资源描述：
《阈值协整参数的完全修正最小二乘估计的小样本性质.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、预测Vo.l29,No.6FORECASTING2010年第6期阈值协整参数的完全修正最小二乘估计的小样本性质刘汉中(湖南商学院经济与贸易学院,湖南长沙410205)摘要:本文应用FM-OLS来估计阈值协整参数,并利用Monte-Carlo模拟详细研究了其小样本性质,结果表明FM-OLS法能修正OLS估计的小样本偏差,且数据过程的持久性(均值回复速度)、随机干扰项与解释变量的相关程度以及样本容量是影响FM-OLS小样本性质的主要因素。模拟结果还表明不论是阈值协整还是线性协整,FM-OLS都比OLS估计具有明显优势,因此在宏观经济协整
2、分析中,利用FM-OLS法能获得较准确的参数估计,同时还可以利用标准分布对协整参数进行Wald检验。关键词:阈值协整;完全修正的OLS;偏差和标准差;MC模拟中图分类号:F224.0文献标识码:A文章编号:1003-5192(2010)06-0071-05SmallSamplePropertiesofFullyModifiedOLSEstimationoftheParametersinThresholdCointegrationLIUHan-zhong(CollegeofEconomicsandCommerce,HunanUnive
3、rsityofCommerce,Changsha410205,China)Abstract:ThepaperexaminessmallsamplepropertiesofparametersestimationwithfullymodifiedOLS(FM-OLS)methodinthresholdcointegrationthroughperformingasetofMonte-Carlosimulations,andtheresultingevidenceshowsthatFM-OLSmethodcanmodifysmallsa
4、mplebiasresultedfromOLS,andsomefactorsexertaninfluenceonpropertiesofFM-OLSmethodincludingpersistenceofthedataprocess,thecorrelationbetweenstochasticerrorandexplanatoryvariablesaswellassamplesize.Asaddition,regardlessofthresholdcointegrationorlinearcointegration,FM-OLSg
5、ainsanobviousadvantageoverOLS.Therefore,whenperformedinthecointegrationanalysis,FM-OLScanobtainanexactestimatoraboutcointegrationparameter,andthewaldstatisticsconstructedthroughFM-OLSmethodhavestandardlimi-tingdistributions.Keywords:thresholdcointegration;fullymodified
6、OLS;biasandstandarderror;Monte-Carlosimulation(MLE),且在大样本条件下,MLE估计量具有超一1引言致性和渐近正态性等优良性质,但是MLE法存在在时间序列分析中,协整(Cointegration)无疑以下缺陷:(1)假定数据过程的真实分布是正态分是最常用的分析工具之一,协整参数向量的估计与布,而在实际经济分析中不一定成立;(2)当存在检验当然成为了方法论发展的重中之重。幸运的多个协整向量时,往往无法说明到底哪个才能代表是,Engle和Granger已经证明当样本容量趋于无真实的长期均衡
7、关系?许多研究人员采用最大特穷大时,协整向量的OLS估计量具有超一致性征值所对应的协整向量作为真实的长期均衡关系,-1(Super-consistent),即OLS估计量以T阶收敛于但依据是什么?至今没有明确的答案。对于OLS[1]真实的参数,而在平稳序列的回归中,未知参数的和MLE估计的比较,Gonzalo利用Monte-Carlo方-1/2OLS估计量以T阶收敛于真实参数,所以在协法对估计的小样本性质进行了研究,研究表明:整回归中,协整参数的OLS估计量具有超一致性,(1)当只有一个协整向量时,在样本T=100时,因此在样本容量
8、足够大时,利用OLS估计协整参OLS与MLE相当;(2)在样本容量较大(T=300)数是目前的主要方法之一。另外一种估计协整参时,MLE法要优于OLS法,且具有较小的均方误差数方法是由Johansen提出的极大似然估计(Mean-Sq
