【正文】 。這就要求混和模型中參數(shù)不隨時間的變化而改變，并且在各個橫截面之間沒有差異。從而我們得到一個分段線性回歸(piecewiselinearregression)。三、分段回歸在實際經濟問題的研究中，有些經濟關系需要用分段回歸加以描述：當解*x*如果估計的參數(shù)之間存在著顯著差異，則稱模型結構是不穩(wěn)定的，反之則認為是穩(wěn)定的。所以我們研究判斷兩個或多個回歸有無差異，就可能是因為截距，也可能是由于斜率，或者二者都有。對一個時間序列進行季節(jié)調整的方法很多，其中一個重要方法就是設置虛擬變量。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) 虛擬變量的特殊應用一、虛擬變量在季節(jié)調整中的應用按季節(jié)或按月份數(shù)據(jù)的許多經濟時間序列呈現(xiàn)有季節(jié)模式。t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。個虛擬變量，否則會陷入所謂“虛擬變量陷阱”，產生完全的多重共線性。m之間是某種線性相關關系，而與第二節(jié) 虛擬變量的設置釋變量（3）便于處理異常數(shù)據(jù)。（2）能夠正確反映經濟變量之間的相互關系，提高模型的精度。0。來表示，一般而言，當某種屬性存在時取值為用符號10變化的反應速度越快。對其值越小，則平均滯后期越短，表明MLTi=0165。MLT的影響已達到其總影響的一半。對ss特別地，值越小，則作用時間越快，滯后時間越短。90%）的Ds的影響所達到（或完成）的程度。期之后，對的變動在經歷期為止的乘數(shù)效應比，它反映了為截止到第i=0ii稱b乘數(shù)效應比Dsb229。二、滯后效應的速度分析229。b165。ii=0229。xytextk++b0ayt第三節(jié)4?；蛲ǔＨ〉妮^低，一般取可以根據(jù)經濟理論和實踐經驗加以確定，其往往帶有主觀性；也可用試探法選。在實際應用中，阿爾蒙多項式的次數(shù)m信息準則最小的滯后期。準則或赤池具體方法如下：可以根據(jù)經濟理論或實際經驗加以確定；可以通過相關系數(shù)，利用被解釋變量與滯后的解釋變量之間的相關系數(shù)初步判斷滯后期長度；選擇使調整的判定系數(shù)最大的滯后期；選擇使施瓦茲kb=模型，經過適當?shù)淖兞孔儞Q（稱為阿爾蒙變換），可以減少模型中的變量個數(shù)，從而在削弱多重共線性影響的情況下，估計模型中的參數(shù)。yxb期累計影響；229。的期）中期乘數(shù)，反映了解釋變量對b將此關系式代入原分布滯后229。(其中，m+++=f的適當次（m）多項式逼近：bibi=f(i)可以用滯后期為滯后期長度。etxtk++b0a阿爾蒙法阿爾蒙估計法的原理：設有限分布滯后模型為yt經驗加權法優(yōu)點：簡單易行，不損失自由度，避免多重共線性干擾及參數(shù)估計具有一致性。Vyt=f(wt)+εt，得到原模型中各參數(shù)的估計值。OLS二、有限分布滯后模型的估計方法經驗加權法針對問題的特點，根據(jù)實際經驗確定各期滯后變量的權數(shù)，再將各期滯后變量加權組合成新的解釋變量第二節(jié) 分布滯后模型估計一、分布滯后模型估計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的模型參數(shù)個數(shù)，進而緩解多重共線性，減少自由度損失。四、分布滯后模型估計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。階)自回歸模型。etytk+b2yt1+b0aytyx可分為有限分布滯后模型和無限分布滯后模型。yxt+...... bkb1xt1xt+=x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。二、滯后變量和滯后變量模型滯后變量是指過去時期的、對當前被解釋變量產生影響的變量。第七章 分布滯后變量模型與自回歸模型第一節(jié)Options（4）迭代估計過程的控制迭代估計過程中，EViewstAR的估計值及其標準差、tEViews軟件將使用迭代估計法估計模型，并輸出C X AR（1）如果模型為高階自相關形式，則再加上項，系統(tǒng)將自動使用廣義差分法來估計模型。命令中加上（3）利用廣義差分法估計模型：在etsetY C X（2）判斷自相關性的類型：IDENT法估計模型，系統(tǒng)將同時計算殘差序列軟件中可以直接使用廣義差分法估計存在自相關性的模型，具體步驟為：（1）利用軟件實現(xiàn)在3．廣義差分法的EViewsr(n+1)d此時，以(n)rδret(2)?r(2)=t t的估計值：229。e(2)和++===r=t tet(1)?r的（第一輪）估計值：229。計算；t②根據(jù)殘差法估計模型，計算第一輪殘差迭代估計法的具體步驟為：①利用rr的估計值。