第九章滞后变量模型详解.ppt

(3) 科伊克(Koyck)方法 将无限分布滞后模型转换为自回归模型，然后进行估计。 对于无限分布滞后模型 (9-11) 科伊克变换假设偏回归系数βi随滞后期 i 按几何级数衰减： (9-12) 其中 ， ——称为分布滞后衰减率 ——称为调整速率(speed of adjustment) 科伊克变换的具体做法是： 将科伊克变换(9-12)式代入模型(9-11)式，得 (9-13) 将(9-13)式滞后一期并乘以 得 (9-14) 将(9-13)式减去(9-14)式得科伊克变换模型 (9-15) 整理得科伊克模型的一般形式 (9-16) 其中，设 （9-17） 模型（9-16）变为 (9-18) 如果由（9-18）获得参数估计值 ，那么由（9-17）可得 的估计值 进而由式（9-12）可得参数 的估计。 （9-19） 于是将原模型（9-11）转换为等价形式（9-18），解释变量为Xt、Yt-1。 科伊克模型的两个特点： 1）以一个滞后被解释变量Yt-1代替了大量的滞后解释变量Xt-i，最大限度 地节省了自由度，解决了滞后期长度s难以确定的问题； 2）由于滞后一期的被解释变量Yt-1与Xt的线性相关程度可以肯定小于X的 各期滞后值之间的相关程度，从而缓解了多重共线性。 科伊克模型的两个问题： 1）模型存在随机干扰项νt的一阶自相关性； 2）滞后被解释变量Yt-1与随机项νt不独立，即Cov(Yt-1，νt)≠0。 (4) 帕斯卡（Pascal）方法* 现象： 经济现象中有一种经济变量受某种因素影响， 随着时间滞后逐渐增大，当过了某一时刻后，这种 影响又逐渐变小，呈现一种“∧”形滞后分布。 例如： 模型(9-11)可以写成以权数ωi表示的形式: (9-20) 该权数ωi的分布形式为 (9-21) 其中 为先验的任意选择的某一正整数， 为待估参数。于是模型变为 (9-22) 当 =1时， ，则帕斯卡变换简化为科依克几何分布变换。 只要 1，形成的权数分布图就是“∧”形滞后分布。 令 =0.8，则 =2 =3 随滞后期i的变化情况 如图9-1所示。 情况下，权数 r=2 r=3 i ωi 图9-1 帕斯卡模型的参数估计 (9-23) 对于不同的 γ值，可以得到不同类型的权数分布。如果假设 =2， 模型(9-22)变为 加上其滞后一期的模型乘 ，加上 乘以 ，可得： (9-24) 这也是一个自回归模型。这个模型我们也可以估计出它的参数， 进而由式(9-21)就可估计出权数 。 分布滞后模型参数估计带有很大的经验成份，这是由于经济理论不 能对经济现象调整过程的长度作出令人满意的阐述而引起的。经济理论 即使认识到时间滞后的重要性，也从未提出在函数中应该包含的滞后的 精确数目。相反，滞后类型是根据可资利用的样本观测值，通过包括各 种滞后类型的试验方法来探索和决定的，然后从中选择一种产生最佳统 计拟合的滞后类型。研究者用包含不同滞后类型(几何滞后、“∧”形滞后 等)的模型进行试验，并根据统计准则(主要的)，从中选出最令人满意的 一种模型。 小结： 第三节 自回归模型 一、自回归模型 如果滞后变量模型中的解释变量仅包含X的当期值与被解释变量Y 的一个或多个滞后值，则称为自回归模型(autoregressive model)， 也称为内生滞后变量模型。 概念： 第三节 自回归模型 一、自回归模型 一般形式： (9-25) 其中，滞后期长度q也称为自回归模型的阶数(order)。而 (9-26) 称为一阶自回归模型(first-order autoregressive model)。 二、自回归模型的参数估计 1．自回归模型的构造 一个无限期分布滞后模型可以通过科伊克变换转化为自回归模型。 事实上，许多滞后变量模型都可以转化为自回归模型。 (1) 自适应预期(adaptive expectation)模型 (2) 局部调整(partial adjustment)模型 下面我们以下两个模型为例进行说明。 (1) 自适应预期模型 最初的表现形式是： (9-27) 由于预期变量是不可实际观测的，往往作如下自适应预期假定： (9-28) 其中γ为预期系数(coefficient of expectation)，0≤γ≤1。 该式的经济含义——“经济行为者将根据过去的经验修改他们的预期” 这个假定还可写成 (9-29) 将(9-29)式代入(9-27)式