計量經(jīng)濟(jì)學(xué)第五章(共121張PPT)

計量經(jīng)濟(jì)學(xué)第五章第一頁，共121頁。§5.1虛擬變量模型

DummyVariablesRegressionModels

一、虛擬變量的基本含義二、虛擬變量的引入三、虛擬變量的設(shè)置原則第二頁，共121頁。在對在校學(xué)生的消費(fèi)行為進(jìn)行的調(diào)查中,發(fā)現(xiàn)在校生的消費(fèi)行為呈現(xiàn)多元化的結(jié)構(gòu)。人際交往消費(fèi)、手機(jī)類消費(fèi)、衣著類消費(fèi)、化妝品類消費(fèi)、電腦類消費(fèi)、旅游類消費(fèi)占有較大的比例；而食品類消費(fèi)、學(xué)習(xí)用品類消費(fèi)不突顯。

顯然,男女生在消費(fèi)上存在差異。為了了解男、女生的消費(fèi)支出結(jié)構(gòu)差異，應(yīng)當(dāng)如何建立模型？面臨的問題：如何把男女生這樣的非數(shù)量變量引

入方程？

引子:男女大學(xué)生消費(fèi)真有差異嗎?

第三頁，共121頁。

問題的一般性描述在實(shí)際建模中，一些定性變量具有不可忽視的重要影響。例如，研究某個企業(yè)的銷售水平，產(chǎn)業(yè)屬性（制造業(yè)、零售業(yè)）、所有制（私營、非私營）、地理位置（東、中、西部）、管理者的素質(zhì)、不同的收入水平等是值得考慮的重要影響因素，但這些因素共同的特征是定性描述的。如何對非定量因素進(jìn)行回歸分析？第四頁，共121頁。一、虛擬變量的基本含義第五頁，共121頁。1、虛擬變量（dummyvariables）許多經(jīng)濟(jì)變量是可以定量度量。一些影響經(jīng)濟(jì)變量的因素是無法定量度量。為了在模型中能夠反映這些因素的影響，并提高模型的精度，需要將它們“量化”。這種“量化”通常是通過引入“虛擬變量”來完成的。根據(jù)這些因素的屬性類型，構(gòu)造只取“0”或“1”的人工變量，通常稱為虛擬變量，記為D。虛擬變量只作為解釋變量。第六頁，共121頁。一般地，在虛擬變量的設(shè)置中：

基礎(chǔ)類型、肯定類型取值為1；比較類型，否定類型取值為0。例如，反映文程度的虛擬變量可取為：D=1，本科學(xué)歷D=0，非本科學(xué)歷虛擬變量能否取1、0以外的數(shù)值？第七頁，共121頁。2、虛擬變量模型同時含有一般解釋變量與虛擬變量的模型稱為虛擬變量模型或者方差分析（analysis-ofvariance:ANOVA）模型。例如，一個以性別為虛擬變量考察企業(yè)職工薪金的模型：其中：Yi為企業(yè)職工的薪金；Xi為工齡；Di=1，若是男性，Di=0，若是女性。第八頁，共121頁。二、虛擬變量的引入第九頁，共121頁。1、加法方式虛擬變量作為解釋變量引入模型有兩種基本方式：加法方式和乘法方式。上述企業(yè)職工薪金模型中性別虛擬變量的引入采取了加法方式。在該模型中，如果仍假定E(i)=0，則企業(yè)男、女職工的平均薪金為：第十頁，共121頁。

