【文章內(nèi)容簡介】 ( 1 .8 6) 654 9 2 8 9 ??? ??? ttt XXX ( 1 .9 6 ) ( 1 .1 0 ) ( 0 .2 4 ) 為了比較，下面給出直接對滯后 6期的模型進行 OLS估計的結果： 321????????tttttXXXXY （ 1 2 . 43 ） ( 1 . 80 ) ( 1 . 89 ) ( 1. 21 ) ( 0 . 3 6) 654 ??? ??? ttt XXX ( 0 .9 3 ) ( 1. 09 ) ( 1 . 12 ) 2R= 77 0 F= 42 . 54 DW= 1 . 03 （ 3）科伊克（ Koyck）方法 科伊克方法是將無限分布滯后模型轉換為自回歸模型，然后進行估計 。 對于無限分布滯后模型： tiitit XY ??? ??? ????0 科伊克變換假設 ?i隨滯后期 i按幾何級數(shù)衰減： ii ??? 0?其中， 0?1，稱為分布滯后衰減率， 1?稱為調整速率 （ Speed of adjustment）。 科伊克變換的具體做法 : 將科伊克假定 ?i=?0?i代入無限分布滯后模型，得： tiitit XY ???? ??? ????00滯后一期并乘以 ? ，得 ： (*) 1101 ????? ??? ? tiitit XY ???????(**) 將（ *）減去（ **）得科伊克變換模型 ： 101 )1( ?? ?????? ttttt XYY ???????整理得科伊克模型的一般形式 ： tttt vcYbXaY ???? ? 1其中： ?? )1( ??a ， 0??b ， ??c ， 1??? tttv ??? 科伊克模型的特點： （ 1）以一個滯后因變量 Yt1代替了大量的滯后解釋變量 Xti，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； （ 2）由于滯后一期的因變量 Yt1與 Xt的線性相關程度可以肯定小于 X的各期滯后值之間的相關程度，從而緩解了多重共線性。 但科伊克變換也同時產(chǎn)生了兩個新問題： （ 1）模型存在隨機項和 vt的一階自相關性； （ 2）滯后被解釋變量 Yt1與隨機項 vt不獨立。 這些新問題需要進一步解決。 三、自回歸模型的參數(shù)估計 ? 一個無限期分布滯后模型可以通過科伊克變換轉化為 自回歸模型 。 ? 事實上， 許多滯后變量模型都可以轉化為自回歸模型， 自回歸模型是經(jīng)濟生活中更常見的模型。 ? 以 適應預期模型 以及 局部調整模型 為例進行說明。 1. 自回歸模型的構造 （ 1）自適應預期（ Adaptive expectation）模型 在某些實際問題中，因變量 Yt并不取決于解釋變量的當前實際值 Xt，而取決于 Xt的 “ 預期水平 ” 或 “ 長期均衡水平 ” Xte。 例如 ，家庭本期消費水平，取決于本期收入的預期值； 市場上某種商品供求量，決定于本期該商品價格的均衡值。 tett XY ??? ??? 10因此， 自適應預期模型 最初表現(xiàn)形式是： 由于預期變量是不可實際觀測的，往往作如下 自適應預期假定 : )( 11 ettetet XXrXX ?? ???其中： r為 預期系數(shù) （ coefficient of expectation） , 0?r ?1。 該式的經(jīng)濟含義為： “ 經(jīng)濟行為者將根據(jù)過去的經(jīng)驗修改他們的預期 ” ，即本期預期值的形成是一個逐步調整過程， 本期預期值的增量是本期實際值與前一期預期值之差的一部分 ，其比例為 r 。 這個假定還可寫成： ettet XrrXX 1)1( ????將 ettet XrrXX 1)1( ????tett XY ??? ??? 10得： 代入 將（ *）式滯后一期并乘以 (1r),得： 11101 )1()1()1()1( ??? ??????? tett rXrrYr ???(**) 以 (*)減去（ **），整理得： tttt vYrrXrY ????? ? 110 )1(??1)1( ???? ttt rv ??其中 可見 自適應預期模型 轉化為 自回歸模型 。 tettt XrrXY ??? ????? ? ])1([ 110(*) （ 2）局部調整 (Partial Adjustment)模型 ? 局部調整模型主要是用來研究物資儲備問題的。 ? 例如 ，企業(yè)為了保證生產(chǎn)和銷售，必須保持一定的原材料儲備。對應于一定的產(chǎn)量或銷售量Xt，存在著預期的最佳庫存 Yte。 ? 局部調整模型的最初形式為： ttet XY ??? ??? 10Yte不可觀測。由于生產(chǎn)條件的波動，生產(chǎn)管理方面的原因，庫存儲備 Yt的實際變化量只是預期變化的一部分。 )( 11 ?? ??? tettt YYYY ?或： 1)1( ???? tett YYY ??(*) 儲備按預定水平逐步進行調整，故有如下 局部調整假設 ： 其中， ?為 調整系數(shù) ， 0? ? ?1 將 (*)式代入 ttet XY ??? ??? 10tttt YXY ??????? ????? ? 110 )1(可見， 局部調整模型 轉化為 自回歸模型 2. 自回歸模型的參數(shù)估計 考伊克模型： 對于自回歸模型： tqiititt YXY ???? ???? ???110 估計時的主要問題 ： 滯后被解釋變量的存在可能導致它與隨機擾動項相關，以及隨機擾動項出現(xiàn)序列相關性。 tttt vYXY ????? ? 10)1( ????1??? tttv ??? 自適應預期模型： tttt vYrrXrY ????? ? 110 )1(??1)1( ???? ttt rv ?? 局部調整模型： tttt YXY ??????? ????? ? 