計量經濟學案例分析匯總

1、計量經濟學案例分析1一、研究的目的要求居民消費在社會經濟的持續(xù)發(fā)展中有著重要的作用。居民合理的消費模式和居民適度的消費規(guī)模有利于經濟持續(xù)健康的增長，而且這也是人民生活水平的具體體現。改革開放以來隨著中國經濟的快速發(fā)展，人民生活水平不斷提高，居民的消費水平也不斷增長。但是在看到這個整體趨勢的同時，還應看到全國各地區(qū)經濟發(fā)展速度不同，居民消費水平也有明顯差異。例如，2002年全國城市居民家庭平均每人每年消費支出為6029.88元, 最低的省僅為人均4462.08元，最高的市達人均10464元，是的2.35倍。為了研究全國居民消費水平與其變動的原因，需要作具體的分析。影響各地區(qū)居民消費支出有明顯差異

2、的因素可能很多，例如，居民的收入水平、就業(yè)狀況、零售物價指數、利率、居民財產、購物環(huán)境等等都可能對居民消費有影響。為了分析什么是影響各地區(qū)居民消費支出有明顯差異的最主要因素，并分析影響因素與消費水平的數量關系，可以建立相應的計量經濟模型去研究。二、模型設定我們研究的對象是各地區(qū)居民消費的差異。居民消費可分為城市居民消費和農村居民消費，由于各地區(qū)的城市與農村人口比例與經濟結構有較大差異，最具有直接對比可比性的是城市居民消費。而且，由于各地區(qū)人口和經濟總量不同，只能用“城市居民每人每年的平均消費支出”來比較，而這正是可從統計年鑒中獲得數據的變量。所以模型的被解釋變量Y選定為“城市居民每人每年的平均

3、消費支出”。因為研究的目的是各地區(qū)城市居民消費的差異，并不是城市居民消費在不同時間的變動，所以應選擇同一時期各地區(qū)城市居民的消費支出來建立模型。因此建立的是2002年截面數據模型。影響各地區(qū)城市居民人均消費支出有明顯差異的因素有多種，但從理論和經驗分析，最主要的影響因素應是居民收入，其他因素雖然對居民消費也有影響，但有的不易取得數據，如“居民財產”和“購物環(huán)境”；有的與居民收入可能高度相關，如“就業(yè)狀況”、“居民財產”；還有的因素在運用截面數據時在地區(qū)間的差異并不大，如“零售物價指數”、“利率”。因此這些其他因素可以不列入模型，即便它們對居民消費有某些影響也可歸入隨即擾動項中。為了與“城市居民

4、人均消費支出”相對應，選擇在統計年鑒中可以獲得的“城市居民每人每年可支配收入”作為解釋變量X。從2002年中國統計年鑒中得到表2.5的數據:表2.5 2002年中國各地區(qū)城市居民人均年消費支出和可支配收入地區(qū)城市居民家庭平均每人每年消費支出(元) Y城市居民人均年可支配收入(元) X10284.607191.965069.284710.964859.885342.644973.884462.0810464.006042.608713.084736.526631.684549.325596.324504.685608.925574.728988.485413.445459.646360.2454

5、13.084598.285827.926952.445278.045064.245042.526104.925636.4012463.929337.566679.685234.356051.066524.526260.166100.5613249.808177.6411715.606032.409189.366334.647614.366245.406788.526958.5611137.207315.326822.727238.046610.805944.087240.568079.126330.846151.446170.526067.446899.64作城市居民家庭平均每人每年消費支出(

6、Y)和城市居民人均年可支配收入(X)的散點圖，如圖2.12：圖2.12從散點圖可以看出居民家庭平均每人每年消費支出(Y)和城市居民人均年可支配收入(X)大體呈現為線性關系，所以建立的計量經濟模型為如下線性模型：三、估計參數假定所建模型與隨機擾動項滿足古典假定，可以用OLS法估計其參數。運用計算機軟件EViews作計量經濟分析十分方便。利用EViews作簡單線性回歸分析的步驟如下： 1、建立工作文件首先，雙擊EViews圖標，進入EViews主頁。在菜單一次點擊FileNewWorkfile，出現對話框“Workfile Range”。在“Workfile frequency”中選擇數據頻率：

