第八章随机解释变量和滞后变量模型.pptVIP

人们提出了一系列的修正估计方法，但并不很完善。 各种方法的基本思想大致相同：都是通过对各滞后变量加权，组成线性合成变量而有目的地减少滞后变量的数目，以缓解多重共线性，保证自由度。 1.经验加权法 根据实际问题的特点、实际经验给各滞后变量指定权数，滞后变量按权数线性组合，构成新的变量。权数据的类型有： （1）递减滞后结构 即认为权数是递减的，X的近期值对Y的影响较远期值大。 如消费函数中，收入的近期值对消费的影响作用显然大于远期值的影响。 例如：滞后期为 3的一组权数可取值如下： 1/2， 1/4， 1/6， 1/8 则新的线性组合变量为： t w 即认为权数是相等的，X的逐期滞后值对值Y的影响相同。 如滞后期为3，指定相等权数为1/4，则新的线性组合变量为： （2）不变滞后结构 t w 权数先递增后递减呈倒“V”型。 例如：在一个较长建设周期的投资中，历年投资X为产出Y的影响，往往在周期期中投资对本期产出贡献最大。 如滞后期为4，权数可取为 1/6， 1/4， 1/2， 1/3， 1/5 则新变量为 （3）倒V型滞后结构 t w 例 对一个分布滞后模型： 给定递减权数：1/2， 1/4， 1/6， 1/8 令 原模型变为： 该模型可用OLS法估计。假如参数估计结果为 =0.5 =0.8 则原模型的估计结果为： 经验权数法的优点是：简单易行 缺点是：设置权数的随意性较大 通常的做法是： 多选几组权数，分别估计出几个模型，然后根据常用的统计检验（Ｒ方检验，Ｆ检验，t检验，Ｄ-Ｗ检验），从中选择最佳估计式。 （1）阿尔蒙估计法的步骤 分布滞后模型可以表示成： 设bi可以用二次多项式近似表示，即： βi= α0+α1i+α2i2 2.阿尔蒙（Ａlmon）多项式法 主要思想：针对有限滞后期模型，通过阿尔蒙变换，定义新变量，以减少解释变量个数，然后用OLS法估计参数。 将此代入分布滞后模型，整理得： 定义： 称该变量变换为Almon变换， 则原分布滞后模型可以表示成： 利用OLS法估计系数，进而得到βi的估计值。 （2）阿尔蒙估计法的特点 阿尔蒙估计法的原理巧妙、简单，估计参数时有效地消除了多重共线性的影响，并且适用于多种形式的分布滞后结构。 使用阿尔蒙估计时需要事先确定两个问题：滞后期长度和多项式的次数。 滞后期长度可以根据经济理论或实际经验加以确定，也可以通过相关系数、调整的判定系数、施瓦兹准则SC等统计检验获取信息。利用Eviews软件可以直接得到上述各项检验结果。 多项式次数可以依据经济理论和实际经验加以确定，一般取m=1～3。 在EViews软件的LS命令中使用PDL (polynomial distributed lags,PDLs) 项，其命令格式为： LS Y C PDL(X，k，m，d) 其中，k为滞后期长度，m为多项式次数，d是对分布滞后特征进行控制的参数。 在LS命令中使用PDL项，应注意以下几点： ①在解释变量x之后必须指定k和m的值，d为可选项，不指定时取默认值0； Eviews实现 ②如果有多个具有滞后效应的解释变量，则分别用几个PDL项表示；例如： LS Y C PDL(x1，4，2) PDL(x2，3，2，2) ③在估计分布滞后模型之前，最好使用互相关分析View/Cross correlation初步判断滞后期的长度k； 接着输入滞后期 p 之后，将输出 yt 与 xt， xt-1…xt-p的各期相关系数。也可以在PDL项中逐步 加大k的值，再利用调整的判定系数和SC判断较为合适的滞后期长度k。 表示滞后i期 表示超前i期 对应的t统计量 R2的值 调整的R2值 DW的值 对应各bi的估计值 对应的t统计量 小 结 * 第八章 随机解释变量和滞后变量模型 8.1 随机解释变量 8.2 滞后变量模型 8.3 实验操作 内容安排 基本假设:解释变量X1,X2,…,Xk是确定性变量。 如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。 假设X2为随机解释变量。对于随机解释变量问题，分三种不同情况： 8.1 随机解释变量 对于模型 一、随机解释变量的存在与后果 （一）随机解释变量 1. 随机解释变量与随机误差项独立(Independence) 2. 随机解释变量与随机误差项同期无关(contemporaneously uncorrelat