5.2 滞后变量模型.ppt

《5.2 滞后变量模型.ppt》由会员分享，可在线阅读，更多相关《5.2 滞后变量模型.ppt（49页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、5.2 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,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。,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）。,一、滞后变量模型,1、滞后效应与与产生滞后效应的原因,因变量受到自身或另一解

2、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+tYt-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。,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：

3、,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 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：,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

4、后期X的变动对Y平均值影响的大小。,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,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。,2、自回归模型（autoregressive model）,而,称为一阶自回归模型（first-order 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,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。

5、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。,1、分布滞后模型估计的困难,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：,递减型：,即认为权数是递减

6、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：,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：,矩型：,权数先递增后递减呈倒“V”型。 例如：在一个较长建设周期的投资中，历年投资X为产出Y的影响，往往在周期期中投资对本期产出贡献最大。 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,倒V型,例5.2.1 对一个分布滞后模型：,给定递减权数

7、：1/2， 1/4， 1/6， 1/8,令,原模型变为：,该模型可用OLS法估计。假如参数估计结果为,=0.5,=0.8,则原模型的估计结果为：,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： 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（方检验，检验，t检验，-检验），从中选择最佳估计式。,（2）阿尔蒙（lmon）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,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=0,

8、1,s,其中，ms-1。阿尔蒙变换要求先验地确定适当阶数k，例如取k=2，得,（*）,将(*)代入分布滞后模型,得,定义新变量,将原模型转换为：,第二步，模型的OLS估计,对变换后的模型进行OLS估计，得,再计算出:,求出滞后分布模型参数的估计值:,由于m+1s，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。,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

9、期，需取不同的滞后期试算。,（13.62）（1.86） （0.15） （-0.67）,求得的分布滞后模型参数估计值为,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：,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：,最后得到分布滞后模型估计式为：,（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：,科伊克变换假设i随滞后期i按几何级数衰减：,其中，0F(m,n-k) ，则拒绝原假设，认为X是Y的格兰杰原因。,注意： 格兰杰因果关系检验对于滞后期

10、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，以检验模型中随机误差项不存在序列相关的滞后期长度来选取滞后期。,例5.2.4 检验19782000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：,判断：=5%，临界值F0.05(2,17)=3.59拒绝“GDP不是CONS的格兰杰原因”的假设，不拒绝“CONS不是GDP的格兰杰原因”的假设。 因此，从2阶滞后的情况看，GDP的增长是居民消费增长的原因，而不是相反。 但在2阶滞后时，检验的模型存在1阶自相关性。,随着滞后阶数的增加，拒绝“GDP是居民消费CONS的原因”的概率变大，而拒绝“居民消费CONS是GDP的原因”的概率变小。 如果同时考虑检验模型的序列相关性以及赤池信息准则，发现：滞后4阶或5阶的检验模型不具有1阶自相关性，而且也拥有较小的AIC值，这时判断结果是:GDP与CONS有双向的格兰杰因果关系，即相互影响。,分析：,