计量经济学ch10-时间序列数据.pptVIP

李强-计量经济学 李强-计量经济学 李强-计量经济学 * 时间序列数据 yt = b0 + b1xt1 + . . .+ bkxtk + ut 1. 基础 * 李强-计量经济学 * 时间序列与横截面数据 与横截面数据不同，时间序列数据有时间排序 需要改变一些假设，因为我们不再有个体的随机样本 而是，我们有某随机过程的一个可能结果或实现( realization ) * 李强-计量经济学 * 时间序列模型的例子 静态时间序列模型只包括当前期的变量: yt = b0 + b1zt + ut Eg. inft= b0 + b1unemt + ut 有限分布滞后(finite distributed lag, FDL) 模型允许自变量的滞后期影响当前期的y： yt = a0 + d0zt + d1zt-1 + d2zt-2 + ut eg. 更为一般地， q 阶滞后的有限期滞后模型包括自变量Z的q 阶滞后 * 李强-计量经济学 * 有限期滞后(FDL) 模型 yt = a0 + d0zt + d1zt-1 + d2zt-2 + ut 假设z是一个常数，在t期前等于c ；在t期增加到c+1,在t+1期又回到c, 即暂时增加 称d0 为冲击倾向(impact propensity) – 它反映了一单位变化对y 的即期影响 * 冲击倾向(续) d1= yt+1 – yt-1 是暂时变化一期以后y的变化 d2= yt+2 – yt-1 是暂时变化两期以后y的变化 两期以后，不再有影响 * 李强-计量经济学 * 长期倾向long-run propensity (LRP) zt =c, st; zt =c+1, s=t 称d0 + d1 +…+ dq 为长期倾向或长期乘数 反映了一单位z 的永久性变化对于y的长期影响 * 李强-计量经济学 * 李强-计量经济学 * 无偏性假设 TS .1仍然是假设线性模型: yt = b0 + b1xt1 + . . .+ bkxtk + ut TS.2 仍然是无完全共线性 TS.3 仍然是零条件均值假设: E(ut|X) = 0, t = 1, 2, …, n 注意：意味着t时期的残差 ut与每一时期的任何解释变量都无关 此时称X是严格外生的 (strictly exogenous) * 李强-计量经济学 * 假设 (续) 另外一个更加与横截面数据类似的假设是 E(ut|xt) = 0 该假设意味着X是同期外生的(contemporaneously exogenous) TS.3 不仅要求同期外生性，即使s≠t，ut也必须与xs无关 回想，在横截面中我们并不假设个体i残差与个体h 的解释变量不相关（因为随机抽样） * 零条件均值假设 (续) TS.3 要求当期的ut不会引起将来Z的变化 但经济学中这个假设常常不能成立，例 mrdrtet = b0 + b1poplct + ut 假设ut与当期（和过去的）警察数量不相关似乎还有些道理 但一个城市往往根据(过去的)谋杀率来调整警察数量，则poplct+1和ut就是相关的 货币供给，限速的设定，财政支出均受过去影响 在生产函数中降雨量不受过去产量的影响 * 李强-计量经济学 * 李强-计量经济学 * OLS 的无偏性 基于以上三个假设，使用时间序列数据进行估计的OLS估计量是无偏的 因此，与使用横截面数据相同，在一定条件下，OLS是无偏的 且关于遗漏变量偏误的分析也与横截面数据相同 * 李强-计量经济学 * OLS估计的方差 同横截面数据一样，为了推导方差我们需要加入同方差假设 假设 Var(ut|X) = Var(ut) = s2 因此，方差与所有的x无关，且为为常数 我们还需要“无序列相关”假设: 对于t ? s，Corr(ut,us| X)=0 * 李强-计量经济学 * OLS估计的方差（续） 满足以上五个假设，使用时间序列数据进行OLS估计的方差与使用横截面数据相同 OLS 仍然是 BLUE的 若再加上正态分布假设，统计推断也是相同的 * Example 10.1 use phillips, clear des tsset year des reg inf unem reg inf unem if year=1996 * 李强-计量经济学 * Example 10.2 tsset year tsset year reg i3 inf def * 李强-计量经济学 * Example 10.4 use fertil3, clear des tsset year reg gfr pe ww2 pill reg gfr pe pe_1 pe_2 ww2 pill LRP=?