Kapetanios et al.(2003)和刘雪燕(2008)提出了ESTAR和LSTAR模型单位根检验的方法。本文将时间序列退势的OLS和GLS方法与他们提出的单位根检验方法结合,通过蒙特卡洛试验发现,在STAR模型中,对时间序列退势能不同程度的改善单位根检验的...Kapetanios et al.(2003)和刘雪燕(2008)提出了ESTAR和LSTAR模型单位根检验的方法。本文将时间序列退势的OLS和GLS方法与他们提出的单位根检验方法结合,通过蒙特卡洛试验发现,在STAR模型中,对时间序列退势能不同程度的改善单位根检验的功效。若时间序列只存在非零均值,ESTAR模型中OLS退势存在优势;LSTAR模型,样本容量较小时(T<=50),OLS退势的优势较明显,样本容量较大(T>100)时,GLS退势具有了微弱的优势。若序列存在非零的均值和趋势,且样本容量较小时,LSTAR模型中GLS退势的优势较明显,ESTAR模型中OLS退势的优势较明显;样本容量较大时,LSTAR模型中二者功效都很高,ESTAR模型中GLS退势的优势较明显。展开更多
文摘Kapetanios et al.(2003)和刘雪燕(2008)提出了ESTAR和LSTAR模型单位根检验的方法。本文将时间序列退势的OLS和GLS方法与他们提出的单位根检验方法结合,通过蒙特卡洛试验发现,在STAR模型中,对时间序列退势能不同程度的改善单位根检验的功效。若时间序列只存在非零均值,ESTAR模型中OLS退势存在优势;LSTAR模型,样本容量较小时(T<=50),OLS退势的优势较明显,样本容量较大(T>100)时,GLS退势具有了微弱的优势。若序列存在非零的均值和趋势,且样本容量较小时,LSTAR模型中GLS退势的优势较明显,ESTAR模型中OLS退势的优势较明显;样本容量较大时,LSTAR模型中二者功效都很高,ESTAR模型中GLS退势的优势较明显。
