当代计量模型体系ppt.ppt

《当代计量模型体系ppt.ppt》由会员分享，可在线阅读，更多相关《当代计量模型体系ppt.ppt（79页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、当代计量模型体系ppt Still waters run deep.流静水深流静水深,人静心深人静心深 Where there is life,there is hope。有生命必有希望。有生命必有希望1.单位根检验Peter C B Phillips Peter C B Phillips 四种典型的随机过程四种典型的随机过程四种典型的随机过程四种典型的随机过程四种典型的随机过程四种典型的随机过程 （模拟（模拟4万次）万次）案例：案例：421天的深证成指序列的单位根检验天的深证成指序列的单位根检验用此程序计算用此程序计算用此程序计算用此程序计算F F 统计统计统计统计量，但不应看此概率。量，但

2、不应看此概率。量，但不应看此概率。量，但不应看此概率。案例：案例：421天的深证成指序列的单位根检验天的深证成指序列的单位根检验案例：案例：421天的深证成指序列的单位根检验天的深证成指序列的单位根检验结构突变序列的单位根检验结构突变序列的单位根检验案例：人民币元兑美元汇率序列的单位根检验案例：人民币元兑美元汇率序列的单位根检验案例：人民币元兑美元汇率序列的单位根检验案例：人民币元兑美元汇率序列的单位根检验2.线性时间序列模型线性时间序列模型 建立建立ARIMA、SARIMA模型流程图模型流程图George Box 案例：北京市1978:11989:12 社会商品零售额月度数据建模 月度数据（

3、月度数据（y yt t，单位：亿元）曲线图，单位：亿元）曲线图 对数的月度数据（对数的月度数据（LnyLnyt t）曲线图）曲线图 12 Lnyt的相关图（下）和偏相关图（上）的相关图（下）和偏相关图（上）案例：案例：2005年年8月月30 2007年年4月月30日日407天人民币元兑美元序列的门限模型天人民币元兑美元序列的门限模型 X-12-ARIMA季节调整方法季节调整方法 乘法模型：乘法模型：Y=T S C I 加拿大月人口出生数（加拿大月人口出生数（y,1973:1 1983:12）趋势循环分量（趋势循环分量（TC）季节分量（季节分量（S）不规则分量（不规则分量（IR）4 4波动波动模

4、型模型 序列的特征是序列的特征是“波动集群波动集群”、分布是、分布是“高峰厚尾高峰厚尾”日元兑美元汇率差分序列（收益）日元兑美元汇率差分序列（收益）D(JPY)高峰厚尾分布特征示意图高峰厚尾分布特征示意图 高峰厚尾高峰厚尾分布曲线分布曲线 正态正态分布曲线分布曲线 ARCH，GARCH模型可以预测被解释变量的方差。对于金融时间序模型可以预测被解释变量的方差。对于金融时间序列预测的是风险。列预测的是风险。建立建立ARCH，GARCH模型可以提高均值方程参数估计的有效性。模型可以提高均值方程参数估计的有效性。案例：日元兑美元汇率的建模研究案例：日元兑美元汇率的建模研究 1995.1-2000.8日

5、元兑美元汇率值（日元兑美元汇率值（1427个）序列（个）序列（JPY）见图。极小值）见图。极小值为为81.12日元，极大值为日元，极大值为147.14日元。其均值为日元。其均值为112.93日元，标准差是日元，标准差是13.3日元。日元。1995年年4月曾一度达到月曾一度达到81.12日元兑日元兑1美元。美元。JPY的差分序列的差分序列D(JPY)表示收益。用表示收益。用D(JPY)建立时间序列模型。建立时间序列模型。日元兑美元汇率（日元兑美元汇率（JPY）时间序列）时间序列 DJPY时间序列时间序列均值方程的估计式均值方程的估计式ARCH 模型的选择模型的选择随机波动模型随机波动模型 4波动

6、模型波动模型ACD和和SCD模型模型5 VAR与与VEC模型模型 向量自回归（向量自回归（VAR）模型定义）模型定义案例案例1：上海证券交易所上证指数和股票交易上海证券交易所上证指数和股票交易 总成交量关系研究总成交量关系研究（file:2120061741-shan）上海证券交易所上证指数和股票交易总成交量序列图上海证券交易所上证指数和股票交易总成交量序列图 VAR的预测非常准确的预测非常准确6期期VAR的预测结果的预测结果VAR的平稳性分析的平稳性分析 2期期VAR的特征根的特征根 6期期VAR的特征根的特征根VAR模型稳定的一种判别条件是，特征方程模型稳定的一种判别条件是，特征方程|1-

