第七章分布滞后模型.pptVIP

第七章 分布滞后模型与 自回归模型 第一节 滞后效应与滞后变量模型 一、经济活动中的滞后现象 二、滞后效应产生的原因 1.心理原因（习惯的影响、信息不充分） 经济活动离不开人的参与，人的心理因素对 经济变量的变化有很大影响。一方面是心理定势 及社会习惯的作用；另一方面是预期心理的影响。 滞后变量模型一般形式为： 分布滞后模型形式为： 在分布滞后模型中，回归系数β0称为短期乘数或即期乘数，它表示解释变量 X 变化一个单位对同期被解释变量 Y 产生的影响。 β1，β2，β3……称为延迟乘数或动态乘数，因为它们是测度以前不同时期 X 变化一个单位对 Y 的滞后影响； 自回归模型形式为： 一、分布滞后模型的估计难度 直接应用最小二乘法估计分布滞后模型会遇到很多困难。 由于无限分布滞后模型中包含无限多个参数，我们无法用最小二乘法对其进行估计。 对于有限分布滞后模型，最小二乘法原则上是适用的，但在具体应用时会遇到很多困难。 2.如果滞后期较长而样本较小时，就没有足够的自由度进行统计推断。 因为，每增加一个解释变量就会失去一个自由度。同时，滞后期每增加一期，可利用的数据就会减少一个。 由于以上原因，在实践中很少用最小二乘法直接 估计分布滞后模型。一般是对分布滞后模型施加约束 条件，以便减少模型中的参数。 所谓经验加权估计法就是根据经验对滞后变量的 系数赋予一定的权数，利用这些权数构成各滞后变量 的线性组合，形成新的变量，再利用最小二乘法进行 估计。常见的滞后结构赋权类型有： （1）递减滞后结构；（2）不变滞后结构； （3） 倒U型滞后结构； （1）优点 简单易行、不损失自由度、避免多重共线性及参数估计具有一致性。 （2）缺点 权数的设置具有主观随意性。 三、阿尔蒙Almon估计法 对于有限分布滞后模型 此式称为Almon多项式变换。 多项式的阶数 m 必须小于有限分布滞后模型的最大滞后长度 s ，否则就达不到减少参数个数的目的。在具体应用时，m 一般取 2 或 3，不超过 4。 具体列出来就是: 显然，只要随机误差项满足线性回归模型的假定，就可以用OLS估计得到α，α0，…，αm的估计值后，再由 说 明 1. 具体应用时，首先要确定有限分布滞后模型的最大滞后长度s。 确定滞后长度的一种简便方法就是根据调整后的判定系数确定滞后长度。 2. 确定m 的方法：先给m一个较大的值（例如， 假定m = 4），然后用 t 检验逐步降低多项式的 阶数，直到αm在统计上显著为止。 第三节 自回归模型的构建 有两种情形需要引入自回归模型，一是将无限分布滞后模型通过变换转换为自回归模型；二是在模型中考虑了预期因素而导出自回归模型。 这些模型主要有Koyck变换模型、自适应预期模型、局部调整模型。 一、库伊克Koyck模型 为了解决这个问题，Koyck提出了一个十分巧妙的解决办法。 首先，将上式滞后一期，可得： 整理后即有: 二、自适应预期模型 这种经济行为是常见的。例如，当通货膨胀比较严重时，商品需求量往往取决于对未来价格水平的预期X*t ，而不是目前的实际价格水平Xt。 再如，企业的生产计划取决于对未来销售状况的预期；投资取决于对未来利润的预期，等等。 由于X*t 是一个无法直接观察的变量，需要对预期值的形成作出某种假设，例如假设： Example 整理后得: 三、局部调整模型 由于受到工艺技术水平、心理因素、制度因素等的影响，被解释变量的希望值在短期内是很难实现的，从而也是难以观测的。 从而作出假设，希望值Yt*与实际值Yt之间的有如下关系 ： Yt －Yt-1 =δ（Yt*－Yt-1） 式中δ 称为调整因子或调整系数，且 0≤δ≤1 Yt －Yt-1 =δ（Yt*－Yt-1） 上式表示，被解释变量的实际变化Yt －Yt-1 是被解释变量的预期变动（希望变动） Yt*－Yt-1 的一部分。这是因为要使Yt 到达到最佳水平需要进行调整，而调整需要时间。δ的数值表示调整速度，δ越大调整速度越快。 例如，如果δ= 0.8，那么实际变化占希望变化的80%，即已经调整了80%；如果δ=1，则实际变化就是预期变化。 把 Yt －Yt-1 =δ（Yt*－Yt-1） 改写成： Yt =δYt* + (1－δ)Yt-1 把 Yt* =α+βXt + ut 代入上式即得: 第四节 自回归模型的估计 在上一节的讨