6.3 动态计量经济学模型.pptVIP

⒊ 常数化—参数的约化 在样本数据为时间序列数据时，需要对参数施加时间齐次性约束。这是数据生成过程向应用模型靠拢的关键一步。当模型的参数具有常数性时，有 ： 常数化过程是通过变量的选择来实现的。 变参数模型可以通过引入政策变量使之变为常参数模型。当然这里引入的变量应该具有超外生性。 ⒋ 截尾化—滞后项的约化 对条件密度中的滞后项进行滞后项截尾。 这一约化过程合理性的条件是新生误差是白躁声。 ⒌ 线性化—函数形式的约化 对变量yt和zt的某种函数转换，使得转换后的条件分布近似服从同方差正态分布 。 四、自回归分布滞后模型和数据生成过程 数据生成过程经过上述约化后，得到它的衍生模型，如果每一步约化都是有效的，即没有关于关注参数的信息损失，那么该衍生模型代表了数据生成过程。 利用滞后算子来表示衍生模型： 约化得到的衍生模型实际上是向量自回归分布滞后模型。误差项不是源生的，而是模型衍生的。 该模型就成为代表数据生成过程的动态计量经济学模型的起点。 讨论 在实际建模时，直接以自回归分布滞后模型为起点，并不讨论上述约化过程。 那么，如何才能保证所选择的 ADL模型满足上述约化的要求呢？关于线性化，采用经典模型的方法处理；关于截尾化，下节还要简单介绍；关于常数化，更多的是一种假设；关于新生化，主要依靠变量选择，尽可能将对被解释变量具有影响的变量选入模型；关于条件化，即变量关于参数的弱外生性，主要依靠对经济行为的理解加以确定。 5.3.2 从自回归分布滞后模型到误差修正模型 一、自回归分布滞后模型的阶数的决定 二、正交化变换 三、协整检验 四、协整与误差修正模型 一、自回归分布滞后模型的阶数的决定 ⒈变量及滞后阶的选择 模型中变量的选择，仍然需要从经济理论和对经济行为规律的认识出发，人们不会也不应该将毫无关系的变量选入模型。正是在这点上，体现了动态计量经济学模型离不开理论导向。 理论上讲，决定模型中变量滞后的最大阶数的依据是误差项为一新生过程。 在实际中，人们更多的是从经验出发判断阶数。 如果采用季节数据，滞后阶数至少大于4；如果采用年度数据，滞后阶数至少大于1。 如果y表示消费，z表示收入，那么(2,2)较为合适，因为消费的调整比较容易； 如果y表示投资，z表示收入，那么滞后阶应该比较高，因为投资的调整比较困难。 在实践中，也可以开始设定较长的滞后阶数，然后对模型采用OLS回归，根据变量的显著性检验确定选择的阶数。 2、Akaike’s FPE Criterion 利用Akaike最终预测差（FPE, Final Prediction Error）标准为基础确定最优滞后期。 给定不同的p值进行估计 其中ESS(p)为不同的p值时的OLS估计残差平方和。选择使得ESS(p)最小的p*为y的最优滞后期。 将y的最优滞后期p*作为给定值代入模型 给定不同的q值进行估计 选择使得ESS(p*,q)最小的q*为z的最优滞后期。 二、正交化变换 在确定了模型中变量滞后的最大阶数后，对一般模型施加某种变换，使解释变量之间近似正交。 在已经见到的动态模型中，一般都将正交变换过程与引入误差修正机制结合起来，最后得到解释变量具有近似正交性的误差修正模型。 从理论上，下列过程可以实现正交变换。 下面以简单线性模型为例，说明正交变换过程。 经过正交变换的模型的解释变量是近似正交的，该模型有一个显著的优点是，在模型简化的过程中，当去掉系数估计值小的变量或者去掉显著性差的变量时，在数值上和统计上，几乎不改变剩余变量的系数估计值。 所以首先对模型进行正交变换，然后再对模型进行简化，应该是一条正确的建模路线。 关键是选择合适的H矩阵。这并非容易的事情。 三、协整检验（已经放在第2章） 四、协整与误差修正模型 ⒈用误差修正模型表示协整体系 其中每个方程都是一个误差修正型方程，可以剔除一些不显著的滞后差分项。误差修正项反映变量之间的关系偏离长期均衡状态对短期变化的影响，所有作为解释变量的差分项反映各变量短期变化对作为被解释变量的短期变化的影响。 ⒉ 动态计量经济学模型—误差修正模型 Hendry仅将它作为一种模型形式；Granger揭示了它的经济学和统计学内涵。 §6.3 动态计量经济学模型 5.3.1 从数据生成过程到自回归分布滞后模型 5.3.2 从自回归分布滞后模型到误差修正模型 本节说明 70年代末80年初，以英国计量经济学家D.F.Hendry为代表，在误差修正模型的基础上，提出了动态计量经济学模型的理论与方法。 动态建模理论具有与传统的经典建模理论不同的思路。 经典建模理论的模型设定理论可以概括为： 依据某种已经存在的经济理论或者已经提出的对经济行为规律的某种解释设定