滞后变量模型与自回归模型

合集下载

滞后变量讲义

滞后变量讲义
1
滞后解释变量X
t
,最大限度地节省了自由度,
i
解决了滞后期长度k难以确定的问题;
二是由于滞后一期的被解释变量Yt
1与X
的线性
t
相关程度小于X的各期滞后值之间的相关程度,
从而缓解了多重共线性。
柯伊克变换的缺点:
一是模型存在随机误差项vt的一阶自相关性;
二是随机解释变量Yt1与随机项vt相关,即 Cov(Yt1,vt ) 0.
四、分布滞后模型的估计
1.经验权数法 所谓经验权数法,是根据实际经济问题的特点 及经验判断,对滞后变量赋予一定的权数,利用这 些权数构成各期滞后变量的线性组合,以形成新的 变量,再应用最小二乘法进行估计。
根据滞后结构的特点,经常使用的权数类型有:
(1)递减型:即各期权值是递减的,此时假定随着 时间的推移,解释变量的影响将逐期降低。例如, 消费函数模型
是相同的。
3.柯依克(Koyck)方法
柯依克方法是将无限分布滞后模型转换为自 回归模型,然后进行估计。
对于无限分布滞后模型
Yt 0 X t 1X t1 ut (1)
柯依克假定βi具有相同的符号,并且按几何级数 递减:
i 0i , i=0,1,2,
(2)
其中λ是一个介于0和1之间的常数,λ值的大小
三、滞后变量模型估计时存在的问题
(1)多重共线性问题; (2)自由度问题; (3)滞后长度难以确定。
处理方法:
对于有限分布滞后模型,其基本思想是设法有目 的地减少需要直接估计的模型参数个数,以缓解 多重共线性,保证自由度。
对于无限分布滞后模型,主要是通过适当的模型 变换,使其转化为只需估计有限个参数的自回归 模型。
(2)用OLS估计模型

大学生课件_数学统计学:回归模型的扩展课件:第五节 滞后变量

大学生课件_数学统计学:回归模型的扩展课件:第五节 滞后变量
Ct=0+1Yt+2Yt-1+3Yt-2+t Yt-1,Yt-2为滞后变量。
• 产生滞后效应的原因
1、心理因素:人们的心理定势,行为 方式滞后于经济形势的变化,如中彩票的 人不可能很快改变其生活方式。
2、技术原因:如当年的产出在某种程 度上依赖于过去若干期内投资形成的固定 资产。
3、制度原因:如定期存款到期才能提 取,造成了它对社会购买力的影响具有滞 后性。
Xt

0.8 4
X t1

0.8 6
X t2

0.8 8
X t3

0.5
0.4X t

0.2 X t1
0.133 X t2
0.1X t3
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
通常的做法是:
有限自回归分布滞后模型:滞后期长度有限
无限自回归分布滞后模型:滞后期无限,
(1)分布滞后模型(distributed-lag model)
分布滞后模型:模型中没有滞后被解释变量, 仅有解释变量X的当期值及其若干期的滞后值:
s
Yt i X ti t i0
0:短期(short-run)或即期乘数(impact multiplier), 表示本期X变化一单位对Y平均值的影响程度。
s
E(y) (i )x
i0
2、自回归模型(autoregressive model) 自回归模型:模型中的解释变量仅包含X的当 期值与被解释变量Y的一个或多个滞后值
q
Yt 0 1 X t iYti t i1
而 Yt 0 1 X t 2Yt1 t
2、滞后变量模型

