3宏观经济的数量化研究体系梁福涛知识讲解.pptVIP

回归后，得到各回归方程的平方和： 同样，选择其中ESS最大并通过F检验的变量作为新增解释变 量，假定是X3。此时可确定一个基本的回归方程： 重复这一过程，直到所有变量中，边际贡献显著的变量全部引 入回归模型中为止，得到最终的回归式： 也可以采用逐步减少边际贡献不显著的变量的方式，逐步回归 确定。回归模型包括的变量，方法一样。 ……………………………… 注意：还可以选择滞后变量、多阶滞后变量 滞后变量是批在回归模型中，因变量与解释变量 的时间滞后量。如： 第一模型称作外生滞后变量模型或分布滞后模型。 第二个模型称为内生滞后变量模型或自回归模型 在很多经济分析中，把滞后变量引入模型中是必要 的，这里先讨论滞后模型 3.2 非线性模型转换 因变量和解释变量之间的线性关系，包括参数线性和解释变量 线性两种。前面的分析假定总体回归函数的形式为： 但是根据经济现实或经济理论，变量之间不一定存在这种形式 的线性关系。如参数线性形式的回归函数： 或参数、变量均为非线性形式的函数关系，如C-D生产函数 对于这此不符合线性假定的模型进行参数估计，必须加以适当 的变换以后，才能用OLS方法估计模型参数。 对参数线性的模型，可以采用变量的直接代换，转化为参数、变量均为线性的形式进行估计。 倒数模型： 函数形式为： 令变量　　　　　，则回归函数可变为： 根据解释变量的观测值，计算出X*i的之后进行OLS估计，得到： 因此可以得到原模型的估计方程： 对数线性模型： 通过对原模型的对数变换，函数形式可变为： 令变量　　　　　　　　，则回归函数可变为： 根据解释变量的观测值，进行OLS估计，得到： 因此可以得到原模型的估计方程： 例如，估计C-D函数：　　　　　　，两取对数后： 因此，C-D函数的估计形式为： 多项式模型 模型的函数为： 令变量　　　　，同样可以进行参数的OLS估计。 3.3 虚拟变量估计 虚拟变量的引入 在经济分析中，某些特殊因素会影响到产量的取值，如季节对饮料需求的影响，特定时期实施特殊政策对各宏观经济变量产生的影响等。而这些因素属于“定性”的变量，可以通过赋予一个数量值，以虚拟变量（哑变量）的形式进入分析模型中。 例如，消费函数模型： Ct=b0+b1Yt+ut → Ct=b0+b1Yt+b2Dt+ut 根据回归结果，正常年份的基本支出水平比反常年份小，而边际支出倾向不变。 虚拟变量的不同形式 虚拟变量在模型中可代表对截距的影响，如：Ct=b0+b1Yt+b2Dt+ut　（Dt在正常年份取１，反常年份取０） 可利用OLS估计得到估计结果： 正常年份 反常年份 正常年份 反常年份 Ct Yt 0 虚拟变量在模型中也可以代表对和参数的全面影响，如 该式可变为： 如果得到估计方程： 多个虚拟变量的引入及虚拟变量陷阱问题 在模型中，对一个定性变量可能需要引入多个虚拟变 量。典型的例子是季节变化对商品销售的影响 正常年份 反常年份 假定销售方程为 由于季节变化对销售有重要影响，引入四个虚拟变量： 销售的季节模型可写为 在该季节模型： 中，有： 即解释变量间存在完全的共线性，因些模型无法估计。这就是虚拟变量陷阱。 为了解决这一问题，在引入虚拟变量时，对于一个有Ｍ种可能的定性变量，只能引入Ｍ－１个虚拟变量，如前面的模型： 销售方程为： 　 　引入四个虚拟变量： 　销售的季节模型为 　该方程即可进行估计 引入不同定性变量的多个虚拟变量 在模型中，如果有多个定性变量对因变量有影响，可同时把对应于各定性变量的虚拟变量引入模型。如，季节变化和当年是否重大事件发生对商品的销售都有影响，销售回归方程可写为： 其中，Qt(取1或0)代表正常年份和反常年份，而D2~D4 代表季节变化。 使用的原则，仍是对于任一个有Ｍ种 可能的定性变量，只能引入Ｍ-1个对应的虚拟变量。 主要内容 经济金融分析预测的一般方法与逻辑框架建立 计量经济建模、预测方法 非线性模型转换、虚拟变量等实用问题 经济景气指数构建 我们的经济预测模型示例 申万宏观经济景气指数 4.1 申万宏观经济景气指数 数 据 库 景气指数初选指标 （领先、一致、滞后） 同比涨幅计算 景气指数初选指标组 （领先、一致、滞后） 合成指数 （领先、一致、滞后） 合成指数分析检验 分析师经验 统一口径 季节性调整 图形对比 时差相关分析 Ｋ－Ｌ信息量 经济景气指数编制流程图 研究结论 研究确定经济景气指数体系包含6个领先指标，即对外贸易指数、货币流动性指数、发电量、铜产量、外商直接投资合同金额、Ａ股成交量，５个一致指标，即M2、企业存款、沿海主要港口货物吞吐量、财政收入、铝产量、5个滞后指标、即PPI、原材料价格、工业