7、Annual (年度) Weekly ( 周數據 ) Quartrly (季度) Daily (5 day week ) ( 每周5天日數據 ) Semi Annual (半年) Daily (7 day week ) ( 每周7天日數據 ) Monthly (月度) Undated or irreqular (未注明日期或不規(guī)則的)在本例中是截面數據，選擇“Undated or irreqular”。并在“Start date”中輸入開始時間或順序號，如“1”在“end date”中輸入最后時間或順序號，如“31”點擊“ok”出現“Workfile UNTITLED”工作框。其中已有變量：“

8、c”截距項“resid”剩余項。在“Objects”菜單中點擊“New Objects”，在“New Objects”對話框中選“Group”，并在“Name for Objects”上定義文件名，點擊“OK”出現數據編輯窗口。若要將工作文件存盤，點擊窗口上方“Save”，在“SaveAs”對話框中給定路徑和文件名，再點擊“ok”，文件即被保存。2、輸入數據在數據編輯窗口中，首先按上行鍵“”，這時對應的“obs”字樣的空格會自動上跳，在對應列的第二個“obs”有邊框的空格鍵入變量名，如“Y”，再按下行鍵“”，對因變量名下的列出現“NA”字樣，即可依順序輸入響應的數據。其他變量的數據也可用類似方

9、法輸入。也可以在EViews命令框直接鍵入“data X Y ”(一元時) 或 “data Y ”(多元時)，回車出現“Group”窗口數據編輯框，在對應的Y、X下輸入數據。若要對數據存盤，點擊 “fire/Save As”，出現“Save As”對話框，在“Drives”點所要存的盤，在“Directories”點存入的路徑（文件名），在“Fire Name”對所存文件命名，或點已存的文件名，再點“ok”。若要讀取已存盤數據，點擊“fire/Open”，在對話框的“Drives”點所存的磁盤名，在“Directories”點文件路徑，在“Fire Name”點文件名，點擊“ok”即可。3、估

10、計參數方法一：在EViews主頁界面點擊“Quick”菜單，點擊“Estimate Equation”，出現“Equation specification”對話框，選OLS估計，即選擊“Least Squares”，鍵入“Y C X”，點“ok”或按回車，即出現如表2.6那樣的回歸結果。表2.6在本例中，參數估計的結果為：（287.2649） (0.036928) t=(0.982520) (20.54026) F=421.9023 df=29方法二：在EViews命令框中直接鍵入“LS Y C X”，按回車，即出現回歸結果。若要顯示回歸結果的圖形，在“Equation”框中，點擊“Resid

11、s”，即出現剩余項（Residual）、實際值（Actual）、擬合值（Fitted）的圖形，如圖2.13所示。圖2.13四、模型檢驗1、經濟意義檢驗所估計的參數，說明城市居民人均年可支配收入每相差1元，可導致居民消費支出相差0.758511元。這與經濟學中邊際消費傾向的意義相符。2、擬合優(yōu)度和統計檢驗用EViews得出回歸模型參數估計結果的同時，已經給出了用于模型檢驗的相關數據。擬合優(yōu)度的度量：由表2.6中可以看出，本例中可決系數為0.935685，說明所建模型整體上對樣本數據擬合較好，即解釋變量“城市居民人均年可支配收入”對被解釋變量“城市居民人均年消費支出”的絕大部分差異作出了解釋。對回

12、歸系數的t檢驗：針對和，由表2.6中還可以看出，估計的回歸系數的標準誤差和t值分別為：，；的標準誤差和t值分別為：，。取，查t分布表得自由度為的臨界值。因為，所以不能拒絕；因為，所以應拒絕。這表明，城市人均年可支配收入對人均年消費支出有顯著影響。五、回歸預測由表2.5中可看出，2002年中國西部地區(qū)城市居民人均年可支配收入除了外均在8000以下，人均消費支出也都在7000元以下。在西部大開發(fā)的推動下，如果西部地區(qū)的城市居民人均年可支配收入第一步爭取達到1000美元(按現有匯率即人民幣8270元)，第二步再爭取達到1500美元(即人民幣12405元)，利用所估計的模型可預測這時城市居民可能達到的

