自己回帰モデルにおける非定常性と推測
小 滝 光 博
I. は じ め に
近年,時系列分析の分野においては,非定常性の問題が重大な関心を集めてきている.といっても,
経済時系列を含む多くの時系列が非定常的なものであるということは古くから認識されていたし,また,
ランダムウオーク性の検定などもかなり以前から研究されてきていた.しかしながら,多くの実証研究
での非定常性の問題-の取り組みは,時系列における標準的推測理論が定常時系列下において妥当性を
持つということから,非定常時系列を定常時系列に変換するという作業に重点が置かれていたといって
よく,その意味では,非定常時系列の問題をいかに回避するかということに努力が傾けられてきた.
Fuller (1976), Dickey and Fuller (1979, 1981)以降,多数の論文によって,非定常時系列そのものに対
する推測が取り扱われ始め,また, Nelson and Plosser (1981)等によって,時系列の非定常性は確率的
なもの(stochastic nonstationarity)と確定的なもの(deterministic nonstationarity)とに分類され,それ
故,定常時系列への変換のやり方も一義的ではないことが強調され始めた.
般に,非定常時系列の下では,定常時系列のための漸近正規性に基いた漸近理論は成立しないし,
定常の場合の様な統合的且つ画一的理論を組み立てることは難しいものとなっている.本稿ではまずそ
の点について,自己回帰モデル(ARモデル)におけるOLS推定量の漸近的性質を通して確認する.さ
らに,本稿では,非定常自己回帰モデルに対しても,定常時系列下における様な漸近的性質(漸近的正
規性)を成立せしめる様な,新たな推定量を提示する.
本稿の構成は以下の様になっている. 2節から3節にかけては,過去の諸研究によって指摘されてき
た,非定常時系列下でのOLS推定にともなう問題点が再検討される.すなわち, 2節では,非定常
AR(1)モデルを例にとって, OLS推定量の漸近的性質が標準的なものではない(漸近分布が正規分布
ではない)ことが説明される・ 3節では確率的非定常性あるいは確定的非定常性の検定問題について触
れ,併せてOLS推定量の漸近的性質が二つの非定常性の強弱によって異なったものになることが指摘
される・ 4節においては, OLS推定量に代わる新たな推定量を提示し,これの漸近的性質について吟味
する・この節の補助定理並びに定理の中では,定常性や非定常性についての仮定が置かれていないきわ
めて一般的な高次のベクトル自己回帰モデル(VARモデル)において,この推定量の漸近分布が正規分
布であることが示される.この推定量は,モデルの真のラグの長さの二倍の長さのラグをもつVARモ
デルにおけるOLS推定量に基いていることも指摘される. 5節では,二つの簡単なARモデルを例に
とって, 4節で提示された推定量に基く検定統計量と OLSに基く検定統計量(t値,あるいは
Dickey-Fuller検定統計量)とを,その漸近分布並びにパワーについて比較検討する.小標本(n-50,
100)でのモンテカルロ実験の結果についても報告される.さらに,パワーを改善させる手法についても
述べる. 4節の補助定理並びに定理の証明は7節でなされる. 6節はまとめになっている.
2. AR(1)モデルにおけるOLS推測と非定常の問題
以下の様な簡単なAR(1)モデルを考察しよう.
- 77 -
yt-ay卜i+st, Est, Es写-o¥ t-l, 2,しい
a-ao, 0<02<の
(尋はさらに次の仮定(i)回も満足するものとしよう.
仮定(i)fe}が(系列的)に独立に分布する.
仮定回E¥ef¥2+'i<'x>forsomeβ>0
観測値bi,yz,-yn)が与えられた時,aoのOLS推定量a'とaの水準を検定するためのt-タイプ統計
量ラ(a)は以下の様に書かれる.
/B-l
tf-Lv梢-1¥
sow-iJ
in-1
?(ォ)-(d2)-V2xy号1(d-a)
し2、1
ここで1サーI
ct2--」(y
nt=i什-dyty
以下において,およびt(a)の漸近的性質について,aoの値iこ対応して;a)(b)(c)という以下の三つの分類
別に論じる.
(A)α<1の場合(stationarycase)
その時
、伝(fl-flo)^i-iV(O) 02R-1)
?(a。)阜h2-N(0, 1)
(3)
ここで R-Eyヲ
という結果が得られる.ここでa-N(b,c)はaが平均b,分散Cの正規分布に従う確率変数であること,
an与aはanの漸近分布がaの確率分布に等しくなっていることを意味している. (3)の結果は明らかに,
定常時系列についての標準的漸近理論に含まれるものであるが,
CD
yt-Eafa-j
;'-o
・0*(l),t-¥,2,-,n
y£-0,(1),
nil,管-o*(n)
n
ど-1
が, (3)の結果を成立せしめるために本質的なものとなっている.
(ち) α0-1の場合(実単位根が存在する場合)
仮定(0(軸こ加えて
仮定a) ytの初期値yoについて以下の様に定める.
yo-c+dz,
ここでC,dは適当な定数, Zは」t,t-l,2, -・と独立且つGUI)である様な確率変数とする・
を仮定する.この場合(1)はランダムウオーク過程と呼ばれる.その時,
h
z-flo) ⇒gl -
(にWis^ds) 1芸(x2(D-1)
h
t(ao) ^g2-
〔?W(s)2dsyi/2芸(x2 (D -1)
(5)
ここでxHD は自由度1のカイ2乗分布する確率変数, W(.)は[0, 1]における標準的なウィナー過
程を表している.