Eviews:滞后变量模型

Eviews:滞后变量模型
因此,在有限分布滞后模型中, 运用阿尔蒙多项式法明显优于 OLS估计。
滞后效应及其成因
被解释变量受到自身或另一解释 变量的前几期值影响的现象称为 滞后效应。
产生滞后效应的原因众多,成因 主要有: 1、心理原因 2、技术原因 3、制度原因
滞后变量模型
以滞后变量作为解释变量,就得到滞 后变量模型,它一般形式为:
Ytα=1βX0t+-1β+‥1Yt+-1α+s‥X+t-Sβ+qμYtt-q+α0Xt+
滞后变量模型
滞后变量模型定义
在经济活动中,某些经济变量不但受 到同期各种因素影响,而且受到过去 时期的因素影响。通常把这种具有滞 后作用的变量叫做滞后变量(lagged variable),含有滞后变量的模型称为滞 后变量模型。由于其考虑是时间因素 的作用,因此又称为动态模型 (dynamic model)
模型包含着解释变量X分布在不同 时期的滞后变量,因此一般又称为自 回归分布滞后模型(autoregressive lag model, ADL).
ห้องสมุดไป่ตู้
分布滞后模型&自回归模型
分布滞后模型(distributed-lag model):如果滞后变量模型中没 有滞后被解释变量,仅有解释变 量X的当期值及其若干期的滞后 值。
Step 2
对变换后的模型进行OLS估计。
在eviews下,合成两步的命令为
ls y c pdl(x,6,2)
PDLs设置原则
其中设定的PDLs项应该遵循以下 原则:
PDL(序列名,滞后长度,多项 式阶数,【,数字码】
其中数字码规则为:1代表施加 近端约束,2代表施加远端约束, 3代表施加两端约束,如果不限 制,可以省略。

第七章 分布滞后模型

第七章  分布滞后模型
4
1、分布滞后模型 分布滞后模型形式为: 分布滞后模型形式为: 形式为
Yt = α + β 0 X t + β1 X t −1 + ⋯ + β s X t − s + ut

Yt = α + β 0 X t + β1 X t −1 + ⋯ + ut
其中第一式的最大滞后长度s是一个确定的数, 其中第一式的最大滞后长度s是一个确定的数 ,因 此是有限分布滞后模型 有限分布滞后模型。 此是有限分布滞后模型。 而第二式没有规定最大滞后长度, 而第二式没有规定最大滞后长度,是无限分布滞后 模型。 模型。
2
二、滞后效应产生的原因
1.心理原因(习惯的影响、信息不充分) 1.心理原因 习惯的影响、信息不充分) 心理原因( 经济活动离不开人的参与, 经济活动离不开人的参与,人的心理因素对 经济变量的变化有很大影响。 经济变量的变化有很大影响。一方面是心理定势 及社会习惯的作用;另一方面是预期心理的影响。 及社会习惯的作用;另一方面是预期心理的影响。 2.客观原因(技术性原因、制度性原因) 2.客观原因 技术性原因、制度性原因) 客观原因( 在经济运行中,从生产到流通, 在经济运行中,从生产到流通,每一个环节 都需要一段时间,从而形成滞后现象。另外, 都需要一段时间,从而形成滞后现象。另外,现 代社会中经济活动都是在一定制度下进行的, 代社会中经济活动都是在一定制度下进行的,从 而限制了对市场反应的灵活性。 而限制了对市场反应的灵活性。
Koyck提出了如下假定:参数按几何数列衰减, Koyck提出了如下假定:参数按几何数列衰减, 提出了如下假定 即: β i = β i −1λ i = 0, 1, 2, … 0, 或

第六章分布滞后模型与自回归模型分析

第六章分布滞后模型与自回归模型分析

第六章分布滞后模型与自回归模型分析分布滞后模型(Distributed Lag Models)和自回归模型(Autoregressive Models)是常用于时间序列分析的两种方法。

本章将分别介绍这两种模型以及其在经济学和社会科学领域中的应用。

分布滞后模型是一种广义的线性回归模型,用于分析变量之间的滞后效应。

它的基本形式可以表示为:Yt = α + β1Xt + β2Xt-1 + ... + βpXt-p + et其中,Yt是被解释变量,Xt是解释变量,β1到βp是与解释变量相关的系数,et是误差项。

模型中的滞后项Xt-1到Xt-p表示X在当前时间以及过去的一段时间内对Y的影响。

分布滞后模型可以用来研究两个或多个变量之间的滞后效应,并帮助研究者了解这些变量之间的动态关系。

分布滞后模型在经济学和社会科学领域中有广泛的应用。

例如,在宏观经济学中,可以用分布滞后模型来研究货币政策对经济增长的长期影响。

在健康经济学中,可以用分布滞后模型来研究疫苗接种对流行病传播的影响。

在社会学研究中,可以用分布滞后模型来研究教育程度对就业机会的影响。

自回归模型是一种基于时间序列的统计模型,用于预测一个变量在时间上的变化。

它的基本形式可以表示为:Yt = α + φ1Yt-1 + φ2Yt-2 + ... + φpYt-p + et其中,Yt是被预测的变量,φ1到φp是自回归系数,et是误差项。

