臺灣博碩士論文加值系統

在過去已發表的文章中，認為變數的長期趨勢不會受到重大的經濟事件的影響。但在Nelson and Plosser於1982利用Dickey-Fuller單根檢定，發現大多數的美國總體經濟資料屬於隨機趨勢之後，開啟了學者探討總體變數特性的興趣。
本文以ADF單根檢定為基礎，嘗試探討兩種內生決定結構轉變點的方法：以最小t值認定的ZA法和以最大F值決定的Hansen(2001)。利用蒙地卡羅模擬法，模擬在有限樣本下，兩種估計方法於(1)尋找真實結構轉變點(2)在虛無假設為允許有結構轉變之單根數列之下犯型I誤差的機率和(3)檢定力三方面的表現。並將其應用在台灣的實質國民生產毛額、消費者物價指數、工業生產指數、貨幣供給、台幣兌美元匯率等五個變數上，檢視這些變數在考慮結構轉變之後的長期特性。
在蒙地卡羅模擬分析裡， Hansen(2001)犯型I誤差的機率要比ZA來得小；在檢定力方面，隨著樣本數增加，ZA與Hansen(2001)的檢定力均有向上提升的現象，當樣本數較多時， ZA的檢定力優於Hansen(2001)。此外，實際結構轉變點發生的位置並不會影響這兩種估計方法(ZA與Hansen(2001))在型I誤差和檢定力方面的表現。
當我們將這兩種尋找結構轉變的方法，實際應用在台灣的總體變數上，實證結果顯示，在進一步考慮單根檢定式中存在結構轉變，兩種估計方法所得出的結構轉變點並不一致，但若將估計的結構轉變點代入單根檢定式檢定，除了貨幣供給會因為選用的檢定模型不同，而無法判定之外，其餘變數(實質國民生產毛額、消費者物價指數、工業生產指數)不論是在何種檢定式下都不拒絕具有單根的虛無假設。

The traditional view holds that current shocks only have a temporary effect and that the long run movement in the series is unaltered by such shocks. Nelson and Plosser (1982) changed this view and argued, using the Dickey-Fuller unit root test, they found the most of American macroeconomic data series are stochastic trend. The dynamic characteristic about time series has being widely discussed.
Because the ADF test and PP test don’t consider the impact of structural change on series, we consider the structure change as endogenous and the breakpoint is estimated not only by Zivot and Andrews (1992) but also by Hansen (2001). We investigate the accuracy of the breakpoint of those two methods and computing their empirical size and empirical power by Monte Carlo simulation and use five Taiwan macroeconomic data series to be our samples.
In the Monte Carlo simulation the case of the ZA test has lager size distortions than Hansen(2001), but has a higher empirical power than Hansen(2001). As a result, the empirical size and empirical power of these two methods won’t be affected by the position of breakpoint. And the estimative breakpoints aren’t the same in two methods and except the result of money supply vary because of different models, other series didn’t against the unit-root hypothesis.

誌謝詞 I
摘要 I
Abstract III
圖表目錄 iii
附表目錄 iv
第一章 前言 1
第一節 研究動機與目的 1
第二節 研究方法 3
第二章 文獻回顧 4
第三章 研究方法 9
第一節 單根檢定 9
一、ADF(Augmented Dickey and Fuller)單根檢定法 9
二、PP(Phillips-Perron)單根檢定法 10
三、ZA (Zivot and Andrews)單根檢定法 11
第二節 內生決定的結構轉變之檢定 12
第三節 蒙地卡羅模擬法 13
第四章 模擬分析 15
第一節 模擬結構轉變點與真實結構轉變點之檢定 15
第五章 實證結果 26
第一節 資料來源 26
第二節 單根檢定結果 30
一、傳統單根檢定方法之實證結果 30
二、結構轉變單根檢定方法之實證結果 32
第六章 結論與建議 41
參考文獻 45
附錄一：模擬之殘差標準差的選擇 47
附錄二、Eviews統計軟體之蒙地卡羅程式 53
作者簡述 60
圖1：各變數取自然對數之時間序列圖 28
表1：模擬樣本的結構轉變點與真實結構轉變點之統計檢定表：樣本數為100 16
表2：模擬樣本的結構轉變點與真實結構轉變點之統計檢定表：樣本數為300 17
表3：模擬樣本的結構轉變點與真實結構轉變點之統計檢定表：樣本數為500 18
表4：不同估計方法下結構轉變單根檢定之型I誤差 22
表5：不同估計方法下結構轉變單根檢定之檢定力 23
表6：各變數之敘述統計 27
表7：ADF單根檢定在水準值(Level)的檢定統計量 30
表8：PP單根檢定在水準項(Level)的檢定統計量 31
表9：估計的結構轉變時間點 33
表10：考慮截距項發生結構轉變之單根檢定 35
表11：考慮趨勢項發生結構轉變之單根檢定 37
表12：考慮截距和趨勢項發生結構轉變之單根檢定 39
附表1：模擬樣本數300，殘差之標準差為0.9之估計精確度 48
附表2：模擬樣本數300，殘差之標準差為0.1之估計平均t值 48
附表3： 時不同估計方法下結構轉變單根檢定之型I誤差 49
附表4： 時不同估計方法下結構轉變單根檢定之檢定力 50
附表5： 時不同估計方法下結構轉變單根檢定之型I誤差 51
附表6： 時不同估計方法下結構轉變單根檢定之檢定力 52

