本論文主要研究非恆定過程下，相關檢定量的漸近性質。並發展一種檢定程序，使檢定量具有穩健型一誤差表現。本論文包括三篇文章。

第一篇探討Phillips-Perron檢定量與其類似型式檢定量，在干擾項為移動平均且參數接近負一設定下的性質。比較工具變數估計式與簡單迴歸估計式所形成之Phillips-Perron型式檢定量，我們發現兩者的漸近分配分別以 $ O(\sqrt{T}) $ 與 $ O(T) $ 的速度發散；前者型一誤差表現相對優於後者，而且增加樣本數並無法改善兩者型一誤差扭曲。文中接著提出工具變數估計之「修正」型式檢定量，並導出其漸近分配。由漸近分配可推論：大樣本下，且干擾項為移動平均，「修正」型式檢定量具有穩健的型一誤差表現。文中的模擬結果顯示：即使移動平均干擾項參數接近負一，且在一般實證常用的樣本數下，利用「修正」型式檢定量進行靴帶反覆抽樣法，其型一誤差相當接近事先給定的顯著水準。

第二篇探討恆定檢定量在自迴歸參數設定下的性質。利用局部化參數的設定方式導出恆定檢定量漸近分配。由漸近分配型式解釋造成型一誤差扭曲的原因，同時亦說明檢力的型態。最後說明靴帶反覆抽樣法改善恆定檢定量型一誤差扭曲的可行性。雖然Caner & Kilian (1999)指出，大樣本下，當資料來自對立假設，靴帶反覆抽樣法無法有效重建虛無假設分配，造成低檢力的問題。但由模擬結果顯示:在常見的樣本數與總體時間數列資料所對應的參數值下，靴帶反覆抽樣法可以有效控制恆定檢定量型一誤差，並且具有良好檢力表現。

最後一篇重新檢視Kuo (1998)所提出「部分共積係數穩定」檢定量之漸近性質。當截距項為非恆定的特定模型下，上述檢定量漸近分配事實上異於Kuo (1998)的結果，並且會以某種速度發散。由此不僅可以解釋Kuo (1998)係數穩定檢定量會產生嚴重型一誤差扭曲的模擬結果，並且可以推論型一誤差表現型態。文中並以模擬分析驗證理論的結果。