跳轉到

10.2 時間序列與單根檢定#

本章導言#

經濟資料幾乎都是時間序列：GDP、物價、股價、匯率逐期排列。但把為橫斷面設計的迴歸（10.1 節）直接套在時間序列上，1970 年代被證明會出大問題——兩條各自亂走的序列可以「相關」得天衣無縫，卻毫無經濟意義。救火的是兩個概念：單根（unit root） 與 共整合（cointegration）。前者由 Box–Jenkins（1970） 的 ARMA 傳統與 Dickey–Fuller（1979） 檢定確立診斷工具；後者由 Granger（1981） 與 Engle–Granger（1987） 建立，兩人共獲 2003 年諾貝爾經濟學獎。本節沿著「虛假迴歸危機 → 單根檢定 → 共整合與誤差修正」的主線走完這段歷史。

問題的由來：虛假迴歸#

1974 年 Granger 與 Newbold 用模擬揭露震撼事實：把兩條獨立的隨機漫步互相迴歸， \(t\) 統計量動輒達到 3、4 以上， \(R^2\) 很高——但兩者毫無關係。原因在於 OLS 推論假設變數平穩；隨機漫步不平穩， \(t\) 與 \(R^2\) 的極限分布完全改變，古典顯著性淪為噪音。用數學說：隨機漫步

\[ y_t = y_{t-1} + \varepsilon_t, \qquad \varepsilon_t \sim \text{i.i.d.}(0, \sigma^2) \]

的變異數 \(\operatorname{Var}(y_t) = t\sigma^2\) 隨時間發散，樣本平均與自我相關係數都不是固定的——它「走到哪、平均到哪」。而平穩過程（如 AR(1) 的 \(y_t = \rho y_{t-1} + \varepsilon_t\) ， \(|\rho| < 1\) ）的變異數固定為 \(\frac{\sigma^2}{1-\rho^2}\) ，衝擊會衰減： \(\rho^k\) 決定衝擊 \(k\) 期後的殘留比例。

單根：一個特徵根踩在單位圓上#

把 AR(1) 寫成 \(y_t = \rho y_{t-1} + \varepsilon_t\) ， \(\rho = 1\) 即單根：特徵方程 \(1 - \rho z = 0\) 的根 \(z = 1\) 落在單位圓上，過程恰好徘徊在平穩與爆炸的邊界。這個邊界有深刻的經濟意義：

  • 含單根：衝擊永久留存（ \(y_t = \sum_{s\le t}\varepsilon_s\) 是隨機漫步）。貨幣政策一次衝擊會永久改變 GDP 水準——稱單位根過程或 I(1)。
  • 不含單根：衝擊終會消失，序列回到固定均值——稱定態過程或 I(0)。

差分是解藥：I(1) 序列一階差分 \(\Delta y_t = y_t - y_{t-1} = \varepsilon_t\) 即平穩；一般地 \(d\) 階求和序列 I(d) 經 \(d\) 次差分變平穩。

Dickey–Fuller 檢定#

1979 年 David Dickey 與 Wayne Fuller 設計檢定：對

\[ \Delta y_t = \alpha + \beta t + \gamma\, y_{t-1} + \sum_{j=1}^{p}\phi_j \Delta y_{t-j} + u_t \]

做 \(H_0: \gamma = 0\) （有單根）對 \(H_1: \gamma < 0\) （平穩）的檢定（含落後差分者稱 ADF 檢定）。致命陷阱： \(H_0\) 下 \(y_{t-1}\) 是非平穩變數， \(t\) 統計量不服從 \(t\) 分布，必須用 Dickey–Fuller 的模擬臨界值（如無漂移無趨勢時 5% 臨界值約 \(-1.95\) 、含趨勢時更負）。檢定的方向也反直覺：虛無假設是「非平穩」，拒絕它才能宣稱平穩；檢定力低（經濟樣本短）時，無法拒絕不代表序列真有單根。

例題#

例題 10.2.1：某指數服從 AR(1)： \(y_t = 0.98\, y_{t-1} + \varepsilon_t\) ， \(\sigma_\varepsilon = 2\) 。某月發生一次性衝擊 \(\varepsilon_T = +10\) 。

解：衝擊 \(k\) 期後殘留 \(10 \times 0.98^k\) 。殘留過半（低於 5）需 \(0.98^k < 0.5\) ，即 \(k > \ln 0.5 / \ln 0.98 \approx 34.3\) ，約 35 期。長期變異數 \(\frac{\sigma^2}{1-\rho^2} = \frac{4}{1-0.9604} \approx 101\) ，標準差約 10.1。若改為 \(\rho = 1\) （單根），衝擊 10 永久留存、變異數無界。這 0.98 與 1.00 的差別在理論上是天壤（暫時 vs 永久衝擊），卻在有限樣本中難以檢定——這正是 ADF 檢定低檢定力的具體寫照，也是 1970 年代計量學界爭論不休的原因。

共整合：一起漂移的兩條線#

單根診斷出問題，共整合指出出路。設 \(y_t, x_t\) 皆 I(1)。若存在係數 \(\beta\) 使

\[ y_t - \beta x_t = u_t, \qquad u_t \sim I(0) \]

（線性組合平穩），則稱 \((y_t, x_t)\) 共整合， \(\beta\) 為共整合向量。經濟意義：兩條各自亂走的序列被一條長期均衡關係綁在一起——像兩個醉漢（Granger 的比喻）各自蹣跚，卻總被狗鏈拉回彼此附近。典型例子：消費與所得（8.1 節的恆常所得含義）、長短期利率、名目匯率與兩國物價。

