滞后变量模型.ppt

§5.2 滞后变量模型;一、滞后变量模型;1、滞后效应及其原因;;2、滞后变量模型 ;（1）分布滞后模型（distributed-lag model） ;（2）自回归模型（autoregressive model）;3、滞后变量模型的作用 ;二、分布滞后模型的参数估计; 无限期的分布滞后模型，由于样本观测值的有限性，使得无法直接对其进行估计。 有限期的分布滞后模型，OLS会遇到如下问题： ◎没有先验准则确定滞后期长度； ◎如果滞后期较长，将缺乏足够的自由度进行估计和检验； ◎同名变量滞后值之间可能存在高度线性相关，即模型存在高度的多重共线性。 ; 2、分布滞后模型的修正估计方法 ;A、 递减型：;◎即认为权数是相等的，X的逐期滞后值对值Y的影响相同。 ◎如滞后期为3，指定相等权数为1/4，则新的线性组合变量为：;【例5.2.1】 对一个分布滞后模型： ; 经验权数法的优点是：简单易行；缺点是：设置权数的随意性较大;（2）阿尔蒙（Almon）多项式法 （Almon，1965）;假定其回归系数 ?i 可用一个关于滞后期i 的适当阶数的多项式来表示，即: ;定义新变量 ; 由于m<s，新模型中的变量个数少于原模型中的变量个数，从而自由度得到保证，并在一定程度上缓解了多重共线性的问题。 使用阿尔蒙法需要事先确定两个问题： ■ 滞后期长度s：经济理论、实际经验、统计检验 ■ 多项式次数m：主观确定;【例5.2.2】 表5.2.1给出了中国电力基本建设投资X与发电量Y的相关资料，拟建立一多项式分布滞后模型来考察两者的关系。 ;由于无法预见知电力行业基本建设投资对发电量影响的时滞期，需取不同的滞后期试算。;＃ 对滞后6期的模型进行OLS估计的结果：;（3）科伊克（Koyck）方法; 科伊克变换的具体做法:;科伊克模型的特点： ;三、自回归模型的参数估计;一个无限期分布滞后模型可以通过科伊克变换转化为自回归模型。 事实上，许多滞后变量模型都可以转化为自回归模型，自回归模型是经济生活中更常见的模型。 以自适应预期模型以及局部调整模型为例进行说明。; （1）自适应预期（Adaptive expectation）模型;为了处理这种现象，可以将解释变量预期值引入模型，建立“期望模型”。包含一个预期解释变量的???望模型具有如下形式：;这个假定还可写成：;其中：;（2）局部调整(Partial Adjustment)模型; Yte同样不可观测。而可以想像，因变量的实际变化往往只是预期变化的一部分。例如由于生产条件的波动，生产管理方面的原因，库存储备Yt的实际变化量只是预期变化的一部分。故有如下局部调整假设：;2、自回归模型的参数估计; ◎局部调整模型： ; (1) 工具变量法;由于原模型已假设随机扰动项?t与解释变量X及其滞后项不存在相关性，因此上述工具变量与?t不再线性相关。 一个更简单的情形是直接用Xt-1作为Yt-1的工具变量。;（2）普通最小二乘法 ;例5.2.3 建立中国长期货币流通量需求模型 ;对局部调整模型; 注意：;四、格兰杰因果关系检验;自回归分布滞后模型旨在揭示：某变量的变化受其自身及其他变量过去行为的影响。 然而，许多经济变量有着相互的影响关系;1、格兰杰因果关系含义（Granger causality）;2、格兰杰因果关系检验（Granger test of causality）; 可能存在有四种检验结果： （1）X对Y有单向影响，表现为（*）式X各滞后项前的参数α在统计上整体显著不为零，而（**）式Y各滞后项前的参数λ在统计上整体显著为零； （2）Y对X有单向影响，表现为（**）式Y各滞后项前的参数λ在统计上整体显著不为零，而（*）式X各滞后项前的参数α在统计上整体显著为零； （3）Y与X间存在双向影响，表现为（*）式X各滞后项前的参数α与（**）式Y各滞后项前的参数λ在统计上整体均显著不为零； （4）Y与X间不存在影响，表现（*）式X各滞后项前的参数α与（**）式Y各滞后项前的参数λ在统计上整体均显著为零； ;格兰杰检验是通过受约束的F检验完成的。;注意： 格兰杰因果关系检验对于滞后期长度的选择有时很敏感。不同的滞后期可能会得到完全不同的检验结果。 因此，一般而言，常进行不同滞后期长度的检验，以上述检验模型中的随机误差项不存在序列相关的滞后期长度来选取滞后期。 Eviews提供了格兰杰因果关系检验的选项，可以直接进行相应的检验。;例5.2.4 检验1978~2000年间中国当年价GDP与居民消费CONS的因果关系。 ;取两阶滞后，Eviews给出的估计结果为： §5.2 滞后变量模型;一、滞后变量模型;1、滞后效应及其原因;;2、滞后变量模型 ;（1