Page 14 - 陳慧光

p
 y    (  1)y  t      y   ， (4)

t t 1 i t i t
i 1
p

 y  (  1)y t 1    y t i   t ， (5)

i
t
i 1
其中上述三式之 ADF 單根檢定方程中，式 (3) 表示僅含截距項 

但不含時間趨勢項 t，式 (4) 則表示同時具有截距項及時間趨勢

項，而式 (5) 表示不含截距項及不含時間趨勢項之 ADF 單根檢

定。這三式用於檢定在虛無假說 H：   1  0 之下數據之定態狀
0

況，並由 SIC (Schwarz information criterion) 檢定模型來決定最佳落

後期數 p 。

0
式 (3) 至式 (5) 之虛無假說皆為 H：   1  ，若該檢定不拒絕
0
H ，則表示 y 序列可能存在單根；若該檢定結果拒絕虛無假說，表
t
0
示該序列為定態時間序列，但若    1 時，則表示 y 序列將成
1
t
為一爆炸序列；當 y 成為定態序列時，任何外部衝擊只會造成變數
t

的暫時性影響，經過一段時間後將逐漸返回其長期均值水準。本文採

用 SIC 檢定以確定取出最佳落後期數，因 SIC 對於不顯著的自變數

將產生更高的懲罰因子，故可作為較佳之模型選擇標準。

3.2.2 Granger 因果關係檢定模型

為數眾多聚焦於通膨指標間之交互影響相關文獻，多數會將

Granger 因果檢定納入研究當中。該檢定是用來解釋兩變數間之其中

一方是否具有領先 (Granger cause)、落後 (does not Granger cause)、

互相領先，或兩者無顯著關係之探討，而它的基本假設在於: 僅有過

去事件才可能對現在及未來事件產生影響，而未來事件並不會對目前

與過去事件產生影響，故 Granger 因果檢定亦可說是用於時間序列

數據的一種計量方式，該原始序列模型為:

12