单位根检验中的Wald检验量研究:Bootstrap法VS临界值法

针对Wald临界值检验方法存在检验水平扭曲和功效低下的不足,提出了Wald检验量的Bootstrap检验方法,并从理论上证明了该方法的有效性;借助于蒙特卡罗模拟技术对两种检验方法进行对比.结果表明:在无漂移项数据生成过程中,两种方法的实际覆盖率分别为100%和72.9%,精确程度之比为33:15;在有漂移项的数据生成过程中.实际覆盖率分别为94.4%和77.8%,精确程度之比为20:15;在检验功效方面,Bootstrap方法较临界值检验具有明显的优势,尤其是在小样本下;由标准正态分布得到的临界值对其它误差分布类型缺乏稳健性.实证分析也表明由Bootstrap检验方法得到的模型更符合实际情况.因此,Bootstrap方法可以替代临界值方法进行单位根的Wald检验.

单位根左侧调整Wald联合检验量研究

为提高单位根检验功效,在Wald联合检验量构造中引入左侧调整方法,并讨论特定数据生成过程下检验量分布。理论研究表明:检验量在大样本下收敛于维纳过程的泛函,且与已有检验量分布不同。蒙特卡洛模拟显示两点结论:第一,左侧调整Wald联合检验量分位数随着样本容量增大而减少,且小于对应无调整Wald联合检验量分位数;第二,左侧调整Wald联合检验量不但具有满意的检验水平,而且检验功效不低于无调整Wald联合检验量。研究结果有助于改进单位根联合检验方法,为实证研究提供一种新检验方法,完善了单位根检验流程理论。

方差无穷非线性自回归序列的自加权L_1估计

对具有无穷方差的非线性自回归序列x_t=φ(x_(t-1),x_(t-2),…,x_(t-p),θ)+ε_t,E(ε_t^2)=∞,利用局部二次近似和连续函数空间C(R^q)上弱收敛随机过程最小点的渐近性质,证明了若存在δ≥1,使得E|ε_t|~δ<∞成立,则θ满足一定条件的自加权L_1估计θ_(L_1)是渐近正态估计,Wald检验统计量也具有通常的x^2分布,为模型的统计推断提供了理论基础.