13、人均年消費支出水平?？梢宰⒁獾剑@里的預測是利用截面數據模型對被解釋變量在不同空間狀況的空間預測。用EViews作回歸預測，首先在“Workfile”窗口點擊“Range”，出現“Change Workfile Range”窗口，將“End data”由“31”改為“33”，點“OK”，將“Workfile”中的“Range”擴展為133。在“Workfile”窗口點擊“sampl”，將“sampl”窗口中的“1 31”改為“1 33”，點“OK”，將樣本區(qū)也改為133。為了輸入，在EViews命令框鍵入data x /回車, 在X數據表中的“32”位置輸入“8270”，在“33”的位置輸入“

14、12405”，將數據表最小化。 然后在“E”框中，點擊“Forecast”，得對話框。在對話框中的“Forecast name”(預測值序列名)鍵入“”， 回車即得到模型估計值與標準誤差的圖形。雙擊“Workfile”窗口中出現的“”，在“”數據表中的“32”位置出現預測值，在“33”位置出現。這是當和時人均消費支出的點預測值。為了作區(qū)間預測，在X和Y的數據表中，點擊“View”選“Descriptive StatsCmmon Sample”，則得到X和Y的描述統計結果，見表2.7: 表2.7根據表2.7的數據可計算:取,平均值置信度95%的預測區(qū)間為：時時即是說，當元時，平均值置信度95%的

15、預測區(qū)間為（6393.03，6717.23）元。當元時，平均值置信度95%的預測區(qū)間為（9292.33，10090.83）元。個別值置信度95%的預測區(qū)間為：時時即是說，當第一步時，個別值置信度95%的預測區(qū)間為（5694.81，7415.45）元。當第二步時，個別值置信度95%的預測區(qū)間為（8757.09，10626.07）元。在“E”框中，點擊“Forecast”可得預測值與標準誤差的圖形如圖2.14：圖2.14案例分析2案例分析3一、研究的目的要求近年來，中國旅游業(yè)一直保持高速發(fā)展，旅游業(yè)作為國民經濟新的增長點，在整個社會經濟發(fā)展中的作用日益顯現。中國的旅游業(yè)分為國旅游和入境旅游兩大市場

16、，入境旅游外匯收入年均增長22.6%，與此同時國旅游也迅速增長。改革開放20多年來，特別是進入90年代后，中國的國旅游收入年均增長14.4%，遠高于同期GDP 9.76%的增長率。為了規(guī)劃中國未來旅游產業(yè)的發(fā)展，需要定量地分析影響中國旅游市場發(fā)展的主要因素。二、模型設定與其估計經分析，影響國旅游市場收入的主要因素，除了國旅游人數和旅游支出以外，還可能與相關基礎設施有關。為此，考慮的影響因素主要有國旅游人數，城鎮(zhèn)居民人均旅游支出，農村居民人均旅游支出，并以公路里程和鐵路里程作為相關基礎設施的代表。為此設定了如下對數形式的計量經濟模型：其中 ：第t年全國旅游收入國旅游人數 （萬人）城鎮(zhèn)居民人均旅游

17、支出 （元）農村居民人均旅游支出 （元）公路里程（萬公里）鐵路里程（萬公里） 為估計模型參數，收集旅游事業(yè)發(fā)展最快的19942003年的統計數據，如表4.2所示：表4.2 1994年2003年中國旅游收入與相關數據年份國旅游收入Y（億元）國旅游人數X2（萬人次）城鎮(zhèn)居民人均旅游支出X3（元）農村居民人均旅游支出X4 （元）公路里程 X5（萬公里）鐵路里程X6（萬公里）19941023.552400414.754.9111.785.9019951375.762900464.061.5115.705.9719961638.463900534.170.5118.586.4919972112.7644

18、00599.8145.7122.646.6019982391.269450607.0197.0127.856.6419992831.971900614.8249.5135.176.7420003175.574400678.6226.6140.276.8720013522.478400708.3212.7169.807.0120023878.487800739.7209.1176.527.1920033442.387000684.9200.0180.987.30數據來源:中國統計年鑒2004利用Eviews軟件，輸入Y、X2、X3、X4、X5、X6等數據，采用這些數據對模型進行OLS回歸，結果如