110 )1(存在：滯后被解釋變量 Yt1與隨機擾動項 ??t的異期相關性。 因此， 對自回歸模型的估計主要需視滯后被解釋變量與隨機擾動項的不同關系進行估計。 以一階自回歸模型為例說明 : 0),co v ( 1 ??tt vv顯然存在： 0),co v ( 1 ?? tt vY (1) 工具變量法 若 Yt1與 ?t同期相關，則 OLS估計是有偏的，并且不是一致估計。 因此，對上述模型，通常采用工具變量法，即尋找一個新的經(jīng)濟變量 Zt，用來代替 Yt1。 參數(shù)估計量具有一致性 。 對于一階自回歸模型： tttt YXY ???? ???? ? 1210 在實際估計中，一般用 X的若干滯后的線性組合作為 Yt1的工具變量 : ststtt XXXY ???? ????? ???? ?221101? 由于原模型已假設隨機擾動項 ?t與解釋變量X及其滯后項不存在相關性，因此上述工具變量與 ?t不再線性相關。 一個更簡單的情形是直接用 Xt1作為 Yt1的工具變量。 （ 2）普通最小二乘法 若滯后被解釋變量 Yt1與隨機擾動項 ?t同期無關（如局部調整模型），可直接使用 OLS法進行估計，得到一致估計量。 上述工具變量法只解決了解釋變量與 ?t相關對參數(shù)估計所造成的影響，但沒有解決 ?t的自相關問題。 注意： 事實上，對于自回歸模型， ?t項的自相關問題始終存在，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，以使序列相關性的程度減輕。 例 建立中國長期貨幣流通量需求模型 經(jīng)驗表明：中國改革開放以來，對 貨幣需求量 (Y)的影響因素，主要有資金運用中的 貸款額 (X)以及反映價格變化的 居民消費者價格指數(shù)(P)。 長期貨幣流通量模型 可設定為： tttet PXY ???? ???? 210由于長期貨幣流通需求量不可觀測，作局部調整 : )( 11 ?? ??? tettt YYYY ?(*) (**) 將（ *）式代入（ **）得 短期貨幣流通量需求模型 ： ttttt YPXY ????????? ?????? ? 1210 )1( 表 中國貨幣流通量、貸款額、居民消費價格指數(shù)歷史數(shù)據(jù) 單位：億元，上年 =1 00 年度 貸幣流通量 Y 民民消費價格指數(shù) P 貸款額 X 年度 貸幣流 通量 Y 民民消費價格指數(shù) P 貸款額 X 1978 1850 1990 176 80. 7 1979 1991 213 37. 8 1980 1992 263 22. 9 1981 1993 329 43. 1 1982 102 1994 7288 .6 125 39976 1983 102 1995 505 44. 1 1984 1996 611 56. 6 1985 1997 101 77. 6 749 14. 1 1986 107 1998 112 04. 2 865 24. 1 1987 1999 134 55. 5 98 .7 937 34. 3 1988 105 51. 3 2020 146 52. 7 993 71. 1 1989 143 60. 1 對 局部調整模型： 運用 OLS法估計結果如下： 15 6 3 7 1 7 0 0 ?????? tttt YPXY （ ） () () () ttttt YPXY ????????? ?????? ? 1210 )1(最后得到長期貨幣流通需求模型的估計式： ttet PXY 6 3 4 8 3 ????注意： ? 盡管 .=，但不能據(jù)此判斷自回歸模型不存在自相關 (Why?)。 ? 但 LM=， ?=5%下，臨界值 ?2(1)=， ? 判斷： 模型已不存在一階自相關。 如果直接對下式作 OLS回歸 tttt PXY ???? ???? 210ttt PXY 4 2 6 1 1 ????（ ） () () 得， 可見該模型隨機擾動項具有序列相關性， 四、格蘭杰因果關系檢驗 ? 自回歸分布滯后模型旨在揭示：某變量的變化受其自身及其他變量過去行為的影響。 ? 然而，許多經(jīng)濟變量有著相互的影響關系 GDP 消費 問題： 當兩個變量在時間上有先導 ——滯后關系時，能否從統(tǒng)計上考察這種關系是單向的還是雙向的？ 即 :主要是一個變量過去的行為在影響另一個變量的當前行為呢？還是雙方的過去行為在相互影響著對方的當前行為？ 格蘭杰因果關系檢驗（ Granger test of causality） 對兩變量 Y與 X，格蘭杰因果關系檢驗要求估計 : titmiimiitit YXY 111??? ??? ???? ??(*) titmiimiitit XYX 211??? ??? ???? ??(**) 可能存在有四種檢驗結果： （ 1） X對 Y有單向影響 ，表現(xiàn)為（ *）式 X各滯后項前的參數(shù)整體為零，而 Y各滯后項前的參數(shù)整體不為零； （ 2） Y對 X有單向影響 ，表現(xiàn)為（ **）式 Y各滯后項前的參數(shù)整體為零，而 X各滯后項前的參數(shù)整體不為零； （ 3） Y與 X間存在雙向影響 ，表現(xiàn)為 Y與 X各滯后項前的參數(shù)整體不為零； （ 4） Y與 X間不存在影響 ，表現(xiàn)為 Y與 X各滯后項前的參數(shù)整體為零。 格蘭杰檢驗是通過受約束的 F檢驗 完成的。如 : titmiimiitit YXY 111??? ??? ???? ??針對 中 X滯后項前的參數(shù)整體為零的假設 (X不是 Y的格蘭杰原因 )。 分別做包含與不包含 X滯后項的回歸，記前者與后者的殘差平方和分別為 RSSU、 RSSR；再計算 F統(tǒng)計量： )/(/)(knR SSmR SSR SSFUUR???k為