基于面板单位根检验的失业率结构突变研究

来源:岁月联盟 作者:朱慧明 时间:2010-06-25
一、引 言  
  时间序列平稳性的单位根检验是计量分析的主要研究工具,在实践中获得了广泛应用,但是检验统计量的优良性质依赖于样本容量的大小,而在现实经济问题中多数经济指标的样本量较小,从而降低了单位根检验的准确性。面板数据模型能够通过增加截面提供更多的信息,可以更好地分离出其中的随机成分而提高单位根检验的精度,成为了目前计量经济学的热点之一,并且被广泛地用于实证研究中。Levin和Lin通过蒙特卡罗模拟发现当样本量不足时,单序列的ADF检验和PP检验存在着不同程度的检验势和检验水平的下降,为解决这一问题,他们提出了基于混合数据的LL检验,但是LL检验的原假设和备择假设对所有个体要求具有统一形式,从而限制了其适用范围。Im、Peseran和Shin对检验的备择假设放松,提出了在拒绝原假设时允许个体之间存在差别的IPS检验。但是IPS检验针对的是平衡面板数据,在实际运用中可能不同个体所能获得的序列长度是不一样的,从而Mad—dala和Wu进一步把检验的条件放松,提出了一种基于Fisher方法的组合统计量,可以用于检验非平衡面板。在此基础之上,Chang,Chio,Bai和Ng,Moon和Perron,Smith等也相继提出了各种面板单位根检验方法。
  使用面板单位根方法可以提高检验的精度,但是对模型错误的设定仍然可能导致错误结论。如果一个平稳过程若不考虑其结构变化因素,那么它就极有可能被判定为单位根过程。Nelson在1982年提出美国宏观经济的14个变量中有13个变量是由单位根过程得出的结论,但1989年Person在《Thegreat crash,the oil-price shock,and the unit—roothypothesis)一文中指出其结论中13个单位根变量有10个应为结构突变的时间趋势稳定过程,并在此文中开始了关于单位根检验中存在结构突变的问题,随后Banerjee,Lumsdaine和Stock,Zivot和Andrews,Perron对该理论进行了,并允许内生决策性变量发生结构突变,Lumsdaine和Papell后来在此基础上进行进一步扩展,允许存在多个结构突变点。
  为了更好地研究失业率的内在变化,本文运用结构突变的单位根检验和面板单位根检验方法,构造基于结构突变的面板单位根检验模型,利用15个经济与合作组织(OECD)国家失业率数据进行实证分析。
  
  二、面板单位根模型的结构分析
  
  本文假定只有一个结构突变点,并且这个突变点已知(可以通过图形观察或简单得出,使用chow检验方法)。假设结构突变点为tB,如果一个数据生成过程(DGP)在t≥tB时,截距由突变到μ0+μ1,即可以表示为:
  从图1可以清楚看出美国失业率存在一个结构变化的过程,考虑剔除结构变化及其趋势影响,可能会影响单位根检验结果。把剔除调结构变化剩下的序列表示出来为图2,再对其进行单位根检验,可得到其为平稳序列,即美国失业率是一个结构突变的平稳序列,得到了与前面相反的结论。其它国家可以进行类似分析,得到结果如下:
  从上面的分析结果可以看出:在经过剔除结构变化与趋势项之后,结果只有部分为平稳过程,并且相当大部分国家在显著性水平由5%提高到1%时,序列由I(0)过程变化为I(1)过程。这样进行单序列分析就很可能产生错误的结论。产生这一原因是由多方面因素的,其中最主要就是序列的长度,我们知道ADF检验在T→∞时收敛于维纳过程,随着序列长度变短,收敛速度迅速下降,从而导致检验势下降。为了弥补时间纬度的不足,可以通过增加截面来进行,即上面提到的面板单位根检验,这里使用文中的2f统计量进行检验。表1为面板单位根检验的结果:
  由表2可以看出,通过面板单位根检验结果,可以认为失业率是一个子稳的宏观变量,但是在不考虑结构变化因素时,在10%的水平上才能得到其为平稳序列,而把结构突变因素加进来,则在1%的水平上亦非常显著,可见大大提高了检验水平。
  
  四、结 论
  
  本文介绍了非经典计量经济学中比较前沿的两种理论:面板单位根理论与结构突变理论,并在前人研究的基础上把它们较好地结合起来,构造了一种基于面板单位根的结构突变检验方法,然后运用经合组织中有代表性的15个国家的失业率数据进行了实证分析。通过实证研究,本文比较了结构突变的单序列检验、不包含结构突变的面板单位根检验和包含结构突变的面板单位根检验,并得到以下结论:前面两种方法得出的结论都比较含糊,即在较低的检验水平上才能得到失业率为稳定过程,而采用本文所提出的方法可以显著的得到此结论,这与Murray和Papell的结论是一致的,与Basher和Westerlund的研究也可以相互印证。可见,基于面板单位根的结构突变检验方法可以较为真实地反映经济序列的变动,这也为我们研究观测期较短时经济变量的平稳性提供了一种较为有效的途径。