非参数计量经济学模型.pptVIP

例题2—我国对外经济联系与国内通货膨胀关系的非参数估计 选定商品进出口总额X和外汇储备FC表示我国对外经济联系，代表通货膨胀的变量Y则采用居民消费价格指数。从《中国物价》得到1993年4月到1998年11月每月与上年同月相比的居民消费价格指数，再换算成每月与1992年4月相比的居民消费价格指数，用它作为被解释变量变量y。商品进出口总额资料来自《海关统计》外汇储备资料来自《中国金融》。 经典线性回归模型的估计结果如下： R2=0.84582, F=178.29，拟合的均方误差为11.035。 非参数模型采取高斯核估计方法，采用交错鉴定法选择最佳窗宽为0.25。拟合的均方误差为3.809。 三、非参数单方程模型的局部线性估计 ⒈局部多项式回归 对于非参数回归模型 将m(x)在x0处进行台劳展开 该多项式可用加权最小二乘法进行局部拟合。即最小化 如果有局部线性模型 若K()是[-1,1]上的均匀概率密度函数,则m(x)的局部线性估计就是落在[x-hn,x+hn]的xi与其对应的yi关于该局部模型的最小二乘估计 。 若K()是[-1,1]上的Epanechnikov概率密度函数,则m(x)的局部线性估计就是落在[x-hn,x+hn]的xi与其对应的yi关于该局部模型的加权最小二乘估计 。当xi越接近x时，对应yi的权数就越大，反之，则越小。 若K()是[-∞,∞]上原点对称的标准正态密度函数,则m(x)的局部线性估计就是该局部模型的加权最小二乘估计 。当xi越接近x时，对应yi的权数就越大，反之，则越小。当xi落在[x-3hn,x+3hn]之外时，权数基本上为零。 局部线性估计原理的示意图 ⒉局部线性估计的逐点渐近偏和方差 由比较可见，Nadaraya-Watson核估计的方差与局部线性估计的相同，但偏却多了一项；局部线性估计的渐近偏与解释变量的密度函数无关，因而具有数据类型的适应性，即既适合均匀分布的解释变量，又适合非均匀分布的解释变量。 由于局部线性估计是模型局部台劳线性展开的局部加权最小二乘估计，比局部台劳零阶展开的核估计的局部展开项多了线性项，所以，局部线性估计的性质好于核估计。 使得局部线性估计的渐近均方误差达最小的最佳窗宽和最佳核函数仍为相同的形式。 ⒊局部线性估计的优点 局部线性估计的局部斜率能够动态地反映经济现象的结构变化。 局部线性估计假定变量之间的关系未知，因而没有隐含任何假设条件，所以更加符合实际。 没有其它普遍使用的核估计可能导致不必要的偏差。 局部线性估计方法既适合于解释变量为确定性变量的固定设定模型，也适合于解释变量为随机性变量的随机设定模型。 局部线性估计方法适合于随机设定模型解释变量分布均匀情形，也适合于分布不均匀的情形 局部线性估计不必进行边界修正，它在边界的偏差自动与内部的偏差有相同的阶 局部线性估计在所有线性估计中，在极小极大效率意义上接近于最优，它的有效性为100% ⒋变窗宽局部线性估计 看下面的例题 ⒌例题 建立如下消费函数的非参数回归模型： Y为国内生产总值,C为居民消费总额。由于各经济指标随着年份的增加,变化量逐渐增大,为此在第i年份取窗宽为: 数据表 Gauss计算程序 变窗宽局部线性估计的结果（平均拟合误差为121.58） XF：观测值，XFF：非参数拟合值 XF：观测值，XFF：非参数拟合值，XFFL：参数拟合值 四、非参数单方程模型的最小二乘估计 1、原理 非参数模型的整体逼近估计 用级数近似被解释变量的条件期望 根据残差平方和最小确定级数的系数。 一列数目随样本数增加而增加的近似函数 逼近 由最小二乘得到 2、正交序列估计 如果近似函数为一组正交基，称为正交序列估计。 正交基 正交序列展开 常用的正交基有标准的Legendre多项式和Fourier基。（见教材第75页） 3、样条估计 多项式样条 固定节点序列 立方样条函数 平滑样条 多项式样条估计取决于节点个数和节点位置的选择，节点位置应选择曲线的曲率明显有较大变换的位置。 平滑样条是一种自动选择节点的方法。（教材76-78页） 4、有关文献检索 级数估计量在独立同分布样本下的收敛速度和渐近正态性研究。 Stone (1985, Annals of Statistics) Cox (1988，Annals of Statistics) Andrews (1991, Econometrica) Andrews and Whang (1990, Econometric Theory) Eastwood and Gallant (1991, Econometric Theory) Gallant and Souza (1991, Journal of Econometrics)