第六章自回归模型和分布滞后模型
合集下载
相关主题
- 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、"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、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)。
模拟3:设在1960年x等于-1,其他年份x等于0
y
10
9.5
9 y
8.5
8
7.5 1950 1955 1960 1965 1970 1975 1980 1985 1990
结论:1.在某一年(60年)的一个冲击,要经过若干 期(6期)才能恢复原来水平;2.分布模型中,各个解 释变量的系数正好就是分布滞后的效应。
33
一、部分调整模型
在部分调整模型中,假设行为方程决定的是因变
量的理想值(desired value)或目标值Yt*,而不
是其实际值Yt:
Yt* =α+βXt+ut
(1)
由于Yt*不能直接观测,因而采用 “部分调整假
说” 确定之,即假定因变量的实际变动(Yt–Yt-
1),与其理想值和前期值之间的差异(Yt* –Yt-1)
24
科克变换的特点:
1.这一变换展示了我们怎样从一个无限分布 滞后模型转换为自回归模型;
2. Yt-1的出现会带来一些统计上的问题。 Yt-1是随机的,违背了OLS的假设。Yt-1与扰动项 是否存在相关?
3.科克变换后模型的扰动项为ut-λut-1 , 这带来了自相关问题(这种扰动项称为一阶 移动平均扰动项)。
21
(2)-(5),得 Yt-λYt-1 =α(1-λ)+βXt + ut-λut-1 (6) 所有的X滞后项都消掉了,因此 Yt =α(1-λ)+βXt + λYt-1 + ut-λut-1 (7)
(7)式称为自回归模型,因为因变量的滞后 作为解释变量出现在方程右边。这一形式使得 我们可以很容易分析该模型的短期(即期)和 长期动态特性(短期乘数和长期乘数)。
我 们 可 以 用 同 样 的 方 法 置 换 Yt-2 , 以 及 随 后 的 Yt3,Yt-4,…,直至无穷,结果是将Yt表示为X的当前值和 滞后值的一个滞后结构,系数为科克形式的几何递 减权数,具体形式为:
38
Yt [Xt (1 )Xt1 (1 )2 Xt2 ......] t
(ut-λut-1)同期相关,而部分调整模型不存在同期 相关。在这种情况下,用OLS法估计,得到的参数估 计量是一个一致的估计量。
36
不难看出,(4)式
Yt=αδ+βδXt+(1-δ)Yt-1+δut
(4)
与变换后的科克模型的形式相似,我们也不难通过对
(4)式中Yt-1进行一系列的置换化为几何分布滞后的 形式:
我们上面列举了模型中包含滞后经济变量的 两种情况。第一种是仅包含滞后外生变量的模 型,第二种是包含滞后内生变量的模型。在两 种情况下,都通过一种滞后结构将时间维引入 了模型,即实现了动态过程的构模。
8
“滞后”在经济学中的作用
在经济学中,因变量Y对另一些变量X的依 赖很少是瞬时的,常见的是Y对X的响应有一个 时间上的延迟,这种时间上的延迟就是“滞后” 。
(2)
其中 0<λ<1
这实际上是假设无限滞后分布,由于 0<λ<1,X的逐次滞后值对Y的影响是逐渐递减 的。
16
从模型可知,滞后系数与及值相关。 的 值越接近1,滞后系数衰减的速度就越慢;反 之, 越接近0,滞后系数衰减的速度就越快。
(2)式中仅有三个参数:α、β和λ。但 直接估计(2)式是不可能的。这是因为,首 先,估计无限多个系数是不可行的。其次,从 回归结果中不可能推出β和λ的估计值。
20
三、科克变换法 回到科克模型:
Yt =α+βXt +βλXt-1 +βλ2Xt-2 +…+ ut (2) 第二种方法是采用科克变换,(2)式两端取一期 滞后,得: Yt-1 =α+βXt-1 +βλXt-2 +βλ2Xt-3 +…+ ut-1 两端乘以λ,得:λYt-1 =λα+βλXt-1+βλ2Xt-2 +βλ3Xt-3 +…+λut-1 (5)
22