自回归模型假设当前时间的值与过去时间的值有关,并且根据过去时间的值来预测未来时间的值。

自回归模型可以帮助研究者预测变量的趋势和周期性,并提供关于未来值的信息。

自回归模型在经济学和社会科学领域中也有广泛的应用。

例如,在金融学中,可以用自回归模型来预测股票价格的变化。

在气象学中,可以用自回归模型来预测天气变化。

在市场研究中,可以用自回归模型来预测产品销售量。

总之,分布滞后模型和自回归模型是两种常用的时间序列分析方法。

它们可以帮助研究者了解变量之间的滞后效应和趋势,并用于预测未来值。

gmm 滞后的解释变量

gmm 滞后的解释变量

gmm 滞后的解释变量
在统计学和机器学习领域,GMM(Gaussian Mixture Model,高斯混合模型)通常用于聚类分析和密度估计。

如果你提到 GMM 滞后的解释变量,我猜测你可能在谈论与时间序列相关的问题,其中 "滞后" 可能涉及到时间序列的滞后阶数。

在时间序列分析中,"滞后" 是指一个变量在时间上相对于另一个变量的延迟。

滞后可以用来捕捉时间序列数据的趋势和模式。

如果将 GMM 应用于时间序列数据,并且提到了滞后的解释变量,可能是在考虑时间序列中过去时刻的值对当前时刻的影响。

以下是一些可能的解释:
1. 滞后的自回归模型: GMM 可能被用于估计时间序列数据中的自回归模型,其中滞后的解释变量是过去时刻的观测值。

例如,ARIMA 模型(差分自回归移动平均模型)中的 AR 部分就是一种使用滞后的自回归模型。

2. GMM 用于建模时间序列的分量:GMM 也可以用于建模时间序列的不同成分,例如趋势、季节性和残差。

在这种情况下,滞后的解释变量可能是过去时刻的观测值,用于捕捉时间序列中的趋势和周期性。

3. 滞后作为特征:在机器学习的上下文中,GMM 可能用于建模包含滞后特征的时间序列数据。

滞后特征可以用于预测未来的观测值。

请注意,具体的应用会根据问题的上下文而变化,以上只是一些可能的解释。

如果有具体的问题或上下文,提供更多信息可能有助于提供更准确的解释。

自回归与分布滞后模型

自回归与分布滞后模型

制度原因 经济契约往往在某段时期内具有效力,因此合同义务 可能阻碍厂商们在劳动力和原材料之间的替代。 例如“锁定”状态。
§17.3 分布滞后模型的估计
• 两种方法: (1)现式估计法 (2)限定各β遵从某种变化模式的先验约束法
现式估计法
原理:
• 在使用现式估计法的时候,需要序贯地对原式进行估计, 这一序贯程序一直进行,直至滞后变量的回归系数开始统 计上不显著或至少有一个变量的系数变号为止。
• 分布滞后模型: 在涉及时间序列数据的回归分析 中,如果回归模型不仅含有解释变量X的当前 项.还含有它们的滞后(过去)项.则称之为分布 滞后模型。 • 自回归模型:如果模型在它的解释变量中包含有 应变量的一个或多个滞后项,则称之为自回归模 型。
例如
* Yt 0 xt 1 xt 1 2 xt 2 ut
是一个分布滞后模型。 *
Yt xt Yt 1 ut
则是自回归模型的一个例子.同时它也被称为动态模 型。
§ 17.1 时间或滞后在经济学中的作用
在经济学中,变量Y(被解释变量)很少是瞬 时的。常见的情形是Y对X的回应有一个时间的延迟, 这种时间延迟就称为滞后。
例如:消费函数
2
Y t 0 X t 0 X t 1 0 X t 2 … + t
(17.4.3)

严格地说,(对参数而言的)线性回归分析方法不适用 于这类 模型,然而考伊克提出了创造性的解决方法。 他将 (17.4.3)滞后一期得到
2
Y t-1 0 X t 1 0 X t 2 0 X t 3 … + t-1
其中t (t t 1 ), 为t 和t 1的一个移动平均