7、I|=0的根都必须在单位圆以内。的根都必须在单位圆以内。检验结果如下：检验结果如下：Granger非因果性检验非因果性检验（当概率小于（当概率小于0.05时，表示推翻原假设）时，表示推翻原假设）其中滞后其中滞后2020期的输出结果期的输出结果:VAR的脉冲响应分析的脉冲响应分析DLOG(SHP)和和 DLOG(SHQ)VAR(3)的脉冲相应的脉冲相应 VAR的方差分解的方差分解DLOG(SHP)和和 DLOG(SHQ)VAR(3)的方差分解的方差分解 VAR的协积检验的协积检验向量误差修正模型向量误差修正模型（VEC模型模型）VAR(2)基础上的基础上的VEC模型模型 VAR(6)VAR(6)

8、基础上的基础上的基础上的基础上的VECVEC模型模型模型模型7面板数据模型 面板数据示意图面板数据示意图 面板数据散点图面板数据散点图 7面板数据模型 萧政萧政 面板数据模型估计方法面板数据模型估计方法面板数据模型的检验方法面板数据模型的检验方法 Hausman检验检验 H0:个体随机效应回归模型个体随机效应回归模型 H1:个体固定效应回归模型个体固定效应回归模型 H 临界值，建立个体固定效应；临界值，建立个体固定效应；H 临界值，建立个体随机效应回归模型。临界值，建立个体随机效应回归模型。面板数据模型的检验方法面板数据模型的检验方法 面板数据的单位根检验（相同根情形）面板数据的单位根检验（相

9、同根情形）1Quah检验（检验（1990）2LL（Levin-Lin）检验（）检验（1992）3LLC（Levin-Lin-Chu）检验（）检验（2002）4Breitung检验（检验（2002）5Hadri检验检验6Abuaf-Jorion检验（检验（1990），），Jorion-Sweeney检验（检验（1996）7Bai-Ng检验（检验（2001），），Moon-Perron检验（检验（2002）8IPS（Im-Pesaran-Shin）检验（）检验（1997,2002）面板数据的单位根检验（不同根情形）面板数据的单位根检验（不同根情形）9MW（Maddala-Wu）检验（）检验（199

10、7）10崔仁（崔仁（In Choi）检验（）检验（2001）11Vanessa（Vanessa et al.）检验（）检验（2004）12Taylor-Sarno检验（检验（1998）面板数据的协积（协整）检验面板数据的协积（协整）检验Pedroni 协积检验：协积检验：以以Engle-Granger协积检验方法为基础构造检验统协积检验方法为基础构造检验统计量，标准化以后渐近服从标准正态分布。（计量，标准化以后渐近服从标准正态分布。（1999,2004）Kao协积检验：协积检验：以以Engle-Granger协积检验方法为基础构造检验统计量，协积检验方法为基础构造检验统计量，标准化以后渐近服从

11、标准正态分布。（标准化以后渐近服从标准正态分布。（1999）Fisher 个体联合协积检验个体联合协积检验（combined individual test）：用个体的协积）：用个体的协积检验值构造一个服从检验值构造一个服从 2分布的累加统计量检验面板数据的协积性。分布的累加统计量检验面板数据的协积性。(Maddala and Wu 1999)8 8离散选择模型离散选择模型离散选择模型离散选择模型与受限模型与受限模型与受限模型与受限模型 Tobit 模型模型（离散选择模型离散选择模型）Logit模型、模型、Probit模型模型（离散选择模型离散选择模型离散选择模型离散选择模型）Logit模型、模型、Probit模型模型（离散选择模型离散选择模型）案例：天津市农户劳动力的非农业就业模型（案例：天津市农户劳动力的非农业就业模型（750户）。户）。教育程度教育程度对劳动力的非农业就业倾向有着非常明显的作用对劳动力的非农业就业倾向有着非常明显的作用Logit 模型估计值与拟合值散点图模型估计值与拟合值散点图 Logit 模型估计值与潜在变量散点图模型估计值与潜在变量散点图图图1 1 预测概率值预测概率值图图2 2 预测累积概率值预测累积概率值