计量经济学课件 by Dr. FF Gong permanentemailaddressfgongathotmail.com httpblog.sina.comcn/ffgong 教材 Damodar N gujarati, Essentials of Econometrics, 3rd edition. McGraw-Hill Company, 2006 中译本:经济计量学精要 本课件已改正了其中的错误) 16-1
16-1 计量经济学课件 -----by Dr. F. F. Gong permanent email address: ffgong(at)hotmail.com http://blog.sina.com.cn/ffgong 教材： Damodar N.Gujarati, Essentials of Econometrics, 3rd edition. McGraw-Hill Company, 2006 中译本：经济计量学精要 （本课件已改正了其中的错误）
第16章 单方程回归模型的几个专题 要点:初步了解单方程回归模型的进展。 16-2
16-2 第16章 单方程回归模型的几个专题 要点：初步了解单方程回归模型的进展
■16.1动态经济模型:自回归和分布滞后模型 162伪回归现象:非平稳时间序列 ■16.3平稳性检验 ■164协整时间序列 16.5随机游走模型 16.60g模型 ■167总结 16-3
16-3 16.1 动态经济模型：自回归和分布滞后模型 16.2 伪回归现象：非平稳时间序列 16.3 平稳性检验 16.4 协整时间序列 16.5 随机游走模型 16.6 logit模型 16.7 总结
16.1动态经济模型:自回归和分布滞后模型 动态模型:涉及自变量和/或因变量滞后项的模型。例如: 1分布滞后模型:考虑了自变量滞后项的模型。 2自回归模型:考虑了因变量滞后项的模型。 见教材p355356 目录: 1611滞后的原因p356-357 1612分布滞后模型的估计p357-359 16.1.3分布滞后模型的估计方法: Koyck模型,适应性预 期模型和存货调整模型ρ359-361 16-4
16-4 16.1 动态经济模型：自回归和分布滞后模型 动态模型：涉及自变量和/或因变量滞后项的模型。例如： 1分布滞后模型：考虑了自变量滞后项的模型。 2自回归模型：考虑了因变量滞后项的模型。 见教材p355-356 目录： 16.1.1 滞后的原因 p356-357 16.1.2 分布滞后模型的估计 p357-359 16.1.3 分布滞后模型的估计方法：Koyck模型，适应性预 期模型和存货调整模型 p359-361
16.1分布滞后模型 S200 9300 1s400 Time Fig 16-1 An example of a distributed lag model 16-5
16-5 16.1分布滞后模型 Fig 16-1 An example of a distributed lag model
16.1.1滞后的原因 见教材p356-357 1心理原因 ■2技术原因 ■3制度原因 16.1.2分布滞后模型的估计p357359 见教材p356-357 ■原则上可以采用OLS估计,问题是:(3点) 1滞后的解释变量的个数 2对于小样本,存在自由度减少的问题 3对于大样本,存在多重共线性的问题 16-6
16-6 16.1.1 滞后的原因 见教材p356-357 1心理原因 2技术原因 3制度原因 16.1.2 分布滞后模型的估计 p357-359 见教材p356-357 原则上可以采用OLS估计，问题是：（3点） 1 滞后的解释变量的个数 2对于小样本，存在自由度减少的问题 3对于大样本，存在多重共线性的问题
16.1.2例16-1分布滞后模型的估计p358 dt1mte1:M1,∑8E+4 Coefficient Estimate Coefficient Estimate A0短期影响040(296) 0.08(26) Al 041526) 0.06(2.52 A2 025214) 0.00(0.02 A 0.06(0.71 0.06 220 A4-005(-0.37)B 0.07(-1.83) 长期影响1.06(5.59) 0.01(0.40) P2=0.40 问题 1論骗表明,并非所有的 Notes: The figures in parentheses are t ratios 滞后系数都显著。但是无 Significant at5% level (one-tailed). The value of the intercept ishe6me还可能是多 法断定,因为 presented in the original article 2A为负号,难以解释 3M短期影响040 长期影响1.07 16-7
16-7 16.1.2 例16-1分布滞后模型的估计p358 Table 16-1 The St. Louis model. i i i t i i t i t i Y = cons t +∑A M +∑B E + u = − = − 4 0 4 0 tan ˆ & & 问题： 1 t检验表明，并非所有的 滞后系数都显著。但是无 法断定，因为还可能是多 重共线性问题； 2 A4为负号，难以解释； 3 M.短期影响0.40； 长期影响1.07 长期影响 短期影响
