對中國人均消費影響因素的實證分析(文件)
【正文】 二、多元線性回歸及其相關(guān)檢驗1. OLS回歸結(jié)果：本案例以人均消費性支出為被解釋變量，以cpi，i，s，r為解釋變量，通過相關(guān)檢驗確定影響人均消費性支出的因素。從圖中可以看出，序列圖表現(xiàn)出了持續(xù)上升的趨勢，即在不同時間段上，其均值是不同的，因此可以初步判斷該序列是不平穩(wěn)的。由于在序列圖中可以看出，Y時間序列存在明顯的上升趨勢，因而選擇同時包含常數(shù)項和趨勢項的檢驗，當(dāng)ADF檢驗方程式中滯后期p選擇0時，其檢驗結(jié)果如下所示：可以看出，比顯著性水平為10%的臨界值都大，所以不能拒絕原假設(shè)，序列存在單位根。此時，大于顯著性水平為10%的臨界值，結(jié)果與上述檢驗結(jié)果相一致，即該時間序列是非平穩(wěn)的。ARMA(1,1)模型參數(shù)估計與檢驗結(jié)果ARMA(1,2)模型參數(shù)估計與檢驗結(jié)果有上述兩個表可知，無論是ARMA(1,2)還是ARMA(1,1)模型，盡管擬合優(yōu)度相對較高，但是AIC和SC值都比較大，而且不是所有的倒數(shù)根都在單位圓內(nèi)，所以Dy過程不平穩(wěn)。（3）二階差分序列的ARMA模型有上述可知，二階差分序列是平穩(wěn)的，所以對其使用ARMA模型，識別ARMA模型階數(shù)。下面給出給出ARMA（2，3）模型殘差序列的相關(guān)圖和偏相關(guān)圖，檢驗隨機誤差序列的非自相關(guān)性。為了進(jìn)一步證實以上結(jié)論，對以上數(shù)據(jù)進(jìn)行協(xié)方差分析，結(jié)果如下圖：由此，我們選取CONSP、INP、SAVE這三項數(shù)據(jù)來做相關(guān)協(xié)整分析，及向量自回歸模型。在滯后期數(shù)為4時，INP均為引起CONSP變化的原因，而且INP與CONSP都是引起SAVE變化的原因，這可能與消費者只關(guān)注前幾期收入狀況而不是儲蓄狀況而進(jìn)行消費有關(guān)。而自動選取單位根檢測，得出CONSP和INP擁有一階單位根，而SAVE擁有四階單位根，這說明儲蓄自相關(guān)性比較高，與現(xiàn)實情況相同。 五、協(xié)整選取變量首先，對相關(guān)數(shù)據(jù)做圖形分析，由下圖可以看出，CONSP、INP、SAVE這三項數(shù)據(jù)變化趨勢基本相同，所以猜測三者之間相互影響較大。從上面兩個圖比較可知，ARMA（2，3）比ARMA(3,3)模型的擬合優(yōu)度更高，AIC和SC值更小，所以ARMA（2，3）模型更理想。 從圖中，看不出二階差分是否平穩(wěn)，下面我們利用單位根檢驗。模型的識別、估計與檢驗（1）一階差分對序列Y（我國城鎮(zhèn)居民人均消費性支出）進(jìn)行一階差分得到Dy，則Dy的自相關(guān)（偏自相關(guān)）分析圖如下
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1