吳致寧、陳秀淋(1995)，「確定性或隨機性趨勢-台灣的實證研究」，經濟論文叢刊，23:2，223-237。
李政峰、何祖平(2001)，「隨機趨勢抑或確定趨勢?再探台灣國民所得數列」，經濟論文，29:3，341-364。
林淑惠，「台灣區域性失業率之磁滯效應-Panel單根檢定方法與應用」，碩士論文，逢甲大學經濟學系，民國92年。
徐之強(2001)，「多次結構變動下趨勢穩定與差分穩定之認定-台灣總體資料實證研究」，經濟論文，29:3，321-339。
楊奕農，「時間序列分析-經濟與財務上之應用」，雙葉書廊有限公司，台北，民國94年4月。
Bai, J. (1999), “Likelihood Ratio Tests for Multiple Structural Changes.” Journal of Econometrics, 91, 299-323.
Cheung Y.W. and M.D. Chinn (1997), “Further Investigation of Uncertain Uit Root in GNP.” Journal of Business and Economic Statistics, 15, 68-73.
Campbell, J.Y. and P. Perron (1991), “Pitfalls and opportunities: what macroeconomists should know about unit roots.” NBER Macroeconomics Annual, 141-201.
Darné O. and C. Diebolt (2004), “Unit roots and infrequent large shocks: new international evidence on output.” Journal of Monetary Economics, 51, 1449-1465.
Diebold, F. and A. Senhadji (1996), “The Uncertain Unit Root in Real GNP: Comment.” American Economic Review, 86, 1291-1298.
Enders, W. (2004) Applied Econometric Time Series. New York: John Wiley & Sons, Inc.
Ewing, B.T. and P.V. Wunnava, (2001), “Unit roots and structural breaks in North American unemployment rats.” The North American Journal of Economics and Finance, 12, 273-282.
Hansen B.E. (2001), “The New Econometrics of Structural Change: Dating Breaks in U.S. Labor Productivity.” The Journal of Economic Perspectives, 15(4), 117-128.
Hayashi N. (2005), “Structural changes and unit roots in Japan’s macroeconomic time series: is real business cycle theory supported?” Japan and the World Economy, 17, 239-259.
Hsu, C.C. and C.M. Kuan (2001), “Distinguish between Trend Break Models: Method and Empirical Evidence.” Econometrics Journal, 4, 171-190
Kwiatkowiski, D., P. Phillips, P. Schmidt and Y. Shin (1992), “Testing the Null Hypothesis of Stationarity against the Alternative of a Unit Root. How Sure Are We that Economic Time Series Have a Unit Root?” Journal of Econometrics, 54, 159-178.
Leybourne, S.J. and B.P.M. McCabe (1994), “A Consistent Test for a Unit Root.” Journal of Business and Economic Statistics, 12, 157-166.
Nelson, C.R., and Plosser, C.I. (1982),”Trends and Random Walks in Macroeconomic Time Series: Some evidence and implications.” Journal of Monetary Economics, 10, 139-162.
Perron, P. (1989), “The Great Crash, the Oil Price Shock, and the Unit Root Hypothesis.” Econometrica, 57, 1361-1401.
Perron, P. (1997), “Further evidence on breaking trend functions in macro-economic variables,” Journal of Econometrics, 80, 355-385.
Rudebusch, G. (1993), “The Uncertain Unit Root in Real GNP.” American Economic Review, 83, 264-271.
Schwert, G.W. (1989), “Test for Unit Roots: A Monte Carlo Investigation.” Journal of Business and Economic Statistics, 7, 147-159.
Smyth, R. and B. Inder (2004), “Is Chinese provincial real GDP per capita nonstationary? Evidence from multiple trend break unit root test.” China Economic Review, 15, 1 – 24.
Zivot, E. and D.W.K. Andrews (1992), “Further Evidence on the Great Crash, the Oil-Price Shock, and the Unit-Root Hypothesis.” Journal of Business & Economic Statistics, 10, 251-269.