Page 12 - MFB 22 蔡昀蓁

3.2 模型介紹

3.2.1 單根檢定

時間序列的資料通常可分為兩種型態:非定態 (non-stationary)

與定態 (stationary) 序列。非定態之時間序列資料對於外來衝擊影響

會隨時間累積，使其在變動中逐漸偏離平均值；而定態之時間序列對

於外來衝擊指僅會有暫時性的影響，會隨時間經過而消失，最後會收

斂至一長期均衡水準。傳統計量方法均建立在變數為定態的情況

下，若時間序列資料為非定態，依普通最小平方法 (ordinary least

square method, OLS) 或一般最小平方法 (general least squares method,

GLS) 進行迴歸分析時，可能會產生 Granger and Newbold (1974) 提

出之假性迴歸 (spurious regression) 的問題，則研究中所推論之變數

關係也就沒有實質意義。因此我們必須先利用單根檢定 (unit-root

tests)，檢查資料屬性是否為定態，以避免虛假迴歸的問題。本文依

Said and Dickey (1984) 提出 augmented Dickey-Fuller test (簡稱 ADF

檢定)，採用包含截距項及時間趨勢之模型:

p
 Y    Y  c Y  b  , e



t t 1 q t q t t
q 1
其中 Y 為一時間序列資料， Y t  Y  Y ，λ 為自我迴歸係數，b 為
t
t
t
1
t
時間趨勢項，p 則為最適落後期數，e 表示干擾項。此檢定的虛無假
t
設 H 為時間序列資料 Y 具有單根，對立假設 H 則為時間序列 Y t
1
t
0
資料不具有單根，如檢定結果無法拒絕單根虛無假設，即 λ  0，則 Y t
為非定態數列。對於非定態數列，應取差分並持續反覆以 ADF 檢

定，直到差分後的數列為定態時再進行迴歸分析。

3.2.2 預測模型

2020 年來因應新冠肺炎疫情的爆發，為了避免金融系統崩潰，美

國聯準會 Fed 開始實施史上首見的無限 QE (quantitative easing) 政

10