時間序列模型

‧

數的時間序列常為非定態資料，具有隨機趨勢而非確定趨勢(Nelson & Plosser, 1982)，造成相互獨立的非定態變數數列在迴歸中卻呈現顯著，使統計結果出現 數個時間序列間是否存在共整合關係。Granger (1981)指出，若有數個非定態的 數列差分後呈現定態，表示其在未差分時可能就存在定態的線性組合，若數個 時間序列未差分的原始資料即存在定態的線性組合，則被認為存在共整合現 象。利用 Johansen 檢定（Johansen test）可確認數個時間序列間是否存在一個 以上的共整合關係，Johansen 的五模型最大概似共整合檢定（cointegration test）含線性趨勢（linear trend）及二次趨勢（quadratic trend），應用範圍比 Engle-Granger 提出的兩階段檢定廣，Engle-Granger 檢定第一階段先針對殘差進 行單根檢定，第二階段再以第一階段的結果建構誤差修正模型，其假設數個時 間序列間只存在一個共整合關係，因此無法處理存在一個以上共整合關係的數 個時間序列。本研究不預測五項變數間只存在一個共整合關係，因此採用 Johansen 檢定確認各變數間是否存在長期均衡關係，若非定態數列的隨機過程 剛好有相同的隨機趨勢，則表示可能存在共整合現象，表示非定態隨機過程的 線性組合會變成定態隨機過程，雖然短期變數間可能存在偏離現象，長期仍會

‧

差項，為向量誤差修正模型。根據 Engle and Granger (1987)提出的 Granger 表現 定理（Granger representation theorem），共整合與誤差修正模型互為充分且必 要條件，揭露了變數間的雙向關係，因此可以使用誤差修正模型來描述變數間 長期與短期的動態調整過程。當發生外生衝擊時，體系內的變數之間發生短期 失衡，透過向量誤差修正模型的誤差修正項，將短期失衡調整至長期均衡，優 點為同時包含短期調整與長期均衡關係。

三、因果關係檢定

Granger (1969)提出以變數預測力（predictability）來衡量變數間的因果關 係，若兩時間序列間存在因果關係時，則依獨立變數加入過去的訊息會增加因 變數的解釋能力。此一因果關係非前因後果，而是領先-落後的概念，為一個變 量當期值和其他變量過去值之間的相關關係。如果變數 X 過去的資訊有助於預 測變數 Y 所需資訊，則 X 變數 Granger 影響變數 Y；當 X、Y 變數相互 Granger 影響時，即兩者存在回饋關係。Granger 因果關係為解釋變數間互為領先、落 後、回饋或無關係之一種檢定方法。

‧

Granger 因果關係檢定等時間序列計量方法，探討外籍移工人數、失聯移工人 數、基本工資、失業率與勞動參與率之間的關係。 口普查局（Census Bureau）開發之 X-13 Arima 方法進行季節調整，將變數時間 序列中之季節性分離出來。

本研究使用 ADF 單根檢定法，依是否考慮常數項及時間趨勢項三種模型進

在文檔中 外籍移工、基本工資與失業：台灣實證研究 - 政大學術集成 (頁 42-45)