3.宏观经济的数量化研究体系(梁福涛).pptVIP

数据区间为1978年-1989年，模型拟合结果如下： 数据区间为1989-2006，模型拟合结果如下： 变量实际值与存量数据处理 资本存量＝名义投资额÷投资价格指数×（1-住宅投资占比）+上年资本存量×（1-综合折旧率） GDP名义值 GDP实际值 1978＝100 消费 净出口 不变价格GDP GDP缩减指数 最终消费名义值 零售物价指数 不变价格总消费 不变价格资本形成 资本形成名义值 投资价格指数 中国经济中长期增长潜力模型估计 回归后，得到各回归方程的平方和： 同样，选择其中ESS最大并通过F检验的变量作为新增解释变 量，假定是X3。此时可确定一个基本的回归方程： 重复这一过程，直到所有变量中，边际贡献显著的变量全部引 入回归模型中为止，得到最终的回归式： 也可以采用逐步减少边际贡献不显著的变量的方式，逐步回归 确定。回归模型包括的变量，方法一样。 ……………………………… 注意：还可以选择滞后变量、多阶滞后变量 滞后变量是批在回归模型中，因变量与解释变量 的时间滞后量。如： 第一模型称作外生滞后变量模型或分布滞后模型。 第二个模型称为内生滞后变量模型或自回归模型 在很多经济分析中，把滞后变量引入模型中是必要 的，这里先讨论滞后模型 3.2 非线性模型转换 因变量和解释变量之间的线性关系，包括参数线性和解释变量 线性两种。前面的分析假定总体回归函数的形式为： 但是根据经济现实或经济理论，变量之间不一定存在这种形式 的线性关系。如参数线性形式的回归函数： 或参数、变量均为非线性形式的函数关系，如C-D生产函数 对于这此不符合线性假定的模型进行参数估计，必须加以适当 的变换以后，才能用OLS方法估计模型参数。 对参数线性的模型，可以采用变量的直接代换，转化为参数、变量均为线性的形式进行估计。 倒数模型： 函数形式为： 令变量　　　　　，则回归函数可变为： 根据解释变量的观测值，计算出X*i的之后进行OLS估计，得到： 因此可以得到原模型的估计方程： 对数线性模型： 通过对原模型的对数变换，函数形式可变为： 令变量　　　　　　　　，则回归函数可变为： 根据解释变量的观测值，进行OLS估计，得到： 因此可以得到原模型的估计方程： 例如，估计C-D函数：　　　　　　，两取对数后： 因此，C-D函数的估计形式为： 多项式模型 模型的函数为： 令变量　　　　，同样可以进行参数的OLS估计。 3.3 虚拟变量估计 虚拟变量的引入 在经济分析中，某些特殊因素会影响到产量的取值，如季节对饮料需求的影响，特定时期实施特殊政策对各宏观经济变量产生的影响等。而这些因素属于“定性”的变量，可以通过赋予一个数量值，以虚拟变量（哑变量）的形式进入分析模型中。 例如，消费函数模型： Ct=b0+b1Yt+ut → Ct=b0+b1Yt+b2Dt+ut 根据回归结果，正常年份的基本支出水平比反常年份小，而边际支出倾向不变。 虚拟变量的不同形式 虚拟变量在模型中可代表对截距的影响，如：Ct=b0+b1Yt+b2Dt+ut　（Dt在正常年份取１，反常年份取０） 可利用OLS估计得到估计结果： 正常年份 反常年份 正常年份 反常年份 Ct Yt 0 虚拟变量在模型中也可以代表对和参数的全面影响，如 该式可变为： 如果得到估计方程： 多个虚拟变量的引入及虚拟变量陷阱问题 在模型中，对一个定性变量可能需要引入多个虚拟变 量。典型的例子是季节变化对商品销售的影响 正常年份 反常年份 假定销售方程为 由于季节变化对销售有重要影响，引入四个虚拟变量： 销售的季节模型可写为 在该季节模型： 中，有： 即解释变量间存在完全的共线性，因些模型无法估计。这就是虚拟变量陷阱。 为了解决这一问题，在引入虚拟变量时，对于一个有Ｍ种可能的定性变量，只能引入Ｍ－１个虚拟变量，如前面的模型： 销售方程为： 　 　引入四个虚拟变量： 　销售的季节模型为 　该方程即可进行估计 引入不同定性变量的多个虚拟变量 在模型中，如果有多个定性变量对因变量有影响，可同时把对应于各定性变量的虚拟变量引入模型。如，季节变化和当年是否重大事件发生对商品的销售都有影响，销售回归方程可写为： 其中，Qt(取1或0)代表正常年份和反常年份，而D2~D4 代表季节变化。 使用的原则，仍是对于任一个有Ｍ种 可能的定性变量，只能引入Ｍ-1个对应的虚拟变量。 主要内容 经济金融分析预测的一般方法与逻辑框架建立 计量经济建模、预测方法 非线性模型转换、虚拟变量等实用问题 经济景气指数构建 我们的经济预测模型示例 申万宏观经济景气指数 4.1 申万宏观经济景气指数 数 据 库 景气指数初选指标 （领先、一致、滞后）