假定2>0，則兩個函數(shù)有相同的斜率，但有不同的截距。意即，男女職工平均薪金對工齡的變化率是一樣的，但兩者的平均薪金水平相差2?？梢酝ㄟ^對2的統(tǒng)計顯著性進(jìn)行檢驗，以判斷企業(yè)男女職工的平均薪金水平是否有顯著差異。02第十一頁，共121頁。將上例中的性別換成教育水平，教育水平考慮三個層次：高中以下、高中、大學(xué)及其以上。高中以下高中大學(xué)及以上第十二頁，共121頁。在上例中同時引入性別和教育水平：第十三頁，共121頁。女職工本科以下學(xué)歷的平均薪金：女職工本科以上學(xué)歷的平均薪金：男職工本科以下學(xué)歷的平均薪金：男職工本科以上學(xué)歷的平均薪金：第十四頁，共121頁。2、乘法方式加法方式引入虛擬變量，考察：截距的不同。許多情況下，斜率發(fā)生變化，或斜率、截距同時發(fā)生變化。斜率的變化可通過以乘法的方式引入虛擬變量來測度。第十五頁，共121頁。例如，根據(jù)消費(fèi)理論，收入決定消費(fèi)。但是，農(nóng)村居民和城鎮(zhèn)居民的邊際消費(fèi)傾向往往是不同的。這種消費(fèi)傾向的不同可通過在消費(fèi)函數(shù)中引入虛擬變量來考察。農(nóng)村居民：城鎮(zhèn)居民：第十六頁，共121頁。例如，根據(jù)消費(fèi)理論，收入決定消費(fèi)。但是，在自然災(zāi)害、戰(zhàn)爭等反常年份，消費(fèi)傾向往往發(fā)生變化。這種消費(fèi)傾向的變化可通過在消費(fèi)函數(shù)中引入虛擬變量來考察。第十七頁，共121頁。例如，根據(jù)消費(fèi)理論，收入決定消費(fèi)。但是，從某一個時點(diǎn)開始，消費(fèi)傾向發(fā)生變化。這種消費(fèi)傾向的變化也可通過在消費(fèi)函數(shù)中引入虛擬變量來考察。第十八頁，共121頁。3、同時引入加法與乘法形式的虛擬變量當(dāng)截距與斜率發(fā)生變化時，則需要同時引入加法與乘法形式的虛擬變量。對于一元模型，有兩組樣本，則有可能出現(xiàn)下述四種情況中的一種：

1=1

，且2=2

，即兩個回歸相同，稱為重合回歸（CoincidentRegressions）；11,但2=2

，即兩個回歸的差異僅在其截距，稱為平行回歸（ParallelRegressions）;1=1

，但22

，即兩個回歸的差異僅在其斜率，稱為匯合回歸(ConcurrentRegressions)；11，且22

，即兩個回歸完全不同，稱為相異回歸（DissimilarRegressions）。第十九頁，共121頁。例5.1.1以中國2007年各個地區(qū)城鎮(zhèn)居民家庭人均可支配收入與人均生活消費(fèi)支出，以及農(nóng)村居民家庭人均純收入與人均生活消費(fèi)支出的相關(guān)數(shù)據(jù)，建立居民消費(fèi)函數(shù)模型。可以采用鄒氏穩(wěn)定性檢驗來考察農(nóng)村居民與城鎮(zhèn)居民邊際消費(fèi)傾向是否有差異。也可以建立虛擬變量模型，考察農(nóng)村居民與城鎮(zhèn)居民邊際消費(fèi)傾向是否有差異。第二十頁，共121頁。估計得到由變量顯著性檢驗得到：2007年農(nóng)村居民與城鎮(zhèn)居民的邊際消費(fèi)傾向并無顯著差異，他們有著共同的消費(fèi)函數(shù)。

第二十一頁，共121頁。例如，以1978-2009年的數(shù)據(jù)為樣本，以GDP作為解釋變量，建立居民消費(fèi)函數(shù)。根據(jù)分析，1992年前后，自發(fā)消費(fèi)和消費(fèi)率都可能發(fā)生變化。通過統(tǒng)計檢驗，判斷兩個時期中消費(fèi)函數(shù)的截距和斜率是否發(fā)生變化。臨界指標(biāo)的虛擬變量的引入第二十二頁，共121頁。三、虛擬變量的設(shè)置原則第二十三頁，共121頁。每一定性變量(qualitativevariable)所需的虛擬變量個數(shù)要比該定性變量的狀態(tài)類別數(shù)(categories)少1。即如果有m種狀態(tài)，只在模型中引入m-1個虛擬變量。例如，季節(jié)定性變量有春、夏、秋、冬4種狀態(tài)，只需要設(shè)置3個虛變量：如果設(shè)置第4個虛變量，則出現(xiàn)“虛擬變量陷井”（DummyVariableTrap），為什么？第二十四頁，共121頁。包含季節(jié)變量的正確模型：解釋變量完全共線性第二十五頁，共121頁。如果在服裝需求函數(shù)模型中必須包含3個定性變量：季節(jié)（4種狀態(tài)）、性別（2種狀態(tài)）、職業(yè)（5種狀態(tài)），應(yīng)該設(shè)置多少虛變量？模型含常數(shù)項模型不含常數(shù)項第二十六頁，共121頁。討論：虛變量與狀態(tài)的不同對應(yīng)關(guān)系對估計結(jié)果有無影響？例3.2.2中引入經(jīng)濟(jì)區(qū)位因素：東、中、西Y=9.198829575-249.8125832*DD1-95.22159634*DD2+0.6090284838*X1+0.2032206892*X2Y=-240.6137536+249.8125832*D1+154.5909868*D2+0.6090284838*X1+0.2032206892*X2第二十七頁，共121頁。從上述2個得到：東部與中部自發(fā)性消費(fèi)相差154.6，中部與西部相差95.2。虛變量與狀態(tài)的不同對應(yīng)關(guān)系對估計結(jié)果無影響。第二十八頁，共121頁?！?.2滯后變量模型

