eviews分布滯后和虛擬變量模型(參考版)
2025-05-15 21:48本頁(yè)面
【正文】 結(jié) 論 。 2021/6/15 55 LM檢驗(yàn) 按照 LM檢驗(yàn)步驟，首先生成殘差序列（用 EE表示），用 EE對(duì)全部解釋變量（包括遺漏變量）進(jìn)行回歸，有 2021/6/15 56 2 23 273 6 16. 729 28nR ? ? ?? ? 2 7 .3 7 7 7 6? ? 1 6 . 7 2 9 2 8 7 . 3 7 7 7 6?再計(jì)算 ，查表， ，顯然 ， 拒 絕 H0：受約束回歸模型 不拒絕 H1： 無(wú)約束回歸模型 即確實(shí)存在遺漏變量。對(duì) n=24 和 k ’=1， 5%的德賓 沃森 d統(tǒng)計(jì)量的臨界值為dL= dU=, 表明存在顯著的遺漏變量現(xiàn)象。 作模型 (1)回歸的殘差圖： 2021/6/15 52 模型（ 1）的 DW=， 表明存在正的自相關(guān)。 分析模型是否有變量設(shè)定誤差，進(jìn)行變量設(shè)定誤差檢驗(yàn)。 具體步驟： 2021/6/15 49 問(wèn)題： 以 P243引子中所提出的問(wèn)題為例，分析影響中國(guó)進(jìn)口量的主要因素（數(shù)據(jù)見(jiàn) PP255256）。 2021/6/15 48 對(duì)存在遺漏變量設(shè)定偏誤的模型（受約束回歸模型）進(jìn)行回歸，得殘差序列 ei； 用殘差序列 ei對(duì)全部的解釋變量（包括遺漏變量）進(jìn)行回歸，得可決系數(shù) R2； 設(shè)定 H0:受約束回歸模型， H1:無(wú)約束回歸模型。 2021/6/15 47 二、拉格朗日乘數(shù)（ LM）檢驗(yàn) 基本思想： ● 模型中遺漏的相關(guān)變量包含在隨機(jī)擾動(dòng)項(xiàng)中，因此隨機(jī)擾動(dòng)項(xiàng)或回歸所得的殘差序列應(yīng)與遺漏的相關(guān)變量呈現(xiàn)出某種依存關(guān)系。 2021/6/15 46 ie0H : 受 約 束 回 歸 模 型 ,1H : 無(wú) 約 束 回 歸 模 型 。 設(shè)定誤差 一、 DW檢驗(yàn) 基本思想： 遺漏的相關(guān)變量應(yīng)包含在隨機(jī)擾動(dòng)項(xiàng)中，那么回歸所得的殘差序列就會(huì)呈現(xiàn)單側(cè)的正（負(fù)）相關(guān)性，因此可從自相關(guān)性的角度檢驗(yàn)相關(guān)變量的遺漏。 EViews會(huì)使用最后一組參數(shù)值作為初始值進(jìn)行估計(jì)。然而，對(duì)于某些難于估計(jì)的模型，在最大迭代次數(shù)下迭代過(guò)程不收斂。 例如 ， 設(shè)定閾值為 ， 則EViews會(huì)通過(guò)檢查系數(shù)的最大變化是不是小于 收斂 。 按Options鈕并輸入想要的數(shù)值 。 只需輸入關(guān)鍵詞 PARAM， 然后是每個(gè)系數(shù)和想要的初值： param c(1) 153 c(2) .68 c(3) .15 中設(shè)定 c(1)=153， c(2)= 和 c(3)=。 完成初始值設(shè)定后 ，關(guān)閉系數(shù)向量窗口 ， 估計(jì)模型 。 如果初始值是合理的 ，可以對(duì)模型進(jìn)行估計(jì) 。 很容易檢查并改變系數(shù)的初始值 。 總體說(shuō)來(lái) ， 必須進(jìn)行試驗(yàn)以找到初始值 。 越接近于真值越好 ， 因此 ， 如果你對(duì)參數(shù)值有一個(gè)合理的猜測(cè)值 ， 將是很有用的 。 2021/6/15 43 （ 1） 初始值 迭代估計(jì)要求模型系數(shù)有初始值 。 ttt ui n ccs ??? 321 ???0 85 1 3 7 4? tt i n csc ??? 