支付结算业务的核算参考.ppt

多变量的误差修正模型也可类似地建立。 （1）Granger 表述定理 误差修正模型有许多明显的优点：如： a）一阶差分项的使用消除了变量可能存在的趋势因素，从而避免了虚假回归问题； b）一阶差分项的使用也消除模型可能存在的多重共线性问题； 如果变量X与Y是协整的，则它们间的短期非均衡关系总能由一个误差修正模型表述： 由协整与误差修正模型的的关系，可以得到误差修正模型建立的E-G两步法： 第一步，进行协整回归（OLS法），检验变量间的协整关系，估计协整向量（长期均衡关系参数）； 第二步，若协整性存在，则以第一步求到的残差作为非均衡误差项加入到误差修正模型中，并用OLS法估计相应参数。 （3）直接估计法 也可以采用打开误差修整模型中非均衡误差项括号的方法直接用OLS法估计模型。 但仍需事先对变量间的协整关系进行检验。如对双变量误差修正模型: 经济理论指出，居民消费支出是其实际收入的函数。 以中国国民核算中的居民消费支出经过居民消费价格指数缩减得到中国居民实际消费支出时间序列（C）； 以支出法GDP对居民消费价格指数缩减近似地代表国民收入时间序列(GDP)。 时间段为1978—2000（表9.3.3） （1）对数据lnC与lnGDP进行单整检验 首先，建立lnC与lnGDP的回归模型: 残差项的稳定性检验： （-4.32） R2=0.994 DW=2.01 LM(1)=0.04 LM(2)=1.34 以稳定的时间序列 如下: 用打开误差修正项括号的方法直接估计误差修正模型，适当估计式为: （1.63） (6.62） (-2.99) (2.88) R2=0.791 =0.0064 DW=1.93 LM(2)=2.31 LM(3)=2.78 （4）预测 第四章 经典单方程计量经济学模型：放宽基本假定的模型 §4.1 异方差性§4.2 序列相关性§4.3 多重共线性§4.4 随机解释变量问题 基本假定违背主要 包括： （1）随机误差项序列存在异方差性； （2）随机误差项序列存在序列相关性； （3）解释变量之间存在多重共线性； （4）解释变量是随机变量且与随机误差项相关的随机解释变量问题； （5）模型设定有偏误； （6）解释变量的方差不随样本容量的增而收敛。 计量经济检验：对模型基本假定的检验 本章主要学习：前4类 §4.1 异方差性 二、异方差的类型 同方差：?i2 = 常数 ? f(Xi) 异方差： ?i2 = f(Xi) 三、实际经济问题中的异方差性 例4.1.1：截面资料下研究居民家庭的储蓄行为: Yi=?0+?1Xi+?i Yi:第i个家庭的储蓄额 Xi:第i个家庭的可支配收入。 一般情况下，居民收入服从正态分布：中等收入组人数多，两端收入组人数少。而人数多的组平均数的误差小，人数少的组平均数的误差大。 所以样本观测值的观测误差随着解释变量观测值的不同而不同，往往引起异方差性。 每个企业所处的外部环境对产出量的影响程度不同，造成了随机误差项的异方差性。 这时，随机误差项的方差并不随某一个解释变量观测值的变化而呈规律性变化，呈现复杂型。 四、异方差性的后果 五、异方差性的检验 检验思路： 4. 怀特（White）检验 怀特检验不需要排序，且适合任何形式的异方差。 怀特检验的基本思想与步骤（以二元为例）： 六、异方差的修正 模型检验出存在异方差性，可用加权最小二乘法（Weighted Least Squares, WLS）进行估计。 七、案例——中国农村居民人均消费函数 一、序列相关性概念 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、案例 一、序列相关性概念 称为一阶列相关，或自相关（autocorrelation） 二、实际经济问题中的序列相关性 1.经济变量固有的惯性 2.模型设定的偏误 又如：如果真实的边际成本回归模型应为： Yt= ?0+?1Xt+?2Xt2+?t 其