Engle–Granger 兩步法（1987）：第一步 OLS 迴歸 \(y\) 對 \(x\) 得殘差 \(\hat{u}\) ；第二步對 \(\hat{u}\) 做 ADF 檢定（用修正臨界值，因 \(\beta\) 是估計的），拒絕單根即證共整合。誤差修正模型（ECM） 再把短期動態與長期均衡縫合：

\[ \Delta y_t = \lambda\, \hat{u}_{t-1} + \text{落後差分項} + w_t, \qquad \lambda < 0, \]

\(\lambda\) 是調整速度：上期偏離均衡 1 單位，本期修正 \(|\lambda|\) 比例。Granger 表示定理（Granger Representation Theorem）證明：共整合與 ECM 是同一事實的兩種表述，缺一不可。

歷史啟示#

  • 統計方法必須尊重資料的時間結構：虛假迴歸的教訓是「檢定程序的假設清單不可跳過」——這與 10.1 節的辨識問題同源。
  • 單根檢定改寫了總體實證：Nelson–Plosser（1982）用 ADF 檢定發現美國實質 GDP、物價等十餘條百年序列皆有單根——「經濟波動來自趨勢的永久衝擊」此一結論，直接衝擊 8.3 節以暫時波動為前提的景氣循環理論。
  • 共整合讓「長期均衡」可被估計：Walras 意義的均衡（5.1 節）第一次有了時間序列上的操作定義。

前因後果與驅動關係#

由什麼驅動：兩股力量。其一是 1970 年代總體計量模型在石油危機中預測連連失準，學界對大型聯立模型的信心崩盤，轉向 Box–Jenkins 式的單變數時間序列「無理論預測」；其二正是無理論預測自己闖禍——Granger–Newbold 的虛假迴歸警告逼問：經濟變數到底該以什麼姿態進入模型？答案必須先檢驗單根。而 1980 年代個人電腦普及，使模擬臨界值與 bootstrap 成為可行，檢定方法才真正落地。

數學成熟後如何反哺實務：

  • 政策評估：確認 GDP 為 I(1) 後，政府支出乘數（8.1 節）的估計必須在共整合框架內進行，否則乘數估計本身是虛假的。
  • 金融市場：匯率購買力平價、股利與股價、期貨與現貨套利，全以共整合檢定為起點——《金融的數學》第 5 章隨機過程與第 7 章風險度量皆以此為工具基礎；配對交易（pairs trading）是共整合最直接的交易策略化身。
  • 10.3 節：單根檢定的臨界值依賴模擬，是「計算方法進入統計推論」的先聲； bootstrap 與結構斷裂檢定（Perron, 1989：考慮斷裂後許多「單根」其實是趨勢斷裂）延續此路。
  • 《機率統計》：平穩過程、自我相關函數、ARMA 模型是時間序列分析的理論核心；ADF 檢定是假設檢定中「非標準極限分布」的著名案例。
  • 《管理的數學》第 2 章：需求與銷售預測需先辨別序列是否有單根與季節性，才能選擇正確的預測模型。
  • 8.3 節：商業循環的差分方程模型（乘數–加速原理）正是 AR 動態的經濟理論版本，兩者互為表裡。

練習#

  1. 對 AR(1) \(y_t = \rho y_{t-1} + \varepsilon_t\) 分別取 \(\rho = 0.5,\ 0.95,\ 1\) ，計算長期變異數 \(\frac{\sigma^2}{1-\rho^2}\) （ \(\sigma^2 = 4\) ），說明哪個值使公式失效、為何。
  2. 一次衝擊 \(\varepsilon_T = 8\) 落在 \(\rho = 0.96\) 的 AR(1) 上，求殘留量小於 1 的期數（用對數）。
  3. 消費 \(c_t\) 與所得 \(y_t\) 皆為 I(1)，OLS 得 \(c_t = 120 + 0.85\, y_t + \hat u_t\) ，且 \(\hat u_t\) 的 ADF 檢定在 5% 水準拒絕單根。寫出共整合向量，並解釋 \(0.85\) 的經濟意義。
  4. 承上題，設誤差修正模型中 \(\lambda = -0.4\) 。上期消費偏離長期關係 \(+20\) 單位，本期消費應修正多少？這個 \(\lambda\) 的絕對值偏大或偏小代表什麼？
  5. 思考題：ADF 檢定「無法拒絕單根」時，你該直接當序列有單根嗎？請從檢定力、結構斷裂（Perron）、樣本長度三方面討論，並說明實證研究者應如何負責任地報告結論。

年表速查#

  • 1927：Yule 提出虛假相關與「醉漢走路」比喻。
  • 1970：Box–Jenkins《時間序列分析》確立 ARMA 建模傳統。
  • 1974：Granger–Newbold 揭露虛假迴歸問題。
  • 1979–81：Dickey–Fuller 檢定問世（ADF 於 1981 年擴充）。
  • 1982：Nelson–Plosser 發現總體序列多含單根。
  • 1987：Engle–Granger 共整合與表示定理、誤差修正模型。
  • 1989：Perron 結構斷裂下的單根檢定。
  • 2003：Engle 與 Granger 獲諾貝爾經濟學獎。

名詞速查表#

  • 平穩性（I(0)）：均值、變異數、自我共變異數不隨時間改變。
  • 單根（I(1)）：特徵根等於 1 的非平穩過程，衝擊永久留存。
  • ADF 檢定：含落後項的單根檢定，臨界值非標準 \(t\) 分布。
  • 虛假迴歸：非平穩序列互相迴歸產生的偽顯著性。
  • 共整合：多條 I(1) 序列的某線性組合為 I(0)。
  • 誤差修正模型：以偏離均衡項驅動短期動態的動態系統。
  • **調整速度 \(\lambda\) **：ECM 中每期修正偏離的比例。

（本節完）