第七章分布滞后模型与自回归模型

第七章分布滞后模型与自回归模型

例如,包含一个预期解释变量的“期望模型”可以表现为如下形式:
Yt
=
α+
βX
* t
+ ut
u 其中,Yt为被解释变量,Xt*为解释变量预期值, t 为随机扰动项。
二、自适应预期模型
难点 预期是对未来的判断,在大多数情况下,预期值是不可观测的。因
此,实际应用中需要对预期的形成机理作出某种假定。自适应预期 假定就是其中之一,具有一定代表性。
第七章 分布滞后模型与自回归模型
Econometrics
胡亚南
Econometrics
本章主要讨论: 滞后效应与滞后变量模型 分布滞后模型的估计 自回归模型的构建 自回归模型的估计
2
第一节 滞后效应与滞后变量模型
经济活动中的滞后现象 滞后效应产生的原因 滞后变量模型
经济活动中的滞后现象
2.滞后一期的被解释变量与 X 的线性相关程度将低于Xt 的各滞后 值之间的相关程度,从而在很大程度上缓解了多重共线性。
43
库伊克变换的缺陷
1.它假定无限滞后分布呈几何递减滞后结构。 这种假定对某些经济变量可能不适用,如固定资 产投资对总产出影响
的滞后结构就不是这种类型。
2.库伊克模型的随机扰动项形如 ut* = ut - λut-1
说明新模型的随机扰动项存在一阶自相关,且与解释变量相关。
库伊克变换的缺陷
3.将随机变量作为解释变量引入了模型,不一定符合基本假定。 4.库伊克变换是纯粹的数学运算结果,缺乏经济理论依据。 这些缺陷,特别是第二个缺陷,将给模型的参数估计带来一定困难。
45
自适应预期模型
二、自适应预期模型
某些经济变量的变化会或多或少地受到另一些经济变量预期值的影响。 为了处理这种经济现象,可以将解释变量预期值引入模型建立“期望 模型”。

空间滞后模型和空间自回归模型

空间滞后模型和空间自回归模型

空间滞后模型和空间自回归模型空间滞后模型(Spatial Lag Model)和空间自回归模型(Spatial Autoregressive Model)是空间计量经济学中常用的两种模型,用于分析空间数据中的空间依赖性。