19、表4.3： 表4.3由此可見，該模型，可決系數很高，F檢驗值173.3525,明顯顯著。但是當時,不僅、系數的t檢驗不顯著，而且系數的符號與預期的相反，這表明很可能存在嚴重的多重共線性。計算各解釋變量的相關系數，選擇X2、X3、X4、X5、X6數據，點”view/correlations”得相關系數矩陣（如表4.4）：表4.4由相關系數矩陣可以看出：各解釋變量相互之間的相關系數較高，證實確實存在嚴重多重共線性。三、消除多重共線性采用逐步回歸的辦法，去檢驗和解決多重共線性問題。分別作Y對X2、X3、X4、X5、X6的一元回歸，結果如表4.5所示：表4.5變量X2X3X4X5X6參數估計值0.08

20、429.052311.667334.33242014.146t 統計量8.665913.15985.19676.46758.74870.90370.95580.77150.83940.9054按的大小排序為：X3、X6、X2、X5、X4。以X3為基礎，順次加入其他變量逐步回歸。首先加入X6回歸結果為： t=(2.9086) (0.46214) 當取時，X6參數的t檢驗不顯著，予以剔除，加入X2回歸得 t=(4.2839) (2.1512) X2參數的t檢驗不顯著，予以剔除，加入X5回歸得t=(6.6446) (2.6584) X3、X5參數的t檢驗顯著，保留X5，再加入X4回歸得t=(3.94

21、4983) (4.692961) （3.06767） F=231.7935 DW=1.952587當取時，,X3、X4、X5系數的t檢驗都顯著，這是最后消除多重共線性的結果。這說明，在其他因素不變的情況下，當城鎮(zhèn)居民人均旅游支出和農村居民人均旅游支出分別增長1元時，國旅游收入將分別增長4.21億元和3.22億元。在其他因素不變的情況下，作為旅游設施的代表，公路里程每增加1萬公里時, 國旅游收入將增長13.63億元。案例分析4一、問題的提出和模型設定根據本章引子提出的問題，為了給制定醫(yī)療機構的規(guī)劃提供依據，分析比較醫(yī)療機構與人口數量的關系，建立衛(wèi)生醫(yī)療機構數與人口數的回歸模型。假定醫(yī)療機構數與人

22、口數之間滿足線性約束，則理論模型設定為（5.31）其中表示衛(wèi)生醫(yī)療機構數，表示人口數。由2001年統計年鑒得到如下數據。表5.1 省2000年各地區(qū)醫(yī)療機構數與人口數地區(qū)人口數（萬人）X醫(yī)療機構數（個）Y地區(qū)人口數（萬人）X醫(yī)療機構數（個）Y1013.36304眉山339.9827315911508.51530103934438.61589463.71297達州620.12403德陽379.31085149.8866518.41616346.71223302.61021資陽488.413613711375阿壩82.9536江419.91212甘孜88.9594345.91132涼山402.41

23、471 709.2 4064二、參數估計進入EViews軟件包，確定時間圍；編輯輸入數據；選擇估計方程菜單，估計樣本回歸函數如下表5.2估計結果為(5.32)括號為t統計量值。 三、檢驗模型的異方差本例用的是省2000年各地市州的醫(yī)療機構數和人口數，由于地區(qū)之間存在的不同人口數，因此，對各種醫(yī)療機構的設置數量會存在不同的需求，這種差異使得模型很容易產生異方差，從而影響模型的估計和運用。為此，必須對該模型是否存在異方差進行檢驗。（一）圖形法1、EViews軟件操作。由路徑：Quick/Qstimate Equation，進入Equation Specification窗口，鍵入“y c x”，確

24、認并“ok”，得樣本回歸估計結果，見表5.2。（1）生成殘差平方序列。在得到表5.2估計結果后，立即用生成命令建立序列，記為e2。生成過程如下，先按路徑：Procs/Generate Series，進入Generate Series by Equation對話框，即 圖5.4然后，在Generate Series by Equation對話框中（如圖5.4），鍵入“e2=（resid）2”，則生成序列。（2）繪制對的散點圖。選擇變量名X與e2（注意選擇變量的順序，先選的變量將在圖形中表示橫軸，后選的變量表示縱軸），進入數據列表，再按路徑view/graph/scatter，可得散點圖，見圖5.

