共和分時系列モデルの分析手法に関する比較研究

协整时间序列模型分析方法比较研究

• 批准号: 06730013
• 负责人: 戸田 裕之
• 金额: $ 0.64万
• 依托单位: University of Tsukuba
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1994
• 资助国家: 日本
• 起止时间: 1994 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-06730013/
• 关键词: Unit Root; Cointegration; Error Correction Model; Vector Autoregression; Canonical Form; Maximum Likelihood; Fully Modified Least squares; Lag Augmentation

本研究の目標は、近年の計量経済学の著しい発展によって産み出された,非定常時系列モデルにおけるいくつかの統計的推測法の有限標本パフォーマンスを包括的に比較し,さらに,これら既存の方法の長所・短所の解明により、新たな理論的発展の可能性を探ることであった。残念ながら、まとまった時間がとれる唯一の時期である夏期休暇期と重複して病気療養を余儀なくされたため,いまだ研究の途上であり,結論に到達し成果をまとめるまでにはなおかなりの時間が必要である。とりあえず,現段階での研究の進捗状況を報告する。比較研究の対象とすべき手法と多いが,本研究では時系列経済分析の分野でもっともよく使われるVARモデルを取り上げ,このモデルで適用可能な3つのアプローチに関する比較を行うことにした。(1)ECM表現におけるpre-test method [Johansen(1991)によるECMの最尤推定を応用する方法];(2)ECM表現におけるnon-parametric method [Phillips(1993)のfully modified least squares];(3)Level VARにおけるlag-augmented method [Toda-Yamamoto(1994)].対象とするtime series modelsにおける統計的推測法に関してexact theoryを展開することは不可能であるので、本研究は基本的にMote Carlo実験によって遂行されている。実験のポイントは以下の通りである。(a)異なる方法の意味のある比較を行うための適切なData Generating Process(DGP)を選択する。(b)経済データに典型的な標本数で、研究対象となる各手法のパフォーマンスが、DGPのnuisance parametersにどの程度依存するかを調べる。その場合、パラメータ空間内のすべて点をチェックすることは物理的に不可能なので、なるべく一般性を失わず、かつ実験に便利になるような、DGPの‘canonical from'を見つけだすことが肝要である。(c)Model misspecificationに対する各手法のrobustnessを調べる。とりわけ、DGPがunit rootを含まず、データがstationaryであるケースに対して各手法がどの程度robustであるかを検討することが重要である。現在,simulation用のprogrammingがほぼ完成し,DGPの選択と‘canonical from'の導出を行っている段階である。今後も引き続き、満足できる成果を得られるよう研究を進めていくつもりである。なお本プロジェクトの進行過程で,Phillips(1993)のfully modified least squaresについての新しい理論的結果が得られたので,それに基づく手法の改善の可能性も同時並行的に追究している。

这项研究的目的是全面地比较非平稳时间序列模型中几种统计推断方法的有限样本性能，这些方法近年来是由计量经济学的重大发展产生的，并通过阐明这些现有方法的优势和缺点来探索新理论发展的可能性。不幸的是，该患者被迫在暑假期间的重复性中接受医疗，这是他唯一有时间完成的时间，因此他仍在进行研究，并且仍然需要大量时间来得出结论并总结结果。目前，我将在此阶段报告研究的进度。尽管有许多方法应该用于比较研究，但本研究的重点是VAR模型，VAR模型是时间序列经济分析领域最常用的方法，我们决定比较可以应用于该模型的三种方法。 （1）ECM表示中的测试方法[如何应用Johansen（1991）对ECM的最大似然估计]； （2）ECM表示中的非参数法[Phillips（1993）完全修改了最小二乘]； （3）VAR [TODA-YAMAMOTO（1994）]中的滞后方法。由于不可能在感兴趣的时间序列模型中开发有关统计推断方法的精确理论，因此这项研究基本上是由Mote Carlo实验进行的。实验的要点如下：（a）选择适当的数据生成过程（DGP）以对不同方法进行有意义的比较。 （b）检查每种研究的性能在多大程度上取决于DGP的滋扰参数，并具有典型的经济数据样本数。在这种情况下，实际上不可能检查参数空间中的所有点，因此找到“从DGP的规范”中很重要，DGP的“规范”是尽可能通用的，并且对于实验很方便。 （c）检查每种方法的鲁棒性，以实现模型错误指定。特别是，对于DGP不包含单位根并且数据静止的情况的情况，考虑每种方法的鲁棒程度很重要。当前，用于仿真的编程几乎已经完成，目前我们正在选择DGP并获得“从规范中”。我们打算继续研究以取得令人满意的结果。此外，随着该项目的进展，获得了菲利普斯（Phillips）的新理论结果（1993）的完全修改的最小二乘，并且同时寻求了基于此方法改进该方法的可能性。