ディッキーフラー検定：単位根の統計的検定
ディッキーフラー検定の基本概念
ディッキーフラー（Dickey-Fuller）検定は、時系列の定常性を統計的に検定する最も重要な手法の一つです。Dickey & Fuller（1979, 1981）によって開発されたこの検定は、時系列に単位根が存在するかどうか、すなわち非定常性を検定します。経済・金融時系列分析において、共和分分析、誤差修正モデル、VARモデルの前処理として使われる手法です。
ディッキーフラー検定の理論的基盤
Step 1: 単位根過程の定義
基本的な単位根過程（ランダムウォーク）：
$y_t = y_{t-1} + \epsilon_t$
より一般的な形：
$y_t = \rho y_{t-1} + \epsilon_t$
ここで：
- $\rho = 1$：単位根が存在（非定常）
- $|\rho| < 1$：定常過程
- $\epsilon_t \sim \text{iid}(0, \sigma^2)$：ホワイトノイズ
単位根の経済的意味
単位根の存在は重要な経済的含意を持ちます：
- ショックの永続性：外的ショックの影響が永続的に残る
- 予測の限界：長期予測の分散が時間とともに増大
- 政策効果：一時的政策が永続的影響を持つ可能性
- 共和分関係：複数の非定常変数間の長期均衡関係
ディッキーフラー検定の手順
Step 2: 検定回帰式の設定
変換後の回帰式：
$y_t = \rho y_{t-1} + \epsilon_t$ を $\Delta y_t = \gamma y_{t-1} + \epsilon_t$ に変換
ここで、$\gamma = \rho - 1$
3つの基本モデル：
- Model 1：$\Delta y_t = \gamma y_{t-1} + \epsilon_t$ （定数項・トレンドなし）
- Model 2：$\Delta y_t = \alpha + \gamma y_{t-1} + \epsilon_t$ （定数項あり）
- Model 3：$\Delta y_t = \alpha + \beta t + \gamma y_{t-1} + \epsilon_t$ （定数項・トレンドあり）
問題では Model 3 が使用されています。
Step 3: 仮説の設定
$H_0: \gamma = 0 \quad \text{（単位根存在、非定常）}$
$H_1: \gamma < 0 \quad \text{（定常）}$
検定統計量：
$DF = \frac{\hat{\gamma}}{\text{se}(\hat{\gamma})}$
問題の具体的計算
Step 4: 検定統計量の計算
与えられた値：
- $\hat{\gamma} = -0.025$
- $\text{se}(\hat{\gamma}) = 0.008$
- 5%臨界値 = -3.45
ディッキーフラー統計量：
$DF = \frac{-0.025}{0.008} = -3.125$
Step 5: 判定基準の適用
判定ルール：
- $DF < \text{臨界値}$ → $H_0$を棄却（定常）
- $DF \geq \text{臨界値}$ → $H_0$を棄却できない（非定常）
本問での判定：
$DF = -3.125 > -3.45 \text{（臨界値）}$
検定統計量が臨界値より大きい（絶対値では小さい）ため、帰無仮説を棄却できません。
重要な注意点
ディッキーフラー検定では：
- 左側検定：$H_1: \gamma < 0$ なので左側検定
- 臨界値は負の値：通常 -3.45 程度
- 検定統計量 < 臨界値 で棄却（統計量がより負の値）
- 大きいの解釈：-3.125 > -3.45（-3.125の方が0に近い）
各選択肢の詳細検討
Step 6: 選択肢の分析
選択肢A: 単位根が存在するという帰無仮説を棄却できない（非定常）
- ✓ 計算結果と一致：$DF = -3.125 > -3.45$
- ✓ 統計的結論として正しい
- ✓ 5%有意水準での判定が適切
選択肢B: 単位根が存在するという帰無仮説を棄却する（定常）
- ❌ 計算結果と矛盾：検定統計量が臨界値を下回らない
- ❌ 統計的判定の誤り
- ❌ Type I error を犯すリスク
選択肢C: 検定統計量が臨界値より大きいため判定不可能
- ❌ 判定は可能：統計量 > 臨界値 → 棄却できない
- ❌ 統計的手続きの理解不足
- ❌ 明確な判定基準が存在
選択肢D: ディッキーフラー検定は適用できない
- ❌ 適用条件を満たしている
- ❌ 時系列データに対する標準的手法
- ❌ 問題設定に不適切
Augmented Dickey-Fuller（ADF）検定との関係
Step 7: 系列相関への対応
基本DF検定の限界：
誤差項 $\epsilon_t$ にホワイトノイズの仮定が必要ですが、実際の時系列では系列相関が存在することが多いです。
ADF検定への拡張：
$\Delta y_t = \alpha + \beta t + \gamma y_{t-1} + \sum_{i=1}^{p} \delta_i \Delta y_{t-i} + \epsilon_t$
ラグ項 $\sum_{i=1}^{p} \delta_i \Delta y_{t-i}$ の追加により系列相関を調整
ラグ次数の選択方法
- 情報規準：AIC、BICによる最適ラグ選択
- t-sig法：最高次ラグの有意性による順次削減
- 一般から特殊へ：高次から開始して有意でないラグを除去
- 診断検定：残差の系列無相関性確認
他の単位根検定との比較
Step 8: 代替的検定手法
| 検定 | 帰無仮説 | 特徴 | 適用場面 |
|---|
| ADF | 単位根存在 | 系列相関対応 | 一般的用途 |
| Phillips-Perron | 単位根存在 | ノンパラメトリック修正 | 構造変化がある場合 |
| KPSS | 定常性 | 逆の帰無仮説 | ADFとの補完使用 |
| DF-GLS | 単位根存在 | 検定力改善 | near-unit root |
検定力と小標本問題
Step 9: 統計的検定力の課題
ディッキーフラー検定の限界：
- 低い検定力：$\rho \approx 0.95$ の場合、単位根を棄却しにくい
- 小標本バイアス：有限標本では臨界値が理論値と乖離
- 構造変化の影響：構造変化があると単位根を過度に受容
検定力改善のアプローチ：
- DF-GLS検定：局所的脱トレンド化による効率性向上
- ERS Point Optimal Test：特定の対立仮説に対する最適検定
- Ng-Perron検定：小標本での検定力改善
実証研究での解釈
Step 10: 経済学的含意
単位根検定結果の解釈
単位根が存在する場合（非定常）：
- ショックの永続性：一時的ショックが永続的影響
- 予測の困難性：長期予測の信頼区間が拡大
- 差分の定常性：I(1)過程として1回差分で定常化
- 共和分の可能性：他のI(1)変数との長期関係
政策的含意：
- 金融政策：一時的な金利変更が永続的影響を持つ可能性
- 財政政策：政府支出の増加が長期的な経済水準に影響
- 規制改革：制度変更の効果が永続的に残存