25、5。 圖5.52、判斷。由圖5.5可以看出，殘差平方對解釋變量X的散點圖主要分布在圖形中的下三角部分，大致看出殘差平方隨的變動呈增大的趨勢，因此，模型很可能存在異方差。但是否確實存在異方差還應通過更進一步的檢驗。（二）Goldfeld-Quanadt檢驗1、EViews軟件操作。（1）對變量取值排序（按遞增或遞減）。在Procs菜單里選Sort Series命令，出現排序對話框，如果以遞增型排序，選Ascenging，如果以遞減型排序，則應選Descending，鍵入X，點ok。本例選遞增型排序，這時變量Y與X將以X按遞增型排序。（2）構造子樣本區(qū)間，建立回歸模型。在本例中，樣本容量n=21，

26、刪除中間1/4的觀測值，即大約5個觀測值，余下部分平分得兩個樣本區(qū)間：18和1421，它們的樣本個數均是8個，即。在Sample菜單里，將區(qū)間定義為18，然后用OLS方法求得如下結果表5.3在Sample菜單里,將區(qū)間定義為1421，再用OLS方法求得如下結果表5.4（3）求F統計量值?；诒?.3和表5.4中殘差平方和的數據，即Sum squared resid的值。由表5.3計算得到的殘差平方和為，由表5.4計算得到的殘差平方和為，根據Goldfeld-Quanadt檢驗，F統計量為 （5.33）（4）判斷。在下，式（5.33）中分子、分母的自由度均為6，查F分布表得臨界值為，因為，所以拒

27、絕原假設，表明模型確實存在異方差。（三）White檢驗由表5.2估計結果，按路徑view/residual tests/white heteroskedasticity（no cross terms or cross terms），進入White檢驗。根據White檢驗中輔助函數的構造，最后一項為變量的交叉乘積項，因為本例為一元函數，故無交叉乘積項，因此應選no cross terms，則輔助函數為 （5.34）經估計出現White檢驗結果，見表5.5。從表5.5可以看出，由White檢驗知，在下，查分布表,得臨界值（在（5.34）式中只有兩項含有解釋變量，故自由度為2），比較計算的統計量與臨

28、界值，因為，所以拒絕原假設，不拒絕備擇假設，表明模型存在異方差。表5.5 四、異方差性的修正 （一）加權最小二乘法（WLS）在運用WLS法估計過程中，我們分別選用了權數。權數的生成過程如下，由圖5.4，在對話框中的Enter Quation處，按如下格式分別鍵入：；，經估計檢驗發(fā)現用權數的效果最好。下面僅給出用權數的結果。表5.7表5.7的估計結果如下 （5.36）括號中數據為t統計量值?？梢钥闯鲞\用加權小二乘法消除了異方差性后，參數的t檢驗均顯著，可決系數大幅提高，F檢驗也顯著，并說明人口數量每增加1萬人，平均說來將增加2.953個衛(wèi)生醫(yī)療機構，而不是引子中得出的增加5.3735個醫(yī)療機構。

29、雖然這個模型可能還存在某些其他需要進一步解決的問題，但這一估計結果或許比引子中的結論更為接近真實情況。案例分析5一、問題的提出和模型設定根據本章引子提出的問題，為了給制定醫(yī)療機構的規(guī)劃提供依據，分析比較醫(yī)療機構與人口數量的關系，建立衛(wèi)生醫(yī)療機構數與人口數的回歸模型。假定醫(yī)療機構數與人口數之間滿足線性約束，則理論模型設定為（5.31）其中表示衛(wèi)生醫(yī)療機構數，表示人口數。由2001年統計年鑒得到如下數據。表5.1 省2000年各地區(qū)醫(yī)療機構數與人口數地區(qū)人口數（萬人）X醫(yī)療機構數（個）Y地區(qū)人口數（萬人）X醫(yī)療機構數（個）Y1013.36304眉山339.9827315911508.5153010

