167第七章滯后變量模型(編輯修改稿)
2024-11-04 18:59 本頁面
【文章內(nèi)容簡介】 210100222210tttttt uWWWWY ??????? ??????? ?221100 由于 γs， 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 。 在實際估計中，阿爾蒙多項式的階數(shù) γ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。 Almon法雖然克服了分布滯后模型的多重共線性的影響，適用于多種形式的分布滯后模型，但仍有兩個問題需要解決：一是滯后期的長度，二是 Almon多項式的次數(shù)。 需注意的是： 多項式次數(shù)的確定 多項式次數(shù)可以依據(jù)經(jīng)濟(jì)理論和實際經(jīng)驗加以確定 。 例如滯后結(jié)構(gòu)為遞減型和常數(shù)型時選擇一次多項式；倒型時選擇二次多項式；有兩個轉(zhuǎn)向點時選擇三次多項式等等 。 如果主觀判斷不易確定時 ， 可以先初步確定一個 次多項式： ?????? ZZz ???? ?10ttttt uWWWY ?????? ?????? ?1100估計模型 如果 的 檢驗不顯著，則降低多項式次數(shù)，反之，則增加多項式次數(shù)，但值得注意的是，值不能取得過大 ，否則，不能有效地減少模型中的解釋變量個數(shù)，還可能會出現(xiàn)多重共線性 。 ??tt??滯后期長度的確定 ?滯后期長度可通過一些統(tǒng)計檢驗準(zhǔn)則加以確定，常用的統(tǒng)計檢驗有： ? 交叉相關(guān)系數(shù)。 ? 修正的可決系數(shù) ? 施瓦茲準(zhǔn)則（ Schwarz Criterion） 2Rl n ( ) l n ( )R S S kS C nnn?? SC比 更加“嚴(yán)厲地處罰”在模型中額外添加不重要的解釋變量 2R? ? ? ?? ? ? ?122()Tst s ttX X Y YrsX X Y Y??????????? （ 3） 科伊克（ Koyck）方法 科伊克方法是其 1954年提出的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 。 由于無限分布滯后模型中滯后項無限多 ， 而樣本觀測值總是有限的 ， 因此不可能對其直接進(jìn)行估計 。 要使模型估計能夠順利進(jìn)行 ， 必須施加一些約束或假定條件 ， 將模型的結(jié)構(gòu)作某種轉(zhuǎn)化 。 tiitit XY ??? ??? ????0科伊克變換假設(shè) ?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(diào)整速率 （ Speed of adjustment）。 對于無限分布滯后模型： 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 滯后一期，得 (*) 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 ??? ttttt uXXXY ?????? ?? ?220200 ??????兩邊同乘以 ?： 132020201 ????? ?????? ttttt uXXXY ???????1330220201 ????? ?????? ttttt uXXXY ?????????? ?只需估計出 a,b,c,就可得到 這是一個一階自回歸模型 0??、 ?和 簡化了估計過程。 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(guān)程度可以肯定小于 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。 （ 3）長期分布滯后乘數(shù)為： 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(jī)項和 vt的一階自相關(guān)性； （ 2）滯后被解釋變量 Yt1與隨機(jī)項 vt不獨(dú)立； （ 3）使原模型的經(jīng)濟(jì)含義變得模糊不清 。 這些新問題需要進(jìn)一步解決。 001()1ii? ? ? ????? ??三、自回歸模型 ?對于 一個 無限分布滯后模型 ， 主要是通過適當(dāng)?shù)哪Ｐ妥儞Q ， 使其轉(zhuǎn)化為只需估計有限個參數(shù)的自回歸模型 。 如 可以通過科伊克變換轉(zhuǎn)化為 自回歸模型 。 ?事實上， 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。 自回歸模型的構(gòu)造 自回歸模型 是指解釋變量中僅含有解釋變量當(dāng)期值和被解釋變量的若干滯后值。 01qt t i t i tiY X Y? ? ? ???? ? ? ?? （ 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(dāng)前實際值 Xt，而取決于 Xt的 “ 預(yù)期水平 ” 或“ 長期均衡水平 ” Xte。 例如 ，家庭本期消費(fèi)水平，取決于本期收入的預(yù)期值； 市場上某種商品供求量，決定于本期該商品價格的預(yù)期值。 因此， 自適應(yīng)預(yù)期模型 最初表現(xiàn)形式是 tett XY ??? ??? 10tYetX其中： Yt為某種商品的需求量； 為預(yù)期的該商品的價格 由于預(yù)期變量是不可實際觀測的， 為 此需要建立一種形成預(yù)期的準(zhǔn)則，往往作如下 自適應(yīng)預(yù)期假定 : )( 11 ettetet XXrXX ?? ??? 其中： r為 預(yù)期系數(shù) （ coefficient of expectation） , 0?r ?1。 該式的經(jīng)濟(jì)含義為： “ 經(jīng)濟(jì)行為者將根據(jù)過去的經(jīng)驗修改他們的預(yù)期 ” ， 即本期預(yù)期值的形成是一個逐步調(diào)整過程， 本期預(yù)期值的增量是本期實際值與前一期預(yù)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( ???????1表示了本期
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1