eviews分布滞后和虚拟变量模型课件.pptx

《eviews分布滞后和虚拟变量模型课件.pptx》由会员分享，可在线阅读，更多相关《eviews分布滞后和虚拟变量模型课件.pptx（55页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、2023/5/29 18.18.1多项分布滞后多项分布滞后（PDLPDL）在经济分析中人们发现，一些经济变量，它们的数值是由自身的滞后量或者其他变量的滞后量所决定的，表现在计量经济模型中，解释变量中经常包含某些滞后变量。以投资函数为例，分析中国的投资问题发现，当年的投资额除了取决于当年的收入（即国内生产总值）外，由于投资的连续性，它还受到前1个、2个、3个时期投资额的影响。已经开工的项目总是要继续下去的，而每个时期的投资额又取决于每个时期的收入，所以可以建立如下关于投资的计量经济方程其中I 表示投资额，Y 表示国内生产总值。2023/5/29 2对于有限滞后长度的情形，分布滞后模型的一般形式如

2、下其中系数 描述 x 对 y 作用的滞后。在模型中解释变量与随机误差项不相关的情况下，可以直接使用OLS 估计参数。但是，一个显然的问题是解释变量之间，即 x 的当前和滞后值之间具有高度共线性，而共线性问题的一个直接后果是参数估计量失去意义，不能揭示 x 的各个滞后量对因变量的影响，所以必须寻求另外的估计方法。(8.1.1)一、多项式分布滞后模型的估计方法一、多项式分布滞后模型的估计方法 2023/5/29 3可以使用多项式分布滞后（PolynomialDistributedLags,PDL）来减少要估计的参数个数，以此来平滑滞后系数。平滑就是要求系数服从一个相对低阶的多项式。p 阶PDLs模

3、型限制 系数服从如下形式的 p 阶多项式 j=0,1,2,k(8.1.2)c 是事先定义常数：2023/5/29 4 PDL有时被称为Almon 分布滞后模型。常数c 仅用来避免共线性引起的数值问题，不影响 的估计。这种定义允许仅使用参数 p 来估计一个x的 k 阶滞后的模型（如果 p k，将显示“近似奇异“错误信息）。定义一个PDL模型，EViews 用(8.1.2)式代入到(8.1.1)式，将产生如下形式方程其中(8.1.3)2023/5/29 5 一 旦 从(8.1.3)式 估 计 出，利 用(8.1.2)式 就 可 得 到 的 各 系数。这 一 过 程 很 明 了，因 为 是 的 线

4、性 变 换。定 义 一 个PDLs要 有 三 个 元 素：滞 后 长 度k，多 项 式 阶 数（多 项 式 最 高 次 幂 数）p和附加的约束条件。一个近端约束限制 x 对 y 一期超前作用为零：一个远端约束限制 x 对 y 的作用在大于定义滞后的数目衰减：如果限制滞后算子的近端或远端，参数个数将减少一个来解释这种约束。如果对近端和远端都约束，参数个数将减少二个。EViews 缺省不加任何约束。2023/5/29 6 二、如何估计包含 二、如何估计包含PDL PDL的模型 的模型 通 过PDL 项 定 义 一 个 多 项 式 分 布 滞 后，信 息 在 随 后 的 括 号 内，按下列规则用逗号

5、隔开：1.序列名2.滞后长度（序列滞后数）3.多项式阶数4.一个数字限制码来约束滞后多项式：1=限制滞后近端为零2=限制远端为零3=两者都限制如 果 不 限 制 滞 后 多 项 式，可 以 省 略 限 制 码。方 程 中 可 以 包 含 多 个PDL 项。例 如：salescpdl(y,8,3)是 用 常 数，解 释 变 量y 的 当 前 和8阶 分 布 滞 后 来 拟合因变量sales，这里解释变量y 的滞后系数服从没有约束的3阶多项式。2023/5/29 7 类 似 地，ycpdl(x,12,4,2)包 含 常 数，解 释 变 量x 的 当 前和12阶 分 布 滞 后 拟 合 因 变 量y

6、，这 里 解 释 变 量x的 系 数 服 从 带 有远端约束的4阶多项式。PDL也 可 用 于 二 阶 段 最 小 二 乘 法TSLS。如 果PDL序 列 是 外生 变 量，应 当 在 工 具 表 中 也 包 括 序 列 的PDL项。为 此 目 的，可以 定 义PDL(*)作 为 一 个 工 具 变 量，则 所 有 的PDL变 量 都 将 被 作为工具变量使用。例如：如果定义TSLS 方程为salescincpdl(y(-1),12,4)使用工具变量：zz(-1)pdl(*)则y的分布滞后和z，z(-1)都被用作工具变量。PDL PDL 不能用于非线性定义。不能用于非线性定义。2023/5/2

