移自回归模型(ESTAR)作为典型代表,通过模拟实验考察了非线性单位根检验(包括ADF检验和PP检验)的小样本性质;以MA(1)和GARCH(1,1)过程为代表,研究了误差项服从序列相关和异方差时,非线性参数和滞后阶数对两类检验统计量实际水平和功效的影响,从而为非平稳STAR族模型的应用研究提供一定的理论支持。

ARCH、GARCH模型参数估计样本分布的Monte Carlo研究

本文使用ＭｏｎｔｅＣａｒｌｏ方法对常用的ＡＲＧＡＲＣＨ一类模型的样本分布性质进行了讨论．重点讨论了在小样本条件下ＡＲ（１）ＧＡＲＣＨ（１，１）模型与通常模型参数估计分布性质及预测精度；使用序贯数论优划（ＳＮＴＯ）算法与使用ＢＨＨＨ算法对ＡＲ（１）ＧＡＲＣＨ（１，１）模型估计结果的优劣比较；Ｋ－Ｓ统计量检验方法与常用的ＬＭ统计量有效性的比较．

SUR模型参数的一种两步估计

对于一般SUR模型,根据Rao的协方差改进法提出了一种既能有效利用样本信息又具有简洁形式的两步估计,并在正态条件下获得了这种估计的有限样本精确协方差阵表达式,在不需要对设计矩阵附加任何条件下,证明了这种估计在一定条件下优于LS估计的小样本性质。

一种对初始值稳健的单位根检验及其应用

常见单位根检验方法对初始值都做了适当的约束,而经验研究中的数据往往由于各种冲击的存在无法满足相应的假定条件。所以,有必要讨论检验功效对初始值稳健的单位根检验方法。本文在研究初始值对单位根检验功效影响的基础上,基于Fisher统计量提出了检验功效关于初始值较稳健的组合p值单位根检验方法并研究了其小样本性质。并且,对我国CPI月环比时间序列的检验发现,随着我国宏观经济调控政策的完善,CPI逐渐趋于平稳。