修正的KSS检验：中国通货膨胀率单位根研究与应用

本篇论文研究主要关注修正的KSS检验及其在中国通货膨胀率分析中的应用。KSS检验最初由Kapetanios等人提出，作为指数平滑转换自回归(ESTAR)模型下的单位根检验工具。然而，原始的KSS检验依赖于误差项独立同分布的假设，这一假设在实际经济数据中往往难以满足，特别是在存在序列相关性的弱平稳过程中。当误差项并非独立时，检验统计量的极限分布会包含冗余参数，导致检验结果可能受到序列相关性的影响，产生所谓的“大小扭曲”问题。 为了克服这个问题，作者提出了修正的KSS检验方法。通过改进检验统计量的构建，这个修正的检验能够排除冗余参数的影响，从而提高了对序列相关性稳健性的检验效果。蒙特卡罗模拟结果显示，修正后的检验统计量显著减少了由于序列相关性导致的水平扭曲，使得其在非线性平稳过程中的检验功效优于传统的Phillips-Perron(PP)检验。 论文进一步将修正的KSS检验应用于中国的通货膨胀率数据上，发现中国通货膨胀率存在单位根，这意味着其不是平稳过程，而是呈现出趋势变化。这一发现对于理解中国的经济动态和政策制定具有重要意义，因为它提示了可能存在的周期性波动和潜在的非稳定性因素。 总结来说，本文的核心贡献在于提出了一种更为稳健的KSS检验方法，并通过实证分析展示了其在中国宏观经济领域的应用价值。这对于经济学研究者和政策制定者来说，提供了一种更准确地处理序列相关性并有效检测经济变量潜在趋势的工具。同时，这篇论文也强调了在实际经济研究中，对理论假设的适当调整和检验的重要性。