-78-
glおよびg2の確率密度関数は明示的には表現できないが,それらが正規分布でないことは明かであ
る・すなわち, ytが単位根を持つ場合のOLS推定に基く推測はもはや漸近的正規性に準拠できないも
のとなっている・しかしながら,このことは 0-1のケースでのOLSに基く推測の結果がflo│<lの
ケ スよりも悪くなっているということを意味しない・逆に 0-1のケースでは, │ォ。│<lのケースよ
りもaAのaoへの収束の速度は速くなっている. Fuller (1976)及びDickey (1977)のモンテカルロ実験
の結果によると, n(d-1)及び的)の実験分布は,比較的小標本(n-50くらい)のもとでも漸近分布
にきわめて近い. (5)の結果を導出するために本質的な役割を果たしているのは,以下の事項である.1)
J
yt=^Ej+yo=Op(fk), t-l, 2,
yヲ-Op{t), t-l, 2,∼, n,
y£-Op(.n),
ォーIB-l/t
zy2t-n-L[JLejl
t=it=i¥j=i-)2・‡-<W),
-雫〔蝣;'=i-1n
-S;Ee
na2t=i誓--Op(n)
(c)I>1-の場合(explosivecase)
(6)
仮定(a)と
仮定te白ま独立同一に正規分布に従う,すなわちEf--i.i.n(O,a2)
を仮定する.その時,
〔a昌一1〕-1¥a。¥n(a-a。)¥3-Cauchy分布
?(ォ。)4&-N(0,1)
(7)
39
y形-3>o+Eォ&-,--O,(aS),t-l,
i=0-,n,
y£-Ot(.a%),
1.'-∫
yt-yna石n-」帝t+ii-Op{a&,t-l,2,-,n,
サーI
zft-y糎Y<4]-o^2。*),
M-1-主yn〔-"-1
a。"2,a。Bt+i
t l〕-Op(a召)
(8)
及びetについての正規性の仮定である仮定回が, (7)の導出にとって本質的なものとなっている. (c)の
ケースにおいても(B)と同様に, (1)は非定常なARQ)モデルとなっているが, (B)と異なり(7)で得られ
ている漸近分布は標準的なものである・しかしながら, (7)は(3)と違って中心極限定理から導出された
ものではなく,仮定(iv)の正規性が保証されない時は, (7)の結果は成立しなくなる.
非定常蝣AR(1)モデルにおける(5)及び(7)の結果は, Anderson (1959)によって得られたものである.
そして,そのことと関連して,ォ0-lの時のw(ォーl)のn-2の項までの漸近展開がPhillips(1987)によ
って,また,ォo>lの場合の(a呂-1ト1(ao)n(d-a。)の漸近展開はSatchell (1984)によって,それぞれ
標準的ではないやり方でもってなされている.
(B)の様な単位根が存在する場合のn(a-1),?(1)の漸近分布についての結果は,もっと一般的なモデ
ルのもとでも得られる.
BB
1)特にaAの分母にあたる∑y号が,
nで標準化されようが7#で標準化されようが一定値に確立収束しないことが重
1=1
要である.
-79 -
yt-ayト1+ut
cO
ut-i4>fit-j
y-o
t-l,2,3,
(9)
o°
ここで y0-0, et-i.d.(.O, l),E¥st¥2+β<oo forsomeβ>O, ≒0, ∑jl/;k/l<--を仮定する. a-lの時
;=O
t
yt-4>(X) Zej+vt-vo, t-l, 2, 3, lコ0
ここで*(1)-」
;-o布
(10)
vt-I.[-2<j>j)et-i
z=。¥j=lHI
となるが, め(1)≒0の時,
n (a-1)与g5- 〔│V(s)2ォs〕-llf^ (l)一漉〕
・(1)阜g6- 〔軒y>l¥lw(s)2dsyik芸*(1) 〔xHD -洛〕
(ll)
Phillips and Perron (1986)は, utについてのより弱い仮定のもとで nW-DAft及び?(l)-v6であ
ることを示した.さらに, Phillips and Durlauf (1986)は,同様の結果を多変量時系列について拡張し
た.
3.確率的非定常性および確定的非定常性の検定
マクロ経済時系列データについての単位根検定いは,今や応用計量経済学における重要なトピックの
一つであるが,分析対象として定式化されるのは,単純なAR(1)モデルではなくて以下の様な定数項
(drift)つきのAR(1)モデルである,.
(12)
yt-ayトi+u+et, t-l, 2, 3, -
ここでFLは定数,.y0-0, et-i.d.(0, a2), Ee号<coとする.
α-1及び〃≒0の時,
f
yt-zej+tn, t-l, 2, -
13
となるが, ytの bJトu 1) -のOLS推定量
については,
(14)
が得られる.
K- 1 >.' 1
n(n-1)
∑ Eyt-(i ∑ i-〟
^=1f-l^
in-¥¥in
V(-Lyt)-V[妻.ze/)-o(サ3)
・yt-n当字+Ot(nす)
K-lirォ--n
f-1
-80 -
3B
1 r
=1ノ`
(2k-1) (ォー1)
r- 6
5
(15)
+ Op (nす)
が,上の結果を成立せしめるために本質的なものになっている.
