【正文】 因此，我們在合并樣本之前，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。四、混和回歸建立計(jì)量經(jīng)濟(jì)模型時，如果可以同時使用時間序列和橫截面數(shù)據(jù)，可以有效的擴(kuò)充樣本容量，解決一些建模時產(chǎn)生的問題。三、分段回歸在實(shí)際經(jīng)濟(jì)問題的研究中，有些經(jīng)濟(jì)關(guān)系需要用分段回歸加以描述：當(dāng)解釋變量低于某個已知的臨界水平時，y與x之間是某種線性相關(guān)關(guān)系，而時又是另一種相關(guān)關(guān)系。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。所以我們研究判斷兩個或多個回歸有無差異，就可能是因?yàn)榻鼐?，也可能是由于斜率，或者二者都有。對一個時間序列進(jìn)行季節(jié)調(diào)整的方法很多，其中一個重要方法就是設(shè)置虛擬變量。我們常常要從一個時間序列里除掉季節(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。 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)時間序列呈現(xiàn)有季節(jié)模式。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。第二節(jié) 虛擬變量的設(shè)置一、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個相互排斥的類型，只能引入m－1個虛擬變量，否則會陷入所謂“虛擬變量陷阱”，產(chǎn)生完全的多重共線性。 （3）便于處理異常數(shù)據(jù)。 （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。引入虛擬變量的主要作用有：（1）可以描述和測量定性因素的影響。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。平均滯后時間稱MLT為平均滯后時間（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度。使Ds達(dá)到某個百分比（如90%）的s值越小，則作用時間越快，滯后時間越短。第三節(jié) 滯后效應(yīng)分析一、滯后效應(yīng)的乘數(shù)分析 對于分布滯后模型：b0：短期乘數(shù)，表示解釋變量變化一個單位對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)或動態(tài)乘數(shù)，反映解釋變量在各滯后時期的單位變化對yt產(chǎn)生的影響，即x的滯后影響；為（s期）中期乘數(shù)，反映了解釋變量對y的s期累計(jì)影響； 為長期乘數(shù)，表明x變動一個單位對y產(chǎn)生的累計(jì)總影響（假設(shè)b= 存在）。m通常取的較低，一般取2或3，很少超過4。二是多項(xiàng)式次數(shù)m的確定。 使用阿爾蒙估計(jì)法，應(yīng)事先確定兩個問題：一是滯后期長度k的確定。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，其中，k為滯后期長度。經(jīng)驗(yàn)加權(quán)法優(yōu)點(diǎn)：簡單易行，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。二、有限分布滯后模型的估計(jì)方法經(jīng)驗(yàn)加權(quán)法針對問題的特點(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。第二節(jié) 分布滯后模型估計(jì)一、分布滯后模型估計(jì)的總體思路對于有限分布滯后模型，其基本思路針對分布滯后模型估計(jì)面臨的困難，通過對分布滯后模型的系數(shù)施加某種約束或假定條件，通過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成為個數(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)個數(shù)，進(jìn)而緩解多重共線性，減少自由度損失。四、分布滯后模型估計(jì)的困難無限分布滯后模型中待估參數(shù)有無數(shù)個，而樣本總是有限，故無法直接采用最小二乘估計(jì)。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：，則稱其為(k階)自回歸模型。滯后變量模型的兩種常見形式：分布滯后模型：如果模型中的滯后變量只是解釋變量x的過去各期值，即： ，則稱其為分布滯后模型，表明x對y的滯后影響分布在過去各個時期。滯后變量分為滯后解釋變量與滯后被解釋變量。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。