第六章自回归模型和分布滞后模型.ppt

第六章 自回归模型和分布滞后模型;第一节 分布滞后模型和自回归模型的概念 第二节 分布滞后模型的估计 第三节 部分调整模型和适应预期模型 第四节 自回归模型的估计 第五节 阿尔蒙多项式分布滞后 第六节 格兰杰因果关系检验 ;;例1．Yt = α+βXt-1 + ut, t = 1,2,…,n 本例中Y的现期值与X的一期滞后值相联系，比较一般的情况是： Yt = α+β0Xt +β1Xt-1 +……+βsXt-s + ut, t = 1,2,…,n; 如果Y依赖于X的无限期滞后，则模型称为无限分布滞后模型； 如果Y依赖于X的有限期滞后，则模型称为有限分布滞后模型。;例2．Yt = α+βYt-1 + ut, t = 1,2,…,n 本例中Y的现期值与它自身的一期滞后值相联系，即依赖于它的过去值。一般情况可能是： Yt = f (Yt-1, Yt-2, … , X2t, X3t, … ) 即Y的现期值依赖于它自身若干期的滞后值，还依赖于其它解释变量。 ; 在本例中，滞后的因变量（内生变量）作为解释变量出现在方程的右端。这种包含了内生变量滞后项的模型称为自回归模型。 ;动态经济模型 我们上面列举了模型中包含滞后经济变量的两种情况。第一种是仅包含滞后外生变量的模型，第二种是包含滞后内生变量的模型。在两种情况下，都通过一种滞后结构将时间维引入了模型，即实现了动态过程的构模。;“滞后”在经济学中的作用;RD支出与生产力之间的滞后;滞后的原因; ; ; ; 从模型可知，滞后系数与?及?值相关。 ?的值越接近1，滞后系数衰减的速度就越慢；反之， ?越接近0，滞后系数衰减的速度就越快。;估计科克模型的方法 幸运的是，我们有同时解决上述两方面问题的方法。它们是： 非线性最小二乘法 科克变换法;;（1） 对于λ的每个值，计算 Zt=Xt+λXt-1+λ2Xt-2+…+λPXt-P (3);;（2）-（5），得 Yt-λYt-1 =α(1-λ)+βXt + ut-λut-1 (6) 所有的X滞后项都消掉了，因此 Yt =α(1-λ)+βXt + λYt-1 + ut-λut-1 (7);??; 因此，X对Y的长期影响（长期乘数）为β/（1-λ），若λ位于0和1之间，β/（1-λ）β，即长期影响大于短期影响。; 1.这一变换展示了我们怎样从一个无限分布滞后模型转换为自回归模型； 2. Yt-1的出现会带来一些统计上的问题。 Yt-1是随机的，违背了OLS的假设。Yt-1与扰动项是否存在相关？ 3.科克变换后模型的扰动项为ut-λut-1 ， 这带来了自相关问题（这种扰动项称为一阶移动平均扰动项）。 ;时间滞后效应;中位滞后和平均滞后;模拟1：设在1960年x等于1，其他年份x等于0;结论：1.在某一年（60年）的一个冲击，要经过若干期（6期）才能减退；2.分布模型中，各个解释变量的系数正好就是分布滞后的效应。;模拟2：设在1960年以前x等于0，以后年份x等于1;结论：1.x在某一年（60年）突然涨到一个新的水平，但这种变化在y上并没有马上体现出来，而是要经过若干年（6年）；2.分布模型中，各个x系数的和恰好就是y的总的变化。;模拟3：设在1960年x等于-1，其他年份x等于0; 有两个著名的动态经济模型，它们最终可化成与上一节（2）式相同的几何分布滞后形式, 因此都是科克类型的模型。它们是： 部分调整模型（Partial adjustment model） 适应预期模型（Adaptive expectations model）; ; ;(1）式 Yt* =α+βXt+ut 代入（3）式 Yt =δYt* +(1-δ) Yt-1 ，得到 Yt=αδ+βδXt+(1-δ)Yt-1+δut （4） 用此模型可估计出α、β和δ的值。; 不难看出，（4）式 Yt=αδ+βδXt+(1-δ)Yt-1+δut （4） 与变换后的科克模型的形式相似，我们也不难通过对（4）式中Yt-1进行一系列的置换化为几何分布滞后的形式:;（4）式两端取一期滞后，得 （5） 将此式代入（4）式，得到（为简单起见，省略扰动项）： （6） 我们可以用同样的方法置换Yt-2，以及随后的Yt-3,Yt-4,…,直至无穷，结果是将Yt表示为X的当前