空间滞后模型是一种描述因变量与其邻近地区的自变量之间的依赖关系的模型。

它假设一个地区的因变量取决于该地区的自身特征以及其邻近地区的特征。

换句话说,该模型认为一个地区的因变量受到其邻近地区因变量的影响。

空间滞后模型可以用以下公式表示:Y = ρWy + Xβ + ε。

其中,Y是因变量,Wy是空间权重矩阵,ρ是空间滞后参数,X是自变量矩阵,β是自变量系数,ε是误差项。

空间滞后模型考虑了空间上的依赖性,可以用来解释因变量的空间聚集现象。

空间自回归模型是一种描述因变量与其邻近地区的因变量之间的依赖关系的模型。

它假设一个地区的因变量取决于该地区的自身特征以及其邻近地区的因变量。

换句话说,该模型认为一个地区的因变量受到其邻近地区因变量的影响。

空间自回归模型可以用以下公式表示:Y = ρWY + Xβ +ε。

其中,Y是因变量,W是空间权重矩阵,ρ是空间自回归参数,X是自变量矩阵,β是自变量系数,ε是误差项。

空间自回归模型考虑了空间上的依赖性,可以用来解释因变量的空间自相关现象。

这两种模型都考虑了空间上的依赖性,但是它们的依赖关系不同。

空间滞后模型是因变量与邻近地区的自变量之间的依赖关系,而空间自回归模型是因变量与邻近地区的因变量之间的依赖关系。

在实际应用中,选择使用哪种模型取决于具体问题和数据的特征。

总结起来,空间滞后模型和空间自回归模型是两种常用的空间计量经济学模型,用于分析空间数据中的空间依赖性。

它们都考虑了因变量与邻近地区之间的依赖关系,但是依赖关系的对象不同,一个是自变量,一个是因变量。

第七章分布滞后模型与自回归模型

第七章分布滞后模型与自回归模型


b0 = a0 + a10 + a2 02 + L + am 0m
b1 = a0 + a11 + a212 + L + am1m
b2 = a0 + a12 + a2 22 + L + am 2m
bs = a0 + a1s + a2s2 + L + amsm
关键 : 确定多项式的项次 m ,设法估a0计,a,1 ,a,2 L am (经验方法: m 至少比 β 和 i 的曲线的转向点个数大1即 可)
表面上看分布滞后模型就是一种多元回归模型,但其 估计、
有一些值得研究的问题。
1 、Yt对=于a 无+ 限b0分X t布+滞b1后X t模-1 +型b:2 X t-2 + b3 X t-3 + L + ut
● 滞后项无限多 需要估计的参数也无限多 ● 样本观测值个数总是有限的 结论:事实上对无限分布滞后模型不能直接估计其参
1 、经验权数法
基 本 思 想 :为 减 少 要 估 计 的 参 数 个 数 , 将 各 个 滞 后 解 释 变
量组合为一个新变量。
方法:对滞后变量的参数 β 作某种假定(施加某种约 束),
最简单的办法是对滞后变量指定一定的权数加 以组合。
( 1 )递减滞后结构
加权的方法:
对于原模型
Yt = a + b0 X t + b1X t-1 + b2 X t-2 + L + bs X t-s + ut
解决分布滞后模型估计问题的基本思路:
目的:减少要直接估计的参数的个数,从而

滞后变量回归

滞后变量回归

第八章 滞后变量回归分析一、 实验目的熟练使用EViews 软件进行计量分析,掌握分布滞后模型和自回归模型的估计方法。

二、基本知识点:滞后变量的概念,滞后变量模型及其分类,自回归模型和自回归分布滞后模型通常使用的工具变量估计方法。

三、 实验内容及要求:①依据经济学理论,以实际数据(实验数据八(1))为基础,建立分布滞后模型,并利用阿尔蒙多项式法进行估计。

②以实际数据(实验数据八(2)),建立自回归模型,并利用工具变量法进行估计。

③以实际数据(实验数据八(3)),进行格兰杰因果检验。

四、实验步骤1、分布滞后模型模型的估计(1)建立Eviews 工作文件,输入实验数据; (2)进行分布滞后模型的阿尔蒙多项式估计; (3)记录估计结果。

(4)改变滞后长度和多项式阶数,分别得到结果。

(5)比较不同结果,确定最终采用的滞后长度和多项式阶数,说明选择依据。

2、自回归模型的估计(1)建立Eviews 工作文件,输入实验数据; (2)估计模型:01231i i t t i Y x P Y ββββμ-=++++(3)比较工具变量法估计结果和普通最小二乘法估计结果。

3、格兰杰因果检验(1)建立Eviews 工作文件,输入实验数据;(2)选择不同的滞后阶数,分别得到格兰杰因果检验结果,记录并说明选择哪一个滞后阶数作为格兰杰因果关系检验的阶数,说明理由。

4、实验总结——如何利用软件估计分布滞后模型和自回归模型;如何选择多项式分布滞后模型估计的阶数和多项式阶数;如何选择工具变量,进行自回归模型的估计;如何选择格兰杰因果关系检验的滞后阶数。

一、 实验指导:研究某地区制造业历年库存Y 与销售额X 的统计资料,建立分布滞后模型。

采用阿尔蒙估计有限分布滞后模型研究该问题。

Step1:确定X 的滞后期的长度:输入CROSS Y X 输出结果见图8.4.1图8.4.1 Y 与X 各期滞后值的相关系数由图8.4.1中Y 与X 各期滞后值的相关系数可知。

滞后变量回归模型

滞后变量回归模型

H
1 0
:
β
M
=0↔H源自2 0:β M −1
=
0

H
3 0
: βM −2
=
0

……
H
1 a
:
βM
≠0
H
2 a
:
β M −1
≠ 0, β M
=0
H
3 a
:
βM
−2
≠ 0, β M −1 = β M
βi = βi βi β
(10.1.4) (10.1.5)
∑ 则ωi 表示一种标准化系数, ωi = 1 。于是可以将分布滞后模型改写为
∑ Yt = α + β ωi X t−i + ε t
(10.1.6)
2.通胀滞后 经济理论认为通货膨胀是一种基本的金融现象,因为在持续的经济增长中货币供给量总会
超过实际需求。当然,通货膨胀与货币供应量的改变之间的联系不是实时的,总会滞后一个时
(10.1.2)
这里分布滞后 k 个时段。系数 β0 称作短期系数,因为它给出 X 对 Y 同期线性作用大小。如果
X 的改变维持不变,那么 (β0 + β1 ) 给出 Y 在下一周期的改变,(β0 + β1 + β2 ) 给出再下一周
期的改变,等等。这些部分和称作中期乘子。最后,经过 k 个周期,我们得到
m17
2.798
m18
3.249
m19
3.783
m20
4.305
∑ mi
系数值 0.065 0.069 0.072 0.073 0.072 0.069 0.062 0.053 0.039 0.022 1.031
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