上の様に,単位根を持つ自己回帰モデルにおいては,定数項(drift)がゼロであるか否かで,推定量並
びに検定統計量の漸近的性質は異なるものとなる.定数項がゼロでない時,ytは確定的なトレンド
(deterministictrend)である才を持ち・それのdeterministicnonstability(deterministicnonstationarity)
がstochasticnonstability(stochasticnonstationarity)を上回るがゆえに,漸近的正規性が成立したので
ある.
f
マクロ経済時系列において問題にされるのは,単なる単位根の有無ではなく,確率的トレントJEe,が支配的か確定的トレンドーtfiの方が優勢かという点である.以下の様なモデルを考察しよう.
yt-yt-i-v+¢(l)et+vt-vt-i
t-l,2,(16)
ここで,-0,4>(D-」</>/,vt-T.l-」4>j)et-i
j=。1=。¥;=/+!/
as
yo-vo+c(cは定数),亭t-i.d.(0,1),Ee)<∞,∑fk¥<h¥<∞を仮定する.(16)から,
j-o
J
yt-tn+c+4>{l)T.sj+vt
y-i
J-1,2,-′(17)
が得られる.(17)においてtpがytの確定的トレンド(deterministictrend)に相当Lがytの
確率的トレンド(stochastictrend)ということになる.検定すべきことはし,め(l)-0か否かである.
*1≠0であると判断された時には,トレンドの除去はytの階差(difference)をとることによってなさ
2)
れる・他方,め(D-Oである時には,トレンドの除去は(17)に従って,ytを(1,t)に回帰させることに
よって行う.
NelsonandPlosser(1982)以後,多くの論文によって,様々のマクロ時系列データに対して¢(l)-0
の検定が試みられてきている.¢(D-Oを検定するための(但し¢(1)≠0が帰無仮説としてとられてい
る)統計量としては,i-タイプ統計量が挙げられるが,一方で0(1)-0の検定は,ytの階差zt-yr-yt-i
についてのMA多項式のinvertibilityに関する検定としても解釈できる.その場合,定常時系列を用い
て検定統計量を構成し,論ずることが可能となる.PhillipsandOuliaris(1987)によってcomtegration
の検定のために提案された検定方式は,この場合にも適用可能である.
4・定常あるいは非定常ベクトル自己回帰モデルにおける係数パラメーターの推定と漸近正規性
2,3節で考察してきた様に,非定常時系列の下でのOLS推定量の漸近的性質は,状況に応じて(例
えば,定数項付きのARモデルか否かで)微妙に異なってくる.それ故,非定常時系列の下でも定常の
場合と同様の漸近的性質(漸近的正規性)を持つ様な,推定量並びに検定統計量を新たに構築する;と
も重要である.LaiandSiegmund(1983)は,(1)のランダムウオークモデルにおいて,
仮定(V)gtが系列的に独立同一分布に従う,すなわち,e-i.i.d.(O,a2)
仮定Ee号<∞
仮定(
)ytの初期値yoについて3-0-0
2)マクロ経済時系列を分析する際の伝統的手順は,まず,レベルでのデータytからトレンドを除去して,その残差
に定常時系列モデルを適合させるというものであった.
-81
-
仮定 Kl≦1
M-1
が置かれた時,適当な定数Cに対して ∑y号≧C02となる様な最初のnをNcと定義し, Ncまでのサン
Bi・-il
プリングによる観漸直のみを用いてOLS推定をすることを提唱し,且つ
ヲ)lb (dN-aO)ヱN(0, a2)
/N,-1㌍iNc-l¥
」yfft+i)
・>t=ii
が成立することを示した.一方,Kawashima(1980)及びAhtolaandTiao(1987,b)は定常根及び非定
(18)
常根の両方を含む様な高次のARモデルをとりあげた・
p
yt-Iaffトj+st(19)
ここでfe}はEet-O,瑚-a2,E│」(│a+2<ooforsomeα且つ系列的に独立な確率変数列である・AR
l
多項式a(X)-l-SayA-メの根についてのKawashima(1980)の想定は以下の様になっている・
att)-d(X)-cU)
9
C(A)-1-Ecy
;-1〟
d(x)-(i-xy
cU)≒Ofor間≦1(c(A)の根はすべて定常根)
P-d+q
20
l,--l>rf≧1
これは, ARIMAGi, q, 0)モデルとして解釈することもできる・
ytのOv-i, -yト♪)に対するOLS推定,すなわち, q-(ah一,ap)のOLS推定量を壷とする時,
Kawashima 1980 は,
、伝〔4-q〕Azvco, o)
m.
rank Q-q
(PXP)
であることを示した.すなわち, 、伝〔4-q〕札n⇒∞の時平均ゼロ且つ特異な分散行列をもつ退化正規
分布に収束する.ここでnは観測値として与えられるytの個数.他九Ahtola andTiao (1987, b)の
想定は以下の様である.
a(¥)-d{X) -c{X)
r
dU)-l- Y.djl'
Q
c(A)-トZcfi
dU)キO for 間>1and間<1 (d(A)の根はすべて単位円上)
c{x)≒O for 困≦1 (c(A)の根はすべて単位円外)
p-r+q
22
9-1≧r≧1
ytのbt-1,∼,yt-r) -のOLSによって得られる残差をe^tとし, itのOVi一,e^トヴ) -のOLSによっ
て得られる係数パラメーターをcl, とする.その晩Ahtola and Tiao (1987, b)は,
3)以下では簡単化のために, flBAa JV(O, cr2)をォAw>, <72)と記すことにする。
-82-
n(c-c)→N(0,Q)rank監(23)
であることを示した・ここで」-(ci,-cq)及びQ-(ci,-,Co)
本稿で取り扱われるモデルは以下の様なきわめて一般的な高次のベクトル自己回帰モデルである.
I-1
*=.?tAj%-j+XPuj+st,
(kxl)-(kx^ikxl)J-o(kxl)(kxl)t-l,2,3,-(24)
ここで射j:定数ベクトルであり,〈蔓t)はEet-Q,Estsl-∑且つ系列的に独立に分布するk次元確率ベ
クトル列とする・また,∑は正定値(positive-definite)とし,さらに-E│」i<│"+2<--forsomeα>0,
i-l,∼,k,を仮定する.但しst-(sit,∼,em)
また,次の様な仮定も付加する.
