实验八分布滞后模型与自回归模型及格兰杰因果关系检验13金数2班201330110203何健华课案.docx

实验八 分布滞后模型与自回归模型及格兰杰因果关系检验姓名：何健华 学号：201330110203 班级：13金融数学2班一 实验目的：掌握分布滞后模型与自回归模型的估计与应用，掌握格兰杰因果关系检验方法，熟悉EViews 的基本操作。二 实验要求：应用教材P168 例子5.2.2 案例，利用阿尔蒙法做有限分布滞后模型的估计；应用教材P173 例子5.2.3 案例做分布滞后模型与自回归模型的估计；应用教材P176 例子5.2.4 案例额做格兰杰因果关系检验。三 实验原理：普通最小二乘法、阿尔蒙法、格兰杰因果关系检验、DW 检验、LM 检验。四 预备知识：最小二乘法估计的原理、t 检验、拟合优度检验、阿尔蒙法、多项式近似。五 实验步骤1970~1991年美国制造业固定厂房设备投资Y和销售量X的相关数据如下表所示。 单位：10 亿美元年份厂房开支Y销售量X年份厂房开支Y销售量X197036.9952.8051981128.68168.129197133.655.9061982123.97163.351197235.4263.0271983117.35172.547197342.3572.9311984139.61190.682197452.4884.791985152.88194.538197553.6686.5891986137.95194.657197668.5398.7971987141.06206.326197767.48113.2011988163.45223.547197878.13126.9051989183.8232.724197995.13143.9361990192.61239.4591980112.6154.3911991182.81235.142一、以代表理想的或长期的新建产房设备企业开支，估计如下模型： --------（1-1）1.1建立工作工作文件并录入数据，得到图1.1。图1.11.2模型设定对模型（1-1）进行如下局部调整假设：， 则原模型变换为 --------（1-2）1.3对模型（1-2）进行估计在工作文件中，点击 Quick\Estimate Equation…，然后在弹出的对话框中输入：Y C X Y(-1)，点击OK，得到如图1.2所示的回归分析结果。图1.2由图1.2中数据得估计结果如下： （-2.98） （6.26） （1.97）由参数估计结果，得。从而得到， 由此得到长期货币流通需求模型的估计式为在5%的显著水平下n = 22, k = 3，查表有。回归结果表明，由于所以判断模型不存在正自相关。但由于模型中含有被解释变量的滞后期作为解释变量，因此不能就此判断模型不具有序列相关性。下面再进行拉格朗日乘数检验，估计含 1 阶滞后残差项的辅助回归函数。在图1.2回归结果中，点击View\Residual Diagnostics\Serial Correlation LM Tess..，在弹出的对话框中输入1，点击确定即可得到1 阶滞后残差项的辅助回归函数结果，如图1.3。图1.3由此可知模型（1-1）确实不存在一阶序列相关。二、如果模型设定改为： -------（2-1）请用存量调整模型进行估计。同一中结果相比，你会选择哪个模型？2.1模型设定对模型（2-1）两边取对数得再进行如下局部调整假设：， 则原模型变换为 --------（2.2）2.2对模型（2-2）进行估计在工作文件中，点击 Quick\Estimate Equation…，然后在弹出的对话框中输入：log(Y) C log(X) log(Y(-1))，点击OK，得到如图2.2所示的回归分析结果。图2.2由图2.2中数据得估计结果如下： （-5.24） （7.33） （1.75）同一，由于模型（2-2）中含有被解释变量的滞后期作为解释变量，因此不能就此判断模型不具有序列相关性。利用LM 检验显示如下表的结果。显然，模型（2-2）不存在一阶序列相关性。2.3对模型进行比较虽然模型（2-2）比模型（1-2）的拟合优度高，但不能就此认为前者优于后者，因为两者有着不同的被解释变量。为了使二者可比，进行如下的Box-Cox变换：首先，计算被解释变量的样本几何均值；再用得到的样本几何均值去除原被解释变量，得到被解释变量的新序列，并用它代替原序列，分别估计双对数线性模型与线性模型： （-2.98） （6.26） （1.97）, （-7.21） （7.33） （1.75）, 计算下面服从自由度为1的分布的统计量