KNOWECON WIKI

ARTICLE

Dickey-Fuller 检验

Dickey-Fuller 检验 (Dickey-Fuller Test) Dickey-Fuller 检验（DF检验）是计量经济学中用于检验时间序列数据是否存在单位根（unit root）的标准统计检验方法。由David Dickey与Wayne Fuller于1979年提出。单位根的存在意味着序列是非平稳的，即其统计性质（均值、方差）随时间而变化。标准回

浏览 0 更新 2025-11-18

Dickey-Fuller 检验 (Dickey-Fuller Test)

Dickey-Fuller 检验（DF检验）是计量经济学中用于检验时间序列数据是否存在单位根（unit root）的标准统计检验方法。由David Dickey与Wayne Fuller于1979年提出。单位根的存在意味着序列是非平稳的，即其统计性质（均值、方差）随时间而变化。标准回归与推断方法在非平稳序列上会产生伪回归（spurious regression），使得t检验和F检验失效。因此，DF检验是时间序列建模前的关键诊断步骤。

单位根的定义与检验动机

考虑一阶自回归AR(1)过程：

yt=ρyt−1+ϵt,ϵt∼i.i.d.(0,σ2)y_t = \rho y_{t-1} + \epsilon_t, \quad \epsilon_t \sim \text{i.i.d.}(0, \sigma^2)

当 ∣ρ∣<1|\rho| < 1 时，序列是平稳的，冲击效应随时间衰减。当 ρ=1\rho = 1 时，序列包含一个单位根，成为一个随机游走（random walk），此时

yt=y0+∑j=1tϵjy_t = y_0 + \sum_{j=1}^{t} \epsilon_j

任一冲击永久性地改变序列水平，方差随时间线性增长至无穷。若 ρ>1\rho > 1，序列是爆炸性的，在经济学中较少见。

DF检验将模型重写为差分形式。从上述AR(1)两端减去 yt−1y_{t-1}：

Δyt=(ρ−1)yt−1+ϵt=ψyt−1+ϵt\Delta y_t = (\rho - 1) y_{t-1} + \epsilon_t = \psi y_{t-1} + \epsilon_t

其中 ψ=ρ−1\psi = \rho - 1。原假设为存在单位根（H0:ψ=0H_0: \psi = 0），备择假设为序列平稳（H1:ψ<0H_1: \psi < 0）。这是一个单侧检验。

检验的三种设定形式

Dickey与Fuller考虑了三种不同的检验回归方程，对应于序列的不同确定性成分设定：

  • 情形一：无常数项、无趋势项（纯随机游走） \[ \Delta y_t = \psi y_{t-1} + \epsilon_t \]
  • 情形二：含常数项（带漂移的随机游走） \[ \Delta y_t = \alpha + \psi y_{t-1} + \epsilon_t \]
  • 情形三：含常数项与线性趋势 \[ \Delta y_t = \alpha + \delta t + \psi y_{t-1} + \epsilon_t \]

在每种情形下，原假设均为 H0:ψ=0H_0: \psi = 0，即存在一个单位根。备择假设 H1:ψ<0H_1: \psi < 0 对应平稳序列。

检验统计量及其分布

关键发现是，在原假设 H0:ρ=1H_0: \rho = 1 下，ψ^\hat{\psi} 的OLS估计量的t统计量不服从标准正态分布或t分布，而是服从Dickey-Fuller分布（一种非标准分布）。该分布通过维纳过程（Wiener process）的函数表征，呈左偏形态，其临界值远小于标准正态分布的对应值。

检验统计量为：

DFτ=ψ^SE⁡(ψ^)DF_{\tau} = \frac{\hat{\psi}}{\operatorname{SE}(\hat{\psi})}

其临界值由Dickey与Fuller通过蒙特卡洛模拟计算获得，并整理为DF分布临界值表。若 DFτDF_{\tau} 小于临界值，则拒绝原假设，认为序列平稳；反之无法拒绝单位根的存在。

扩展Dickey-Fuller检验（ADF检验）

DF检验假设误差项ϵt\epsilon_t为白噪声，不存在自相关。实际数据常违反此假设。扩展Dickey-Fuller检验（Augmented Dickey-Fuller test，简称ADF检验）通过在回归中加入因变量的滞后差分项以吸收残差中的自相关：

Δyt=α+ψyt−1+∑i=1pγiΔyt−i+ϵt\Delta y_t = \alpha + \psi y_{t-1} + \sum_{i=1}^{p} \gamma_i \Delta y_{t-i} + \epsilon_t

滞后阶数pp的选择至关重要：太小则残差仍有自相关，太大则降低检验功效。常用的选择方法包括AIC（Akaike信息准则）、BIC（贝叶斯信息准则），或通过Ljung-Box Q检验验证残差的白噪声性质。

实证应用与注意事项

在实际应用中，DF/ADF检验是单位根检验的第一步，通常配合以下策略：

  • 检验策略：从最一般的设定（情形三）开始，若趋势项不显著再简化至情形二，以此类推，避免遗漏确定性成分导致的功效损失。
  • 检验功效：DF检验在近单位根（ρ≈0.95\rho \approx 0.95）情况下功效较低，易犯第二类错误。KPSS检验以平稳性为原假设，常与ADF检验并用提供互补证据。
  • 结构突变：ADF检验在存在结构突变时倾向于不拒绝单位根原假设。Zivot-Andrews检验允许内生结构突变，是常用的稳健替代方案。

DF/ADF检验已成为时间序列实证研究的标准工具。在宏观经济学与金融计量学中，几乎所有涉及GDP、通货膨胀率、汇率、股票价格的建模，都以单位根检验为起点。检验结果直接影响后续建模决策：若序列存在单位根，通常采用一阶差分使其平稳后建模，或使用协整分析方法处理多个非平稳序列之间的长期均衡关系。