【正文】 1的相關(guān)系數(shù)，如果用et作為et的估計(jì)，則et與et1的相關(guān)系數(shù)也可以作為r的近似估計(jì)：?r=229。etet1t229。e2（2）Durbin估計(jì)法根據(jù)廣義差分變換模型有yt=a(1r)+ryt1+b(xtrxt1)+vt這是一個(gè)滿足基本假定的三元線性回歸模型，其中解釋變量yt1的回歸系數(shù)恰好為r，因此，利用OLS估計(jì)：LS YC Y(1) X X(1)可以得到r的估計(jì)值。（3）迭代估計(jì)法（科克倫—奧克特法，CochraneOrcutt）迭代估計(jì)法就是依據(jù)r的近似估計(jì)公式，通過(guò)一系列的迭代運(yùn)算，逐步提t(yī)高r的近似估計(jì)精度。迭代估計(jì)法的具體步驟為：①利用OLS法估計(jì)模型，計(jì)算第一輪殘差e(1)；t②根據(jù)殘差e(1)計(jì)算r的（第一輪）估計(jì)值：229。et(1)?r(1)=t t1)229。e(1)e(12③利用估計(jì)的r值進(jìn)行廣義差分變換：t ? t ?y*=ytryt1，x*=xtrxt1并估計(jì)廣義差分模型：t ty*=A+bx*+vtt④計(jì)算（第二輪）殘差e(2)和r的估計(jì)值：229。et(2)?r(2)=t t2)229。e(2)e(12⑤重復(fù)執(zhí)行③、④兩步，直到r的前后兩次估計(jì)值比較接近，即估計(jì)誤差小于事先給定的精度δ時(shí)為止：? ?|r(n+1)r(n)|d此時(shí)，以r(n+1)作為r的近似估計(jì)值，并用其進(jìn)行廣義差分變換，得到回歸系數(shù)的估計(jì)值。EViews軟件就是采用這種方法來(lái)估計(jì)自相關(guān)性模型。3．廣義差分法的EViews軟件實(shí)現(xiàn)在EViews軟件中可以直接使用廣義差分法估計(jì)存在自相關(guān)性的模型，具體步驟為：（1）利用OLS法估計(jì)模型，系統(tǒng)將同時(shí)計(jì)算殘差序列RESID：LSY C X（2）判斷自相關(guān)性的類型：IDENTRESID根據(jù)et和ets(s=1,2……p)的偏相關(guān)系數(shù)，初步確定自相關(guān)的類型。（3）利用廣義差分法估計(jì)模型：在LS命令中加上AR項(xiàng)，系統(tǒng)將自動(dòng)使用廣義差分法來(lái)估計(jì)模型。如自相關(guān)類型為一階自回歸形式，則命令格式為：LS YC X AR（1）如果模型為高階自相關(guān)形式，則再加上AR（2）、AR（3）、…等等。EViews軟件將使用迭代估計(jì)法估計(jì)模型，并輸出r的估計(jì)值及其標(biāo)準(zhǔn)差、t統(tǒng)計(jì)量值等等，根據(jù)AR項(xiàng)的t檢驗(yàn)值是否顯著，可以進(jìn)一步確定自相關(guān)性的具體形式。（4）迭代估計(jì)過(guò)程的控制迭代估計(jì)過(guò)程中，EViews軟件按照默認(rèn)的迭代次數(shù)（100次）和誤差精度（）來(lái)控制迭代估計(jì)程序，也可以在方程說(shuō)明對(duì)話框中點(diǎn)擊Options進(jìn)行修改。第七章 分布滯后變量模型與自回歸模型第一節(jié)滯后變量模型一、滯后效應(yīng)及其產(chǎn)生原因被解釋變量受自身或其它經(jīng)濟(jì)變量過(guò)去值或前期值影響的現(xiàn)象稱為滯后效應(yīng)或滯后現(xiàn)象，產(chǎn)生滯后效應(yīng)的原因主要有：心理因素、技術(shù)因素、制度因素。二、滯后變量和滯后變量模型滯后變量是指過(guò)去時(shí)期的、對(duì)當(dāng)前被解釋變量產(chǎn)生影響的變量。滯后變量分為滯后解釋變量與滯后被解釋變量。把滯后變量引入回歸模型，這種回歸模型稱為滯后變量模型。