LaggedVariablesRegressionModels

一、滯后變量模型二、分布滯后模型的參數(shù)估計三、自回歸模型的參數(shù)估計四、格蘭杰因果關(guān)系檢驗

第二十九頁，共121頁。30引子:

貨幣政策效應(yīng)的時滯

貨幣供給的變化對經(jīng)濟(jì)影響很大，貨幣政策總是備受關(guān)注。貨幣政策的影響效應(yīng)存在著時間上的滯后。在貨幣政策的傳導(dǎo)過程中，貨幣擴(kuò)張首先促使利率降低，或者一般價格水平的上升，這需要一段時間。這些因素對以GDP為代表的經(jīng)濟(jì)增長的影響，更是需要一段時間才能顯示出來。只有經(jīng)過一段時間以后，支出對利率的反應(yīng)增強(qiáng)，投資、進(jìn)出口和消費(fèi)才會不斷上升，貨幣政策才最終促使GDP增加。通常，貨幣擴(kuò)張對GDP影響的最高點(diǎn)可能是在政策實(shí)施以后的一到兩年間達(dá)到。

第三十頁，共121頁。31

在現(xiàn)實(shí)經(jīng)濟(jì)活動中，滯后現(xiàn)象是普遍存在的，這就要求我們在做經(jīng)濟(jì)分析時應(yīng)該考慮時滯的影響。怎樣才能把這類時間上滯后的經(jīng)濟(jì)關(guān)系納入計量經(jīng)濟(jì)模型呢？

思考第三十一頁，共121頁。一、滯后變量模型第三十二頁，共121頁。1、滯后變量滯后被解釋變量（Laggedexplainedvariable）和滯后解釋變量（Laggedexplanatoryvariable）作為模型的解釋變量。一般出現(xiàn)在時間序列數(shù)據(jù)樣本的模型中。模型中出現(xiàn)滯后變量的原因:心理原因技術(shù)原因制度原因第三十三頁，共121頁。2、滯后變量模型

以滯后變量作為解釋變量，就得到滯后變量模型，也稱動態(tài)模型。

自回歸分布滯后模型（AutoregressiveDistributedLagModel,ADL）：既含有Y對自身滯后變量的回歸，還包括著X分布在不同時期的滯后變量。

有限自回歸分布滯后模型：滯后期長度有限

無限自回歸分布滯后模型：滯后期無限

第三十四頁，共121頁。分布滯后模型（distributed-lagmodel）

：模型中沒有滯后被解釋變量，僅有解釋變量X的當(dāng)期值及其若干期的滯后值。0：短期(short-run)或即期乘數(shù)(impactmultiplier)，表示本期X變化一單位對Y平均值的影響程度。

i(i=1,2…,s)：動態(tài)乘數(shù)或延遲系數(shù)，表示各滯后期X的變動對Y平均值影響的大小。第三十五頁，共121頁。如果各期的X值保持不變，則X與Y間的長期或均衡關(guān)系即為稱為長期（long-run）或均衡乘數(shù)（totaldistributed-lagmultiplier），表示X變動一個單位，由于滯后效應(yīng)而形成的對Y平均值總影響的大小。

第三十六頁，共121頁。自回歸模型（autoregressivemodel）

：模型中的解釋變量僅包含X的當(dāng)期值與被解釋變量Y的一個或多個滯后值。稱為一階自回歸模型（first-orderautoregressivemodel）。第三十七頁，共121頁。二、分布滯后模型的參數(shù)估計第三十八頁，共121頁。1、分布滯后模型估計的困難無限期的分布滯后模型，由于樣本觀測值的有限性，使得無法直接對其進(jìn)行估計。有限期的分布滯后模型，OLS會遇到如下問題：

