自相關(guān)計(jì)量經(jīng)濟(jì)學(xué)ppt課件-資料下載頁
2025-05-03 04:55本頁面
【正文】 性支出 (1985可比價 ) 1985 1986 1987 1988 1989 1990 1991 1992 1993 68 年份 全年人均純收入 (現(xiàn)價 ) 全年人均消費(fèi)性支出 (現(xiàn)價 ) 消費(fèi)價格 指數(shù) (1985=100) 人均實(shí)際純收入 (1985可比價 ) 人均實(shí)際消費(fèi)性支出 (1985可比價 ) 1994 1995 1996 1997 1998 1999 2022 2022 2022 2022 續(xù) 表 69 據(jù)表 型得： 該回歸方程可決系數(shù)較高，回歸系數(shù)均顯著。對樣本量為 1一個解釋變量的模型、 5%顯著水平，查 DW統(tǒng)計(jì)表可知， ，模型中 ，顯然消費(fèi)模型中有自相關(guān)。這也可從殘差圖中看出，點(diǎn)擊 EViews方程輸出窗口的按鈕 Resids可得到殘差圖，如圖 。 1 . 1 8 , 1 . 4 0LUd d??DW Ld?? = 1 0 6 . 7 5 2 8 + 0 . 5 9 9 8ttYX2R = 0 . 9 7 8 8 F = 7 8 6 . 0 5 4 8 , , d f = 1 7 D W = 0 ., 7706模型的建立、估計(jì)與檢驗(yàn) 70 圖 71 自相關(guān)問題的處理 使用科克倫－奧克特的兩步法解決自相關(guān)問題 :由模型可得殘差序列 ，在 EViews中，每次回歸的殘差存放在 resid序列中，為了對殘差進(jìn)行回歸分析，需生成命名為 的殘差序列。在主菜單選擇 Quick/Generate Series 或點(diǎn)擊工作文件窗口工具欄中的 Procs/Generate Series，在彈出的對話框中輸入 ，點(diǎn)擊 OK得到殘差序列 。使用 進(jìn)行滯后一期的自回歸，在 EViews 命今欄中輸入 ls e e(1)可得回歸方程： tete?re side ?te72 可知 ，對原模型進(jìn)行廣義差分，得到廣義差分方程： 對廣義差分方程進(jìn)行回歸，在 EViews命令欄中輸入 回車后可得方程輸出結(jié)果如表 。 ? 96 0? ? 1 1 2 1 0 .4 9 6 0 = ( 1 0 .4 9 6 0 ) + ( 0 .4 9 6 0 ) +t t t t tY Y X X u??L S 0 . 4 9 6 0 * ( 1 ) 0 . 4 9 6 0 * ( 1 )Y Y c X X? ? ? ?73 表 廣義差分方程輸出結(jié)果 Dependent Variable: *Y(1) Method: Least Squares Date: 03/26/05 Time: 12:32 Sample(adjusted): 1986 2022 Included observations: 18 after adjusting endpoints Variable Coefficient Std. Error tStatistic Prob. C *X(1) Rsquared Mean dependent var Adjusted Rsquared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Fstatistic DurbinWatson stat Prob(Fstatistic) 74 由表 ： 由于使用了廣義差分?jǐn)?shù)據(jù)，樣本容量減少了 1個，為 18個。查 5%顯著水平的 DW統(tǒng)計(jì)表可知 模型中 ，說明廣義差分模型中已無自相關(guān)。同時，可決系數(shù) 統(tǒng)計(jì)量均達(dá)到理想水平。 ? = 6 0 . 4 4 4 3 + 0 . 5 8 3 3**ttYX2d f D W RF??0 . 9 6 0 9 3 9 3 . 3 5 7 7 1 6 1 . 3 9 7 9 D W 1 . 3 9 7 9 Ud??2 ,R t F , 1 . 1 6 1 . 9 ,3LUdd??75 對比模型，很明顯普通最小二乘法低估了回歸系數(shù)的標(biāo)準(zhǔn)誤。原模型中 ，廣義差分模型中為 。 得到普萊斯－溫斯騰變換的廣義差分模型為： = 6 0 . 4 4 4 3 + 0 . 5 8 3 3**ttYX21 1 0 . 4 9 6 0X 21 1 0 . 4 9 6 0Y2?( ) 0 . 0 2 1 4SE ? ?2?( ) 0 . 0 2 9 4SE ? ?76 可發(fā)現(xiàn)兩者的參數(shù)估計(jì)值和各檢驗(yàn)統(tǒng)計(jì)量的差別很 微小，說明在本例中使用 普萊斯－溫斯騰 變換與直 接使用 科克倫－奧克特兩步法 的估計(jì)結(jié)果無顯著差 異，這是因?yàn)楸纠械臉颖具€不算太小。如果實(shí)際 應(yīng)用中樣本較小，則兩者的差異就會較大。 通常對于小樣本，應(yīng)采用 普萊斯－溫斯騰 變換補(bǔ)充 第一個觀測值。 77 由差分方程可知： 由此，我們得到最終的中國農(nóng)村居民消費(fèi)模型： 由模型 ()的中國農(nóng)村居民消費(fèi)模型可知，中國農(nóng)村居民的邊際消費(fèi)傾向?yàn)?，即中國農(nóng)民每增加收入 1元，將平均增加消費(fèi)支出 元。 16 0 . 4 4 4 3? 1 1 9 . 9 2 9 21 0 . 4 9 6 0? ??1 1 9 .9 2 9 2 0 .5 8 3 3ttYX??最終模型結(jié)果 78 本章小結(jié) 上彼此相關(guān)時就產(chǎn)生了自相關(guān)問題。 。時間序列的慣性、模型設(shè)定錯誤、數(shù)據(jù)的處理等等。 ，普通最小二乘估計(jì)量依然是無偏、一致的，但不再是 有效的。通常的 t 檢驗(yàn)和 F 檢驗(yàn)都不能有效地使用。 79 義，我們通常將自相關(guān)設(shè)定為一階自相關(guān)即 AR(1)模式。用一階自相關(guān)系數(shù) 表示自相關(guān)的程度與方向。當(dāng)然，實(shí)際問題也存在 AR(m)模式或其它模式。 是不可觀測的，通常我們使用 的估計(jì)量 判斷 的特性。我們可通過 的圖形判斷自相關(guān)的存在，也可使用依據(jù) 計(jì)算的DW 統(tǒng)計(jì)量判斷自相關(guān)的存在。 ?tetu tutu tete80 是已知的，我們可以使用廣義差分法消除序列相關(guān)。 未知的，我們可采用科克倫－奧克特迭代法求得 的估計(jì)值，然后用廣義差分法消除序列相關(guān)。 ???81 第六章 結(jié) 束
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1