滯后變量模型的兩種常見(jiàn)形式：分布滯后模型：如果模型中的滯后變量只是解釋變量x的過(guò)去各期值，即：yt=a+b0xt+b1xt1+...... bkxtk+et，則稱其為分布滯后模型，表明x對(duì)y的滯后影響分布在過(guò)去各個(gè)時(shí)期?？煞譃橛邢薹植紲竽Ｐ秃蜔o(wú)限分布滯后模型。自回歸模型：如果模型中包含解釋變量x的本期值和被解釋變量y的若干期滯后值，即：yt=a+b0xt+b1yt1+b2yt2+...... bkytk+et，則稱其為(k階)自回歸模型。三、滯后變量模型作用引入滯后變量經(jīng)常能全面、客觀描述經(jīng)濟(jì)現(xiàn)象，有效提高模型的擬合優(yōu)度；動(dòng)態(tài)的反映過(guò)去的經(jīng)濟(jì)活動(dòng)對(duì)現(xiàn)期經(jīng)濟(jì)行為的影響；模擬分析經(jīng)濟(jì)系統(tǒng)的變化和調(diào)整過(guò)程。四、分布滯后模型估計(jì)的困難無(wú)限分布滯后模型中待估參數(shù)有無(wú)數(shù)個(gè)，而樣本總是有限，故無(wú)法直接采用最小二乘估計(jì)。有限分布滯后模型估計(jì)困難：多重共線性問(wèn)題，即經(jīng)濟(jì)變量的各期值之間經(jīng)常是高度相關(guān)的；自由度問(wèn)題，即滯后變量個(gè)數(shù)的增加將會(huì)降低樣本的自由度；難以客觀地確定滯后期的長(zhǎng)度。第二節(jié) 分布滯后模型估計(jì)一、分布滯后模型估計(jì)的總體思路對(duì)于有限分布滯后模型，其基本思路針對(duì)分布滯后模型估計(jì)面臨的困難，通過(guò)對(duì)分布滯后模型的系數(shù)施加某種約束或假定條件，通過(guò)線性組合或其他方式變換模型，設(shè)法將各滯后變量組合起來(lái)成為個(gè)數(shù)較少的新變量，這樣，減少了需要直接估計(jì)的模型參數(shù)個(gè)數(shù)，進(jìn)而緩解多重共線性，減少自由度損失。對(duì)于無(wú)限分布滯后模型，主要是通過(guò)適當(dāng)模型變換（庫(kù)伊克變換），使無(wú)限分布滯后模型轉(zhuǎn)化為只需估計(jì)有限個(gè)參數(shù)的自回歸模型。二、有限分布滯后模型的估計(jì)方法經(jīng)驗(yàn)加權(quán)法針對(duì)問(wèn)題的特點(diǎn)，根據(jù)實(shí)際經(jīng)驗(yàn)確定各期滯后變量的權(quán)數(shù)，再將各期滯后變量加權(quán)組合成新的解釋變量wt，然后用OLS法估計(jì)變換后的模型yt=f(wt)+εt，得到原模型中各參數(shù)的估計(jì)值。權(quán)數(shù)的不同分布決定了模型滯后結(jié)構(gòu)的不同類型，常見(jiàn)的滯后結(jié)構(gòu)類型有：遞減滯后結(jié)構(gòu)、不變滯后結(jié)構(gòu)、倒V型滯后結(jié)構(gòu)。經(jīng)驗(yàn)加權(quán)法優(yōu)點(diǎn)：簡(jiǎn)單易行，不損失自由度，避免多重共線性干擾及參數(shù)估計(jì)具有一致性。缺點(diǎn)：設(shè)置權(quán)數(shù)的主觀隨意性較大，要求分析者對(duì)實(shí)際問(wèn)題的特征有比較透徹的了解。阿爾蒙法阿爾蒙估計(jì)法的原理：設(shè)有限分布滯后模型為yt=a+b0xt+b1xt1+...... bkxtk+et，其中，k為滯后期長(zhǎng)度。根據(jù)韋爾斯特拉斯定理，阿爾蒙認(rèn)為連續(xù)函數(shù)bi=f(i)可以用滯后期i的適當(dāng)次（m）多項(xiàng)式逼近：bi=f(i)=a0+a1i+a2i2+...... amim(其中，mk)，將此關(guān)系式代入原分布滯后229。b為（s期）中期乘數(shù)，反映了解釋變量對(duì)y的s期累計(jì)影響；229。