2、分布滞后模型的修正估计方法
人们提出了一系列的修正估计方法,但并不很 完善。 各种方法的基本思想大致相同:都是通过对各 滞后变量加权,组成线性合成变量而有目的地减 少滞后变量的数目,以缓解多重共线性,保证自 由度。 (1)经验加权法
根据实际问题的特点、实际经验给各滞后变量 指定权数,滞后变量按权数线性组合,构成新的 变量。权数据的类型有:
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。 经过试算发现,在2阶阿尔蒙多项式变换下,滞 后期数取到第6期,估计结果的经济意义比较合理。 2阶阿尔蒙多项式估计结果如下:
ˆ 3319 Y .5 3.061 W0t 0.101 W1t 0.271 W2t t
2、滞后变量模型
以滞后变量作为解释变量,就得到滞后变量模 型。它的一般形式为:
Yt 0 1Yt 1 2Yt 2 qYt q 0 X t 1 X t 1 s X t s t
q,s:滞后时间间隔 自回归分布滞后模型 ( autoregressive distributed lag model, ADL):既含有Y对自身滞后变量的回归, 还包括着X分布在不同时期的滞后变量
k 1 2
(*)
s
将(*)代入分布滞后模型
s 2 i 0 k 1
Yt i X t i t
i 0

Yt ( k (i 1) k ) X t i t
1 (i 1) X t i 2 (i 1) 2 X t 2 t
Yt 0 i X t i t
2、自回归模型(autoregressive model) 自回归模型:模型中的解释变量仅包含X的当 期值与被解释变量Y的一个或多个滞后值
Yt 0 1 X t i Yt i t
i 1 q

Yt 0 1 X t 2Yt 1 t
称为一阶自回归模型(first-order autoregressive model)。
14 .70 X t 4 26 .94 X t 5 25 .42 X t 6
(-0.93) (1.09) F=42.54 (-1.12)
R 2 =0.9770
DW=1.03
(3)科伊克(Koyck)方法
科伊克方法是将无限分布滞后模型转换为自回 归模型,然后进行估计。
对于无限分布滞后模型:

i 0

i
称为长期(long-run)或均衡乘数(total distributed-lag multiplier),表示X变动 一个单位,由于滞后效应而形成的对Y平 均值总影响的大小。
如果各期的X值保持不变,则X与Y间的长 期或均衡关系即为
E (Y ) ( i ) X
i 0 s
有限自回归分布滞后模型:滞后期长度有限
无限自回归分布滞后模型:滞后期无限,
(1)分布滞后模型(distributed-lag model)
分布滞后模型:模型中没有滞后被解释变量, 仅有解释变量X的当期值及其若干期的滞后值:
Yt i X t i t
i 0 s
0:短期(short-run)或即期乘数(impact multiplier), 表示本期X变化一单位对Y平均值的影响程度。 i (i=1,2…,s):动态乘数或延迟系数,表示各 滞后期X的变动对Y平均值影响的大小。
Yt i X t i t
i 0 s
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:
i k (i 1) k
k 1 m
i=0,1,…,s
其中,m<s-1。阿尔蒙变换要求先验地确定适当 阶数k,例如取k=2,得
i k (i 1) k 1 (i 1) 2 (i 1) 2
二、分布滞后模型的参数估计
1、分布滞后模型估计的困难
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:
1、没有先验准则确定滞后期长度; 2 、如果滞后期较长,将缺乏足够的自由度进 行估计和检验; 3、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。
因变量受到自身或另一解释变量的前几 期值影响的现象称为滞后效应。 表示前几期值的变量称为滞后变量。 如:消费函数
通常认为,本期的消费除了受本期的收入影响 之外,还受前1期,或前2期收入的影响: Ct=0+1Yt+2Yt-1+3Yt-2+t Yt-1,Yt-2为滞后变量。
• 产生滞后效应的原因 1、心理因素:人们的心理定势,行为方 式滞后于经济形势的变化,如中彩票的人 不可能很快改变其生活方式。 2、技术原因:如当年的产出在某种程度 上依赖于过去若干期内投资形成的固定资 产。 3、制度原因:如定期存款到期才能提取, 造成了它对社会购买力的影响具有滞后性。
如滞后期为4,权数可取为
1/6, 1/4, 1/2, 1/3, 1/5
则新变量为
1 1 1 1 1 W 3t X t X t 1 X t 2 X t 3 X t 4 6 4 2 3 5
例5.2.1 对一个分布滞后模型:
Y t 0 0 X t 1 X t 1 2 X t 2 3 X t 3 t
给定递减权数:1/2, 1/4, 1/6, 1/8

