我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檢驗1. OLS回歸結果：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ADF檢驗方程式中滯后期p選擇0時，其檢驗結果如下所示：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，序列存在單位根。此時，大于顯著性水平為10%的臨界值，結果與上述檢驗結果相一致，即該時間序列是非平穩(wěn)的。ARMA(1,1)模型參數(shù)估計與檢驗結果ARMA(1,2)模型參數(shù)估計與檢驗結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，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圖和偏相關圖，檢驗隨機誤差序列的非自相關性。為了進一步證實以上結論，對以上數(shù)據(jù)進行協(xié)方差分析，結果如下圖：由此，我們選取CONSP、INP、SAVE這三項數(shù)據(jù)來做相關協(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注前幾期收入狀況而不是儲蓄狀況而進行消費有關。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）進行一階差分得到Dy，則Dy的自相關（偏自相關）分析
醫(yī)療健康相關推薦
鄂ICP備17016276號-1