C Y(1) X X(1)可以得到OLSryt1+rxt1xt++ra(1估計法根據(jù)廣義差分變換模型有ytet=229。r與et1的估計，則eett1與er：?r值近似估計），所以可以用DW≈2（1r來代替。的估計值?只能考慮用rrr+t1b(yt1=1，則可得到一階差分模型yt若r/(1=A、b，進而得到：OLSvt)。vt稱為廣義差分模型，其中，A=a(1bx*A…，n則t ty*===t1(e)b()=rebxt1a將模型滯后一期，得yt1vt+rett存在一階自相關性：++==10左右，若未能得到顯著的檢驗結果，可以認為不存在自相關性。=1）開始，直到（實際應用中，一般是從低階的BG及其臨界概率值。nRLM\SerialView\ResidualBGEViews的值顯著地不等于零。H0，即認為至少有一個2若(c22進行回歸，并計算出輔助回歸模型的判定系數(shù)etet1etetOLS0即不存在自相關性。p ==vt假設ppe+r2et1=t設自相關形式為：e+...... bkx2t++=Multiplicator—LM）。BG是事先指定的滯后期長度）的相關系數(shù)和偏相關系數(shù)，從中可以直觀地看出殘差序列的相關情況。（etet2et1etTest軟件計算偏相關系數(shù)，具體有兩種方式：命令方式：IDENT RESID菜單方式：在方程窗口中點擊View利用值是落于臨界值的左端或右端，所以此時無法確定是否存在自相關性。時，因無法判定H0，即認為不存在（一階）自相關性。③dU≤DW≤4dU②4dU≤DW≤4時，拒絕時，拒絕4dL4 DW即不存在（一階）自相關性DW即存在負自相關性DW=2即存在正自相關性DW=4=0DW=0=1rDWr)（3）檢驗自相關性：?因為的估計，所以有：?DW≈2(1為自相關系數(shù)et=229。247。t 248。et1247。et12t230。e2t12t12229。DW1e=e229。e2t=2 t=1n nt=2 t=1n n n nt=2 t=2 t=2 t=1對于大樣本n n nt=2 t=2 t=1所以229。229。)=DW即不存在（一階）自相關性。=H0:et21229。187。/et2229。e2t1229。e2t(229。et1 /+ )=DWXDW的相關性。的散點圖，根據(jù)散點圖來判斷作為隨機誤差項的真實估計值，再描繪　　　　　三、自相關性的檢驗1．圖示檢驗法圖示法是一種直觀的診斷方法，它是將給定的回歸模直接用普通最小二乘法估計參數(shù)，求出殘差項估計的標準誤差；（3）t二、自相關性的后果如果模型存在自相關性，將會產生以下不利影響：（1）最小二乘估計不再是有效估計；（2）一般會低估pp+trLt2rt1=自相關性的一般形式可以表示成：evtr+rett1只與它的前一期值e模型產生自相關性主要有以下原因：（1）經濟慣性；（2）模型中遺漏了重要的解釋變量；（3）模型形式設定不當；（4）隨機因素的影響；（5）數(shù)據(jù)處理造成的自相關；（6）蛛網現(xiàn)象。由于自相關性主要表現(xiàn)在時間序列數(shù)據(jù)，為明確起見，將變量和隨機誤差項的下標用符號,=)te=titt如果隨機誤差項的各期值之間存在著相關關系，即：Cov(+bkt......x2t++=如果變量之間在經濟意義上并非呈對數(shù)線性關系，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行修正。表示相對誤差，而相對誤差往往比絕對誤差有較小的差異。（2）經過對數(shù)變換后的線性模型，其殘差模型的對數(shù)變換在經濟意義成立的情況下，可以對模型作對數(shù)變換，對數(shù)變換后的模型通常可以降低異方差性的影響。檢驗判斷是否消除了異方差性。（3）對估計后的模型，再使用WLS返回方程說明對話框；④點擊方法，并在權數(shù)變量欄中輸入權數(shù)變量，然后點擊Options，進入?yún)?shù)設置對話框；③在參數(shù)設置對話框中選定Estimate軟件執(zhí)行過程為：（1）生成權數(shù)變量；（2）使用加權最小二乘法估計模型：命令方式：LS（W=權數(shù)變量）加權最小二乘法的e2eiEViews=最小從形式上看，模型變換法和加權最小二乘法都可以消除模型中的異方差性，但模型變換法的實質就是加權最小二乘法。yiyiwi229。e2i2直接取成1一個很自然的做法就是將權數(shù)2較大的賦予較大的權數(shù)，而sei22加權最小二乘估計原理的直觀意義：在考慮異方差模型的擬合總誤差時，i i i對不同的Square，簡稱所以稱該方法為加權最小二乘法（WeightedLeasti2。wi=wi法估計模型，則整個估計過程就是使得：i229。除原模型兩端，進行模型變換后，再用用ssii若++=方法估計（變換后）模型中的參數(shù)。除以原模型的兩端，就可以將模型轉化成同方差模型，因此，仍然可以使用(xi)lf)D(e模型變