EViews軟件將使用迭代估計(jì)法估計(jì)模型，并輸出的估計(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。（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)將自動使用廣義差分法來估計(jì)模型。EViews軟件就是采用這種方法來估計(jì)自相關(guān)性模型。（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)的近似估計(jì)公式，通過一系列的迭代運(yùn)算，逐步提高的近似估計(jì)精度。只能考慮用的估計(jì)值來代替。變換后模型的隨機(jī)誤差項(xiàng)滿足回歸模型的基本假定，可用OLS法估計(jì)參數(shù)A、b，進(jìn)而得到：。四、自相關(guān)性的修正方法1．廣義差分法設(shè)線性回歸模型為： 存在一階自相關(guān)性：其中為滿足古典回歸模型基本假定的隨機(jī)誤差項(xiàng)。但BG檢驗(yàn)中，需要人為確定滯后期的長度。對該假設(shè)的檢驗(yàn)過程如下：①利用OLS法估計(jì)模型，得到殘差序列；②將關(guān)于所有解釋變量和殘差的滯后值，……進(jìn)行回歸，并計(jì)算出輔助回歸模型的判定系數(shù)；③布羅斯和戈弗雷證明，在大樣本情況下，漸近地有 ～因此，對于顯著水平，若大于臨界值，則拒絕原假設(shè)H0，即認(rèn)為至少有一個的值顯著地不等于零。（2）布羅斯—戈弗雷（Breusch—Godfrey）檢驗(yàn)，簡稱為BG檢驗(yàn)，或拉格朗日乘數(shù)檢驗(yàn)（Lagrange Multiplicator—LM）。3．高階自相關(guān)性檢驗(yàn)（1）偏相關(guān)系數(shù)檢驗(yàn)偏相關(guān)系數(shù)(Partial Correlation—PAC)是在模型中其它解釋變量不變的條件下，某一解釋變量與被解釋變量之間的相關(guān)程度，可以用它來判斷自相關(guān)性的類型。③dU≤DW≤4dU時，接受H0，即認(rèn)為不存在（一階）自相關(guān)性。（2）構(gòu)造DW檢驗(yàn)統(tǒng)計(jì)量： 對于大樣本 所以記 為自相關(guān)系數(shù)的估計(jì)，所以有：DW≈2(1 （3）檢驗(yàn)自相關(guān)性：因?yàn)?1≤≤1，所以DW值域?yàn)?≤DW≤4，而且，=1 DW=0 即存在正自相關(guān)性=1 DW=4 即存在負(fù)自相關(guān)性=0 DW=2 即不存在（一階）自相關(guān)性： 負(fù)自相關(guān)無法判定無法判定正自相關(guān)無自相關(guān)24dU4dL4dUdL DW檢驗(yàn)①0≤DW≤dL時，拒絕H0，即認(rèn)為存在（正）自相關(guān)性。2．德賓—沃森（DurbinWatson）檢驗(yàn)德賓—沃森檢驗(yàn)，簡稱DW檢驗(yàn)，是目前檢驗(yàn)自相關(guān)性的最常用方法，但其適用條件是：（1）解釋變量 X為非隨機(jī)的； （2）隨機(jī)誤差項(xiàng)為一階自回歸形式；（3）線性模型的解釋變量中不包含滯后的被解釋變量；（4）截距項(xiàng)不為零，即只適用于有常數(shù)項(xiàng)的回歸模型； （5）數(shù)據(jù)序列無缺失項(xiàng)。二、自相關(guān)性的后果如果模型存在自相關(guān)性，將會產(chǎn)生以下不利影響：（1）最小二乘估計(jì)不再是有效估計(jì)；（2）一般會低估OLS估計(jì)的標(biāo)準(zhǔn)誤差；（3）t 檢驗(yàn)失效；（4）降低模型的預(yù)測精度。隨機(jī)誤差項(xiàng)的自相關(guān)性可以有多種形式，其中最常見的類型是一階自回歸形式，即隨機(jī)誤差項(xiàng)只與它的前一期值相關(guān)：= 其中為自回歸系數(shù)（數(shù)值上等于自相關(guān)系數(shù)，證明略），是滿足古典回歸模型基本假定的隨機(jī)誤差項(xiàng)。由于自相關(guān)性主要表現(xiàn)在時間序列數(shù)據(jù)，為明確起見，將變量和隨機(jī)誤差項(xiàng)的下標(biāo)用符號t，t1，t2，…等表示。如果變量之間在經(jīng)濟(jì)意義上并非呈對數(shù)線性關(guān)系，則不能簡單地對變量取對數(shù)，這時只能用其它方法對異方差進(jìn)行修正。（2）經(jīng)過對數(shù)變換后的線性模型，其殘差表示相對誤差，而相對誤差往往比絕對誤差有較小的差異。3. 模型的對數(shù)變換 在經(jīng)濟(jì)意義成立的情況下，可以對模型作對數(shù)變換，對數(shù)變換后的模型通?？梢越档彤惙讲钚缘挠绊?。加權(quán)最小二乘法的EViews軟件執(zhí)行過程為：（1）生成權(quán)數(shù)變量；（2）使用加權(quán)最小二乘法估計(jì)模型：命令方式：LS