滞后变量模型.pptVIP

§2.11 滞后变量模型 一、滞后变量模型 二、分布滞后模型的参数估计 三、自回归模型的参数估计 四、格兰杰因果关系检验 1、滞后效应与与产生滞后效应的原因 因变量受到自身或另一解释变量的前几期值影响的现象称为滞后效应。 表示前几期值的变量称为滞后变量。 如：消费函数 通常认为，本期的消费除了受本期的收入影响之外，还受前1期，或前2期收入的影响： Ct=?0+?1Yt+?2Yt-1+?3Yt-2+?t Yt-1，Yt-2为滞后变量。 2、滞后变量模型 以滞后变量作为解释变量，就得到滞后变量模型，它的一般形式为： （1）分布滞后模型（distributed-lag model） 分布滞后模型：模型中没有滞后被解释变量，仅有解释变量X的当期值及其若干期的滞后值： 如果各期的X值保持不变，则X与Y间的长期或均衡关系即为 （2）自回归模型（autoregressive model） 二、分布滞后模型的参数估计 无限期的分布滞后模型，由于样本观测值的有限性，使得无法直接对其进行估计。 有限期的分布滞后模型，OLS会遇到如下问题: （1）没有先验准则确定滞后期长度； （2）如果滞后期较长，将缺乏足够的自由度进行估计和检验； （3）同名变量滞后值之间可能存在高度线性相关，即模型存在高度的多重共线性。 2、分布滞后模型的修正估计方法 各种方法的基本思想：都是通过对各滞后变量加权，组成线性合成变量而有目的地减少滞后变量的数目，以缓解多重共线性，保证自由度。 (1) 经验加权法 根据实际问题的特点、实际经验给各滞后变量指定权数，滞后变量按权数线性组合，构成新的变量。权数据的类型有：递减型、矩型、倒V型 此式称为阿尔蒙多项式变换。 将阿尔蒙多项式变换代入分布滞后模型并整理，模型变为如下形式： 其中， 由于m+1s，可以认为原模型存在的自由度不足和多重共线性问题已得到改善。 在实际应用中，阿尔蒙多项式的次数m通常取得较低，一般取2或3，很少超过4。 PDL模型阿尔蒙多项式法Eviews估计结果： PDL模型阿尔蒙多项式法Eviews估计结果（续）： 三、自回归模型的参数估计 自回归模型是经济生活中更常见的模型。 适应预期模型 局部调整模型 （2）局部调整(Partial Adjustment)模型 局部调整模型主要是用来研究物资储备问题的。 例如，企业为了保证生产和销售，必须保持一定的原材料储备。对应于一定的产量或销售量Xt，存在着预期的最佳库存Yte。 局部调整模型的最初形式为： 2、自回归模型的参数估计 （2）普通最小二乘法 若滞后被解释变量Yt-1与随机扰动项?t同期无关（如局部调整模型），可直接使用OLS法进行估计，得到一致估计量。 例，建立中国长期货币流通量需求模型 经验表明：中国改革开放以来，对货币需求量(Y)的影响因素，主要有资金运用中的贷款额(X)以及反映价格变化的居民消费者价格指数(P)。 注意： 尽管D.W.=1.733，但不能据此判断自回归模型不存在自相关(Why?)。 但LM=0.7855，? =5%，临界值?2(1)=3.84， 判断：模型已不存在一阶自相关。 四、格兰杰因果关系检验 (Granger test of causality) 许多经济变量之间有着相互的影响关系 对两变量Y与X，格兰杰因果关系检验要求估计: 随着滞后阶数的增加，拒绝“GDP是居民消费CONS的原因”的概率变大，而拒绝“居民消费CONS是GDP的原因”的概率变小。 如果同时考虑检验模型的序列相关性以及赤池信息准则，发现：滞后4阶或5阶的检验模型不具有1阶自相关性，而且也拥有较小的AIC值，这时判断结果是:GDP与CONS有双向的格兰杰因果关系，即相互影响。 (*) Yte不可观测。由于生产条件的波动，生产管理方面的原因，库存储备Yt的实际变化量只是预期变化的一部分。 或： (*) 其中，? 为调整系数，0? ? ?1 将(*)式代入 得 则局部调整模型转化为自回归模型。 储备按预定水平逐步进行调整，故有如下局部调整假设： 对于自回归模型 估计时的主要问题：滞后被解释变量的存在可能导致它与随机扰