Bai Perron检验（结构突变检验）

素质自己学习、全部操作了以下Eviews 8 与 9 的新功能，觉得 8.0版本改动较大，9.0的话在8.0基础上加入了许多估计方法。

如果有对这些感兴趣的，欢迎一起加好友，讨论~

应用经济学中，对于探讨回归参数的不稳定和结构变化成为一个重要的话题。

Chow（1960）利用F统计量检验了已知时间的结构改变。如果放宽时间点已知的情况，Quandt (1960)修改了chow检验框架，认为F统计量并不好用来使用；Andrews(1993) and Ploberger (1994)通过推导出Quandt 的极限分布来构造新的统计量。

Bai (1997) and Bai and Perron (1998, 2003a) 进一步理论地计算与应用Quandt -Andrews结构，并且能够在未知断点下进行多重断点检验。

一、案例一——最小二乘法下Bai-Perron L+1 vs L Sequential 突变点检验

Bai and Perron利用了Garcia and Perron (1996) 的美国事后实际利率数据，其中包括了三月国债利率（1961q1–1983q3）

系数协方差估计方式HAC（NW，quadratic核,Andrews带宽），允许模型有5个突变点（意味着至少需要15个观测值），并且用了15%的微调参数。

最后进行多重突变点检验

用Sequential L+1 breaks vs. L（来自Bai (1997) and Bai and Perron (1998)论文中的检验）默认的方法，并勾寻allow error distributions to differ across breaks”（允许异方差）。

顶部给出了一些基本设置。

中部给出了F检验值和规划化的F检验值（由变化的解释变量个数决定），本案例中的解释变量单一所以不变。序列表明有三个断点，我们 拒绝了1、2、3个断点差异显著为0的假设。但是这个3vs4点，并没有显著区别于0.

最后给出了断点的前后时间序列具体位置。

二、GLOBAL BAI-PERRON L 突变点检验

仍然是普通OLS。

输出结果，上面的一部分是跟原来的案例相差不多。唯一的不同就是第二行的检测方法那一行。

中间部分，展示了四种不同的统计量来检测突变点，这个”sequential”是从依次第一个到最后一个进行检测，直到拒绝原假设；这个”significant”选择这个最大显著性的断点，这两个检验的突变点都在五处；这个UDmax和WDmax展示了突变点的数量由不加权与加权的最大值统计量来进行判断。

下面就是一些原始F检验、规模F、加权F统计量还有他们的临界值；注意UD与WD统计量显著，拒绝了没有突变点的原假设。

注意，全局优化的三断点，跟前面的sequential一样，这一对应结果并不是等价的。

三、GLOBAL INFORMATION CRITERIA检验

头部分跟其他结果没啥大差别

Schwarz and the LWZ 信息准则选择了两个突变点，其余部分给出了每个断点估计系数的个数，残差平方和极大似然。信息准则最小的就是最优的，很显然2个突变点的时候最校

[hide]

数据包：

欢迎有兴趣的同学，一起加好友，学习~

[/hide]