16.13分布滞后模型的估计方法: Koyck模型, 适应性预期模型和存货调整模型 见教材p359361 Koyckκ模型,适应性预期模型和存货调整模型:既可以減 少分布滞后模型中滞后项的个数,又可以解决多重共线性。 自回归模型:考虑了因变量滞后项的模型。 自回归模型的问题: 1因变量滞后项导致OLS估计量在小样本有偏; 2如果随机误差项序列相关,导致OLS估计量有偏,检验 和F检验无效 3自回归模型的DW检验不适用。应采用 Durbin-h统计量 检验,或者游程检验 16-8
16-8 16.1.3 分布滞后模型的估计方法：Koyck模型， 适应性预期模型和存货调整模型 见教材p359-361 Koyck模型，适应性预期模型和存货调整模型：既可以减 少分布滞后模型中滞后项的个数，又可以解决多重共线性。 自回归模型：考虑了因变量滞后项的模型。 自回归模型的问题： 1因变量滞后项导致OLS估计量在小样本有偏； 2如果随机误差项序列相关，导致OLS估计量有偏，t检验 和F检验无效。 3自回归模型的DW检验不适用。应采用Durbin-h统计量 检验，或者游程检验
16.2伪回归现象:非平稳时间序列 回归需要采用平稳时间序列数据,否则产生伪回归问题 见教材p361365 ■平稳时间序列:该序列的均值、方差和自协方差恒定,与 度量时点无关。 非平稳时间序列:不满足上述条件。 伪回归的 Granger-Newbold粗略的判断方法: R2>DW,则可能存在伪回归。 16-9
16-9 16.2 伪回归现象：非平稳时间序列 回归需要采用平稳时间序列数据，否则产生伪回归问题。 见教材p361-365 平稳时间序列：该序列的均值、方差和自协方差恒定，与 度量时点无关。 非平稳时间序列：不满足上述条件。 伪回归的Granger-Newbold粗略的判断方法： R2 > DW，则可能存在伪回归
伪回归现象:非平稳时间序列 Table 16-2 macroeconomics data, United states 1970- to 1991-V Quarter GDP PCE Profits 1975V3,292.52,3894213701034306 1976 3,356.72424.5217931084 326 197042,87281,99061,800.544,7245 1976-1 369.224349219471092 350 1970-2,860.32020.11,807544 1976-13381.02447221301100 197012,89662045318247 44.9 233 19763416324595224201103 383 1970-2873.72.045218212421 23.1 1977346642463022713 21.5 19714294292073.918499 488 238 19773,52502490.322808 400 1971-1 ,9474209801,8635507237 977-1357442541 23026 414 1971-2,9660210661,8769 3.8 197N3,56722.5562233161348424 1971-V2,98082,121.11.9046557237 19783591.82.58732347.1 435 197213037.32129.71.9293594250 1978-13707.02631.9239401540 445 197213089.72149.119633 978-13,73562,6532240451580466 19723,125.82,1991,9891628 1978377962680.924216167:8489 19723,175.52272.020321 683 265 1979 2437.91682 19734325332,300720639 270 197913,784326976243541741 518 1973-41326762315220620 81.2 278 1979- 3807.52715.32454.71781 527 1973326432337.92,0737 813 283 1979V381462,728.1246541734 19733,289.1238272067485.0 1980 3,830.82742.924646 174.3 19744 325942334.720508 890 298 19804l3 2692.024142144.5587 1974 326762304.520590912 04 1980-3,73.52722524403151.0 19743239.12315.02065597 1980-V380852770246921546605 1974V3,22642,313.720399 1981-3860.52783724755159.5 19754 3154.02282.52,0518 758 300 1981-1384442776.72476 684 1975-13,19042390.32086981029.7 1981-l ,86452814.124874 1975-13.249 2.35942.1144 978 1981-V3,80312808824686 16-10
16-10 伪回归现象：非平稳时间序列 Table 16-2 Macroeconomics data, United States, 1970-I to 1991-IV
