非平稳性

非平稳性

非平稳性（Non-stationarity）是时间序列分析中的一个核心概念，指随机过程的统计性质——包括均值、方差、自协方差——随时间推移发生改变，不满足平稳性条件。与平稳过程不同，非平稳过程的联合分布函数 $F_{t_1,\dots,t_n}(x_1,\dots,x_n)$ 依赖于具体的时间指标而非仅时间间隔，这使得传统的统计推断方法（如经典回归分析）在直接应用于非平稳数据时可能产生误导性结论。对非平稳性的识别与处理是宏观经济计量学、金融时间序列分析和计量经济学中的基本技术环节。

非平稳性的主要类型

非平稳性可按其产生机制划分为两大类：确定性趋势非平稳（Trend-Stationary, TS）和差分趋势非平稳（Difference-Stationary, DS）。确定性趋势非平稳过程的形式为 $y_t = \alpha + \beta t + \varepsilon_t$，其中 $\varepsilon_t$ 是平稳过程。这类序列围绕一条确定性的时间趋势波动，去除趋势后即转为平稳，因此也被称为趋势平稳过程。差分趋势非平稳过程（即单位根过程）的形式为 $y_t = y_{t-1} + \varepsilon_t$，其扰动具有永久性效应，冲击不会随时间衰减。最典型的差分趋势非平稳过程是随机游走（Random Walk），在金融资产价格、汇率、名义GDP等宏观经济变量中广泛存在。两类非平稳性的区分具有重要的经济含义：对确定性趋势过程而言，外部冲击的影响是暂时的，序列会向趋势线回归；而对差分趋势过程而言，冲击具有持久性，序列不存在均值回归倾向。

伪回归问题

非平稳序列最重要的计量经济学含义是伪回归（Spurious Regression）现象。Granger 和 Newbold（1974）通过蒙特卡洛模拟首次系统性地揭示了这一问题：当两个相互独立的非平稳序列分别存在单位根时，以其中一个对另一个进行回归，往往得到高度显著的 t 统计量和很高的 $R^2$，同时 DW 统计量极低。这种看似显著但毫无经济意义的关系被称为伪回归。伪回归产生的根本原因在于，非平稳序列中蕴含的随机趋势被回归模型错误地解释为变量之间的结构性关联。Phillips（1986）从渐近理论上证明了，伪回归中 t 统计量的分布发散而非收敛于标准分布，传统临界值不再适用。这一发现对宏观实证研究产生了深远影响，推动了单位根检验和协整理论的系统性发展。

单位根检验方法

最常用的非平稳性检验方法是扩展迪基-富勒检验（Augmented Dickey-Fuller Test, ADF），其原假设为序列存在单位根（即非平稳），备择假设为序列平稳。ADF 检验通过在回归方程中引入被解释变量的滞后差分项来控制高阶自相关，其检验统计量的渐近分布由 Dickey 和 Fuller（1979）给出，不再遵循标准的 t 分布，因此必须使用专门的临界值。KPSS 检验（Kwiatkowski–Phillips–Schmidt–Shin, 1992）则反转了假设设定：原假设为序列平稳，备择假设为单位根。两类检验通常配合使用以增强结论的可靠性。PP 检验（Phillips–Perron, 1988）采用非参数方法校正序列相关，适用于异方差情形。此外，DF-GLS 检验（Elliott, Rothenberg \& Stock, 1996）通过广义最小二乘法去除确定性趋势后再进行单位根检验，在小样本下具有更高的检验功效。对于存在结构突变的时间序列，传统单位根检验可能将具有断点的平稳过程错误判定为非平稳，因此需要采用扎-安德鲁斯检验（Zivot–Andrews, 1992）等允许结构性断点的单位根检验方法。

非平稳性的处理方法

针对确定性趋势非平稳，最直接的方法是去趋势（Detrending），即从序列中回归出时间趋势分量后取残差进行分析。针对差分趋势非平稳，标准的处理方式是差分（Differencing），对序列取一阶差分 $\Delta y_t = y_t - y_{t-1}$，若一阶差分后序列变为平稳，则称原序列为一阶单整 $I(1)$。此时若直接对非平稳水平序列进行回归可能产生伪回归，但若多个 $I(1)$ 序列之间存在协整关系（即它们的某种线性组合是平稳的），则可以在保留变量水平信息的同时进行有意义的回归分析。Engle 和 Granger（1987）提出的两步法以及 Johansen（1988）的极大似然方法为协整检验与估计提供了系统框架。在向量自回归模型（VAR）中，若变量含有单位根且存在协整关系，则应采用向量误差修正模型（VECM）进行建模，将短期动态调整与长期均衡关系统一纳入分析框架。合理地识别和处理非平稳性，是保障时间序列实证分析结论可靠性的前提条件，也是宏观经济预测、金融风险管理等领域不可或缺的技术工具。

经济含义与应用

非平稳性的识别与处理对宏观经济学和金融学具有深刻的方法论意义。在真实经济周期理论和新凯恩斯主义的争论中，宏观经济时间序列是否包含单位根是一个关键分歧：如果GDP遵循差分趋势非平稳过程，则经济波动主要由持久性技术冲击驱动；反之若为趋势平稳，则短期需求冲击仅产生暂时影响。布兰查德-夸模型（Blanchard–Quah, 1989）正是利用这一区分来识别供给冲击与需求冲击。在金融领域，有效市场假说要求资产价格服从随机游走（即具有单位根），检验价格序列的非平稳性特征成为验证市场效率的重要方法。此外，在面板数据和非线性时间序列分析中，非平稳性的处理延伸出面板单位根检验、分数阶单整等前沿方法，进一步丰富了实证分析的工具箱。