4)
仮定(∈)yj-cj+DjSjy--(p-1),-,-1,0
ここで,cJは定数ベクトルDjは定数行列,sJは各要素が0,(1)である様なk次元確率ベク
トル.
(24)におけるベクトルAR多項式の根には何らの制約も[email protected],-,yn)が与え
られた時,係数パラメーター行列Al,∼,A少の推測について考察する.(24)から
0 A♪ Ap-i-
-Ai h
Ab -. ・・=-A2
-A2 -Ai Ih
Ap --A3
-A, -Al -Ai h
Li
I I'll,
ォ
∑
.!'ト..∼
>'.・t日
>)-!.-ご
O ^(O) B*-i( =--Bi(O)
1=O
Q
∑
O
Bp(l)
0
B,(2)
&-i(l)一一Bid)
;=0
9
a
A-i(2)--・5i(2)
26
y-o
O Bp(p) Bp-1{の-蝣・Bi(p)
ォ
∑
g'轡(p)j
-0
が得られる.
ここで
0
Bp(0) Bp-i(0) ---Bi(O)
0
Bp(l) Bp-i(1)-- 5i(l)
A9 --A2
0
Bp(2) Bp-i(2)---5i(2)
Ap・ -A3
OAbA♪-1日 -At
27
Ap
0
Bp(p) Bp- ip)---Bxip)
-Ap
-Ap-i一一Axh
0
4)この仮定はylが定常である場合,すなわち VAR多項式の根に非定常根が含まれない場合には不必要である.
1 83 -
q
Q
∑
∑ Pw(O)j
;-0
?
)-0
Ik
∑物(1);
-A!
;-o
Q
H
/*
(t-p+ lVuj
;-0
ォ
-Ax lk
-.4..
∑晦(2);
(ト♪)'m
サ
∑ t-p+2Vuj
28
;-o
J-0
-Ap -A♪11 -- -Ax h
Q
V/l!
r . iト
Ik
一♪
yト#+l (l)
-Ai h
蔓t- raa i
vt-p+2 (2)
-A2 -Ai h
蔓t- ♪+2
1.. - .1. - .1, h
29
蔓t
(26)において以下の(i)回(in)が成立しそいる.
(0 ut-k紗-k)は,蔓トk,∼,蔓t-lの線形結合で表される. k-0, 1, -,A
回 2トカーyトk㊥-A)は, 2トkの也t'-♪-1, -,yj-2p, l, t, -, fi) -の射影(linear projection)となって
いる. k-0,1,-,A
ffl) g/(0)-蔓t及びBj(O)-Ah j-l,∼, A
ut-k㊥-k)の定義式(29)より
♪
30
utiP) -∑ Aj vt-j(p-j)+ 蔓 t-l,2, 3,
(kxl) J=l(*×k) (ftxl) (*×1)
(26)-(30)の関係式は,観測値包1, --In)を用いて
yJ
yj 1 (2j>+l)=-(2p+l )q
β I L;V
Bp ,(/)'
物+卜AP -i)
;-i, -,l(31)
w{p
p-j)i
w¥p
p-m
遜-#-!・--虹21 1 n
yn一舟j) I
し♪1′
N
2*+l
.1:よ
裏
1
U2P+ い1)l
(2*+l)--(2♪+1)ォ
Bp
し♪l'
響
w
y
けM
強」ト1--yj.-2p i
響 (p)i
(32)
Lの'
A壬
物(9-1)′ - 蝣Vp+i(O)′
ォ'・i
Aま
yn- (p-1)'・--a,-,(0)(
ぢ孟
(31)は,さらに
W-1)I-4(0)I
泌-.当{ 1 (2j)+l) (2j)+l)
p-iy -6+i(0)'
サ(H)'-w
響(p-1)五・轡(0){
(31)′
響(p-m -響(0)1
二 j ! …" -
2.-1(H)′ 蝣・サォーサ'
と書ける. (31)′ (32) (33)は簡単に
y-!-JJB+ F-i
y-xg+v
/I
I
.'蝣'
'・'
と書き表すことができる.ここで
地--yj+i
物(J>-1)∫ ..・-a+i(o)′
F-i-(
〕 7-1-〔Ik㊥
弘一(p-iy H-Vサーp(<
Bl抄-1)'=‥-5i(
Bp(P-1)I
Aこ-
=-蝣Bp(0)
′
w(p-¥)五-=轡m
響(♪-1)1- -響(0){
轡fo-DJ --響(0)J
yJ 一一y_[
l
(2/.+1)
X-[
L
-p-1一...V孟-2, 1
β1 (♪) ′
Ai
Bp{p) I
β-vec
響(pn
蔓も+1
A去
α=vec
w{p)[
a:
蔓孟
w(p)昌
-85 -
S- [7*OA]
ここで九はk次元単位行列を, ㊨はクロネッカー積をあらわしている.また, (24)は
Y-Z◎+V
(34)
と書かれる.ここで
+1
yォ
21
2Lクー1- -2孟-29
1
(2/>+l)- 蝣(2p+l)<
n
A[
」/・+
!
Ai
ォo
y壬
弓去
砿
qの推定量として. 4-(Y-lUn; -XiX'Ti^X'W^) HY-iUn-t-XWft-Wty について考察す
る.その時,次の補助定理が成立する.なお,
ここで n -n-29.