短期乘数和长期乘数
在短期内(即期),Yt-1可以认为是固定的, X的变动对Y的影响为β(短期乘数为β)。从
长期看,在忽略扰动项的情况下,如果Xt趋向
于某一均衡水平 则Yt和XYt,-1也将趋向于某一均
衡水平
Y,
Y (1 ) X Y (8)
这意味着
Y X 1
26
百度文库
中位滞后和平均滞后
中位滞后指在X发生一个单位的持续变化之后,Y的前一 半变化达到其总变化的50%所需要的时间。对于科克模型
,其公式为:科克模型中位滞后= log 2
log
平均滞后
假使所有滞后系数都是正的,则平均滞后的定义:
平均滞后= kk k 1
中位滞后和平均滞后都是Y对X响应速度的一个概 要度量。
本例中Y的现期值与X的一期滞后值相联系,比较 一般的情况是:
Yt = α+β0Xt +β1Xt-1 +……+βsXt-s + ut, t = 1,2,…,n
3
例1.Yt = α+βXt-1 + ut, t = 1,2,…,n 本例中Y的现期值与X的一期滞后值相联系,比较
一般的情况是: Yt = α+β0Xt +β1Xt-1 +……+βsXt-s + ut, t = 1,2,…,n
37
(4)式两端取一期滞后,得
Yt1 X t1 (1 )Yt2 ut1 (5)
将此式代入(4)式,得到(为简单起见,省略扰 动项): Yt [1 (1 )] X t (1 )X t1 (1 )2Yt2 (6)
17
估计科克模型的方法
幸运的是,我们有同时解决上述两方面问题的方 法。它们是:
• 非线性最小二乘法 • 科克变换法
18
二、 非线性最小二乘法 非线性最小二乘法实际上是一种格点搜索法。
首 先 定 义 λ 的 范 围 ( 如 0-1 ) , 指 定 一 个 步 长 (如0.01),然后每次增加一个步长,依次考 虑 0.01,0.02,……0.99 。 步 长 越 小 , 结 果 精 确 度越高,当然计算的时间也越长。由于目前计 算机速度已不是个问题,你可以很容易达到你 所要求的精度。
结论:1.在某一年(60年)的一个冲击,要经过若干 期(6期)才能减退;2.分布模型中,各个解释变量的 系数正好就是分布滞后的效应。
29
模拟2:设在1960年以前x等于0,以后年份x等
于1
x
1
x 0.5
0 1950 1955 1960 1965 1970 1975 1980 1985 1990
30
δ=1,则Yt=Yt*,在一期内实现全调整。若δ=0,则 根本不作调整。
35
(1)式 Yt* =α+βXt+ut 代入(3)式 Yt =δYt* +(1-δ) Yt-1 ,得到
Yt=αδ+βδXt+(1-δ)Yt-1+δut
(4)
用此模型可估计出α、β和δ的值。
与科克模型类似,这里也存在解释变量为随机变 量的问题(Yt-1)。区别是科克模型中,Yt-1与扰动项
y
15
14 13
12
y
11
10
9 1950 1955 1960 1965 1970 1975 1980 1985 1990
结论:1.x在某一年(60年)突然涨到一个新的水平, 但这种变化在y上并没有马上体现出来,而是要经过若 干年(6年);2.分布模型中,各个x系数的和恰好就 是y的总的变化。
31
27
下面做模拟试验:
模拟1:设在1960年x等于1,其他年份x等于0
1.0
0.8
0.6
0.4
0.2
0.0 50 55 60 65 70 75 80 85 90 X
28
y
12.5
12 11.5
11
y
10.5 10
9.5 1950 1955 1960 1965 1970 1975 1980 1985 1990
通常采用对模型各系数βj施加某种先验的约束条 件的方法来减少待估计的独立参数的数目,从而解 决多重共线性问题。这方面最著名的两种方法是科 克(Koyck)方法和阿尔蒙(Almon)方法。
15
一、科克分布滞后模型
科克方法简单地假定解释变量的各滞后值 的系数(有时称为权数)按几何级数递减,即:
Yt =α+βXt+βλXt-1+βλ2Xt-2 +…+ ut
成正比:
Yt – Yt-1=δ(Yt* - Yt-1) (2)
0≤δ≤1, δ称为调整系数。
