В теории вероятностей и статистике, a единичный корень - это особенность некоторых случайных процессов (например, случайных блужданий ), которые могут вызывать проблемы в статистическом выводе с участием временных рядов модели. Линейный случайный процесс имеет единичный корень, если 1 является корнем характеристического уравнения процесса. Такой процесс нестационарен, но не всегда имеет тенденцию.
Если другие корни характеристического уравнения лежат внутри единичной окружности, то есть имеют модуль (абсолютное значение ) меньше единицы, то первая разность процесса будет стационарным; в противном случае процесс нужно будет несколько раз различать, чтобы он стал стационарным. Если имеется d единичных корней, процесс нужно будет изменить d раз, чтобы сделать его стационарным. Из-за этой характеристики единичные корневые процессы также называют разностными стационарными.
единичные корневые процессы иногда можно спутать с стационарными по тренду процессами; хотя у них много общих свойств, они различаются по многим аспектам. Временной ряд может быть нестационарным, но не иметь единичного корня и быть стационарным по тренду. Как в процессах с единичным корнем, так и в стационарных трендовых процессах среднее значение может со временем расти или уменьшаться; однако при наличии шока стационарные трендовые процессы возвращаются к среднему (то есть временные ряды снова сходятся к растущему среднему, на которое не повлиял шок), в то время как процессы с единичным корнем оказывают постоянное влияние на среднее значение (т.е. отсутствие сходимости с течением времени).
Если корень характеристического уравнения процесса больше 1, то он называется взрывным процессом, даже если такие процессы иногда неточно называется процессами единичных корней.
Наличие единичного корня можно проверить с помощью теста единичного корня.
Рассмотрим дискретное время случайный процесс , и предположим, что его можно записать как процесс авторегрессии порядка p:
Здесь - это серийно некоррелированный случайный процесс с нулевым средним и постоянной дисперсией . Для удобства предположим, что . Если является корнем из характеристического уравнения с кратностью 1:
, то случайный процесс имеет единичный корень или, альтернативно, интегрирован с порядком один, обозначенный . Если m = 1 является корнем кратности r, то стохастический процесс интегрируется порядка r, обозначенного I (r).
Модель авторегрессии первого порядка, , имеет единичный корень, когда . В этом примере характеристическое уравнение: . Корень уравнения: .
Если процесс имеет единичный корень, то это нестационарный временной ряд. То есть моменты случайного процесса зависят от . Чтобы проиллюстрировать эффект единичного корня, мы можем рассмотреть случай первого порядка, начиная с y 0 = 0:
Путем повторной подстановки мы можем написать . Тогда дисперсия определяется следующим образом:
Дисперсия зависит от t, поскольку , а . Обратите внимание, что дисперсия ряда расходится до бесконечности с t.
Существуют различные тесты для проверки существования единичного корня, некоторые из них даются:
В дополнение к моделям авторегрессии (AR) и авторегрессии – скользящего среднего (ARMA), другие важные модели возникают в регрессионном анализе, где ошибки модели могут сами иметь структуру временного ряда и, следовательно, могут нуждаться в моделировании с помощью процесса AR или ARMA, который может иметь единичный корень, как обсуждалось выше. Были проанализированы свойства конечной выборки регрессионных моделей с ошибками ARMA первого порядка, включая единичные корни.
Часто, обычный метод наименьших квадратов (OLS) используется для оценки коэффициентов наклона модели авторегрессии . Использование OLS основывается на стационарности случайного процесса. Когда стохастический процесс нестационарен, использование OLS может привести к неверным оценкам. Грейнджер и Ньюболд назвали такие оценки результатами «ложной регрессии»: высокие значения R и высокие t-отношения дают результаты, не имеющие экономического смысла.
Для оценки коэффициентов наклона следует сначала провести тест на единичный корень, нулевая гипотеза которого состоит в том, что присутствует единичный корень. Если эта гипотеза отвергается, можно использовать OLS. Однако, если наличие единичного корня не отвергается, то к ряду следует применить оператор разности . Если другой тест с единичным корнем показывает, что временной ряд с разницей является стационарным, тогда к этому ряду можно применить OLS для оценки коэффициентов наклона.
Например, в случае AR (1) неподвижен.
В случае AR (2) можно записать как где L - a оператор запаздывания, уменьшающий временной индекс переменной на один период: . Если , модель имеет единичный корень, и мы можем определить ; тогда
стационарно, если . OLS можно использовать для оценки коэффициента наклона, .
Если процесс имеет несколько единичных корней, оператор разности можно применять несколько раз.
Экономисты спорят, имеет ли различная экономическая статистика, особенно выпуск, единичный корень или тренд-стационар. Процесс с единичным корнем со смещением задается в случае первого порядка следующим образом:
, где c - постоянный член, называемый термином "дрейф", а - белый шум. Любое ненулевое значение параметра шума, возникающее только в течение одного периода, навсегда повлияет на значение , как показано на графике, поэтому отклонения от строка нестационарны; нет возврата к какой-либо линии тренда. Напротив, стационарный процесс тренда задается следующим образом:
, где k - наклон тренда. и - шум (белый шум в простейшем случае; в более общем смысле, шум, следующий за собственным стационарным процессом авторегрессии). Здесь любой переходный шум не изменит долгосрочную тенденцию попадания на линию тренда, как это также показано на графике. Этот процесс называется стационарным по тренду, потому что отклонения от линии тренда стационарны.
Эта проблема особенно популярна в литературе по экономическим циклам. Исследования по этому вопросу начались с Нельсона и Плоссера, чья статья о ВНП и других совокупных выходных показателях не смогла отвергнуть гипотезу единичного корня для этих рядов. С тех пор последовали дебаты, переплетенные с техническими спорами о статистических методах. Некоторые экономисты утверждают, что ВВП имеет единичный корень или структурный разрыв, подразумевая, что экономические спады приводят к постоянному снижению уровня ВВП в долгосрочной перспективе. Другие экономисты утверждают, что ВВП является стационарным трендом: то есть, когда ВВП опускается ниже тренда во время спада, он позже возвращается к уровню, предполагаемому трендом, так что не будет постоянного снижения выпуска. Хотя литература по гипотезе единичного корня может состоять из тайных дебатов о статистических методах, эта гипотеза имеет важные практические последствия для экономических прогнозов и политики.