复旦大学 经济学院 谢识予 计量经济学 第九章 分布滞后和自回归模型推荐.pptVIP

这里用比较简单的X、Y两变量关系说明格兰杰因果性检验的具体方法。 因为因果性检验是针对因果关系不清楚或有疑问的变量，因此一般格兰杰检验总是进行双向的检验，即同时检验X是Y的原因还是Y是X的原因。 * 为了检验X 的前期水平是否对Y 的后期水平产生影响，格兰杰因果性检验通常采用如下的分布滞后模型进行检验： 上述模型中X 的分布滞后项正是要考察的是否对Y 当前水平有影响的因素，它们的系数反映了这种影响，也就是因果性的存在。 而其中Y 的各阶自回归项则是为了排除把自回归效应误作分布滞后效应，得出错误结论的可能性。 * 在该模型的基础上检验X对Y的因果性，就是检验如下假设： 该假设一般通过构造如下的F统计量来检验的： 其中 是 下的误差平方和， 为备择假设下 的误差平方和，p是滞后长度。 * 有了上述F分布统计量，可以根据F分布的临界值表，判断原假设 是否成立，从而选择是拒绝还是接受存在X 影响Y 的因果性的结论。 反过来，如果要检验Y影响X的因果性，事实上方法也是相同的。 只要用模型： 进行回归，并构造出相应的F统计量，检验假设： 即可。 * 需要注意的问题 值得注意的是，格兰杰因果性检验的结论只是统计意义上的因果性，而不一定是真正的因果关系。 虽然可以作为真正因果性的一种支持，但不能作为肯定或否定因果性的最终根据。 当然，即使格兰杰因果性不等于实际因果关系，也并不妨碍其参考价值。因为统计意义上的因果性也是有意义的，对于经济预测等仍然能起很大的作用。 * 上述格兰杰因果性检验还有一个需要注意的问题，即回归模型中分布滞后、自回归项滞后长度p和q的选择问题。 一般来说这两个滞后长度的选择是任意的，但有时不同的滞后长度会导致检验的结果发生变化，这时候对于因果性判断的结果就要比较谨慎。 * 考伊克方法模型设定的滞后参数模型，与现实经济中许多滞后效应变化规律确实是一致的，因此有重要的价值。 有了上述滞后参数变化模式，就可以对分布滞后模型进行变换。 首先作考伊克变换，即把 代入模型，得到： * 该模型仍然含有无限多项，但其中的参数已经只有3个了。只要我们再把模型滞后一期得： 进一步得： 整理得： * 这就得到了一个比较简单的，只有两个解释变量，三个未知参数的多元回归模型。 只要先把这三个未知参数估计出来，再代回滞后系数函数，就可以得到原模型所有参数的估计值，从而克服无限分布滞后模型参数估计的困难。 * 不过，上述模型中出现了一个新的问题，那就是被解释变量的滞后变量 作为解释变量的情况，而且因为模型的误差项改变后肯定与 有关，因此普通最小二乘估计不再适用，必须用工具变量法等进行估计。 其实，存在被解释变量的滞后变量作为解释变量的模型，也是我们要专门讨论的，称为“自回归模型”。 * 考伊克方法的优劣性 考伊克方法通过引进特定的滞后结构，把包含无穷多参数的无限分布滞后模型，转化为仅含三个未知参数的线性回归模型，并能最大限度地降低共线性等问题，因此在一定程度上是比阿尔蒙多项式法更好的一种方法。 不过，考伊克方法仍然有自身的弱点和局限性。因为这种方法中所设定的滞后结构模式也有主观性，而且只能反映所有系数同号，滞后系数单调下降，按几何级数下降的滞后效应，对于其他情况则无法反映。 此外把无限分布滞后模型转化为自回归模型，实际上又会引起新的问题，需要进一步的克服解决方法。 例9－1。详见Eviews演示。 * 第二节 自回归模型 一、自回归效应和自回归模型 二、自回归模型的理论导出 三、自回归模型参数估计 四、自回归模型的误差序列相关检验 * 一、自回归效应和自回归模型 上一节运用考伊克方法解决无限分布滞后模型参数估计问题时，得到了一个含有被解释变量一阶滞后变量的模型。 其实，被解释变量的滞后变量作为模型解释变量的情况，在时间序列数据计量分析中经常会涉及到。这种特定经济变量自身的跨期影响称为“自回归效应”。 考虑这种影响，把被解释变量的滞后变量作为解释变量的回归模型，通常称为“自回归模型”。 * 自回归模型对我们来说其实并也不是全新的概念，因为前面讨论的线性回归模型的误差序列相关就是误差项的自回归模型。 经济变量之间的自回归效应并不是只有在变量的相邻两期水平之间存在，相隔较远的时期之间也可能存在。这时候就是带更多阶滞后项的自回归模型，例如： * 一般地，可以考虑带S期滞后被解释变量和K个其他解释变量的自回归模型： 此外，如果我们考虑同时存在自回归效应和分布滞后效应，则模型可进一步发展为： 这种模型也可以称为“自回归分布滞后模型”。自