第五章虚拟变量模型和滞后变量模型

第五章虚拟变量模型和滞后变量模型
以下是为大家整理的第五章虚拟变量模型和滞后变量模型的相关范文，本文关键词为第五,虚拟,变量,模型,滞后,5.1,出了,中国,1980,，您可以从右上方搜索框检索更多相关文章，如果您觉得有用，请继续关注我们并推荐给您的好友，您可以在综合文库中查看更多范文。

1.表5.1中给出了中国1980—20XX年以城乡储蓄存款新增额代表的居民当年储蓄及以gnp代表的居民当年收入的数据。

以1991年为界，判断1991年前和1991年后的两个时期中国居民的储蓄—收入关系是否已发生变化。

表5.11980—20XX年中国居民储蓄与收入数据单位：亿元
年份储蓄sgnp年份储蓄s1980118.54517.819912072.81981124.24860.319922438.41982151.753 01.8199332171983217.15957.419946756.41984322.27206.719958143.5 1985407.98989.119968858.5198661510201.4199777591987835.711954 .519987127.71988728.214922.319996214.319891345.416917.82000471 0.61990
1887.3
18598.4
20XX
9430
估计以下回归模型：
Yi??0??1xi??2Di??3(Dixi)?ui
其中D?i为引入的虚拟变量：Di??1,1991年前?0,1991年后
对上面的模型进行估计，结果如下：
所以表达式为：
Yi?1535?0.075xi?1981.9Di?0.032(Dixi)
(1.40)(4.45)(-1.38)(0.37)
gnp21662.526651.934560.54667057494.966850.573142.776967.280579
.488228.194346.4
从?2和?3的t检验值可以知道，这两个参数显著的为0，所以1991年前和1991年后两个时期的回归结果是相同的。

下面用邹式检验来验证上面对于两个时期的回归结果相同的结论是否正确。

过程如下：
输入要验证的突变点，本例为1991年。

输出结果如下：
从伴随概率值可以看出，邹式检验的结果是接受原假设，即方程结构没有发生变化，1991年不是突变点。

与设定虚拟变量的结果是一样的。

2.表4是1982：1—1985：4中国季度酒销量（yt，万吨）。

画序列图如下
得到序列图如下：
这是一个季节时间序列数据，呈明显的季节变化特征，通过加入季节虚拟变量来描述季节特征建立模型。

表4全国酒销量（yt，万吨）季节数据
年月1982：11982：21982：31982：41983：11983：21983：31983：41984：11984：21984：31984：41985：11985：21985：31985：4
Y92.779.380.186.7104.189.790.290.2107.996.797.893.6111.598.497.794 D11000100010001000D20XX0010001000100D30010001000100010定义虚拟变量
?1,t?第一季度?1,t?第二季度?1,t?第三季度D1??，D2??，D3???0,t?第一季度?0,t?第二季度?0,t?第三季度
eviews操作如下
按上述过程依次定义D2和D3。

定义过虚拟变量后，建立模型，进行估计。

以下是为大家整理的第五章虚拟变量模型和滞后变量模型(2)的相关范文，本文关键词为第五,虚拟,变量,模型,滞后,5.1,出了,中国,1980,，您可以从右上方搜索框检索更多相关文章，如果您觉得有用，请继续关注我们并推荐给您的好友，您可以在综合文库中查看更多范文。

以下是为大家整理的第五章虚拟变量模型和滞后变量模型(3)的相关范文，本文关键词为第五,虚拟,变量,模型,滞后,5.1,出了,中国,1980,，您可以从右上方搜索框检索更多相关文章，如果您觉得有用，请继续关注我们并推荐给您的好友，您可以在综合文库中查看更多范文。

输入要检验的变量。

输入滞后阶数。

输出结果如下：
从上面的输出结果可以看出，根据伴随概率值知道，在5%的显著水平下：拒绝gDp不是cons的格兰杰检验，即gDp是cons的格兰杰检验。

接受cons不是gDp的格兰杰检验。

5.以深圳成指（sZ）和上海综指（sh）序列为例进行非因果性检验步骤。

1999年1月4日—20XX年10月15日深圳成指（sZ）和上海综指（sh）序列如下图：
进行格兰杰检验，过程如下：
建立工作文件，打开数据租窗口。

输入滞后期，本例选择滞后5期
得到如下结果：
对上述分析结果进行分析：由对应的概率可以看出：
接受“上海综指不是深圳成指变化的原因”的假设；拒绝“深圳成指不是上海综指变化的原因”，即深圳成指是上海综指变化的原因。

分别进行滞后5，10，15，20，25期的检验，均得到上述结论。

6.已知1970—1991年美国制造业固定厂房设备投资Y和销售量x 的相关数据如表5.4所示。

（1）假定销售量对厂房设备支出有一个分部滞后效应，使用4期滞后和2次
多项式去估计此分布滞后模型。

（2）检验销售量与厂房设备支出的granger因果关系，使用直至
6期为止的
滞后并评述结果。

表5.4单位：10亿美元
年份厂房开支Y销售额x年份厂房开支Y197036.9952.8051981128.68197133.655.9061982123.97197235.4263. 027*******.35197342.3572.9311984139.61197452.4884.791985152.88 197553.6686.5891986137.95197668.5398.7971987141.06197767.48113 .20XX988163.45197878.13126.9051989183.8197995.13143.936199019 2.611980112.6154.3911991182.81
估计分布滞后模型，过程如下：
销售额x168.129163.351172.547190.682194.538194.657206.326223.547232.72 4239.459235.142估计结果如下：
对应的分布滞后模型的表达式为：
Yt??30.83?0.83xt?0.32xt?1?0.01xt?2?0.16xt?3?0.11xt?4
做格兰杰检验，以一阶滞后为例，过程如下：
最后，小编希望文章对您有所帮助，如果有不周到的地方请多谅解，更多相关的文章正在创作中，希望您定期关注。

谢谢支持！。