沒有先驗準(zhǔn)則確定滯后期長度；如果滯后期較長，將缺乏足夠的自由度進(jìn)行估計和檢驗；同名變量滯后值之間可能存在高度線性相關(guān)，即模型存在高度的多重共線性。

第三十九頁，共121頁。2、分布滯后模型的修正估計方法通過對各滯后變量加權(quán)，組成線性合成變量而有目的地減少滯后變量的數(shù)目，以緩解多重共線性，保證自由度。經(jīng)驗加權(quán)法：根據(jù)實(shí)際問題的特點(diǎn)和實(shí)際經(jīng)驗給各滯后變量指定權(quán)數(shù)，滯后變量按權(quán)數(shù)線性組合，構(gòu)成新的變量。權(quán)數(shù)據(jù)的類型有：遞減型、矩型、倒V型等。

經(jīng)驗權(quán)數(shù)法的優(yōu)點(diǎn)是：簡單易行；缺點(diǎn)是：設(shè)置權(quán)數(shù)的隨意性較大。第四十頁，共121頁。41圖7.1常見的滯后結(jié)構(gòu)類型wt0(a)wt0(b)wt0(c)第四十一頁，共121頁。42【例7.3】已知1955—1974年期間美國制造業(yè)庫存量和銷售額的統(tǒng)計資料如表7.1（金額單位：億美元）。設(shè)定有限分布滯后模型為：運(yùn)用經(jīng)驗加權(quán)法，選擇下列三組權(quán)數(shù)：（1）1，1/2，1/4，1/8

（2）1/4，1/2，2/3，1/4

（3）1/4，1/4，1/4，1/4

分別估計上述模型，并從中選擇最佳的方程。

第四十二頁，共121頁。1955—1974年美國制造業(yè)庫存量Y和銷售額X年份YX年份YX1955450.69264.81965682.21410.031956506.42277.41966779.65448.691957518.7287.361967846.55464.491958500.7272.81968908.75502.821959527.07302.191969970.74535.551960538.14307.9619701016.45528.591961549.39308.9619711024.45559.171962582.13331.1319721077.19620.171963600.43350.3219731208.7713.981964633.83373.3519741471.35820.9843第四十三頁，共121頁。44

記新的線性組合變量分別為：由上述公式生成線性組合變量的數(shù)據(jù)。然后分別估計如下經(jīng)驗加權(quán)模型。第四十四頁，共121頁。45回歸分析結(jié)果整理如下模型一：模型二：第四十五頁，共121頁。46

模型三：從上述回歸分析結(jié)果可以看出，模型一的擾動項無一階自相關(guān)，模型二、模型三擾動項存在一階正自相關(guān)；再綜合判斷可決系數(shù)、F檢驗值、t檢驗值，可以認(rèn)為：最佳的方程是模型一，即權(quán)數(shù)為（1，1/2，1/4，1/8）的分布滯后模型。第四十六頁，共121頁。阿爾蒙（Almon）多項式法主要思想：針對有限滯后期模型，通過阿爾蒙變換，定義新變量，以減少解釋變量個數(shù)，然后用OLS法估計參數(shù)。主要步驟為：第一步，阿爾蒙變換第四十七頁，共121頁。48此式稱為阿爾蒙多項式變換（圖7.2）。第四十八頁，共121頁。i=0,1,…,s例如取m=2

