[政史地]计量经济学课件9时间序列经济学模型.ppt

* 设序列GDPD1的模型形式为： 有如下Yule Walker 方程如右： 其解为 ： 自相关函数与偏自相关函数的函数值： 相关函数具有明显的拖尾性； 偏自相关函数值在k2以后， 可认为：偏自相关函数是截尾的。再次验证了一阶差分后的GDP满足AR(2)随机过程。 * 用OLS法回归的结果为： （7.91) (-3.60) r2=0.8469 R2=0.8385 DW=1.15 有时，在用回归法时，也可加入常数项。 本例中加入常数项的回归结果为： （1.99） （7.74） （-3.58） r2 =0.8758 R2 =0.8612 DW=1.22 下表列出三模型残差项的自相关系数及QLB检验值。 模型1与模型3的残差项接近于一白噪声，但模型2存在4阶滞后相关问题，Q统计量的检验也得出模型2拒绝所有自相关系数为零的假设。因此: 模型1与模型3可作为描述中国支出法GDP一阶差分序列的随机生成过程。 模型检验： * 用建立的AR(2)模型对中国支出法GDP进行外推预测。 模型1可作如下展开： 当已知滞后1、2、3期的GDP时，就可对第t期的GDP作出外推预测。模型3的预测式与此相类似，只不过多出一项常数项。 对2001年中国支出法GDP的预测结果（亿元） 预测值 实际值 误差 预测值 实际值 误差 模型1 95469 95933 -0.48% 模型3 97160 95933 1.28% * 由于中国人均居民消费（CPC）与人均国内生产总值（GDPPC）这两时间序列是非平稳的，因此不宜直接建立它们的因果关系回归方程。但它们都是I(2)时间序列，因此可以建立它们的ARIMA (p, d, q)模型。 下面只建立中国人均居民消费（CPC）的随机时间序列模型。中国人均居民消费(CPC)经过二次差分后的新序列记为CPCD2，其自相关函数、偏自相关函数及Q统计量的值列于下表： 例9.2.4 中国人均居民消费的ARMA (p, q)模型 * 在5%的显著性水平下，通过Q统计量容易验证该序列本身就接近于一白噪声，因此可考虑采用零阶MA(0)模型: CPCD2t=?t 由于k=2时，|r2|=|-0.29| 因此,也可考虑采用下面的MA模型: CPCD2t=?t -?2 ?t-2 当然，还可观察到自相关函数在滞后4、5、8时有大于0.2的函数值，因此，可考虑在模型中增加MA(4)、MA(5)、MA(8)。不同模型的回归结果列于表9.2.5。 * 由于?t表示预测期的随机扰动项，它未知，可假设为0，于是t期的预测式为: 即 : 可以看出:在纯MA模型中，模型4具有较好的性质，但由于MA(5)的t检验偏小，因此可选取模型3。 最后，给出通过模型3的外推预测。模型3的展开式为： 为模型3中滞后2期与滞后4期的相应残差项的估计值。 表9.2.6列出了采用模型3对中国居民人均居民消费水平的2期外推预测。表中也同时列出了采用§2.10的模型的预测结果。 * §9.3 协整与误差修正模型 一、长期均衡关系与协整 二、协整检验 三、误差修正模型 四、案例分析型 * 1、问题的提出 经典回归模型。是建立在稳定数据变量基础上的，对于非稳定变量，不能使用经典回归模型，否则会出现虚假回归等诸多问题。 由于许多经济变量是非稳定的，这就给经典的回归分析方法带来了很大限制。 但是，如果变量之间有着长期的稳定关系，即它们之间是协整的（cointegration)，则是可以使用经典回归模型方法建立回归模型的。 例如，中国居民人均消费水平与人均GDP变量的例子中, 因果关系回归模型要比ARMA模型有更好的预测功能，其原因在于，从经济理论上说，人均GDP决定着居民人均消费水平，而且它们之间有着长期的稳定关系，即它们之间是协整的。 一、长期均衡关系与协整 * 经济理论指出，某些经济变量间确实存在着长期均衡关系，这种均衡关系意味着经济系统不存在破坏均衡的内在机制，如果变量在某时期受到干扰后偏离其长期均衡点，则均衡机制将会在下一期进行调整以