第8章滞后变量模型-公开课件（讲义）.pptVIP

3．广义差分法 p阶自回归模型的解释变量中含有滞后因变量，它可能与随机误差项相关；而且随机误差项还可能自相关。对于前者，选择工具变量法。对于后者，采用广义差分法来修正模型中随机误差项自相关问题。 8.5 案例分析 表8.5.1给出了某地区消费总额y(亿元)和货币收入总额x(亿元)的年度资料，试分析消费同收入的关系。 表8.5.1 某地区消费总额和货币收入总额年度资料 年份 x y 年份 x y 1966 103.169 91.158 1981 215.539 204.750 1967 115.070 109.100 1982 220.391 218.666 1968 132.210 119.187 1983 235.483 227.425 1969 156.574 143.908 1984 280.975 229.860 1970 166.091 155.192 1985 292.339 244.230 1971 155.099 148.673 1986 278.116 258.363 1972 138.175 151.288 1987 292.654 275.248 1973 146.936 148.100 1988 341.442 299.277 1974 157.700 156.777 1989 401.141 345.470 1975 179.797 168.475 1990 458.567 406.119 1976 195.779 174.737 1991 500.915 462.223 1977 194.858 182.802 1992 450.939 492.662 1978 189.179 180.130 1993 626.709 539.046 1979 199.963 190.444 1994 783.953 617.568 1980 205.717 196.900 1995 890.637 727.397 图8.5.1 y与x各期滞后值的相关系数 方法一：阿尔蒙多项式估计法 首先使用互相关分析命令cross，初步判断滞后期的长度。在命令窗口键入：cross y x，输出结果见图8.5.1。 从图8.5.1中y与x各期滞后值的相关系数可知，消费总额y(亿元) 与当年和前三年的货币收入总额相关，因此，利用阿尔蒙多项式估计法估计模型时,解释变量滞后阶数取3。利用EViews软件，建立工作文件，输入样本数据，在命令窗口键入： LS y c PDL(x,3,2) 得到以下回归分析结果(表8.5.2)。 表8.5.2 回归结果 表8.5.2 回归结果 估计结果如下： 图8.5.2 残差图 阿尔蒙多项式估计结果较好，从残差图(见图8.5.2)也可以看出拟合程度较好。 方法二：工具变量法 利用OLS法估计分布滞后模型(滞后期长度为3) LS y c x(0 to -3) 估计结果如表8.5.3。 表8.5.3 回归结果 容易发现上述回归结果存在1阶、2阶自相关。在上述方程窗口点击Forcast，求出 ，用工具变量 代替滞后被解释变量 ，用广义差分法消除1阶、2阶自相关，即在命令窗口键入命令：LS Y C X YF(-1) AR(1) AR(2) 可得表8.5.4回归结果。 表8.5.4 回归结果 利用表8.5.1所给数据，得如表8.5.5回归结果。 表8.5.5 回归结果 回归结果显示，t检验值、F检验值比较显著，拟合优度较高，但是LM(1)=3.935， LM(2)=4.419，存在1阶自相关。下面用广义差分法加以修正，估计结果如表8.5.6所示。 表8.5.6 回归结果 在EViews中输入x和y的数据，然后在命令窗口生成新数据序列的Genr命令，依次键入生成z0、zl、z2的公式： GENR z0=x+x(-1)+x(-2)+x(-3) GENR z1=x(-1)+2*x(-2)+3*x(-3) GENR z2=x(-1)+4*x(-2)+9*x(-3) 打开Equation Specification对话栏，键入回归方程形式： y c z0 zl z2 点击OK，屏幕显示回归估计结果(表8.2.4)： 表8.2.4 回归结