6 计量经济学专题讨的论.ppt

第六章 经典单方程计量经济学模型：专门问题;§6.1 虚拟变量模型;例随机调查美国旧金山地区20个家庭的储蓄情况，拟建立年储蓄额Yi (千美元) 对年收入Xi (千美元) 的回归模型。通过对样本点的分析发现，居于上部的6个点（用小圆圈表示）都是代表自己有房子的家庭；居于下部的14个点（用小三角表示）都是租房住的家庭。而这两类家庭所对应的观测点各自都表现出明显的线性关系。;一、虚拟变量的基本含义; 这种“量化”通常是通过引入“虚拟变量”来完成的。根据这些因素的属性类型，构造只取“0”或“1”的变量，通常称为虚拟变量（dummy variables），记为D。; 二、虚拟变量的引入; 一个以性别为虚拟变量考察企业职工薪金的模型：;几何意义：; 又例：在横截面数据基础上，考虑个人保健支出对个人收入和教育水平的回归。; 在E(?i)=0 的初始假定下，高中以下、高中、大学及其以上教育水平下个人保健支出的函数：; 还可将多个虚拟变量引入模型中以考察多种“定性”因素的影响。;女职工本科以下学历的平均薪金：; 2、乘法方式;这里，虚拟变量D以与X相乘的方式引入了模型中，从而可用来考察消费倾向的变化。 假定E(?i)= 0，上述模型所表示的函数可化为：;例： 技术进步=f(RD，Trade，FDI，FDI*Human Resource);连乘变量 例：发展油菜籽与养蜂对农副产品总收益的影响。 ; 3、临界指标的虚拟变量的引入; OLS法得到该模型的回归方程为;三、虚拟变量的设置原则;则冷饮销售量的模型为：; 如果只取六个观测值，其中春季与夏季取了两次，秋、冬各取到一次观测值，则式中的：; ;铅笔销售量（1961-1985）;§6.2 滞后变量模型 ; 在经济运行过程中，广泛存在时间滞后效应。某些经济变量不仅受到同期各种因素的影响，而且也受到过去某些时期的各种因素甚至自身的过去值的影响。;1、滞后效应与与产生滞后效应的原因; 产生滞后效应的原因 ; 2、滞后变量模型 ; （1）分布滞后模型（distributed-lag model） ; 如果各期的X值保持不变，则X与Y间的长期或均衡关系即为; 2、自回归模型（autoregressive model）;二、分布滞后模型的参数估计 ; 2、分布滞后模型??修正估计方法 ;递减型：; 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;例 对一个分布滞后模型： ; 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;（2）阿尔蒙（Ａlmon）多项式法 ; （3）科伊克（Koyck）方法; 科伊克变换的具体做法:;科伊克模型的特点： ; 自回归模型的参数估计; 1.工具变量法; 2.普通最小二乘法 ; 四、格兰杰因果关系检验 ;格兰杰因果关系检验（Granger test of causality）;对两变量Y与X，格兰杰因果关系检验要求估计:;（3）Y与X间存在双向影响，表现为Y与X各滞后项前的参数整体不为零； ; 如果: FF?(m,n-k) ，则拒绝原假设，认为X是Y的格兰杰原因。 ;所检验的并不是经济学通常研究的因果逻辑关系，通常称之为Granger因果检验。 Granger因果关系是指一个经济变量X的历史信息可预测另一个经济变量Y的变化，这一概念不是真正的因果关系，而是一种统计相关性。 这种X对Y的预测关系可以是因为X对Y有因果关系，也可以是其他原因，比如，X和Y均可能受另一个潜变量Z的影响，即Z对X有因果关系，对Y也有因果关系。在这种情形下，虽然X和Y无因果关系，但他们之间有相关性，可能存在Granger因果关系。;以661天（1999年1月4日至2001年10月5日）的上证综指（SHt）和深证成指（SZt）数据为例，进行双向的Granger非因果性分析。两个序列存在高度的相关关系，那么两个序列间可能存在双向因果关系，也有可能存在单向因果关系。;（第3版279页）;（第3版280页）;通过EViews计算的Granger因果性检验的两个F统计量的值见图。SHt 和SZt之间存在单向因果关系。即SZt是SHt变化的Granger原因，但SHt 不是SZt变化的Granger原因。;Granger非因果性检验的EViews操作是，打开SHt和SZt的数据组窗口，点击View键，选Granger Causility功能。在随后打开的对话框口中填上滞后期数2，点击OK键，即可得