b為長(zhǎng)期乘數(shù)，表明x變動(dòng)一個(gè)單位對(duì)y產(chǎn)生的累計(jì)總影響（假設(shè)b=模型，經(jīng)過(guò)適當(dāng)?shù)淖兞孔儞Q（稱為阿爾蒙變換），可以減少模型中的變量個(gè)數(shù)，從而在削弱多重共線性影響的情況下，估計(jì)模型中的參數(shù)。使用阿爾蒙估計(jì)法，應(yīng)事先確定兩個(gè)問(wèn)題：一是滯后期長(zhǎng)度k的確定。具體方法如下：可以根據(jù)經(jīng)濟(jì)理論或?qū)嶋H經(jīng)驗(yàn)加以確定；可以通過(guò)相關(guān)系數(shù)，利用被解釋變量與滯后的解釋變量之間的相關(guān)系數(shù)初步判斷滯后期長(zhǎng)度；選擇使調(diào)整的判定系數(shù)最大的滯后期；選擇使施瓦茲SC準(zhǔn)則或赤池AIC信息準(zhǔn)則最小的滯后期。二是多項(xiàng)式次數(shù)m的確定。在實(shí)際應(yīng)用中，阿爾蒙多項(xiàng)式的次數(shù)m可以根據(jù)經(jīng)濟(jì)理論和實(shí)踐經(jīng)驗(yàn)加以確定，其往往帶有主觀性；也可用試探法選。m通常取的較低，一般取2或3，很少超過(guò)4。阿爾蒙估計(jì)法的特點(diǎn)：阿爾蒙估計(jì)法的原理巧妙、簡(jiǎn)單，估計(jì)參數(shù)時(shí)有效地消除了多重共線性的影響，并且適用于多種形式的分布滯后結(jié)構(gòu)，變換后的模型中不存在與隨機(jī)誤差項(xiàng)相關(guān)的解釋變量；但需要人為確定滯后期長(zhǎng)度和多項(xiàng)式次數(shù)。第三節(jié)滯后效應(yīng)分析一、滯后效應(yīng)的乘數(shù)分析對(duì)于分布滯后模型：yt=a+b0xt+b1xt1+...... bkxtk+etb0：短期乘數(shù)，表示解釋變量變化一個(gè)單位對(duì)同期被解釋變量所產(chǎn)生的影響；即短期影響；bi：延期乘數(shù)或動(dòng)態(tài)乘數(shù)，反映解釋變量在各滯后時(shí)期的單位變化對(duì)yt產(chǎn)生的影響，即x的滯后影響；sii=0165。ii=0229。b165。i=0i存在）。二、滯后效應(yīng)的速度分析229。b229。b乘數(shù)效應(yīng)比Ds=s期中期乘數(shù)長(zhǎng)期乘數(shù)=si=0165。i=0ii稱Ds為截止到第s期為止的乘數(shù)效應(yīng)比，它反映了xt的變動(dòng)在經(jīng)歷s期之后，對(duì)yt的影響所達(dá)到（或完成）的程度。使Ds達(dá)到某個(gè)百分比（如90%）的s值越小，則作用時(shí)間越快，滯后時(shí)間越短。特別地，Ds=50%的s值稱為中位滯后，即經(jīng)歷s期后，x對(duì)y的影響已達(dá)到其總影響的一半。229。ib229。b平均滯后時(shí)間MLT=165。i=0165。i=0ii稱MLT為平均滯后時(shí)間（或平均滯后），實(shí)際上是以各期延期乘數(shù)為權(quán)數(shù)的、各滯后期的加權(quán)平均數(shù)，反映了滯后期的平均長(zhǎng)度。其值越小，則平均滯后期越短，表明y對(duì)x變化的反應(yīng)速度越快。第八章 虛擬變量第一節(jié) 虛擬變量的概念和作用虛擬變量是反映品質(zhì)指標(biāo)變化、數(shù)值只取0和1的人工變量。用符號(hào)D來(lái)表示，一般而言，當(dāng)某種屬性存在時(shí)取值為1，當(dāng)某種屬性不存在時(shí)取值為0。引入虛擬變量的主要作用有：（1）可以描述和測(cè)量定性因素的影響。這是計(jì)量經(jīng)濟(jì)學(xué)研究的重點(diǎn)。（2）能夠正確反映經(jīng)濟(jì)變量之間的相互關(guān)系，提高模型的精度。 從經(jīng)濟(jì)意義上來(lái)說(shuō)，能夠更好地解釋現(xiàn)實(shí)經(jīng)濟(jì)現(xiàn)象。