W()w()2di-[(W(1)2-lW(n)dh t(a) Ga统计量是o(1)的。(推导见张晓峒,攸频:DF检验式中漂移项和趋势项的t统计量研 究,《数量经济技术经济研究》,2006,2,p,126-137。) 有限样本条件下的DF统计量的分布特征(蒙特卡罗模拟结果)。 表2 DF分布百分位数表 生成过程 和估计式 0.010.0250050.100.900.950.9750.99 3.33 2.630.37 0.34 50-3.583.22-293-2 0.29 0.66 情形2 3.513.172.892.580.420.050.260.63 2.57-0.42-0.060.240.62 5003.443.13-2.872.570.430.070.240.61 注:数据生成过程(DGP):y=y1+m110=0,t~ID(0,a2),OLS估计式:y=a+v-1+l1 7=100,模拟1万次的DF统计量的分布结果 Mean 1.531341 Maximum 1934342 0.131914 arque- Bera 74.10418 robability 0.000000 3.75-250-1250.00125 (file: 5simu-dn2) 表3 估计式y=a+1-1+v中1(a的分布(糗拟5万次) CV0005CV0.025 CV0.05 CV095CV0.975Cv0.995 303.71607298201-2641942.510202864673.56780 3.57894-2912532.583412528262887223.58953 100-347011-285596-2.549972558332885393.50376 -3.44065-2.853782.544702.57503290392 56663 200 -3429022824712529792.546312877993.56599 .37406-2.823172533742.540352884943.56644 注:( M. Fileunitrootl02) 注:数据生成过程为y=y1+l,l~ⅢD(O,1)。OLS估计式:yr=a+1-1+u T=100条件下,l(a)的分布见图。8 =  ( ˆ) ( ˆ) ˆ    s t            − − − 1 0 2 2 1 0 1 0 2 1 0 1 0 2 2 ( ( )) [ ( ) ] ( ( )) [( (1)) 1] ( ) 2 1 (1) ( ( )) W i di W i di W i di W W i di W W i di ( ˆ) t 统计量是 Op(1 )的。（推导见张晓峒，攸频：DF 检验式中漂移项和趋势项的 t 统计量研 究，《数量经济技术经济研究》，2006,2, p,126-137。） 有限样本条件下的 DF 统计量的分布特征（蒙特卡罗模拟结果）。 表 2 DF 分布百分位数表 生成过程 T  和估计式 0.01 0.025 0.05 0.10 0.90 0.95 0.975 0.99 25 - 3.75 - 3.33 - 3.00 - 2.63 - 0.37 0.00 0.34 0.72 50 - 3.58 - 3.22 - 2.93 - 2.60 - 0.40 - 0.03 0.29 0.66 情形 2 100 - 3.51 - 3.17 - 2.89 - 2.58 - 0.42 - 0.05 0.26 0.63 250 - 3.46 - 3.14 - 2.88 - 2.57 - 0.42 - 0.06 0.24 0.62 500 - 3.44 - 3.13 - 2.87 - 2.57 - 0.43 - 0.07 0.24 0.61  - 3.43 - 3.12 - 2.86 - 2.57 - 0.44 - 0.07 0.23 0.60 注：数据生成过程（DGP）：yt = yt-1 + ut, y0 = 0, ut  IID(0,  2 )，OLS估计式： t t ut y = + y −1 + 。 T=100，模拟1万次的DF统计量的分布结果。 0 200 400 600 800 1000 1200 1400 -5.00 -3.75 -2.50 -1.25 0.00 1.25 Series: DF Sample 1 10000 Observations 10000 Mean -1.531341 Median -1.555245 Maximum 1.934342 Minimum -5.380393 Std. Dev. 0.867661 Skewness 0.131914 Kurtosis 3.329006 Jarque-Bera 74.10418 Probability 0.000000 （file：5simu-df2） 表 3： 估计式 t t t y = + y + v   −1 中 ( ˆ) t 的分布（模拟 5 万次） T CV0.005 CV0.025 CV0.05 CV0.95 CV0.975 CV0.995 30 -3.71607 -2.98201 -2.64194 2.51020 2.86467 3.56780 50 -3.57894 -2.91253 -2.58341 2.52826 2.88722 3.58953 100 -3.47011 -2.85596 -2.54997 2.55833 2.88539 3.50376 150 -3.44065 -2.85378 -2.54470 2.57503 2.90392 3.56663 200 -3.42902 -2.82471 -2.52979 2.54631 2.87799 3.56599 250 -3.37406 -2.82317 -2.53374 2.54035 2.88494 3.56644 注：(M.File:unitroot02) 注：数据生成过程为 yt = yt-1 + ut , ut  IID(0, 1)。OLS 估计式： t t ut y = + y −1 + T = 100 条件下， ( ˆ) t 的分布见图