第四章 研究方法
第二節 單根檢定
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
40
第二節 單根檢定
由於總體經濟變數有很多被認為是具有非定態(nonstationarity)的性質,
故若將資料直接進行迴歸分析,可能會產生 R2值過高,且 t 值也顯著的結果,
存在著從不相關的資料中得到了看似顯著的回歸結果風險。亦即產生了
Granger and Newbold(1974)所發現的假性迴歸(Spurious Regression)。所以 在利用時間序列分析之前,必須要確定所蒐集的資料為定態(stationary)。而 所謂定態的時間序列資料,係指變數的平均數或者是變異數不會隨著時間的變 動而產生改變,也就是說任何的外在衝擊對變數只會產生暫時性的影響,數列 會在長期平均值附近波動,具有均數復歸(mean reversion)的特性。因此,欲 檢定時間序列資料是否符合常態時,利用單根檢定,以確認時間序列的整合階 次(intergrated order),藉以判定時間序列之定態性質。
我們可以透過單根檢定來檢定資料是否為定態,也就是檢定資料是否存在 單根(unit root),若一時間序列資料存在單根,表示此資料並非定態,需要透 過差分(difference)使其成為定態,經過 d 次差分後可達定態,則此序列就稱 之為 I(d)數列。
令t = 1,2, … , t,三個基本單根過程如下:
模型 1:無截距、無確定趨勢:𝑌𝑡 = 𝛽1𝑌𝑡−1+ 𝜀𝑡 (5)
模型 2:有截距、無確定趨勢:𝑌𝑡 = 𝛼0+ 𝛽1𝑌𝑡−1+ 𝜀𝑡 (6)
模型 3:有截距、有確定趨勢:𝑌𝑡 = 𝛼0+ 𝛽0+ 𝛽1𝑌𝑡−1+ 𝜀𝑡 (7)
為了避免假性迴歸的產生並確保研究結果的正確性,統計上針對變數是否 具有單根的檢定有 Levin, Lin and Chu(2002)所提出的 Panel 單根檢定法、DF 檢定(Dickey-Fuller Test)、ADF 檢定(Augmented Dicky-Fuller Test)、PP 檢定
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
41
(Phillips-Perron Test)及 KPSS 檢定(Kwiatkowski, Phillips, Schmidt, and Shin)
等,茲針對 LLC 單根檢定法、ADF 檢定與 PP 檢定做為檢定單根的方法,說明 如下:
1、 LLC 單根檢定法:
此法為 Levin, Lin and Chu(2002)所提出的 Panel 單根檢定法,簡稱 LLC 單根檢定法,此法允許每個變數可個別考慮時間趨勢和截距項的存在 與否,並將橫斷面資料的資訊加入考慮,可提升檢定力。
其迴歸式如下:
∆𝑌𝑖,𝑡 = 𝛼𝑖+ 𝛽𝑖𝑌𝑖,𝑡−1+ 𝛾𝑖𝑡 + ∑𝑘𝑖𝑗=1∅𝑖,𝑗∆𝑌𝑖,𝑡−𝑗 + 𝜀𝑖,𝑡 (8)
其中i=1,…,N,t=1,…,T,𝛽𝑖 = 𝛿𝑖− 1,δi為序列的自我相關係數,ki為落後 期數。
其統計假設為:
{H0:𝛽1 = 𝛽2 = 𝛽3… = 𝛽𝑁
H1:𝛽1, 𝛽2, … , 𝛽𝑁不全為零 (9)
決策法則:
若接受 H0,表示所有序列均具有單根,故進行差分直到定態為止。
若拒絕 H0,表示所有序列均為定態。
2、ADF 檢定:
ADF 單根檢定 (Augmented Dicky- Fuller Test)亦稱為修正後的 DF 檢 定法,是 Said and Dickey(1984)為了改善 Dickey and Fuller(1979,1981)
所提出的 DF 檢定法所產生的缺失而提出的修正方法。乃將變數落後項
(Lags)可能存在的資訊加以考慮,並加入模型可能遺漏之具解釋能力的 落後項變數。而其檢定方法依據是否考慮到截距項以及時間趨勢項而有所
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
42
不同,可分為以下三種型式:
(1) 隨機漫步模型(random walk)
∆𝑌𝑡 = 𝛾𝑌𝑡−1+ ∑𝑃𝑡=2𝛽𝑖∆𝑌𝑡−1+ 𝜀𝑡 (10)
(2) 含截距項之隨機漫步模型(random walk with drift)
∆𝑌𝑡 = 𝛼0+ 𝛾𝑌𝑡−1+ ∑𝑃𝑡=2𝛽𝑖∆𝑌𝑡−1+ 𝜀𝑡 (11)
(3) 含截距項與時間趨勢之隨機漫步模型(random walk with drift around a stochastic trend)
∆𝑌𝑡 = 𝛼0+ 𝛾𝑌𝑡−1+ ∑𝑃𝑡=2𝛽𝑖∆𝑌𝑡−𝑖+1+ 𝜀𝑡 (12)
其中,Yt為數列 Y 之原始資料值,而 ΔYt為數列 Y 之取一階差分值;α0為漂 浮項(drift term);t 為時間趨勢;P 為落後期數;而 εt則為殘差項。
而 ADF 檢定之模型假設為:
{H0:γ = 0,存在單根,序列為非定態。
H1:γ ≠ 0,不存在單根,序列為定態。 (13)
檢定結果若為顯著拒絕虛無假設,表示數列 Yt不存在有單根,序列為定態;
若檢定結果為無法拒絕虛無假設,則表示數列 Yt存在有單根,序列為非定態。
3、PP 檢定
由 Phillips 與 Perrson(1988)提出,PP 檢定亦是針對 DF 檢定方法所 提出的改善方式,允許模型中之殘差具有自我相關及異質性
(Heteroskedasicity)。PP 檢定在求出模型統計量之後,以無母數的方式來 消除殘差項和非白噪音現象,而形成了 PP 的單根檢定統計量。而其檢定方 法依據是否考慮到截距項以及時間趨勢而有所不同,可分為以下三種型 式:
(1) 隨機漫步模型(random walk)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
43
∆𝑌𝑡 = 𝛿𝑌𝑡−1+ 𝜀𝑡 (14) (2) 含截距項之隨機漫步模型(random walk with drift)
∆𝑌𝑡 = 𝛼0+ 𝛿𝑌𝑡−1+ 𝜀𝑡 (15) (3) 含截距項與時間趨勢項之隨機漫步模型(random walk with drift around a
stochastic trend)
∆𝑌𝑡 = 𝛼0+ 𝛿𝑌𝑡−1+ 𝛼1𝑡 + 𝜀𝑡 (16)
其中,Yt為數列 Y 之原始資料值,而 ΔYt為數列 Y 之取一階差分值;α0為漂 浮項(drift term);t 為時間趨勢;而𝜀𝑡則為殘差項。
而 PP 檢定之模型假設為:
{H0:γ = 0,存在單根,序列為非定態。
H1:γ ≠ 0,不存在單根,序列為定態。 (17)
經參考相關文獻後,本研究以有截距、無確定趨勢作為單根檢定的模型,
並採用 Levin, Lin and Chu(2002)所提出的 Panel 單根檢定法,簡稱 LLC 單根 檢定法進行檢定。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
44