第四十九頁，共121頁。50

將阿爾蒙多項式變換代入分布滯后模型并整理，模型變?yōu)槿缦滦问?/p>

其中

（7.5）第五十頁，共121頁。第二步，模型的OLS估計對變換后的模型進(jìn)行OLS估計，得α的估計值；計算滯后分布模型參數(shù)β的估計值。在實(shí)際估計中，阿爾蒙多項式的階數(shù)m一般取2或3，不超過4，否則達(dá)不到減少變量個數(shù)的目的。由于m+1<s，可以認(rèn)為原模型存在的自由度不足和多重共線性問題已得到改善。事實(shí)上，多項式分布滯后模型比原分布滯后模型的多重共線性問題可能增強(qiáng)了，而不是削弱了。第五十一頁，共121頁。例5.2.2發(fā)電量主要取決于電力部門固定資產(chǎn)，而固定資產(chǎn)是由歷年的投資形成的，適合于建立分布滯后模型。由于無法預(yù)知電力行業(yè)基本建設(shè)投資對發(fā)電量影響的時滯期，需取不同的滯后期試算。經(jīng)過試算發(fā)現(xiàn)，在2階阿爾蒙多項式變換下，滯后期數(shù)取到第7期，估計結(jié)果的經(jīng)濟(jì)意義比較合理。估計2階阿爾蒙多項式模型：第五十二頁，共121頁。第五十三頁，共121頁。第五十四頁，共121頁。計算分布滯后模型參數(shù)估計值，進(jìn)而得到分布滯后模型估計式：直接對分布滯后模型進(jìn)行OLS估計的結(jié)果：所有變量均未通過顯著性檢驗，而且負(fù)值的出現(xiàn)也與實(shí)際經(jīng)濟(jì)意義不相符。第五十五頁，共121頁?？埔量耍↘oyck）方法

科伊克方法是將無限分布滯后模型轉(zhuǎn)換為自回歸模型，然后進(jìn)行估計。第五十六頁，共121頁?？埔量四Ｐ偷奶攸c(diǎn)：以一個滯后因變量Yt-1代替了大量的滯后解釋變量Xt-i，最大限度地節(jié)省了自由度，解決了滯后期長度s難以確定的問題；由于滯后一期的因變量Yt-1與Xt的線性相關(guān)程度肯定小于X的各期滯后值之間的相關(guān)程度，從而緩解了多重共線性?？埔量俗儞Q產(chǎn)生了兩個新問題：模型存在隨機(jī)項vt的一階自相關(guān)性；滯后被解釋變量Yt-1與隨機(jī)項vt不獨(dú)立。第五十七頁，共121頁。三、自回歸模型的參數(shù)估計第五十八頁，共121頁。1、自回歸模型的構(gòu)造一個無限期分布滯后模型可以通過科伊克變換轉(zhuǎn)化為自回歸模型。許多滯后變量模型都可以轉(zhuǎn)化為自回歸模型，自回歸模型是經(jīng)濟(jì)生活中更常見的模型。以適應(yīng)預(yù)期模型以及局部調(diào)整模型為例進(jìn)行說明。第五十九頁，共121頁。自適應(yīng)預(yù)期（Adaptiveexpectation）模型第六十頁，共121頁。局部調(diào)整(PartialAdjustment)模型第六十一頁，共121頁。2、自回歸模型的參數(shù)估計自回歸模型估計時的主要問題：滯后被解釋變量可能與隨機(jī)擾動項相關(guān)；隨機(jī)擾動項可能出現(xiàn)序列相關(guān)性。視滯后被解釋變量與隨機(jī)擾動項之間的相關(guān)性選擇估計方法。工具變量法：解釋變量Yt-1與隨機(jī)擾動項t相關(guān)（例如科伊克模型、自適應(yīng)預(yù)期模型）。普通最小二乘法：解釋變量Yt-1與隨機(jī)擾動項t同期無關(guān)（例如局部調(diào)整模型）。第六十二頁，共121頁。工具變量法只解決了解釋變量與t相關(guān)對參數(shù)估計所造成的影響，但沒有解決t的自相關(guān)問題。事實(shí)上，對于自回歸模型，t項的自相關(guān)問題始終存在，對于此問題，至今沒有完全有效的解決方法。唯一可做的，就是盡可能地建立“正確”的模型，以使序列相關(guān)性的程度減輕。例5.2.3貨幣流通量局部調(diào)整模型的建立；貨幣流通量局部調(diào)整模型的估計。第六十三頁，共121頁。64案例分析

【案例7.1】為了研究1955—1974年期間美國制造業(yè)庫存量和銷售額的關(guān)系，我們在例7.3中采用了經(jīng)驗加權(quán)法估計分布滯后模型。下面用阿爾蒙法估計如下有限分布滯后模型：將系數(shù)用二次多項式近似，即第六十四頁，共121頁。65則原模型可變?yōu)槠渲?/p>