30、3934438.61589463.71297達州620.12403德陽379.31085149.8866518.41616346.71223302.61021資陽488.413613711375阿壩82.9536江419.91212甘孜88.9594345.91132涼山402.41471 709.2 4064二、參數估計進入EViews軟件包，確定時間圍；編輯輸入數據；選擇估計方程菜單，估計樣本回歸函數如下表5.2估計結果為(5.32)括號為t統計量值。 三、檢驗模型的異方差本例用的是省2000年各地市州的醫(yī)療機構數和人口數，由于地區(qū)之間存在的不同人口數，因此，對各種醫(yī)療機構的設置數量會存在

31、不同的需求，這種差異使得模型很容易產生異方差，從而影響模型的估計和運用。為此，必須對該模型是否存在異方差進行檢驗。（一）圖形法1、EViews軟件操作。由路徑：Quick/Qstimate Equation，進入Equation Specification窗口，鍵入“y c x”，確認并“ok”，得樣本回歸估計結果，見表5.2。（1）生成殘差平方序列。在得到表5.2估計結果后，立即用生成命令建立序列，記為e2。生成過程如下，先按路徑：Procs/Generate Series，進入Generate Series by Equation對話框，即 圖5.4然后，在Generate Series

32、by Equation對話框中（如圖5.4），鍵入“e2=（resid）2”，則生成序列。（2）繪制對的散點圖。選擇變量名X與e2（注意選擇變量的順序，先選的變量將在圖形中表示橫軸，后選的變量表示縱軸），進入數據列表，再按路徑view/graph/scatter，可得散點圖，見圖5.5。 圖5.52、判斷。由圖5.5可以看出，殘差平方對解釋變量X的散點圖主要分布在圖形中的下三角部分，大致看出殘差平方隨的變動呈增大的趨勢，因此，模型很可能存在異方差。但是否確實存在異方差還應通過更進一步的檢驗。（二）Goldfeld-Quanadt檢驗1、EViews軟件操作。（1）對變量取值排序（按遞增或遞減）

33、。在Procs菜單里選Sort Series命令，出現排序對話框，如果以遞增型排序，選Ascenging，如果以遞減型排序，則應選Descending，鍵入X，點ok。本例選遞增型排序，這時變量Y與X將以X按遞增型排序。（2）構造子樣本區(qū)間，建立回歸模型。在本例中，樣本容量n=21，刪除中間1/4的觀測值，即大約5個觀測值，余下部分平分得兩個樣本區(qū)間：18和1421，它們的樣本個數均是8個，即。在Sample菜單里，將區(qū)間定義為18，然后用OLS方法求得如下結果表5.3在Sample菜單里,將區(qū)間定義為1421，再用OLS方法求得如下結果表5.4（3）求F統計量值?；诒?.3和表5.4中殘差

34、平方和的數據，即Sum squared resid的值。由表5.3計算得到的殘差平方和為，由表5.4計算得到的殘差平方和為，根據Goldfeld-Quanadt檢驗，F統計量為 （5.33）（4）判斷。在下，式（5.33）中分子、分母的自由度均為6，查F分布表得臨界值為，因為，所以拒絕原假設，表明模型確實存在異方差。（三）White檢驗由表5.2估計結果，按路徑view/residual tests/white heteroskedasticity（no cross terms or cross terms），進入White檢驗。根據White檢驗中輔助函數的構造，最后一項為變量的交叉乘積項，

35、因為本例為一元函數，故無交叉乘積項，因此應選no cross terms，則輔助函數為 （5.34）經估計出現White檢驗結果，見表5.5。從表5.5可以看出，由White檢驗知，在下，查分布表,得臨界值（在（5.34）式中只有兩項含有解釋變量，故自由度為2），比較計算的統計量與臨界值，因為，所以拒絕原假設，不拒絕備擇假設，表明模型存在異方差。表5.5 四、異方差性的修正 （一）加權最小二乘法（WLS）在運用WLS法估計過程中，我們分別選用了權數。權數的生成過程如下，由圖5.4，在對話框中的Enter Quation處，按如下格式分別鍵入：；，經估計檢驗發(fā)現用權數的效果最好。下面僅給出用權數

