拟合趋势分析 计量经济学 EVIEWS建模课件幻灯片课件.pptxVIP

拟合趋势分析本节从时序的趋势模拟角进行分析，探索合理的模拟形式、估计方法等技术处理问题：一、趋势模型的形式判定二、趋势的显著性估计三、模型设定的计量检验一、趋势形式的判定设时间t为解释变量，以时序数列Yt为被解释变量，建立回归方程，是更方便适用的。常用的模型及其线性化处理如下：⑴简单线性方程当观察序列呈线性分布时，使用：Yt=β0+β1t+εt来模拟其长期趋势。其中：ε是期望值为0，方差为固定常数的纯随机过程。⑵二次曲线模型当数据的散点分布呈抛物线时，可以使用：Yt=β0+β1t+β2t2+εt经线性化后有：Yt=β0+β1t1+β2t2+εt⑶三次曲线模型当数据的散点分布累积分布时，可以使用：Yt=β0+β1t+β2t2+β3t3＋εt经线性化后有：Yt=β0+β1t1+β2t2+β3t3+εt⑷双倒数模型当数据的散点分布如下图所示时，可以使用：1/Yt=β0+β1/t+εt经线性化后有：yt=β0+β1t1+εt⑺幂函数模型当数据的散点分布如下图所示时，可以使用：Yt=a tb eεt经两边取对数的线性化后有：yt=β0+β1t+εt⑻指数函数模型当数据的散点分布如下图所示时，可以使用：Yt=a ebt+ε经两边取对数的线性化后有：yt=β0+b t+εt⑼生长曲线 (logistic) 模型当数据的散点分布如下图所示时，可以使用：Yt=K÷(1+ef(t)+ε)一般：f(t)=a0+a1t+a2t2+…+an tn；而常被使用的形式为: f(t)=a0-at；则有：这是美国人口统计学家Pearl和Reed广泛研究了有机体的生长，得到了生长模型（或称逻辑斯谛曲线、Pearl-Reed曲线）。该模型常用于描述有机体生长发育过程。其中：a, b 为待估参数；曲线有拐点坐标为［(lnb)/a，K/2]，曲线的上下两部分对称于拐点；k和0分别为Yt的生长上限和下限。其极限式如下： 为能运用最小二乘法估计参数a, b，必须事先估计出生长上极限值k。线性化过程如下。当k给出时，作如下变换：移项有，K/Y-1=取自然对数有：Ln ( K/Yt - 1) = Lnb - a t + ut 令yt* = Ln ( k/yt - 1), b* = Lnb, 则： yt* = b* - a t + ut 此时可用最小二乘法估计b*和a。 ⑽龚伯斯（Gompertz）曲线模型当数据的散点分布如下图所示时，可以使用：曲线的上限和下限分别为k和0。a, b 为待估参数。曲线有拐点，坐标为[(lnb)/a,k/e]，但曲线不对称于拐点。一般情形，上限值k可事先估计，有了k值，才能估计参数。英国统计学家和数学家最初提出把该曲线作为控制人口增长的一种数学模型，此模型可用来描述一项新技术，一种新产品的发展过程。当k给定时，线性化过程如下：Ln[Ln(k/Yt)] = Lnb - a t令y*= Ln[Ln(k/yt)], b* = Lnb，则 :y* = b* - a t上式可用最小二乘法估计b* 和 a。二、趋势的显著性估计EViews中的单方程回归估计是用方程对象来完成的。为了创建一个方程对象: 从主菜单选择Object/New Object/Equation 或 Quick/Estimation Equation …，或者在命令窗口中输入关键词equation。在随后出现的方程说明对话框中说明要建立的方程，说明的方法有两种：列表法简单但是只能用于不严格的线性说明；公式法更为一般，可用于说明非线性模型或带有参数约束的模型。现以蒙特卡罗数据为例进行线性估计如下： ㈠线性显著性估计⒈ 以模拟数据进行估计⑴Eviews程序的使用⑵加法模型估计的结果Y4J = 36+ 0.3994148685*T⑶乘法模型的估计结果Y4C = -0.04057616074 + 0.0005713108879*T可见乘法模型中随机和周期因素的作用使趋势反映不明显了。所以在趋势判断前，要先剔除周期和随机因素的影响。⒉ 显著性检验对上述加法和乘法两个模拟数据模型的趋势估计进行显著性检验如下：⑴加法模型的估计是显著成立的⑵乘法模型的估计不成立可见由于周期因素的影响使得趋势作用不显著的可能性已高达16%了。中国纪年公元人口（亿人, popu）武王克商（西周建国）-10460.0550周平王元年（东周始）-7710.1000秦始皇称帝-2210.2000汉高祖5年（西汉建国）-2020.1310汉文帝23年-1570.2500汉平帝2年20.6300汉桓帝11年1570.7200魏文帝（曹丕）元年2200.1900晋武帝（司马炎）元年2650.2754晋惠帝10年3000.3479晋安帝10年4070.3228隋文帝（杨坚）10年5810.4530唐玄宗（李隆基）44年