估計如下回歸方程形式第六十五頁，共121頁。66

回歸結(jié)果見表7.2

表7.2第六十六頁，共121頁。67

表中對應(yīng)的系數(shù)分別為的估計值。將它們代入分布滯后系數(shù)的阿爾蒙多項式中，可計算出的估計值，分布滯后模型的最終估計式為：第六十七頁，共121頁。68

在實(shí)際應(yīng)用中，EViews提供了多項式分布滯后指令“PDL”用于估計分布滯后模型。在EViews中輸入和的數(shù)據(jù)，進(jìn)入EquationSpecification對話欄，鍵入方程形式：

第六十八頁，共121頁。69

其中，“PDL指令”表示進(jìn)行阿爾蒙多項式分布滯后模型的估計，括號中的3表示的分布滯后長度，2表示阿爾蒙多項式的階數(shù)。在EstimationSettings欄中選擇LeastSquares(最小二乘法)，點(diǎn)擊OK，屏幕將顯示回歸分析結(jié)果（見表7.3）。

第六十九頁，共121頁。70表7.3第七十頁，共121頁。71

需要指出的是，用“PDL”估計分布滯后模型時，

EViews所采用的滯后系數(shù)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(jié)果中、、對應(yīng)的估計系數(shù)不是阿爾蒙多項式系數(shù)的估計。但同前面分步計算的結(jié)果相比，最終的分布滯后估計系數(shù)式是相同的。第七十一頁，共121頁。72

【案例7.2】

貨幣主義學(xué)派認(rèn)為，產(chǎn)生通貨膨脹的必要條件是貨幣的超量供應(yīng)。物價變動與貨幣供應(yīng)量的變化有著較為密切的聯(lián)系，但是二者之間的關(guān)系不是瞬時的，貨幣供應(yīng)量的變化對物價的影響存在一定時滯。在中國，大家普遍認(rèn)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(rèn)識。下面采集1996－2005年全國廣義貨幣供應(yīng)量和物價指數(shù)的月度數(shù)據(jù)（見教材表7.4）對這一問題進(jìn)行研究。

第七十二頁，共121頁。73

為了考察貨幣供應(yīng)量的變化對物價的影響，我們用廣義貨幣M2的月增長量作為解釋變量，以居民消費(fèi)價格月度同比指數(shù)為被解釋變量進(jìn)行研究。首先估計如下回歸模型:

得如下回歸結(jié)果（表7.5）。第七十三頁，共121頁。74表7.5第七十四頁，共121頁。75

從回歸結(jié)果來看，的t統(tǒng)計量值不顯著，表明當(dāng)期貨幣供應(yīng)量的變化對當(dāng)期物價水平的影響在統(tǒng)計意義上不明顯。為了分析貨幣供應(yīng)量變化影響物價的滯后性，我們做滯后6個月的分布滯后模型的估計，結(jié)果見表7.6。第七十五頁，共121頁。76表7.6第七十六頁，共121頁。77

從回歸結(jié)果來看，各滯后期的系數(shù)逐步增加，表明當(dāng)期貨幣供應(yīng)量的變化對物價水平的影響要經(jīng)過一段時間才能逐步顯現(xiàn)。但各滯后期的系數(shù)的t統(tǒng)計量值不顯著，因此還不能據(jù)此判斷滯后期究竟有多長。為此，我們做滯后12個月的分布滯后模型的估計，結(jié)果見表7.7。

第七十七頁，共121頁。78表7.7第七十八頁，共121頁。79

表7.7顯示，從到,回歸系數(shù)都不顯著異于零，而的回歸系數(shù)t統(tǒng)計量值為3.016798，在5％顯著性水平下拒絕系數(shù)為零的原假設(shè)。這一結(jié)果表明，當(dāng)期貨幣供應(yīng)量變化對物價水平的影響在經(jīng)過12個月（即一年）后明顯地顯現(xiàn)出來。為了考察貨幣供應(yīng)量變化對物價水平影響的持續(xù)期，我們做滯后18個月的分布滯后模型的估計，結(jié)果見表7.8。