7、9 8 三、例子 三、例子 投资INV 关于GDP 的分布滞后模型的结果如下2023/5/29 9 逐 个 观 察，GDP 滞 后 的 系 数 统 计 上 都 不 显 著。但 总 体 上 讲 回 归 具 有 一 个 合理 的R2(尽 管DW 统 计 量 很 低)。这 是 回 归 自 变 量 中 多 重 共 线 的 典 型 现 象，建议 拟 合 一 个 多 项 式 分 布 滞 后 模 型。估 计 一 个 无 限 制 的3阶 多 项 式 滞 后 模 型，输入 变 量 列 表：INVcPDL(GDP,3,2)，窗 口 中 显 示 的 多 项 式 估 计 系 数，PDL01,PDL02,PDL03 分

8、别对应方程(8.1.3)中Z1,Z2,Z3的系数1,2,3。2023/5/29 10 方程（8.1.1）中的系数 j 在表格底部显示。表格底部的滞后值是分布滞后的估计系数值，并且在平稳的假设下有GDP 对INV 的长期影响的解释。2023/5/29 11待估计的方程：INV=c(1)+c(2)*INV(-1)+c(6)*GDP+c(7)*GDP(-1)+c(8)*GDP(-2)+c(9)*GDP(-3)估计的方程：INV=-15.877+0.97188*INV(-1)+0.2548*GDP-0.119657*GDP(-1)-0.185*GDP(-2)+0.0574*GDP(-3)2023/5/

9、29 128.2 自回归模型考伊克、适应性期望和部分调整模型都有如下的共同的形式：(8.2.1)它们都是属于自回归性质，因此用最小二乘法未必对它们直接适用，因为随机解释变量的出现和序列相关的可能性。如前所述，运用最小二乘法，必须表明随机解释变量的分布与干扰项无关。即使原始的干扰项满足经典假设，也未必满足这些性质。2023/5/29 13 考伊克和适应性期望模型则不能满足这些假定，然而部分调整模型中，因此，如果满足经典线性回归模型的假设，则 也能满足，从而用最小二乘估计将得到一致估计。如果遇到象考伊克或适应性期望那样的模型，最小二乘法不能直接应用，就需要设计解决估计的方法。2023/5/29 1

10、4一、工具变量法 最小二乘法之所以不能适用于考伊克或适应性期望模型，是因为解释变量 和误差项 相关。如果我们找到一个与 高度相关但与不相关的变量作为 的替代，就可以应用最小二乘法，这样的替代变量叫做工具变量。利维亚坦建议用 作为 的工具变量，并且还建议方程（8.2.1）的参数可由以下正规方程解得：2023/5/29 15（8.2.2)从（8.2.2）中估计出来的诸 是一致性的。虽说工具变量法技术一旦找到适合的替代变量之后是容易应用的，但是要找到一个好的替代变量，并不是很容易的事。2023/5/29 16二、在自回归模型中侦察自相关：德宾h检验 误差项 中可能的序列相关会使自回归模型的估计变得复

11、杂。如果原始模型中的误差项 为序列无关，则存量调整模型的误差项 就不会是序列相关的。然而对于考伊克和适应性期望模型，即使 序列无关，仍可能是序列相关。于是怎样知道自相关模型中的误差项是否序列相关呢？德宾提出了自回归模型一阶序列相关的一个大样本检验，称之为h统计量，方法如下：（8.2.3）2023/5/29 17 其中n为样本容量，为滞后 的方差，为随机扰动项的一阶序列相关系数 的估计值。（8.2.3）又可写为：（8.2.4）h渐进地遵循零均值和单位方差的正态分布。h落在-1.96与1.96之间的概率为95。因此决策规则是：（a）如果h1.96,则拒绝无正的一阶自相关的虚拟假设。2023/5/29 18（b）如果h-1.96，则拒绝无负的一阶自相关的虚拟假设。（c）如果h落在-1.96到1.96之间，则不拒绝无一阶自相关的虚拟假设。注意h统计量的如下特征：1、不管回归模型中含有多少个 变量和多少个 的滞后项，都可以应用。2、如果 超过1，检验便不适用。3、该检验是一种大样本检验。