大多数宏观经济时间序列已被证实为非线性过程,由于非线性模型能够很好的捕捉到宏观经济序列的非对称调整行为,因而受到了经济学者们的青睐。现今,非线性建模理论与方法已经成为宏观经济计量的主要研究对象之一。其中对于SETAR模型的理论与应用研究尤为广泛。但是,目前关于SETAR模型的参数估计的研究存在以下两点不足：第一,SETAR自回归阶数的估计依然依赖于线性模型下的估计方法,但却没有学者对这些方法是否适用于SETAR自回归阶数的估计进行深入研究；第二,正是由于上述第一个不足,现存文献中,关于SETAR模型延滞参数、阈值参数以及斜率系数估计量的渐近性质与有限样本性质均是在假定自回归阶数已知的情况下推导而来的。本文针对上述两个不足,对SETAR模型自回归阶数的估计,以及当自回归阶数未知时,SETAR模型中其它参数估计量的有限样本性质进行了仿真研究。仿真实验结果证实：(1)高阶SETAR模型的自回归阶数估计的精度很差,不同的估计方法会对其估计结果产生较大的差异。并且基于仿真实验结果,本文认为当SETAR模型的自回归阶数不大于2时,采用信息准则估计较好；而当自回归阶数大于2时,采用PACF方法进行初步判断较好。(2)当自回归阶数未知,而且被高估时,不会对SETAR模型中其它参数的估计表现带来较大影响。然而,低估会直接造成延滞参数取值范围的缩小,而使估计产生偏误。由此,本文提出“宁取大,不取小”的策略,利用倾向于高估自回归阶数的PACF方法进行初步判断,而待初步建模完成后再利用线性框架下的方法对各个体制内的自回归阶数与其它参数进行精练。并且,本文论证该策略的可行性和合理性。而正如Dijk等人(2007)指出,在具体的实际应用当中,仅仅依靠时间序列模型本身来捕捉时间序列变量的重要特征是不够的,还需要以时间序列的冲击效应研究做补充。这种补充方能使我们更好的理解和解释时间序列模型的内涵以及其现实经济含义。因此,冲击效应的理论伴随着时间序列模型的发展而演进,其理论以时间序列模型的基本性质为指导。在20世纪80年代后,非平稳时间序列与非线性时间序列飞速发展,基于这两种时间序列模型的冲击理论也应运而生。本文对这些冲击理论进行了全面分析,发现其中存在着两点不足：第一,用于度量非平稳时间序列中持久性冲击的方差比估计量的现存估计方法在有限样本下存在明显偏误。第二,对持久性冲击进行识别的SEITMA模型参数估计依赖于对一种无解析式、性质不明确的非连续目标函数的优化求解,而现存文献未对该目标函数提出有效的求解方法。由此,本文对这两点不足进行了改进与完善,具体贡献主要体现在以下两个方面：(1)本文提出了方差比统计量的一种全新的估计方法,并且证明了该方法得到的估计量具有无偏性和一性致。并利用仿真实验证实了,本文的新估计方法不存在有限样本偏误,性质极佳。而且,新估计方法计算简单,通俗易懂,具有极高的应用价值。(2)通过引入广义模式搜索、模拟退火与遗传算法三种非连续目标函数全局搜索算法解决了SEITMA模型参数估计的问题。并证实遗传算法对SEITMA模型进行参数估计表现最优,进一步,基于遗传算法揭示了SEITMA模型参数估计的有限样本性质。为对本文所介绍的方法提供较完整的应用研究案例,本文首先分别对我国经济增长中持久性冲击的存在性与重要性、持久性冲击的识别两个问题进行了研究。其中,利用SEITMA模型对我国经济持久性冲击进行了识别,其估计算法即为本文所推荐的遗传算法；利用B-N分解证实了我国经济增长中持久性冲击的存在,并利用方差比统计量度量了其在我国经济增长波动中的重要性,方差比统计量由本文所提出的新估计方法计算而得。最后,作为较系统的专题研究,本文利用SETAR模型分析了我国经济增长的非线性调整行为特征,并以广义脉冲响应函数为基础对我国经济增长中冲击效应的非对称性等特征进行了深入研究。上述实证研究结论与我国的经济事实基本相符,而且所得结论也具有丰富的经济学与经济政策含义。