第七十九頁，共121頁。80表7.8第八十頁，共121頁。81

結(jié)果表明，從滯后12個月開始t統(tǒng)計量值顯著，一直到滯后16個月為止，從滯后第17個月開始t值變得不顯著；再從回歸系數(shù)來看，從滯后11個月開始，貨幣供應(yīng)量變化對物價水平的影響明顯增加，再滯后14個月時達(dá)到最大，然后逐步下降。通過上述一系列分析，我們可以做出這樣的判斷：在我國，貨幣供應(yīng)量變化對物價水平的影響具有明顯的滯后性，滯后期大約為一年，而且滯后影響具有持續(xù)性，持續(xù)的長度大約為半年，其影響力度先遞增然后遞減，滯后結(jié)構(gòu)為型。第八十一頁，共121頁。檢驗1978~2006年間中國當(dāng)年價GDP（X）與居民消費(fèi)(Y)之間的因果關(guān)系。物價變動與貨幣供應(yīng)量的變化有著較為密切的聯(lián)系，但是二者之間的關(guān)系不是瞬時的，貨幣供應(yīng)量的變化對物價的影響存在一定時滯。第六十六頁，共121頁。第六十一頁，共121頁。二、虛擬變量的引入從上述2個得到：東部與中部自發(fā)性消費(fèi)相差154.因此，從1階滯后的情況看，可支配收入X的增長與居民消費(fèi)支出Y增長互為格蘭杰原因。例如，根據(jù)消費(fèi)理論，收入決定消費(fèi)。第二十六頁，共121頁。第八十八頁，共121頁。估計原模型，得到殘差和被解釋變量的估計量；6，中部與西部相差95.例如，如果“真實(shí)”的回歸函數(shù)為第六十七頁，共121頁。意即，男女職工平均薪金對工齡的變化率是一樣的，但兩者的平均薪金水平相差2。但這時0的估計卻是有偏的。82

當(dāng)然，從上述回歸結(jié)果也可以看出，回歸方程的R2不高，DW值也偏低，表明除了貨幣供應(yīng)量外，還有其他因素影響物價變化；同時，過多的滯后變量也可能引起多重共線性問題。

第八十二頁，共121頁。83

如果我們分析的重點(diǎn)是貨幣供應(yīng)量變化對物價影響的滯后性，上述結(jié)果已能說明問題。如果要提高模型的預(yù)測精度，則可以考慮對模型進(jìn)行改進(jìn)。根據(jù)前面的分析可知，分布滯后模型可以用自回歸模型來代替，因此我們估計如下自回歸模型：估計結(jié)果見表7.9。第八十三頁，共121頁。84表7.9第八十四頁，共121頁。四、格蘭杰因果關(guān)系檢驗

GrangerTestofCausality第八十五頁，共121頁。1、原理自回歸分布滯后模型揭示：某變量的變化受其自身及其他變量過去行為的影響。當(dāng)兩個變量在時間上有先導(dǎo)——滯后關(guān)系時，可以從統(tǒng)計上考察這種關(guān)系是單向的還是雙向。如果主要是一個變量過去的行為在影響另一個變量的當(dāng)前行為，存在單向關(guān)系；如果雙方的過去行為在相互影響著對方的當(dāng)前行為，存在雙向關(guān)系。向量自回歸分布滯后模型可以用于變量間關(guān)系的檢驗。第八十六頁，共121頁。2、格蘭杰因果關(guān)系檢驗X對Y有單向影響：α整體不為零，而λ整體為零；Y對X有單向影響：λ整體不為零，而α

整體為零；

Y與X間存在雙向影響：α和λ整體不為零；Y與X間不存在影響：α和λ整體為零。第八十七頁，共121頁。格蘭杰檢驗是通過受約束的F檢驗完成的。如:如果F>F(m,n-k)

，則拒絕原假設(shè)。第八十八頁，共121頁。如果F＜F(m,n-k)

，則不拒絕原假設(shè)。綜合上述檢驗：X是Y的格蘭杰原因。第八十九頁，共121頁。格蘭杰因果關(guān)系檢驗對于滯后期長度的選擇有時很敏感。不同的滯后期可能會得到完全不同的檢驗結(jié)果。一般首先以模型隨機(jī)誤差項不存在序列相關(guān)為標(biāo)準(zhǔn)選取滯后期，然后進(jìn)行因果關(guān)系檢驗。第九十頁，共121頁。