捕Wj 'iil l!
o p聖‡YLiUtk-XOC'ft-WIY-i
-pli-‡VL.V-^ Uk^A-WA^'l
ここで, D-Up㊥∑]
/*
-At一一-Ap-i
n'-n-2p, A/* -Ai
h
(a)pn聖〔‡V'
^Un'k-XiX'X)-^'-}蔓-LvLIE¥-O
n-)plim{ヽ伝〔I-a〕-、伝〔qLg]}-Q
M'OO
ここでfl-(V-iV-i) xV-iv
回、伝(d-q)-^N(O,[∑㊥iA'D^A^)
plim云-∑
wsxz*.
ここで至宝Y'un・′-Z(7.'Z)-XZ'-¥Y
n-n-♪
この補助定理を用いて
皐墾
(i)、伝4-<l)与N(Q,[∑㊤iA'D-lAl)
ここでA及びDは上記の補助定理の中で定義されている.
-86-
a Hを1≦rankH-r≦k2pである様な適当な行列とするとき
Cff'[云㊨JkpiK- ) -1/2 (H'd-H'q)AN(0, Ir)
ここでK-YL^Un-i-XUCX)-IX']y_!
この補助定理並びに定理の結果は以下の様に解釈できよう・明かな様に,針ま(30)においてut(P)を
(yト >-1)′,・・・, nt-pW)に回帰させて得られたqのOLS推定量になっている蝣(vt(p), vト1(カー1),
vt-pW)の定義より明かな様に,それらは定常過程に従う系列であるから,壷(孝一q)の漸近分布が
平均Q,正則な分散行列を持つ正規分布となることは,ある意味で自明である vtip), ut-iip-1), -,
vt-p(.O)は観測されない量であるので,それらの推定値として, (26)に従ってIt, #-1, - 2t-pを
也t'十1,∼.yj-2p, i, t,∼, v>)に回帰させて得られる残差UP), fe-iCクー1), -,ゼト♪(0)を用いる.すな
わち, UP)を(Qト1(クー1),∼,vt-p(0))に回帰させて得られるOLS推定量がq-である.また,射ま,
2tを包t-1,∼,yj-p, i, t, ∼. ^>yJ十1, -.S-2P)に回帰させて得られるOLS推定量のうち, 2ト1, ,
2トPの係数行列に対応した部分に等しくなっている.すなわち,
-X'X
x'Y^i-lrx'z (35)
さらに,定理回は. H'q-gなる帰無仮説を検定する場合の検定統計量として, 〔'H'¥X⑱'IkplK-W
〔H'd-g〕あるいは〔虐′H-g'〕〔H'[云㊥'ikp]K-im-i〔H'd一g〕を用いれば,通常の標準的漸近理論に基
いた検定が実行できることを意味するものである.
2節並びに3節でみてきた様に, OLSに基く検定方式では状況によってその漸近分布は様々である.
しかしながら,この節で提示された針こ基く検定統計量では,確率的非定常であろうが確定的非定常が
優勢であろうが,その漸近分布は常に正規分布である.
5.単位根の検定への応用
この節では,以下の様な二つの単純モデルにおいて,前節で提示された推定量針こ基く検定統計量と
通常のOLS推定量に基く検定統計量(i l直)とを,単位根の検定に適用した場合の標本分布並びにパワー
について比較検討する.
yt=ayt-i+et, t-l, 2,
yo-o
36
yt-2acosXy^i-a2yt-2+E,, t-l, 2, y-i-y0-0
2cosl=1.8 Aをその様に定める (37)
ここで, Eet-O, Ee2t-(T2,また, {st白ま, 2節の仮定(i)回を満たすものとする.さらにa>0とする.
5)
検定すべき帰無仮説はa-1である.観測値として(yi, -,yォ)が与えられたものとしよう. (36)にお
いて,前節で提示した推定量q^に基く検定統計量をh, OLS推定量に基く検定統計量をb2と記すこと
にすれば,
h-{&y 駐JI4S-i〕-V2,a -1) (38)
bz-{a2y bLα11〕 '蝣(dz-1) (39)
5)モデル(37)では, α-1は,複素単位根についての検定になっている.
1 87 -
3*3
y¥
yi
y%
yn-2
yn
ここで 2=
M-I.- -2-2{空Lz2- 0 -T-2
n/-n-2
∂1 -頓'-M-i十1〔生1M2〕
d2-短Lかl〕-1〔2L&〕
62-五'[/n-1-^-1軌-i) -^!-lli
(37)において,前節で提示した推定量針こ基く検定統計量をci, OLS推定量に基く検定統計量をC-2と
記すことにすれば,
ci- (<x2)一 巧-2Z/P-2〕1/2&-1〕
C2-(tT2)一 厘'-iNz-*〕 'C/i-1〕
ys
^3
yi yi y ¥
j2 y¥
yn-i jyォー3 yn-4
yn-i yサー2
ここで 空=
yサ
n′′-w-4,
L-Un"-X{X'X)-XX'′
],
N- U,一生1 (空i-^-1) -^l]
71-堰-2A!-2十1〔豆-2^2!〕
72-頓-2Ny_-2〕 -l〔2-2N2〕
62-秦′ C7B. -Z(Z'Z) -!Z']5
a-1の時のbl及びcAlの漸近分布は,前節の結果から明かな様に正規分布である.また, fl-lの時
の62の漸近分布は, 2節の(5)で与えられ, Dickey (1977)によって数表化されている. c2の漸近分布
についてもAhtola and Tiao (1987, a)で与えられている.
これらの検定統計量のパワーについては,包'-iM2-x〕V2 也-tf-1〕巧^!-2〕lh,痩-2N1-2〕1/2が決定
的なものとなっている.
