放宽基本假定的模型PPT.ppt

（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。 主要步骤为： 第一步，阿尔蒙变换 对于分布滞后模型： 假定其回归系数?i可用一个关于滞后期i的适当阶数的多项式来表示，即: i=0,1,…,s 其中，ms-1。阿尔蒙变换要求先验地确定适当阶数k，例如取k=2，得： （*） 将(*)代入分布滞后模型： 得： 定义新变量 将原模型转换为： 第二步，模型的OLS估计 对变换后的模型进行OLS估计，得： 再计算出: 求出滞后分布模型参数的估计值: 由于m+1s，可以认为原模型存在的自由度不足和多重共线性问题已得到改善。 需注意的是，在实际估计中，阿尔蒙多项式的阶数m一般取2或3，不超过4，否则达不到减少变量个数的目的。 例5.2.2 表5.2.1给出了中国电力基本建设投资X与发电量Y的相关资料，拟建立一多项式分布滞后模型来考察两者的关系。 由于无法预见知电力行业基本建设投资对发电量影响的时滞期，需取不同的滞后期试算。 （13.62）（1.86） （0.15） （-0.67） 经过试算发现，在2阶阿尔蒙多项式变换下，滞后期数取到第6期，估计结果的经济意义比较合理。2阶阿尔蒙多项式估计结果如下： 求得的分布滞后模型参数估计值为： 最后得到分布滞后模型估计式为： 为了比较，下面给出直接对滞后6期的模型进行OLS估计的结果： （3）科伊克（Koyck）方法 科伊克方法是将无限分布滞后模型转换为自回归模型，然后进行估计。 对于无限分布滞后模型： 科伊克变换假设?i随滞后期i按几何级数衰减： 其中，0?1，称为分布滞后衰减率，1-?称为调整速率（Speed of adjustment）。 科伊克变换的具体做法: 将科伊克假定?i=?0?i代入无限分布滞后模型，得： 滞后一期并乘以? ，得 ： (*) (**) 将（*）减去（**）得科伊克变换模型： 整理得科伊克模型的一般形式： 科伊克模型的特点： （1）以一个滞后因变量Yt-1代替了大量的滞后解释变量Xt-i，最大限度地节省了自由度，解决了滞后期长度s难以确定的问题； （2）由于滞后一期的因变量Yt-1与Xt的线性相关程度可以肯定小于X的各期滞后值之间的相关程度，从而缓解了多重共线性。 但科伊克变换也同时产生了两个新问题： （1）模型存在随机项和vt的一阶自相关性； （2）滞后被解释变量Yt-1与随机项vt不独立。 这些新问题需要进一步解决。 三、自回归模型的参数估计 一个无限期分布滞后模型可以通过科伊克变换转化为自回归模型。 事实上，许多滞后变量模型都可以转化为自回归模型，自回归模型是经济生活中更常见的模型。 以适应预期模型以及局部调整模型为例进行说明。 1. 自回归模型的构造 以Y为储蓄，X为收入，可令： 1990年前： Yi=?1+?2Xi+?1i i=1,2…,n1 1990年后： Yi=?1+?2Xi+?2i i=1,2…,n2 则有可能出现下述四种情况中的一种： (1) ?1=?1 ，且?2=?2 ，即两个回归相同，称为重合回归（Coincident Regressions）； (2) ?1??1 ,但?2=?2 ，即两个回归的差异仅在其截距，称为平行回归（Parallel Regressions）; (3) ?1=?1 ，但?2??2 ，即两个回归的差异仅在其斜率，称为汇合回归(Concurrent Regressions)； (4) ?1??1，且?2??2 ，即两个回归完全不同，称为相异回归（Dissimilar Regressions）。 可以运用邹氏结构变化的检验。这一问题也可通过引入乘法形式的虚拟变量来解决。 将n1与n2次观察值合并，并用以估计以下回归： Di为引入的虚拟变量： 于是有： 可分别表示1990年后期与前期的储蓄函数。 在统计检验中，如果?4=0的假设被拒绝，则说明两个时期中储蓄函数的斜率不同。 具体的回归结果为： (-6.11) (22.89) (4.33) (-2.55) 由?3与?4的t检验可知：参数显著地不等于0，强烈示出两个时期的回归是相异的，储蓄函数分别为： 1990年前： 1990年后