3、例5.2.4

檢驗1978~2006年間中國當(dāng)年價GDP（X）與居民消費(fèi)(Y)之間的因果關(guān)系。

第九十一頁，共121頁。數(shù)據(jù)第九十二頁，共121頁。選擇Granger檢驗第九十三頁，共121頁。選擇檢驗的序列第九十四頁，共121頁。確定滯后階數(shù)（1階）第九十五頁，共121頁。檢驗結(jié)果由相伴概率知，在5%的顯著性水平下，既拒絕“X不是Y的格蘭杰原因”的假設(shè),也拒絕“Y不是X的格蘭杰原因”的假設(shè)。因此，從1階滯后的情況看，可支配收入X的增長與居民消費(fèi)支出Y增長互為格蘭杰原因。從檢驗?zāi)Ｐ碗S機(jī)干擾項1階序列相關(guān)的LM檢驗看，以Y為被解釋變量的模型的LM=0.897，對應(yīng)的伴隨概率P=0.343，表明在5%的顯著性水平下，該檢驗?zāi)Ｐ筒淮嬖谛蛄邢嚓P(guān)性；但是，以X為被解釋變量的模型的LM=11.37，對應(yīng)的伴隨概率P=0.001，表明在5%的顯著性水平下，該檢驗?zāi)Ｐ痛嬖趪?yán)重的序列相關(guān)性。第九十六頁，共121頁。檢驗結(jié)果從2階滯后期開始，檢驗?zāi)Ｐ投季芙^了“X不是Y的格蘭杰原因”的假設(shè)，而不拒絕“Y不是X的原因”的假設(shè)。滯后階數(shù)為2或3時，兩類檢驗?zāi)Ｐ投疾淮嬖谛蛄邢嚓P(guān)性。由赤池信息準(zhǔn)則，發(fā)現(xiàn)滯后2階檢驗?zāi)Ｐ蛽碛休^小的AIC值?？膳袛啵嚎芍涫杖隭是居民消費(fèi)支出Y的格蘭杰原因，而不是相反，即國民收入的增加更大程度地影響著消費(fèi)的增加。

第九十七頁，共121頁。對于同階單整的非平穩(wěn)序列：理論上講不能直接采用。經(jīng)過差分以后采用，經(jīng)濟(jì)意義發(fā)生變化。模擬試驗表明，當(dāng)2個序列逐漸由平穩(wěn)過程向非平穩(wěn)過程過渡時，檢驗存在因果關(guān)系的概率出現(xiàn)一定程度的上升。但上升幅度遠(yuǎn)小于2個序列之間因果關(guān)系的顯著性增強(qiáng)時所引起的上升幅度。同階單整非平穩(wěn)序列的Granger因果檢驗結(jié)果具有一定的可靠性。Granger因果檢驗是必要條件，不是充分條件。第九十八頁，共121頁。數(shù)據(jù)第九十九頁，共121頁。檢驗結(jié)果統(tǒng)計檢驗必須建立在經(jīng)濟(jì)關(guān)系分析的基礎(chǔ)之上，結(jié)論才有意義。第一百頁，共121頁?！?.3模型設(shè)定偏誤問題

ModelSpecificationError(Bias)一、模型設(shè)定偏誤的類型

二、模型設(shè)定偏誤的后果

三、模型設(shè)定偏誤的檢驗

第一百零一頁，共121頁。一、模型設(shè)定偏誤的類型

第一百零二頁，共121頁。TypesofSpecificationerrors(bias)Omissionofarelevantvariable(s)Inclusionofanunnecessaryvariable(s)AdoptingthewrongfunctionalformErrorsofmeasurementIncorrectspecificationofthestochasticerrortermTodistinguishbetweenmodelspecificationerrorsandmodelmis-specificationerrors第一百零三頁，共121頁。1、相關(guān)變量的遺漏（omittingrelevantvariables）

例如，如果“正確”的模型為而我們將模型設(shè)定為

即設(shè)定模型時漏掉了一個相關(guān)的解釋變量。這類錯誤稱為遺漏相關(guān)變量。

第一百零四頁，共121頁。2、無關(guān)變量的誤選(includingirrevelantvariables)

例如，如果“真”的模型為

Y=0+1X1+2X2+但我們將模型設(shè)定為

Y=0+1X1+2X2+3X3+即設(shè)定模型時，多選了一個無關(guān)解釋變量。

第一百零五頁，共121頁。3、錯誤的函數(shù)形式(wrongfunctionalform)例如，如果“真實(shí)”的回歸函數(shù)為

但卻將模型設(shè)定為

第一百零六頁，共121頁。二、模型設(shè)定偏誤的后果第一百零七頁，共121頁。1、