计量经济学第三版课件于俊年 ISBN9787566310101 PPT12第十二章12.4三版.ppt

* §12.4 自回归模型的估计 一、三种自回归模型的回顾 为了使讨论更具普遍性，我们把§12.3节学过的 三种自回归模型概括成如下形式 (12.4.1) 其中 显然，模型(12.4.2)的随机项vt不满足假定4，即vt具 有相关性，同时也不满足假定5，即随机解释变量 yt-1与vt, vt-1，…相关。模型(12.4.3)的仅仅不满足假 定5，即随机解释变量yt-1与vt-1，vt-2，…相关。 不失一般性，我们可以对模型(12.4.1)作进一步的简化： （1）由于自回归模型的特点取决于滞后因变量yt-1的存 在，与xt无关，因此在讨论模型的性质时可以将xt从模 型中舍去，同样常数项也可以舍去。 （2）对模型(12.4.2) 有自相关，我们不妨假设是 一阶线性自相关。 此时，模型(12.4.1)可以简化为： （μt满足假定1-4并且与vt-1无关） (12.4.4) 对模型(12.4.3) （vt满足假定1-4，部分调整模型） (12.4.5) 其中（12.4.4）与（12.4.2）对应，（12.4.5） 与（12.4.3）对应。 应该指出的是(12.4.4)中vt与随机解释变量yt-1相关， 而(12.4.5)中vt与yt-1不相关。简化模型(12.4.4)和 (12.4.5)作为自回归模型具有与(12.4.1)相同的特点， 要搞清(12.4.1)模型的性质只须研究简化模型 (12.4.4)和(12.4.5)就行了。 二、参数估计量的统计性质 对模型(12.4.4)和(12.4.5)应用最小二乘法有 (12.4.6) 两端取期望值： (12.4.7) 由于yt-1是随机变量，所以 (12.4.8) 表明：三种模型(柯克模型、适应性期望模型、部 分调整模型)的 皆不是β的无偏估计量。 再对(12.4.6)两端取概率极限： (12.4.9) 对模型(12.4.5)，由于yt-1与vt不相关，所以有 便有 (12.4.10) 表明，部分调整模型参数β的最小二乘估计量虽然 不是无偏估计量，却是一致估计量。 对于模型(12.4.4)，由于yt-1与vt相关，所以 于是 (12.4.11) 表明：柯克模型和适应性期望模型的参数β的最 小二乘估计量不仅是有偏而且还是非一致的。因此， 最小二乘法对柯克模型和适应性期望模型不适用。 三、关于自相关的h检验法 自回归模型中含有滞后因变量yt-1作为解释变量。 这时要检查模型中随机项是否存在自相关性， D—W检验已经不适用了。 Durbin本人于1970年提出一种在大样本情形下检 验自回归模型(12.4.1)是否有一阶自相关的方法， 这种方法称为h检验法。他定义的统计量为： (12.4.12) 其中 是yt-1的系数估计值， 的样本方 差估计值，n为样本容量， 为一阶自相关系数 的估计量。在应用时，可取 ，其中 d为通常意义下的D—W统计量。 在大样本情形下，Durbin证明：若ρ = 0,则统计 量 h 近似服从标准正态分布，由此得出检验方法。 假设H0: ρ = 0, H1: ρ ≠ 0对给定的显著水平α， 有正态分布临界值 ，若 ，则否定H0， 断定随机误差项存在自相关。反之，不否定H0， 即接受无自相关假设。 h检验法的特点： (1)统计量h 值的大小仅与滞后因变量yt-1的系数估 计量的方差有关，至于模型中出现多少个自变量 x或其它y的滞后值无关紧要。 (2)当 时，统计量值无意义，这种检验 方法不能用。 (3) h检验法只适用于大样本情形。 四、自回归模型的估计 (一)随机项无自相关情况。 部分调整模型(12.4.3)属于这种情况。它的特点是： 估计方法：最小二乘估计法(OLS法)得的是有 偏估计量，但是，在大样本的情况下，其估计量 是一致的。 (二)随机项有一阶线性自相关 1.工具变量法(IV法) 第一步，先对模型 (12.4.13) 应用OLS估计。当自变量x的各期滞后值高度相关 时，一般取滞后长度为2或3。假设估计的结果为 滞后一期 (12.4.14) 第二步，以 作为工具变量代替(12.4.1)中的随机 性解释变量yt-1，得模型： (12.4.15) 再对(12.4.15)应用OLS法，可得到参数的一致估计值。 2.广义最小二乘法(GLS法) 对模型 (12.4.16) 其中μt满足假定1-4且与yt-1不相关。将(12.4.16) 推迟一期乘以自相关系数ρ得 (12.4.17) (12.4.16)减去(12.4.17)整理得： (12.