也'-U-1〕1k ≧短'-iMl-r〕 (42)
頓'-2N2-2〕1/2 ≧巧-2Z/P-2〕 (43)
であるから, OLS推定量に基いて構築されたb2やC^2の方が4節で提示された推定量針こ基くblやC-1
よりもパワーが高くなっている.また, nのorderで評価された各統計量のパワー札
b^Opinl'2) a≒1の時
ei-op キ1の時
h-
OtW*) a<¥の時
Op(a") a>lの時
-88-
C2--。pia") ::芸芸 (47)
(46) (47)は, Tiao and Tsay (1983)の結果を用いて,モデル(36) (37)においてそれぞれ, α<1なら
ば子i」-i-Op(n), IL2N2-2-Op(n)
a>1ならばZLs-i-Op(aZサ),y_'-2N2一!-0*(ォ2サ)であることから出てくる. bl並びにe-1のパワーは,
(44) (45)から明かな様に,きわめて標準的な水準となっている.一方, b2並びにC-Zのパワーは, explosive case (α>1)で著しく高くなっている.
以上の諸結果は小標本の場合でも概ね認められる.標本数nが50, 100,繰り返しの数50000回での,
正規乱数に基く(etが正規分布する場合)モンテカルロ実験による計算結果を掲載しておく. Fig. 1か
らFig. 8では,帰無仮説a-1の下でのbi, h, cb c2の経験分布と標準正規分布の密度関数が,各々プ
ロットされている.各統計量のパワーについての結果は,表においてまとめられている.
前節の結果から, 0-1の時, ∂1-1-0,(ォー*),7i-l-O*(n-*)であるので, q>2r>0である様な任
- ー2. -1.
Fig. 1. Estimateddensityof61 fora-landw-50- ----・・
Standard normal density
-3.
-2. -1.
Fig.
2.
Estimated
density
of
b2
for
a-¥
and
w-50蝣
Standard normal density
つ
Fig.
3.
Estimated
densityofcx
Standard normal density
-89 -
fora-¥
andk-50・ 一一・一一-
Standard normal density
Standard normal density
I
-4. -3.
-2. -I
Fig. 6. Estimated density of b2 for a-¥ andォ-100
Standard normal density
Standard normal density
-90 -
Standard normal density
表
V alu e o f α
n
T es t
. 80
.9 0
.9 5
1.02
1 .0 5
1 .1
0.032
0 .0 4 7
0.093
0 . 20 4
0 .6 9 4
0.962
呂1
0 . 24 2
0 .0 8 9
0.049
b2
0 .5 9 3
0 . 19 3
0.079
Ci
0 .2 6 4
0.096
0.051
0 .0 3 1
0.046
0 . 0 84
c2
0.952
0.501
0 . 16 6
0 .2 9 8
0.885
0 . 99 8
bl
0.4767
0 . 15 4 8
0.068
0.037
0 .0 69
0 . 16 7 2
石
2
0.9873
0 .5 6 7 7
0 . 18 6
0.561
0 .9 6 7
0.99964
C¥
0 .4 98
0 . 16 5
0.072
0.037
0 . 10 1
0.081
c2
1 .0 0
0 .9 7
0.525
0 . 77 8
0 .9 9 9
1.00
50
10 0
Monte Carlo Power of Two-Sided. Size.05 Tests of α=1
意の整数q, rについて,
nγ(∂¥-1)i-Op(
(48)
r(?i- 1)サ-O*(nサY)
(49
が得られる.また, αキ1の時,
nγ(d1-1)ォ-O*(w)
(50)
サr(A-!)ォ-(
国m
(36) (37)におけるα-1の検定統計量として,それぞれ次の様なものを考える.
・-bi+nr(d1-1)ォ (52)
c-el+nr(f1-1)i (53)
q, rをq-2r, rの値が非常に大きくなる様に選んだ時, b及びC-は,それぞれ帰無仮説a-1の下で
漸近的に正規分布し,且つ対立仮説綿1の下でも非常にパワーを高くすることができる.
6.ま と め
以上の各節で考察してきた様に,非定常自己回帰モデルでのOLS推定は,ある意味で非常に不安定
なものとなっている・それは,単にその漸近分布が標準的でない(正規分布でない)という点だけでは
なく,状況次第で(例えば,定数項の有無等)その漸近分布が大きく変動してしまうということからき
ている.
OLSに代わるものとして本稿4節で提示した推測方式は,非定常性に対してきわめてロバストである.
すなわち,どの様な非定常自己回帰モデルの下でも,その漸近的性質は常に標準的なものになっている.
91 -
2節,あるいは, 5節で指摘されてきた様に,非定常自己回帰モデルでのOLS推定量は,標準水準
よりも収束の速度が速く,単位根検定におけるパワーもきわめて高いものになっていた・その点からの
比較では,常に標準水準の一致性並びにパワーしか持っていない,本稿4節で提示した推定量よりも望
ましいものであるかもしれない.しかしながら,パワーについて札 5節で論じた様なやり方で改善す
ることができたのであったし,また,非定常自己回帰モデルでのOLS推定量の有効性もまだ確立され
ていないのである.
7.補助定理並びに定理の証明
最初に,補助定理並びに定理の証明に必要な次の補題から述べる・
廼堕
ある正定数C以上の全ての整数に対して定義されている確率変数列(Uに対して,
i) PrLbn≧0]-l
回 bnの確率密度関数は連続である.
匝 0<Ebn-b<<x>
の3条件が成立するならば,その時,
(a) bn>O with probability one
(b) bn-opa)
塾塑
(h)から{bn-0}となる確率は測度0でなければならない.そのことと(iはり,ただちに(A)がでてくる・
(B)についても,もしbn-Op(fn)及びIim/re-ooであるならば, (0を考慮すると(ffl)が満たされなくなるこ
とより明かである. n→め Q.E.D.