W 1t 1 1 1 1 X t X t 1 X t 2 X t 3 2 4 6 8
原模型变为: Yt
ˆ 0 =0.5
0 1W1t t
该模型可用OLS法估计。假如参数估计结果为
ˆ1 =0.8
则原模型的估计结果为:
通常把这种过去时期的,具有滞后作用的变量 叫做滞后变量(Lagged Variable),含有滞后变量 的模型称为滞后变量模型。
滞后变量模型考虑了时间因素的作用,使静态 分析的问题有可能成为动态分析。含有滞后解释变 量的模型,又称动态模型(Dynamical Model)。
1、滞后效应与与产生滞后效应的原因
ˆ 0.5 0.8 X 0.8 X 0.8 X 0.8 X 0.5 0.4 X 0.2 X 0.133 X 0.1X Y t t t 1 t 2 t 3 t t 1 t 2 t 3 2 4 6 8
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 通常的做法是:
(1.96) (1.10) (0.24)
为了比较,下面给出直接对滞后6期的模型进行 OLS估计的结果:
Yt 3361 .9 8.424 X t 11 .43 X t 1 15 .14 X t 2 4.71 X t 3
(12.43) (1.80) (-1.89) (1.21) (0.36)
多选几组权数,分别估计出几个模型, 然后根据常用的统计检验(R方检验, F检验,t检验,D-W检验),从中选 择最佳估计式。
(2)阿尔蒙(Almon)多项式法
主要思想:针对有限滞后期模型,通过阿尔蒙 变换,定义新变量,以减少解释变量个数,然后 用OLS法估计参数。 主要步骤为:
第一步,阿尔蒙变换
对于分布滞后模型
Yt i X t i t
i 0
科伊克变换假设i随滞后期i按几何级数衰减:
i 0 i
其中,0<<1,称为分布滞后衰减率,1-称 为调整速率(Speed of adjustment)。
科伊克变换的具体做法:
将科伊克假定i=0i代入无限分布滞后模型,得
i 0 i 0 s s
定义新变量
W1t (i 1) X t i
i 0 s
W2t (i 1) 2 X t i
i 0
s
将原模型转换为:
Yt 1W1t 2W 2 t t
第二步,模型的OLS估计 对变换后的模型进行OLS估计,得 ˆ , ˆ1 , ˆ2
再计算出:
i k (i 1) k 1 (i 1) 2 (i 1) 2
k 1
2
求出滞后分布模型参数的估计值:
ˆ , ˆ , , ˆ 1 2 s
由于m+1<s,可以认为原模型存在的 自由度不足和多重共线性问题已得到改 善。 需注意的是,在实际估计中,阿尔蒙 多项式的阶数m一般取2或3,不超过4, 否则达不到减少变量个数的目的。
第五章 经典单方程计量经济学 模型:专门问题
§5.1 §5.2 §5.3 §5.4
滞后变量 虚拟变量 设定误差 建模理论
§5.1 滞后变量模型
一、滞后变量模型 二、分布滞后模型的参数估计 三、自回归模型的参数估计 四、格兰杰因果关系检验
一、滞后变量模型
在经济运行过程中,广泛存在时间滞后效应。某 些经济变量不仅受到同期各种因素的影响,而且也 受到过去某些时期的各种因素甚至自身的过去值的 影响。
(13.62)(1.86) (0.15) (-0.67)
求得的分布滞后模型参数估计值为
ˆ =3.061, ˆ =2.180, ˆ =0.927 ˆ =0.323, ˆ =1.777, ˆ =2.690, ˆ =2.891, 0 3 5 6 1 2 4
最后得到分布滞后模型估计式为:
•递减型: 即认为权数是递减的, X的近期值对Y的影响较 远期值大。 如消费函数中,收入的近期值对消费的影响作 用显然大于远期值的影响。 例如:滞后期为 3的一组权数可取值如下: 1/2, 1/4, 1/6, 1/8
则新的线性组合变量为:
相关文档
最新文档