|
本研究の目的は、データの定常・非定常性に依存しない、モデルの安定性の検定手法を構築することであるが、平成20年度は以下の研究成果を得た。
1. ベクトル自己回帰モデルの構造変化の検定
本研究の目的にあるとおり、ベクトル自己回帰モデルにおいて、定常、非定常、共和分の有無や階段に依存しない、構造変化の検定法を開発した。
2. 定常性の検定の検定サイズの調整
20年度研究計画2にあるとおり、定常性の検定のサイズの歪みを調整する新たな方法を確立した。また、シミュレーション実験により、新たな手法の有効性が確認された。現在、トレンド定常モデルへの応用を模索中である。
3. 情報量規準に基づく構造変化の数の推定方法の確立
20年度研究計画3にある閾値モデルの分析の前段階として、ベクトル自己回帰モデルに関する構造変化の研究を行い、以下の研究成果を得た。
(1) 構造変化が複数ある場合、変化の回数の推定について、いくつかの情報量規準を新たに確立した。具体的には、AIC規準、BIC規準、マローのCp規準を新たに確立したが、いずれも従来の規準とは異なる形式となることを明らかにした。
(2) シミュレーション実験により、これらの規準有限標本特性を明らかにした。
(3) 上記の結果を北アイルランドのクイーンズ大学でセミナー発表をおこなった。
4. パネルデータ定常性の検定
20年度研究計画2に関連して、定常性の検定の検出力を増す手段として、クロスセクション間に従属性がある場合のパネルデータの定常性の検定を開発し、その成果をヨーロッパ学会で発表した。
|
