动态经济模型：自回归模型及分布滞后模型.ppt

动态经济模型：自回归模型和分布滞后模型 . （18）式可改写为： 即 此式表明，在第t年，消费者将持久收入估计为实际收入和以前的持久性收入概念的加权平均。如果λ接近于1，则该消费者将绝大部分权重给了实际收入，YP迅速向Y调整，若λ接近0，则很小部分权重给了实际收入，调整过程将很缓慢。 至此，我们得到了实际消费和持久收入之间的关系式，即消费函数的弗里德曼模型。式中CitT起着扰动项的作用。 将（17）式 代入（16）式 我们有： 为了估计这个模型，弗里德曼用（20）式（适应预期机制）将持久收入表示成实际收入的现期值和各期滞后值： 若0λ1，这就是一个合理的假设，现期收入的权数最大，上一年次之，随着时间往回推，影响逐年衰减。最后，权数变得非常之小，使得无需考虑该年之前那些过去值。 弗里德曼采用的估计方法是我们前面介绍过的非线性方法，即首先试位于0和1区间内的大量λ值，为每个λ值计算相应的持久收入时间序列，然后用消费对每个持久收入数据集回归，根据R2选出最佳λ值。 为了与传统消费函数相比较，弗里德曼用美国1905—1951（战争期间除外）的人均实际消费和人均可支配收入数据进行了回归。在格点搜索计算中，他将持久收入计算为现期收入和16个滞后收入项的加权平均值，λ的最优值为0.37，得到消费函数中β的估计值为0.88。 第四节 自回归模型的估计 上两节中，我们讨论了下列三个模型： 科克模型 部分调整模型 适应预期模型 这种解释变量中包括因变量的滞后值的模型称为自回归模型。仅包含因变量一期滞后值的自回归模型是动态经济模型的一种比较简单的形式。由于在解释变量中包含了因变量的滞后值,我们就可以动态地考察该变量在若干周期中的变动,因此称为动态模型。 在自回归模型（4）中，由于随机解释变量的存在和序列相关的可能性这双重原因，OLS法不能直接应用，因此我们必须研究这类模型的估计问题。 这三个模型具有一种共同的形式，即： 一、自回归模型的估计问题 OLS法的应用，要求解释变量Xt为非随机的。在自回归模型中，由于Yt-1作为解释变量，这一条件已无法满足，这是因为，由于 因此： 这表明，Yt-1是随着随机扰动项Vt-1的变动而变动的，即Yt-1部分地由Vt-1决定，因而Yt-1是随机变量。 1. 解释变量为随机变量时OLS估计量的统计性质 可以证明，当X为非随机变量这一条不满足时 （1）若每一个Xt都独立于所有的扰动项ut，即 cov(Xs,ut)=0, s=1,2,…,n t=1,2,…n 则OLS估计量仍为无偏估计量。 （2）若解释变量Xt独立于相应的扰动因素ut，即随机解释 变量与扰动项同期无关 ： Cov(Xt,ut)=0, t=1,2,…,n 则OLS估计量为一致估计量。 （3）若上述两条均不满足，则OLS估计量既是有偏的，又 是不一致的。 2、自回归模型的估计问题 在自回归模型的情况下，第（1）条已无法满足，因为Yt-1显然可以表示为Vt-1,Vt-2,…,V1等的函数，因而依赖于Vt-1和所有早期的扰动因子。 现在让我们来看是否有可能满足解释变量与扰动项同期无关的条件，从而得到一个一致的估计量。在自回归模型（4）的情况下，也就是要求Yt-1独立于Vt,或 Cov(Yt-1,Vt)=0 不难看出，只要扰动项Vt是序列独立的（即自回归模型（4）的各期扰动项相互独立），我们就可以假定Yt-1独立于所有未来的扰动因子（包括Vt），在这种假定下，Yt-1与Vt无关，我们对（4）式应用OLS得到的参数估计量是一致估计量。 让我们回到本节开始时列出的三个模型，看看我们关于Yt-1独立于所有未来的扰动因子，特别是Yt-1与Vt无关的假定是否能成立。 在科克模型和适应预期模型中，扰动因子序列独立的条件不成立，以科克模型为例，扰动项 Vt = ut-λut-1 假定ut满足标准假设条件，则容易证明 该式非0，即Vt序列相关。 我们还不难证明 即Yt-1与Vt相关。适应预期模型的情况与此类似。 因此，对于科克模型和适应预期模型，应用OLS法不仅得不到无偏估计量，而且也得不到一致估计