3.2.平稳性检验的单位根方法 单位根检验方法 DF检验 ADF检验 PP检验 KPSS检验 ERS检验 NP检验
3.2.平稳性检验的单位根方法 DF检验： DF检验时Dickey和Fuller (1976) 提出的单位根检验方法 数据生成过程 原假设：序列服从一个随机游走或有一个单位根
3.2.平稳性检验的单位根方法 DF检验考察以下三种情况: 简单随机游走 带漂移项的随机游走 带漂移项和确定性趋势的随机游走 分别以 为零假设
3.2.平稳性检验的单位根方法 DF检验的T统计量： 当T统计量值大于3个临界值时，接受原假设，即序列有单位根。 见Eviews操作
3.2.平稳性检验的单位根方法 ADF检验： ADF检验是Dickey和Fuller提出的改进DF检验方法,又称为增广DF检验 将序列yt看成AR(p)的形式(DF检验是AR(1)形式)，并令残差序列ut服从平稳分布，通过对数据差分去除存在的自相关性保证ut是白噪声。
3.2.平稳性检验的单位根方法 ADF检验的模型：
3.2.平稳性检验的单位根方法 ADF检验的原假设：序列存在一个单位根 备选假设：序列不存在单位根，且可能包含常数项和时间趋势项
3.2.平稳性检验的单位根方法 ADF检验的T统计量： 当统计量TADF值大于3个临界值时，接受原假设，即序列有单位根 见Eviews操作
3.2.平稳性检验的单位根方法 PP检验： Phillips和Perron(1988) 提出一种非参数检验方法 检验一阶回归方程AR(1)的平稳性 接受原假设意味着有单位根，反之不存在单位根
3.2.平稳性检验的单位根方法 PP统计量： 当PP统计量值大于3个临界值时，接受原假设，即序列有单位根。 见Eviews操作
3.2.平稳性检验的单位根方法 KPSS检验： Kwiatkowski-Phillips-Schmidt-Shin(1992) KPSS检验是从待检序列中剔除截距项和趋势项的序列ut构造统计量LM。 令 其中xt是外生变量向量序列,包含被检验序列yt的截距项，或截距项和趋势项
3.2.平稳性检验的单位根方法 KPSS检验： 利用最小二乘法回归得残差序列估计 通过检验该残差是否存在单位根来判断原序列是否有单位根 LM统计量 零频率条件下的残差谱
3.2.平稳性检验的单位根方法 KPSS检验： 原假设：序列是（趋势）平稳的 备择假设：序列是非平稳的 当LM统计量值小于3个临界值时，拒绝原假设，即序列有单位根 见Eviews操作
3.2.平稳性检验的单位根方法 ERS检验： Elliot-Rothenberg-Stock (1996) 拟差分 回归方程
3.2.平稳性检验的单位根方法 ERS检验统计量： 原假设：序列有一个单位根 当统计量PT值大于3个临界值时，接受原假设，即序列有单位根。 见Eviews操作
3.2.平稳性检验的单位根方法 NP检验： Ng和Perron (2001)检验 NP检验是基于被检验序列yt 的广义最小二乘退势序列 构造统计量检验序列的平稳性。 四个统计量: 见Eviews操作
3.2.平稳性检验的单位根方法 注意: The ADF (Dickey and Fuller, 1979) and PP (Phillips and Perron, 1988) tests are the most commonly used methods to test for unit roots. However, it has been reported that both of these methods have weaknesses, the DF-GLS (Dickey–Fuller GLS), KPSS (Kwiatkowski et al., 1992) and Ng and NPZa (Ng and Perron, 2001) unit root tests are better.
3.2.平稳性检验的单位根方法 ADF检验应注意的几个问题: 应为回归确定合理的滞后阶数,通常用AIC准则; 可选择常数和线性时间趋势, 选择方法: 若数据图在一个偏离0的位置随机变动,则意味着被检验序列均值非零,添加常数项; 若数据图波动趋势随时间变化, 意味着被检验序列具有时间趋势,添加时间趋势项.
3.2.平稳性检验的单位根方法 使用数据图来直观判断在ADF检验是否包含常数项和时间趋势项是常用、有效和易行的方法。 对某些生成过程较为复杂的时间序列，需要对常数项、时间趋势项及单位根项前面的系数进行反复的检验，以确定被检验时间序列的具体的数据生成过程。
3.2.平稳性检验的单位根方法 练习：单位根检验的EViews操作 见EViews实例10 对附件中的序列进行单位根检验