34
(2)式
Yt – Yt-1=δ(Yt* - Yt-1)
可改写为:
Yt =δYt* +(1-δ) Yt-1
(2) (3)
从(3)式可看出,Yt是现期理想值和前期实际值 的加权平均。δ的值越高,调整过程越快。如果
19
非线性最小二乘法步骤
(1) 对于λ的每个值,计算 Zt=Xt+λXt-1+λ2Xt-2+…+λPXt-P (3)
P的选择准则是,λP充分小,使得X的P阶以后 滞后值对Z无显著影响。
(2)然后回归下面的方程:
Yt =α+βZt + ut
(4)
(3) 对λ的所有取值重复执行上述步骤,选择回归 上述(4)式时产生最高的R2的λ值,则与此λ值相 对应的α和β的估计值即为该回归所得到的估计值。
(9)
23
因此,X对Y的长期影响(长期乘数)为β/(1-λ
),若λ位于0和1之间,β/(1-λ)>β,即长期 影响大于短期影响。
从实践的观点来看,科克变换模型很有吸引力, 一个OLS回归就可得到α、β和λ的估计值(α的 估计值是(7)式中的常数项除以1减Yt-1的系数估 计值)。这显然比前面介绍的格点搜索法要省时很 多,大大简化了计算。
9
10
11
R&D支出与生产力之间的滞后
研发投资支出决策与用生产力的提高表示的 最终投资回报之间存在着相当长期的滞后:资金 投放与发明创造开始出现之间存在时间上的滞后 ;思想或方法上的发明与发展到商业应用阶段之 间也存在时间上的滞后等。
12
滞后的原因
1. 心理上的原因; 2. 技术上的原因; 3. 制度上的原因。
25
时间滞后效应
例子:考察分布滞后模型(t=1950-1990) y 10 2x x(1) 0.5x(2) 0.25x(3) 0.125x(4)
0.0625x(5) 0.03125x(6)
这里,假设x的系数按照=1 / 2递减,表示距离
现在越近,x的影响越大。 长期乘数为:k 2 1 0.5 0.25 0.125 0.0625 0.03125 3.96875 接近于 4 。 1
32
第三节 部分调整模型和适应预期模型
有两个著名的动态经济模型,它们最终可化 成与上一节(2)式相同的几何分布滞后形式,
因此都是科克类型的模型。它们是: 部分调整模型(Partial adjustment model) 适 应 预 期 模 型 ( Adaptive expectations model)
第六章 自回归模型和分布滞后 模型
1
第一节 分布滞后模型和自回归模型的概念 第二节 分布滞后模型的估计 第三节 部分调整模型和适应预期模型 第四节 自回归模型的估计 第五节 阿尔蒙多项式分布滞后 第六节 格兰杰因果关系检验
2
第一节 分布滞后模型和自回归模型的概念
很多经济过程的实现需要若干周期的时间,因此 需要在我们的计量经济模型中引入一个时间维,通 常的作法是将滞后经济变量引入模型中。让我们用 两个简单的例子说明之。 例1.Yt = α+βXt-1 + ut, t = 1,2,…,n
即Y的现期值不仅依赖于X的现期值,而且依赖 于X的若干期滞后值。这类模型称为分布滞后模型 ,因为X变量的影响分布于若干周期。
4
如果Y依赖于X的无限期滞后,则模型称为无限分 布滞后模型;
如果Y依赖于X的有限期滞后,则模型称为有限分 布滞后模型。
5
例2.Yt = α+βYt-1 + ut, t = 1,2,…,n 本例中Y的现期值与它自身的一期滞后值相联系,
13
第二节 分布滞后模型的估计
我们在上一节引入了分布滞后模型: Yt =α+β0Xt +β1Xt-1 +……+βsXt-s + ut (1) 在这类模型中,由于在X和它的若干期滞后之间
往往存在数据的高度相关,从而导致严重多重共线 性问题。因此,分布滞后模型极少按(1)式这样的 一般形式被估计。
14
即依赖于它的过去值。一般情况可能是: Yt = f (Yt-1, Yt-2, … , X2t, X3t, … )
即Y的现期值依赖于它自身若干期的滞后值,还 依赖于其它解释变量。
6
在本例中,滞后的因变量(内生变量)作为 解释变量出现在方程的右端。这种包含了内生 变量滞后项的模型称为自回归模型。
7
动态经济模型