補助定理の証明
(i) (31)'より
54
‡yLl[JH.h-XUC
X)
-iX'l
Y-1-‡Y-iV-一1-‡V'-iXiX'X)
-lX'V-i
ma
v-iX(X'X)-lX'V-x-V'
-iX{EX'X)h[(EXIX)-Vivi
X'X(EX'X)一%yHEX'X)-lhX′7-1(55)
任意のq。只野k及びG∈蝣RVp(ここでm-kp+q+l)に対して,
もし0<g'g<∞及び0<l′β<coであるならば,
a'iEX'X)I 'X'X(EX'都 a>O with probability one
q'(EX'X)一地X'X(EX'X)
ka-Op(l)
B'V-iX&XIX)-*g-Op(l)
となることが示される時, (55)の各要素も0,(1)であることが確立されたことになる・
g′ {EXX) hX'X(EX'X) l2aがこの節の補題の条件i)(a)(ffl)を満足することは明らかである・よって,
(56) (57)は補題よりでてくる.また, (58)については
IS'VLxX{EX′X)- ls'ォl ≦l V-iXiEXIX)-*X'忙1β (59)
より,l'V-^XiEX'X)-1^ V-ilが補題の条件(i)回(in)を満たしていることが示されるならば充分である・
補題の条件(i腑が満たされていることは明らかであるのでill)fcついてのみ示すことにする・
-92 -
4i
。mkxn盈'kxk*p) (k2px l)
&
l
∑
-1
IJ
-p
t=若+ 12t-2P -y=i舟-i)'oik')
n
ここで 4k' (mxl)
∑
t-2p+l
n
∑
(-26+1
l(1)
ll
β(2)
l2
」(ォ
I p
ii〕
注vt-i ip-jv eV)*
,=蓋rp
ld
+iS=--jVBVI*1
・'-1?...b
その時,
Edid'
j-Eco(i,j)EZ′Z,i,j-l,∼,k
(mxm)
ここで,。)a,j)-呈呈β{i)
ivt i(p-1)vt-h{p-h),l曾
1-1*-1
また,Zは(34)において定義されている.(61)は
EX'V-M′V-iX
4i 41---4i 4k
-」
4k d[---dk戯
- [g㊥lEZ'Z]
tod,
(62
!)蝣 -Q)(k,
1)
ここで E2 ォxォ
co(.k, 1)---co(k, k)
また, X-Uk㊥Z]より
CEX'.X) -1- [/*ョCEZ'Z) -1]
63
(62) (63)より
EB′
V-tXiEX'X)
-!X'V-!l
-tr{EX X) -i {EX'V-igB'V-jJiO -tr[O㊥Zm]
-mtrLl
(64)
となるので, l'V-^iEX'X) 1X′ V-11は補題の条件(to)を満たしている.
以上のことより
65
‡yLiUn-n-XW′
X)
-lX′
]
Y-1-‡V-^-i+O^n-i)
-93-
yzpip-D ' a,+i(O)'
t..,一一'.-' I
l - LIl.㊥
V-i -(
AI1′〕より
(n't x**/>)
--蝣蝣I'1
.
vn-¥(♪-!)'蝣 -v.-p(or
n
(?
I…∼,1 - >蝣蝣!・蝣・、
t-2p+l
t-2p+l
66
‡V-iV-i-〔 1-1
n
n
n-1吾+1蔓t-♪由 w-1吾+1ァt-pぢLp
が得られる.
n
(66)及び plimn-1 ∑ 蔓t-i&-j-∂lj.∑ h;-i. -・,A
n⇒ t-2p+l
(ここで∂,i,はクロネッカー・デルタである;∂ij-¥ for i-j,∂が-0 for iキj)
であることより
67
pn聖‡V^V-^ Uu^A-WA-ll ]
(65) (67)より同についての結果が示された.
Q
v-iX(X'X)-lX′蔓-V'^XiEX′X) h[{EXX) hxX{EX'X)-%十(EX'X)I 2X'蔓 (68)
の各要素が0,(1)であることが示されれば充分であるが,そのことは(i)と同様にしてこの節の補題を適
用して証明される.
N (31)′′ (32)′′ (33)〟より
、伝〔4lq〕-、敬〔yLiUfk-XWXt-W IY-d-iYLiUti-XIXIXl -W lz-q}
-ヽ敬〔1仁IUn-k-X(X'ft -w w-d-iV-iUn-k-xw:′ X)
'X'ly-a]
-〔 i-^V'-iV-i- -W^XiX'X)-1X'忙1〕-1〔 ,-V2V-i喜一'V-iXiX'X)-1^蔓〕 (69)
また, (33)〟より
、伝〔a-a〕 - 〔w-iV-iF-i〕-1〔n-% V'-x蔓〕 (70)
(0(a)の証明の中で得られた結果より明らかな様にV'-iXiX'X) 1X′ V11及びV-iX(X'X.ト1X'蔓の各要
素はO,(1)であることより(軸こついての結果が得られる・
M (i)と(ffl)の(70)から,
I
・-%V一蔓⇒N(Q, [∑㊥iA-WA-1'!)
71
であることを示せば充分である.
/l
72
'蝣V'-i蔓-F-1
fk
ここで F-(/*'㊥A),
・-%芸蔓t-lSjt
t-2♪+1
fj -
, ;-i,
(kpxl)
n
n-lk t=君+ 1蔓t-pSjt
e/- (eu,∼, skt)
(む)についての仮定から
h
h
⇒N(0, [∑㊥D])
(73)
fk
であることは容易に示される. (71)は(72)と(73)からただちに得られる.