36、的結果。表5.7表5.7的估計結果如下 （5.36）括號中數據為t統計量值?？梢钥闯鲞\用加權小二乘法消除了異方差性后，參數的t檢驗均顯著，可決系數大幅提高，F檢驗也顯著，并說明人口數量每增加1萬人，平均說來將增加2.953個衛(wèi)生醫(yī)療機構，而不是引子中得出的增加5.3735個醫(yī)療機構。雖然這個模型可能還存在某些其他需要進一步解決的問題，但這一估計結果或許比引子中的結論更為接近真實情況。案例分析6案例7.1為了研究19551974年期間美國制造業(yè)庫存量Y和銷售額X的關系，我們在例7.3中采用了經驗加權法估計分布滯后模型。盡管經驗加權法具有一些優(yōu)點，但是設置權數的主觀隨意性較大，要求分析者對實際問題

37、的特征有比較透徹的了解。下面用阿爾蒙法估計如下有限分布滯后模型：將系數(i=0,1,2,3)用二次多項式近似，即則原模型可變?yōu)槠渲性贓views工作文件中輸入X和Y的數據，在工作文件窗口中點擊“Genr”工具欄，出現對話框，輸入生成變量Z0t的公式，點擊“OK”；類似，可生成Z1t、Z2t變量的數據。進入Equation Specification 對話欄，鍵入回歸方程形式Y C Z0Z1 Z2點擊“OK”，顯示回歸結果（見表7.2）。表7.2表中Z0、Z1、Z2對應的系數分別為的估計值。將它們代入分布滯后系數的阿爾蒙多項式中，可計算出的估計值為：從而，分布滯后模型的最終估計式為：在實際應用中

38、，Eviews提供了多項式分布滯后指令“PDL”用于估計分布滯后模型。下面結合本例給出操作過程：在Eviews中輸入X和Y的數據，進入Equation Specification 對話欄，鍵入方程形式Y C PDL(X, 3, 2)其中，“PDL指令”表示進行多項式分布滯后（Polynomial Distributed Lags）模型的估計，括號中的3表示X的分布滯后長度，2表示多項式的階數。在Estimation Settings欄中選擇Least Squares(最小二乘法)，點擊OK，屏幕將顯示回歸分析結果（見表7.3）。表7.3需要指出的是，用“PDL”估計分布滯后模型時，Eviews

39、所采用的滯后系數多項式變換不是形如（7.4）式的阿爾蒙多項式，而是阿爾蒙多項式的派生形式。因此，輸出結果中PDL01、PDL02、PDL03對應的估計系數不是阿爾蒙多項式系數的估計。但同前面分步計算的結果相比，最終的分布滯后估計系數式是一樣的。案例7.2貨幣主義學派認為，產生通貨膨脹的必要條件是貨幣的超量供應。物價變動與貨幣供應量的變化有著較為密切的聯系，但是二者之間的關系不是瞬時的，貨幣供應量的變化對物價的影響存在一定時滯。有研究表明，西方國家的通貨膨脹時滯大約為23個季度。在中國，大家普遍認同貨幣供給的變化對物價具有滯后影響，但滯后期究竟有多長，還存在不同的認識。下面采集19962005年

40、全國廣義貨幣供應量和物價指數的月度數據（見表7.4）對這一問題進行研究。表7.4 19962005年全國廣義貨幣供應量與物價指數月度數據月度廣義貨幣M2 (千億元）廣義貨幣增長量M2z（千億元）居民消費價格同比指數tbzs 月度廣義貨幣M2 (千億元）廣義貨幣增長量M2z（千億元）居民消費價格同比指數tbzs Jan-9658.401Oct-00129.522-0.9518100Feb-9663.7785.377109.3Nov-00130.99411.4721101.3Mar-9664.5110.733109.8Dec-00134.61033.6162101.5Apr-9665.7231.2

41、12109.7Jan-01137.54362.9333101.2May-9666.881.157108.9Feb-01136.2102-1.3334100Jun-9668.1321.252108.6Mar-01138.74452.5343100.8Jul-9669.3461.214108.3Apr-01139.94991.2054101.6Aug-9672.3092.963108.1May-01139.0158-0.9341101.7Sep-9669.643-2.666107.4Jun-01147.80978.7939101.4Oct-9673.15223.5092107Jul-01149.2

42、2871.419101.5Nov-9674.1420.9898106.9Aug-01149.94180.7131101Dec-9676.09491.9529107Sep-01151.82261.880899.9Jan-9778.6482.5531105.9Oct-01151.4973-0.3253100.2Feb-9778.9980.35105.6Nov-01154.08832.59199.7Mar-9779.8890.891104Dec-01158.30194.213699.7Apr-9780.8180.929103.2Jan-02159.63931.337499May-9781.1510.