2021/6/15 41 非線性形式的邊際消費(fèi)傾向?yàn)? 即 MPCt = c(2)*c(3)*inctC(3)1 = ** 1323)(dd ??? ???tttt i n ci n ccsMP C 2021/6/15 42 0 . 4 60 . 4 80 . 5 00 . 5 20 . 5 40 . 5 678 80 82 84 86 88 90 92 94 96 98 00 02圖 動(dòng)態(tài)的邊際消費(fèi)傾向 因此，非線性情況下的 MPC是時(shí)變的，根據(jù)式（ ）計(jì)算得到的邊際消費(fèi)傾向序列如圖 。利用我國(guó)1978年 ～ 2021年的年度數(shù)據(jù)估計(jì)此非線性方程，由于用迭代法計(jì)算，首先要賦初值，比如可以設(shè) ?3的估計(jì)值 b3初值是 1，則可以利用 OLS估計(jì)值 (例 ， b1 =， b2 =) 作為 b1 ， b2 的初值。例如： Y=c(1)+c(2)*(K^c(3)+L^c(4)) 就是缺省系數(shù)向量 C的 4個(gè)元素從 c(1)到 c(4)。 1. 說(shuō)明非線性最小二乘估計(jì) 對(duì)于非線性最小二乘模型，必須使用直接包含系數(shù)約束的EViews表達(dá)式以方程形式來(lái)說(shuō)明。 估計(jì)協(xié)方差矩陣為： 關(guān)于非線性估計(jì)的詳細(xì)討論，參見(jiàn) Pindick和 Rubinfeld (1991, 231 245頁(yè) ) 或 Davidson和 MacKinon(1993)。 tttt uKLy ???? l o gl o g 321 ???tttt uKLy ?? 321 ??? 2021/6/15 38 非線性最小二乘估計(jì)根據(jù)參數(shù) ? 的選擇最小化殘差平方和。對(duì)于這個(gè)模型，沒(méi)有辦法使用普通最小二乘估計(jì)來(lái)最小化殘差平方和。例如， 是參數(shù)線性的， f 關(guān)于參數(shù)的導(dǎo)數(shù)與參數(shù) ? 無(wú)關(guān)。 假設(shè)回歸方程為： ttt ufy ?? ),( βx其中 f 是解釋變量和參數(shù) ? 的函數(shù)。 非線性模型 經(jīng)典的計(jì)量經(jīng)濟(jì)學(xué)模型理論與方法是在線性模型的基礎(chǔ)上發(fā)展、完善起來(lái)的，因而線性計(jì)量經(jīng)濟(jì)學(xué)模型領(lǐng)域的理論與方法已經(jīng)相當(dāng)成熟。于是模型改寫(xiě)為： 其中 表示學(xué)院教授的薪金 表示教齡 1 2 2 3 3i i i i iY a a D a D X u?? ? ? ? ?iYiX210D?? ??男性女性 310D?? ??白色黑色2021/6/15 32 假定 ，則可以得到以下回歸： 黑人女教授平均薪金： 黑人男教授平均薪金： 白人女教授平均薪金： 白人男教授平均薪金： ( ) 0iEu ?2 3 1( | 0 , 0 , )i i iE Y D D X a X?? ? ? ?2 3 1 2( | 1 , 0 , ) ( )i i iE Y D D X a a X?? ? ? ? ?2 3 1 3( | 0 , 1 , ) ( )i i iE Y D D X a a X?? ? ? ? ?2 3 1 2 3( | 1 , 1 , ) ( )i i iE Y D D X a a a X?? ? ? ? ? ?2021/6/15 33 三、 EViews的操作 ? 為研究采取某項(xiàng)保險(xiǎn)革新措施的速度 y與保險(xiǎn)公司的規(guī)模 x1和保險(xiǎn)公司類(lèi)型的關(guān)系，選取下列數(shù)據(jù)： y是一個(gè)
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1