Тест Филлипса — Перрона¶

Тест Филлипса — Перрона (англ. Phillips–Perron test, PP-test) — это статистический тест, используемый в эконометрике и анализе временных рядов для проверки гипотезы о наличии единичного корня в авторегрессионном процессе. Тест был предложен Питером Филлипсом и Пьером Перроном в 1988 году как альтернатива расширенному тесту Дики — Фуллера (ADF-test). Основное отличие теста Филлипса — Перрона заключается в том, что он корректирует статистику теста на возможную автокорреляцию и гетероскедастичность ошибок без включения дополнительных лаговых разностей, что делает его более устойчивым к определённым типам спецификаций модели.

¶История и предпосылки

Проблема единичного корня в временных рядах стала центральной в эконометрике после работ Клайва Грейнджера и Роберта Энгла, которые показали, что наличие единичного корня может приводить к ложной регрессии. Классический тест Дики — Фуллера (1979) и его расширенная версия (ADF) требовали явного моделирования автокорреляции в остатках путём включения лаговых разностей зависимой переменной. Это создавало трудности при выборе оптимального числа лагов.

В 1988 году Питер Филлипс и Пьер Перрона опубликовали статью «Testing for a Unit Root in Time Series Regression», в которой предложили непараметрический подход к коррекции статистики теста. Вместо добавления лагов, как в ADF, они модифицировали саму тестовую статистику, используя оценки долгосрочной дисперсии ошибок. Это позволило сделать тест менее чувствительным к выбору спецификации модели.

¶Математическая формулировка

Тест Филлипса — Перрона основан на регрессионном уравнении, аналогичном используемому в тесте Дики — Фуллера. Рассматривается модель:

\[ y_t = \alpha + \beta t + \rho y_{t-1} + \varepsilon_t \]

где \(y_t\) — исследуемый временной ряд, \(t\) — временной тренд, \(\alpha\) и \(\beta\) — константа и коэффициент тренда, \(\rho\) — авторегрессионный коэффициент, \(\varepsilon_t\) — ошибки, которые могут быть автокоррелированы и гетероскедастичны.

Нулевая гипотеза \(H_0\): \(\rho = 1\) (ряд содержит единичный корень). Альтернативная гипотеза \(H_1\): \(\rho < 1\) (ряд стационарен).

Статистика теста Филлипса — Перрона строится на основе t-статистики для коэффициента \(\rho\) из обычной регрессии методом наименьших квадратов (МНК). Обозначим:

• \(\hat{\rho}\) — МНК-оценка \(\rho\),
• \(t_{\rho}\) — t-статистика для гипотезы \(\rho = 1\),
• \(SE(\hat{\rho})\) — стандартная ошибка оценки,
• \(\hat{\sigma}^2\) — оценка дисперсии ошибок,
• \(\hat{\lambda}\) — оценка долгосрочной дисперсии.

Корректированная статистика \(Z_t\) вычисляется как:

\[ Z_t = \left( \frac{\hat{\sigma}^2}{\hat{\lambda}} \right)^{1/2} t_{\rho} - \frac{1}{2} \left( \frac{\hat{\lambda} - \hat{\sigma}^2}{\hat{\lambda}} \right) \left( \frac{T \cdot SE(\hat{\rho})}{\hat{\sigma}^2} \right) \]

где \(T\) — количество наблюдений. Альтернативная версия теста \(Z_\rho\) корректирует непосредственно оценку коэффициента:

\[ Z_\rho = T (\hat{\rho} - 1) - \frac{1}{2} \left( \frac{T^2 \cdot SE(\hat{\rho})^2}{\hat{\sigma}^2} \right) (\hat{\lambda} - \hat{\sigma}^2) \]

Ключевым элементом является оценка долгосрочной дисперсии \(\hat{\lambda}\), которая учитывает автокорреляцию и гетероскедастичность. Для её вычисления используется непараметрическая оценка, например, на основе ядра Ньюи — Уэста (Newey–West estimator) с определённым параметром усечения (bandwidth).

