第六章自回归模型和分布滞后模型解答.pptVIP

第六章 自回归模型和分布滞后模型 . 2.自回归模型的估计问题 在自回归模型的情况下，第（1）条已无法满足，因为Yt-1显然可以表示为Vt-1,Vt-2,…,V1等的函数，因而依赖于Vt-1和所有早期的扰动因子。 现在让我们来看是否有可能满足解释变量与扰动项同期无关的条件，从而得到一个一致的估计量。 在自回归模型（4）的情况下： 也就是要求Yt-1独立于Vt,或 Cov(Yt-1,Vt)=0 不难看出，只要扰动项Vt是序列独立的（即自回归模型（4）的各期扰动项相互独立），我们就可以假定Yt-1独立于所有未来的扰动因子（包括Vt），在这种假定下，Yt-1与Vt无关，我们对（4）式应用OLS得到的参数估计量是一致估计量。 让我们回到本节开始时列出的三个模型，看看我们关于Yt-1独立于所有未来的扰动因子，特别是Yt-1与Vt无关的假定是否能成立。 在科克模型和适应预期模型中，扰动因子序列独立的条件不成立，以科克模型为例，扰动项 Vt = ut-λut-1 假定ut满足标准假设条件，则容易证明 即Yt-1与Vt相关。 适应预期模型的情况与此类似。 该式非0，即Vt序列相关，我们还不难证明 因此，对于科克模型和适应预期模型，应用OLS法不仅得不到无偏估计量，而且也得不到一致估计量。也就是说，即使样本容量无限增大，参数估计量也不趋向于其总体值。因此，不宜采用OLS法估计上述两种模型。 但是，部分调整模型不同，在该模型中，Vt=δut，若ut满足标准假设条件，则Vt也满足。因此，可用OLS法直接估计部分调整模型，将产生一致估计值，虽然估计值通常是有偏的（在小样本情况下）。 综上所述，OLS法可用于部分调整模型的估计，并提供一致的估计值。而科克模型和适应预期模型，则由于其扰动项存在序列相关，用OLS进行估计得到的估计量既是有偏的，也是不一致的。 二、工具变量法（IV法，Instrumental Variable） OLS法不能应用于科克模型和适应预期模型的原因是解释变量Yt-1与扰动项Vt相关，如果这种相关能够被消除的话，我们就可以用OLS得到一致估计值。如何实现这一点呢？利维顿（Liviatan）提出的工具变量法是一种解决方法。 工具变量法的基本思路是当扰动项u与解释变量X高度相关时，设法找到另一个变量Z，Z与X高度相关，而与扰动项u不相关，在模型中，用Z替换X，然后用OLS法估计，变量Z称为工具变量。 只要工具变量的选取能够保证Z与X高度相关，而与u不相关，则我们得到的将是一致估计量。Z与X的相关程度越高，这种替代的效果就越好。我们下面回到科克模型和适应预期模型，研究工具变量的选取。 我们的模型为 这里X是唯一的外生变量，而Y的行为部分地依赖于X的行为，Yt-1的取值部分地取决于Xt-1的数值。因此，这里Xt-1就是一个比较理想的工具变量，即用滞后外生变量作为滞后内生变量的工具： Zt=Xt-1, t=1,2,…,n 来估计 应该指出，找到一个好的工具变量绝非易事，并且还可能带来新的问题（如多重共线性），因此IV法实用性不大。 在实践中，自回归模型还可以用极大似然法估计，得到的估计量是一致估计量。 当然，对于本节所涉及的三种模型，由于它们都是几何滞后模型，因而都可以用前面介绍的非线性方法进行估计，该方法尽管费时，但没有估计问题。 模拟3：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）才能恢复原来水平；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。 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） 第三节 部分调整模型和适应预期模型 一、部分调整模型 在部分调整模型中，假设行为方程决定的是因变量的理想值（desired value）或目标值Yt*，而不是其实际值Yt： Yt* =α+βXt+ut （1） 由于Yt*不能直接观测，因而采用 “部分调整假说” 确定之，即假定因变量的实际变动（Yt–Yt-1）,与其理想值和前期值之间的差异（Yt* –Yt-1）成正比： Yt – Yt-1=δ（Yt* - Yt-1）