(Ⅴ)
(34)より
云-‡Y'VサーZ{Z′Z)-1)Z′ ] Y
--ip'vp--*p'Z(Z′ Z上IZ"i>
n
74
n
iia
llllIII
、
2.
75
.・:>:蝣
nt-p+i
(i)と同様にして^'ZiZ'ZトIZ'mの各要素が0,(1)であることが示され,また,
E聖‡2ァ<」/-
であることも容易に示される.従って, (v)についての結果が得られる.
t=p+l∑
Q.E.D.
定理の証明
(i)補助定理MMからただちにでてくる.
サ 定理(i)より
、伝〔H′ 4lH′ q〕A/V(Q, H< [∑㊥A′ D-^A]H)
ma
去〔H'[」ョIkp}K- ^m
'/2 - 〔nH′ [云㊥>Ii*lK-1即-V2
- 〔H'[云㊧'/サ] 〔nT唆〕 -1H} -
であること,
plim[云㊥'/#] - [∑㊥'/*]
SffiEaコ
plim〔 i^K〕- - Uk㊤>A'D-lA]
肌BES
よってplim[云㊥<Ikp]〔nlK〕-1--[∑㊥A′D-lA]であることなどから明らか.
Q.E.D.
蠎;一 一こ0
参 考 文 献
Ahtola, J. and G. C. Tiao, (土987, a), Distributions of least squares estimators autoregressive parameters for a pro-
cess with complex roots on the unit circle, Journal of the Time Series Analysis, Vol. 8, No. 1ト14.
Ahtola, J. and G. C. Tiao, (1987, b), A note on asymptotic inference in autoregressive models with roots on the
-95 1
Anderson, T. W., (1959), On asymptotic distributions of estimates of parameters of stochastic difference equations, Annals of Mathematical Statistics, Vol. 30, 676-687.
Dickey, D. A., (1977), Estimation and hypothesis testing in nonstationary time series, Unpublished Ph. D. thesis,
Iowa State University.
Dickey, D. A. and W. A. Fuller, (1979), Distribution of the estimators for autoregressive time series with a unit
root, Journal of the American Statistical Association, Vol. 74, 427-431.
Dickey, D. A. and W. A. Fuller, (1981), Likelihood ratio statistics for autoregresive time series with a unit root,
Econometnca, Vol. 49, No. 4, 1057-1072.
Evans, G. B. A. and N. E. Savin, (1981), Testing for unit roots: 1, Econometrica, Vol. 49, No. 3, 753-779.
Evans, G. B. A. and N. E. Savin, (1984), Testing for unit roots: 2, Econometrica, Vol. 52, No. 5, 1241-1269.
Fuller, W. A., (1976), Introduction to Satistical Time Series, Wiley, New York.
Fuller, W. A., (1985), Nonstationary autoregressive time series, in Handbook of Statistics (Time Series in the
Time Domain), Vol. 5, ed. by E. J. Hannan etc., North-Holland,ト23.
Kawashima, H., (1980), Parameter estimation of autoregressive integrated processes by least squares, The Annals
of Statistics, Vol. 8, No. 2, 423-435.
Lai, T. L. and D. Siegmund, (1983), Fixed accuracy estimation of an autoregressive parameter, The Annals of
Statistics, Vol. ll, No. 2, 478-485.
Nelson, C. R. and C. I. Plosser, (1982), Trends and random walks in macroeconomic time series: Some evidence
and implications, Journal of Monetary Economics, Vol. 10, No. 2, 139-162.
Phillips, P. C. B., (1987), Time series regression with a unit root, Econometrica, Vol. 55, No. 2, 277-301.
Phillips, P. C. B. and P. Perron, (1986), Testing for unit root in time series regression, Cowles Foundation Discussion Paper.
Phillips, P. C. B. and S. N. Durlauf, (1986), Multiple time series with integrated variables, Review of Ecomomics
Studies, Vol. 55, 473-496.
Phillips, P. C. B. and S. Ouliaris, (1987), Testing for cointegration using principal components methods, Cowles
Foundation Discussion Paper.
Satchell, S. E., (1984), Approxiation to the finite sample distribution for nonstable first order stochastic difference
equations, Econometrica, Vol. 52, No.,5, 1271-1289.
Solo, V., (1984), The order of differencing in ARIMA moles, Journal of the American Statistical Association,
Vol. 79, No. 385, 916-921.
Tiao, G. C. and R. S. Tsay, (1983), Consistency properties of least squares estimates of autoregessive parameters
in ARMA models, The Annals of Statistics, Vol. ll, No. 3, 856-871.
Tsay, R. S., (1984), Order selection in nonstationary autoregressive models, The Annals of Statistics, Vol. 12,
No. 4, 1425-1433.
Tsay, R. S., and G. C. Tiao, (1984), Consistent estimates of autogressive parameters and extended autocorrelation
function for stationary and nonstationary ARIMA models, Journal of the American Statistical Association,
Vol. 79, No. 385, 84-96.
West, K. D., (1986), Asymptotic normality, when regressors have a unit, root, Discussion Papers in Economics
Woodrow Wilson School, Princeton University, No. 110.
White, J. S., (1958), The limiting distribution of the serial correlation in the explosive case, Annals of
Mathematical Statistics, Vol. 29, 1188-1197.
White, J. S., (1959), The limiting distribution of the serial correlation in the explosive case, II, Annals of
Mathematical Statistics, Vol. 30, 83ト834.
-96 -
ダウンロード

自己回帰モデルにおける非定常性と推測