管理定量分析第章非平稳时间序列.pptVIP

例如，校团委认为每年三月份的“学雷锋”活动产生的好人好事数量剧增的影响。“学雷锋”活动从3月1日开始，持续到3月底结束。团委书记对这个假设很感兴趣，他从数据库中调取了全校每个月登记的好人好事件数。数据见表9—5 。 第二十九页，共六十一页。 第三十页，共六十一页。 第三十一页，共六十一页。 9.2.1利用数据来表示计划变动 到目前为止，在本章所用的断续时间序列分析模型中，自变量或者是趋势变量、虚拟变量，或者是某种计数变量。虚拟变量是反映政策或新计划的变动的非常粗略的指标。分析人员通常用更好的测度来反映政策变动。 第三十二页，共六十一页。 例如，让我们假定政府想了解医疗救助计划(一个面向低收入人群的保健计划)对婴儿死亡率是否产生了影响。 婴儿死亡率(每1000名活产婴儿中的婴儿死亡数)是因变量；分析覆盖的时期从1951-1988年。 在医疗救助计划实施( 1965年)之前，由于营养与医疗水平的普遍改善，婴儿死亡率一直在下降。为了反应改善的一般趋势，引入了一个趋势变量( x1),1950年取1，以后每年递增1。传统的断续时间序列会建立两个新的自变量:一个是短期效应( x2)，医疗救助计划实施(1965年)以后取1，实施以前取0；另一个是长期效应，医疗救助计划实施以前取0，实施以后为一个计数变量(x3 )。 这种断续时间序列回归的结果如下: 第三十三页，共六十一页。 第三十四页，共六十一页。 检验医疗救助计划对婴儿死亡率的影响的另一种方法是使用医疗救助总支出(单位为不变价百万元)。这种断续时间序列分析结果如下: 第三十五页，共六十一页。 第三十六页，共六十一页。 9.2.2控制其他变量 断续时间序列分析的一个优点是它允许分析人员对可能影响因变量的其他因素进行控制，方法是把这些因素作为附加的自变量引入分析。 第三十七页，共六十一页。 例如，2005年，政府非常关心为医疗改革的效果。政府专门成立了医疗费用监控中心，该中心的任务是降低医疗费用。 他们按照工作目标，提出并实施了新的计划，为了确定这一计划是否影响医疗费用，可以把单位为百万元的医疗费用作为因变量，自变量可以包括两个：一个是趋势变量(x1 )，每年增加1；另一个是关于医疗费用监控中心计划的短期影响变量( x2)。 这个估计的问题在于它没有考虑由通货膨胀导致的医疗费用的迅速上涨。只要把通货膨胀的测度引入回归方程，断续时间序列分析就可以处理这个问题。 本例中，医疗价格的测度(医疗价格指数，以1997年为100)作为第三个自变量( x3)被引入回归分析。回归结果如下: 第三十八页，共六十一页。 第三十九页，共六十一页。 第四十页，共六十一页。 9.3非平稳时间序列的特殊问题 9.3.1滞后效应 9.3.2自相关 9.3.3一个综合问题：多重共线性 第四十一页，共六十一页。 9.3.1滞后效应 虽然在我们的例子中我们假设政策自其颁布之日起就发生效用，但是这个假设不是在任何情况下都是合理的。 有时候法律在这年颁布，但却在下一年实施。在进行时间序列分析时，你需要考虑如何合理地假设你的政策被实施或被认为显示出显著影响的时间。 如果时间是在年中，那就可以把该年编码为1。如果无法确定时间，你可以试着选取两年或是更多年份作为政策实施年份，看看它们在模型中会产生什么样的影响。 第四十二页，共六十一页。 例如，l986年美国大学体育总会（NCAA）提高了对新招募的运动员在教育程度上的要求，但是直到l990年，这项政策才对大学毕业的运动员的比率显示出影响（或在那些优秀运动员居多的学校，直到l991或1992年才显示出影响）。 如果是这样的话，那么对于政策实施后的对应变量，我们就不应把开始实施政策的1986年编码为1，而是应把1990年编码为1，1991年为2等等。对于虚拟变量，也应将1990年前编码为0，1990年及其以后编码为l。在对滞后效应处理时，需要考虑政策效应发生前多长时间是合理的，并据此建立起回归方程。 第四十三页，共六十一页。 第9章 非平稳时间序列 第一页，共六十一页。 在很多情况下，公共管理者通过制定政策来改变人们的行为模式。 例如，2012年，江苏省政府印发《江苏省新能源汽车推广应用指导意见》，对在省内发展和推广新能源汽车作出了全面说明。《意见》规定“2014年底前，南京、苏州、南通等新能源汽车应用试点城市要确保分别推广应用新能源汽车1000辆以上”。 这个文件是否提高了新能源汽车的推广速度？ 第二页，共六十一页。 1998年中国房改刚刚开始时，任务的核心是“建立和完善以经济适用住房为主的住房供应体系”。2003年8月12日，由建设部起草的“关于促进房地产市场持续健康发展的通知”出台。在这份文件里，经济适用房由“住房供应主体”被改为“具有保障性质的政策性商品住房”。经济适用房性质