8-2、模型中的特殊变量：滞后变量模型教案.ppt

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: 其中：r为预期系数（coefficient of expectation）, 0?r ?1。 该式的经济含义为：“经济行为者将根据过去的经验修改他们的预期”，即本期预期值的形成是一个逐步调整过程，本期预期值的增量是本期实际值与前一期预期值之差的一部分，其比例为r 。 这个假定还可写成： * * 将 代入 得 (*) 将（*）式滞后一期并乘以(1-r),得 (**) 以(*)减去（**），整理得 其中 可见自适应预期模型转化为自回归模型。 * * （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 * * (9.3.7) 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 可见，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： * * 2、自回归模型的参数估计 * * 考伊克模型： 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动项相关，以及随机扰动项出现序列相关性。 自适应预期模型： 显然存在： 局部调整模型： 存在：滞后被解释变量Yt-1与随机扰动项??t的异期相关性。 因此，对自回归模型的估计主要需视滞后被解释变量与随机扰动项的不同关系进行估计。 以一阶自回归模型为例说明: * * (1) 工具变量法 若Yt-1与?t同期相关，则OLS估计是有偏的，并且不是一致估计。 因此，对上述模型，通常采用工具变量法，即寻找一个新的经济变量Zt，用来代替Yt-1。 参数估计量具有一致性。 对于一阶自回归模型 * * 在实际估计中，一般用X的若干滞后的线性组合作为Yt-1的工具变量: 由于原模型已假设随机扰动项?t与解释变量X及其滞后项不存在相关性，因此上述工具变量与?t不再线性相关。 一个更简单的情形是直接用Xt-1作为Yt-1的工具变量。 * * （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。 * * 上述工具变量法只解决了解释变量与?t相关对参数估计所造成的影响，但没有解决?t的自相关问题。 事实上，对于自回归模型， ?t项的自相关问题始终存在，对于此问题，至今没有完全有效的解决方法。唯一可做的，就是尽可能地建立“正确”的模型，以使序列相关性的程度减轻。 注意： 例题 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)。 * * 长期货币流通量模型可设定为 由于长期货币流通需求量不可观测，作局部调整: (*) (**) 将（*）式代入（**）得短期货币流通量需求模型： * * 对局部调整模型 运用OLS法估计结果如下 （-2.93）(2.86) (3.10) (2.87) 最后得到长期货币流通需求模型的估计式： * * 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%下，临界值?2(1)=3.84， 判断：模型已不存在一阶自相关。 * * 如果直接对下式作OLS回归 （-4.81） (58.79) (5.05) 得 可见该模型随机扰动项具有序列相关性， （1）DW统计量不能检验自回归模型随机误差项是否存在自相关（为什么？）； （2）自回归模型随机误差项一阶自相关的检验方法为D-h检验； （3）D-h检验的步骤： 第一、提出假设（H0:ρ=0，H1:ρ≠0） 第二、计算H统计量 第三、给出α，查正带分布Zα/2临界值； 第四、判断的结论： 当H＞Zα/2时，拒绝0假设，存在一阶自相关 当H?Zα/2时时，接受0假设，不存在一阶自相关 * * 3、自回归模型随机误差项自相关的检验 (4) 意注： 第一、D-h检验的原线性回归模型只需要考虑 的方差。（H值的大小仅与滞后变量Yt-1的系数 方差有关，至于出现多少个