（3）便于處理異常數(shù)據(jù)。 當(dāng)樣本資料中存在異常數(shù)據(jù)時(shí)，一般有三種處理方式，一是在樣本容量較大的情況下直接剔除異常數(shù)據(jù)；二是用平均數(shù)等方式修勻異常數(shù)據(jù)；三是設(shè)置虛擬變量，即將異常數(shù)據(jù)作為一個(gè)特殊的定性因素。第二節(jié) 虛擬變量的設(shè)置釋變量低于某個(gè)已知的臨界水平 時(shí)，y與x之間是某種線性相關(guān)關(guān)系，而x x x一、虛擬變量的設(shè)置規(guī)則在有截距項(xiàng)的模型中，若定性因素有m個(gè)相互排斥的類型，只能引入m－1個(gè)虛擬變量，否則會(huì)陷入所謂“虛擬變量陷阱”，產(chǎn)生完全的多重共線性。二、虛擬變量的引入方式在計(jì)量經(jīng)濟(jì)模型中，加入虛擬解釋變量的途徑有兩種基本類型：一是加法類型；二是乘法類型。以加法方式引入虛擬變量改變的是模型的截距；以乘法方式引入虛擬變量改變的是模型的斜率。實(shí)際應(yīng)用中，一般用加法方式和乘法方式引入虛擬變量，然后再利用t檢驗(yàn)判斷其系數(shù)是否顯著的不等于零，進(jìn)而確定虛擬變量的具體引入方式。第三節(jié) 虛擬變量的特殊應(yīng)用一、虛擬變量在季節(jié)調(diào)整中的應(yīng)用按季節(jié)或按月份數(shù)據(jù)的許多經(jīng)濟(jì)時(shí)間序列呈現(xiàn)有季節(jié)模式。例如冷飲的銷(xiāo)售、服裝的銷(xiāo)售、收成季節(jié)的農(nóng)產(chǎn)品價(jià)格等都具有很強(qiáng)的季節(jié)特點(diǎn)。我們常常要從一個(gè)時(shí)間序列里除掉季節(jié)成因或成分，以便我們進(jìn)一步集中分析其他的影響因素。從一個(gè)時(shí)間序列中剔除季節(jié)因素的方法稱為季節(jié)調(diào)整，得到的序列稱為季節(jié)調(diào)整序列。對(duì)一個(gè)時(shí)間序列進(jìn)行季節(jié)調(diào)整的方法很多，其中一個(gè)重要方法就是設(shè)置虛擬變量。二、虛擬變量檢驗(yàn)回歸模型的結(jié)構(gòu)穩(wěn)定性如果模型的斜率有所不同，先檢驗(yàn)截距的差異就沒(méi)有什么實(shí)際意義。所以我們研究判斷兩個(gè)或多個(gè)回歸有無(wú)差異，就可能是因?yàn)榻鼐?，也可能是由于斜率，或者二者都有。?dāng)我們利用不同的樣本數(shù)據(jù)估計(jì)同一形式的計(jì)量經(jīng)濟(jì)模型，可能會(huì)得到不同的估計(jì)結(jié)果。如果估計(jì)的參數(shù)之間存在著顯著差異，則稱模型結(jié)構(gòu)是不穩(wěn)定的，反之則認(rèn)為是穩(wěn)定的。模型結(jié)構(gòu)的穩(wěn)定性檢驗(yàn)既可以用來(lái)檢驗(yàn)樣本的敏感性，又可以比較兩個(gè)（或多個(gè)）回歸模型結(jié)構(gòu)是否發(fā)生顯著變化。三、分段回歸在實(shí)際經(jīng)濟(jì)問(wèn)題的研究中，有些經(jīng)濟(jì)關(guān)系需要用分段回歸加以描述：當(dāng)解*x*時(shí)又是另一種相關(guān)關(guān)系。從而我們得到一個(gè)分段線性回歸(piecewiselinearregression)。四、混和回歸建立計(jì)量經(jīng)濟(jì)模型時(shí)，如果可以同時(shí)使用時(shí)間序列和橫截面數(shù)據(jù)，可以有效的擴(kuò)充樣本容量，解決一些建模時(shí)產(chǎn)生的問(wèn)題。這就要求混和模型中參數(shù)不隨時(shí)間的變化而改變，并且在各個(gè)橫截面之間沒(méi)有差異。因此，我們?cè)诤喜颖局?，需要比較使用不同樣本估計(jì)的模型之間是否存在顯著差異