¶Сравнение с тестом Дики — Фуллера

Тест Филлипса — Перрона и тест ADF имеют общую цель, но различаются методологически:

• ADF-тест: добавляет в регрессию лаговые разности \(\Delta y_{t-1}, \Delta y_{t-2}, \dots\) для устранения автокорреляции. Требует выбора числа лагов (например, по критериям Акаике или Шварца).
• PP-тест: не добавляет лаги, а корректирует статистику с помощью непараметрической оценки долгосрочной дисперсии. Требует выбора параметра усечения (bandwidth) для ядерной оценки.

Преимущества PP-теста:

• Меньшая чувствительность к неправильной спецификации модели.
• Более высокая мощность при наличии скользящего среднего (MA) компонента в ошибках.
• Простота реализации, так как не требует выбора числа лагов.

Недостатки PP-теста:

• Менее точен при малых выборках (размер выборки менее 50 наблюдений).
• Чувствителен к выбору параметра усечения и ядра.
• Может давать смещённые результаты при наличии структурных сдвигов.

¶Применение

Тест Филлипса — Перрона широко используется в макроэкономике, финансах и других областях, где анализируются временные ряды:

• Макроэкономические показатели: проверка стационарности ВВП, уровня безработицы, инфляции. Например, в исследованиях экономического роста России часто применяется PP-тест для анализа реального ВВП.
• Финансовые рынки: тестирование гипотезы эффективного рынка (random walk) для цен акций, обменных курсов. В работах по российскому фондовому рынку (например, индекс Мосбиржи) PP-тест используется для проверки наличия единичного корня.
• Эконометрическое моделирование: предварительный анализ данных перед построением регрессионных моделей, особенно в контексте коинтеграции (тесты Энгла — Грейнджера, Йохансена).

¶Критика и ограничения

Несмотря на популярность, тест Филлипса — Перрона имеет ряд ограничений:

• Низкая мощность при малых выборках: как и другие тесты на единичный корень, PP-тест склонен к ошибкам второго рода (не отвергает ложную нулевую гипотезу) при небольшом числе наблюдений.
• Чувствительность к структурным сдвигам: если в ряде присутствуют резкие изменения (например, кризис 1998 года в России), тест может ошибочно указывать на наличие единичного корня. Для таких случаев разработаны модификации (тест Перрона с разрывами).
• Зависимость от выбора параметров: результаты могут различаться при использовании разных ядер (например, Бартлетта, Парзена) и параметров усечения. В пакетах статистических программ (R, Stata, EViews) обычно используются автоматические методы выбора, такие как правило Ньюи — Уэста.
• Проблема размерности: при большом числе наблюдений тест может становиться излишне чувствительным и отвергать нулевую гипотезу даже при незначительных отклонениях.

¶Примеры использования в российских исследованиях

В российской эконометрической литературе тест Филлипса — Перрона применяется для анализа:

• Временных рядов доходности нефти: исследование стационарности цен на нефть марки Urals.
• Макроэкономических индикаторов: проверка гипотезы о единичном корне в рядах денежной массы (M2) и курса рубля.
• Финансовых данных: анализ волатильности индекса РТС (Российской торговой системы).

В работах российских экономистов, например, в статьях журнала «Экономика и математические методы», PP-тест часто используется в паре с ADF-тестом для повышения надёжности выводов.

¶Программная реализация

Тест Филлипса — Перрона реализован во всех основных статистических пакетах:

• R: функция PP.test() из пакета tseries или ur.pp() из пакета urca.
• Python: функция adfuller() из библиотеки statsmodels может быть настроена для проведения PP-теста через параметр regression и autolag.
• Stata: команда pperron.
• EViews: встроенная процедура «Phillips-Perron unit root test».

В российских учебных пособиях по эконометрике (например, «Эконометрика» под редакцией И.И. Елисеевой) тест Филлипса — Перрона рассматривается как стандартный инструмент анализа временных рядов.

¶Источники

• Phillips, P. C. B., & Perron, P. (1988). Testing for a Unit Root in Time Series Regression. Biometrika, 75(2), 335–346.
• Hamilton, J. D. (1994). Time Series Analysis. Princeton University Press.
• Елисеева, И. И. (ред.). (2017). Эконометрика: учебник для бакалавров. Юрайт.
• Newey, W. K., & West, K. D. (1987). A Simple, Positive Semi-Definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix. Econometrica, 55(3), 703–708.
• Документация пакетов tseries и urca для R (версия 4.3.0).