(ARDL模型的运用实验指导.docVIP

ARDL模型的运用实验指导 一、实验目的： 理解ARDL模型的原理与应用条件，运用ARDL模型，估计变量之间长期关系的系数。注意，只有当能够确定第一步所估计的变量间的长期关系是肯定存在的，而不是伪回归，那么才能应用该模型进行估计。 二、基本概念： ARDL(autoregressive distributed lag)称为自回归分布滞后模型。ARDL模型的一大优点，就是我们不用管变量是否同为 过程，或同为 过程，都可以用ARDL模型来检验变量之间的长期关系，而这是标准的协整检验所做不到的。 三、实验内容及要求： 运用ARDL模型研究美国非耐用消费品支出LC(取对数形式)与真实可支配收入LY(取对数形式)，通胀率PI之间的关系，数据为1960年1季度到1994年1季度的季度数据。 要求：在认真理解本章内容的基础上，通过实验掌握ARDL模型的实际应用方法，并熟悉Microfit软件的基本使用方法。 四、实验指导： ARDL模型的主要优点在于不管回归项是还是，都可以进行检验和估计。而进行标准的协整分析前，必须把变量分类成和。 首先，我们调用Microfit软件读入EX6.1的数据文件。对原始数据进行取对数作差分的处理。 由于观测值是季度数据，ARDL模型中最大滞后阶数取4阶，利用1960年1季度到1992年4季度的样本区间进行估计，1993年1季度到1994年1季度的数据进行预测。 对应于ARDL(4,4,4)中变量LC，LY和DP的误差修正模型（ECM）如下： （6.4） 检验的原假设是：变量间不存在稳定的长期关系。 即： 备择假设是：或或 检验联合显著的统计量就是我们熟悉的F统计量。为了计算F统计量，在Microfit中选择Single，在编辑窗中输入： DLC INPT DLC{1-4} DLY{1-4} DPI{1-4} 选择估计样本期1960年1季度到1992年4季度，按START，然后按OK，就得到了用OLS估计的一阶差分的回归结果，这个结果对我们没有直接的用途。按CLOSE回到选择菜单，选“2.Move to hypothesis testing menu”，如图。 图4—1 选择假设检验 按“ok”出现以下窗口： 图4—2 假设检验窗口 选“6.Variable addition test”，按“OK”后在“Input text”窗口中输入长期变量的滞后值： LC(-1) LY(-1) PI(-1) 按“OK”后出现以下的估计结果： 图4—3 假设检验结果 F统计量出现在该结果的最后一行。F统计量用于检验原假设：所有水平变量的系数为零（即水平变量之间不存在长期关系），我们记作。在原假设成立时，F统计量服从一个非标准的分布，而不管LC，LY和PI是还是过程。Pesaran已经计算出了该检验的临界范围表。查表可知，在95%的置信水平该F统计量的范围在3.793到4.855之间。因为超出了临界值上界，我们就能拒绝LC，LY和PI之间没有长期关系的原假设，而不管它们是还是过程。 以上我们已经证明LY和PI对LC有长期的影响。同时，我们还要考虑：LC和PI对LY是否有长期的影响？LC和LY对PI是否有长期的影响？重复以上的过程，只是把因变量 DLC分别替换成DLY和DPI,我们可以得到以下结果： 以上两个统计量都低于临界范围的下界3.793，从而我们无法拒绝原假设：在DLY和DPI作为因变量的方程中，加入长期变量是不显著的。同样，该结论的成立不依赖它们是还是过程。 以上的检验结果显示：LC和LY，PI之间存在长期关系，LY和PI对LC有长期的影响。 现在，我们用Microfit软件中的ARDL选项来估计变量间的长期系数以及相应的误差修正模型ECM。在Univariate 菜单中选择6.ARDL approach to cointegration，清空编辑窗口，然后键入： LC LY PI INPT 选择样本期1960年1季度到1992年4季度进行估计，最大滞后值取4，按START。Microfit软件估计了125个回归方程，即共个回归方程，并提供了以下选择菜单： 图4—4 ARDL选择菜单 用SBC准则选择的模型为ARDL(1,2,0)，用AIC准则选择的模型为ARDL(2,2,3), 估计的变量之间长期关系的系数分别如下： 图4—5 ARDL(1,2,0)估计结果 图4—6 ARDL(2,2,3)估计结果 两个模型估计的结果很近似。但是可以看出，用AIC准则选择