面板数据AR(1)模型的变点分析

• 作 者: 李明宇
• 机 构: 浙江大学
• 出 处: 浙江大学
• 发表日期: 2016年期
• 关键词: AR(1)模型 面板数据 变点 最小二乘估计量

本文在Chong(2001)提出的时间序列数据存在一个变点的AR(1)模型的基础上,对模型进行了推广,将时间序列数据推广到面板数据,讨论了面板数据情形下AR(1)模型的自回归系数在未知时刻k0发生变化的结构变点问题。本文考虑模型yit=β1yi,t-1I{t≤k0}+β2yi,t-1I{t＞k0}+εit (i=1,2,...,N；t=1,2,...,T),其中1{.}是一个示性函数,εit～i.i.d.(0,σ2)(?)i,t,0<σ2<∞。本文的目的就是讨论(1)|β1|<1且|β2|<1；(2)|β1|<1,且β2=1；(3)β1=1且|β2|<1这三种情形下β1和β2的最小二乘估计量的相合性和极限分布,以及τ0(τ0=k0/T)估计量的相合性。将Chong(2001)中提出的AR(1)模型中的时间序列数据替换成面板数据,通过分析我们发现,相比较于Chong(2001)中的结论,在面板数据情形下我们能够得到更为优良的结论。Chong(2001)给出的k(k0的估计)在前两种情形下都不是相合估计,而在面板数据情形,我们证明了在3种情形下,k都为k0的相合估计。此外,Chong(2001)给出的β1和β2的极限分布并非都是正态分布,而在本文中,我们得出的结论是无论哪种情形,β1和β2的极限分布都是正态分布。