國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 資料處理
本文使用 1979 年至 2011 年之家庭收支調查報告,由於時間序列資料 若直接進行迴歸估計,可能會出現假性迴歸(Spurious Regressions),存在 隨機趨勢(Stochastic trend)可能將會導致估計係數高度顯著的假象。隨機趨 勢和單根問題可以被視為相同的概念,就是因為單根的存在,使得時間序 列資料呈現非定態的形式。所以在進行所有估計之前,應檢定各項變數資 料是否為定態變數,若為非定態的變數,受到外生因素衝擊時,會造成持 續且長久的影響,其變數隨著時間逐漸偏離平均值。因此,變數處理的第 一步將進行 ADF 單根檢定(Augment Dicky-Fuller test,1979),假設殘差 項符合白噪音(white noise),若無法拒絕虛無假設,表示該變數為非定態 變數,可能存在單根問題。第二步利用 H-P 濾波器(Hodirck-Precott filter)
將變數之隨機趨勢平滑化(smoth),並消除其循環(cyclical)的部分,計算 出變數在極小化波動下的趨勢值。第三步將各變數做偏誤率計算,試圖同 時去除變數之隨機趨勢與固定趨勢。變數在三步驟處理完後才進行實證迴 歸分析,以下就 ADF 單根檢定、H-P 濾波器處理及偏誤率之計算進行介 紹。
一、 ADF 單根檢定
Dickey and Fuller 在 1979 年提出檢定單根的方法,假設殘差項符合白 噪音的情況下,變數產生的過程中會發生自我相關(autocorrelation),卻未 考慮到殘差項可能也存在自我相關的情況,所以 Said and Dickey(1984)
在檢定模型中加入了落後期來修正這個問題,稱之 Augment Dicky-Fuller 檢定法。本文使用 ADF 單根檢定法來進行各變數是否存在單根問題,依
‧
藉由對變數進行差分或計算成長率達成,本文參考許雯(2010)使用 H-P 濾波器估計趨勢值後,並加以計算趨勢偏離率來消除變數的單根問題。二、 H-P 濾波器
H-P 濾波器將隨著時間波動的變數分解成隨機趨勢(stochastic trend)
和波動(cyclical)兩部分,將隨機部分平滑化(smooth),並消除其循環
‧
(cyclical)的部分,隱含著極小化波動下的趨勢值,模型如下,若
x
為趨勢 變數,T
為樣本數,c
為循環部分,
為參數:
, 0
min
Tt1c
t2
Tt2x
t1 x
t x
t x
t1 2
最主要的目的就是作為一處罰變數(penalty parameter),限制隨機趨 勢以及循環的波動。當
值愈大時,表示越不利趨勢的波動,變數隨著時 間波動趨勢會愈平滑;若
趨近於無限大時,則表示接近x
線性函數。據 Hodrick and Prescott(1997)建議,應依樣本資料的期間來設定不同的
值。若為年資料,則設定
100;若為季資料,則設定
1600;若為月資料,‧
方法(ordinary least squar,OLS)複迴歸模型進行實證分析,共建構兩組 模型,分別針對總體景氣波動與家戶實質消費是呈現正循環或反循環關係,(structural changes or structural breaks),試圖降低模型估計的錯誤,避免發 生統計推論錯誤的發生。相關的文獻探討中稱此為迴歸係數的安定性問題 (stability or constancy),可使用 Chow 轉變點檢定(breakpoint test)來檢定子 樣本之間是否有不一樣的性質,若