43、333102.8Feb-02160.93561.2963100Jun-9782.7891.638102.8Mar-02164.06463.12999.2Jul-9783.460.671102.7Apr-02164.57060.50698.7Aug-9784.7461.286101.9May-02166.0611.490498.9Sep-9785.8921.146101.8Jun-02169.60123.540299.2Oct-9786.6440.752101.5Jul-02170.85111.249999.1Nov-9787.590.946101.1Aug-02173.25092.399899

44、.3Dec-9790.99533.4053100.4Sep-02176.98243.731599.3Jan-9892.21141.2161100.3Oct-02177.29420.311899.2Feb-9892.024-0.187499.9Nov-02179.73632.442199.3Mar-9892.015-0.009100.7Dec-02185.00735.27199.6Apr-9892.6620.64799.7Jan-03190.48835.481100.4May-9893.9361.27499Feb-03190.1084-0.3799100.2Jun-9894.6580.72298

45、.7Mar-03194.48734.3789100.9Jul-9896.3141.65698.6Apr-03196.13011.6428101Aug-9897.2990.98598.6May-03199.50523.3751100.7Sep-9899.7952.49698.5Jun-03204.93145.4262100.3Oct-98100.87521.080298.9Jul-03206.19311.2617100.5Nov-98102.2291.353898.8Aug-03210.59194.3988100.9Dec-98104.49852.269599Sep-03213.56712.97

46、52101.1Jan-99105.51.001598.8Oct-03214.46940.9023101.8Feb-99107.7782.27898.7Nov-03216.35171.8823103Mar-99108.4380.6698.2Dec-03221.22284.8711103.2Apr-99109.2180.7897.8Jan-04225.101933.87913103.2May-99110.0610.84397.8Feb-04227.050721.94879102.1Jun-99111.3631.30297.9Mar-04231.65464.60388103Jul-99111.414

47、0.05198.6Apr-04233.627861.97326103.8Aug-99112.8271.41398.7May-04234.84241.21454104.4Sep-99115.0792.25299.2Jun-04238.427493.58509105Oct-99115.390.31199.4Jul-04234.8424-3.58509105.3Nov-99116.5591.16999.1Aug-04239.729194.88679105.3Dec-99119.8983.33999Sep-04243.7574.02781105.2Jan-00121.221.32299.8Oct-04

48、243.74-0.017104.3Feb-00121.58340.3634100.7Nov-04247.135583.39558102.8Mar-00122.58070.997399.8Dec-04253.20776.07212102.4Apr-00124.12191.541299.7Jan-05257.752834.54513101.9May-00124.0533-0.0686100.1Feb-05259.35611.60327103.9Jun-00126.60532.552100.5Mar-05264.58895.2328102.7Jul-00126.3239-0.2814100.5Apr

49、-05266.992662.40376101.8Aug-00127.791.4661100.3May-05269.22942.23674101.8Sep-00130.47382.6838100數據來源：中國經濟統計數據庫，為了考察貨幣供應量的變化對物價的影響，我們用廣義貨幣M2的月增長量M2Z作為解釋變量，以居民消費價格月度同比指數TBZS為被解釋變量進行研究。首先估計如下回歸模型得如下回歸結果（表7.5）。表7.5Dependent Variable: TBZSMethod: Least SquaresDate: 07/03/05 Time: 17:10Sample(adjusted): 1996:02 2005:05Included observations: 112 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C101.43560.397419255.23580.0000M2Z0.0683710.1518720.4501900.6535R-squared0.001839 Mean dependent var101.5643Adjusted R-squared-0.007235 S.D. dependent var2.911111S.E. of regression2.92