計(jì)量經(jīng)濟(jì)學(xué)滯后變量模型(參考版)
2025-05-15 18:05本頁(yè)面
【正文】 因此，一般而言，常進(jìn)行不同滯后期長(zhǎng)度的檢驗(yàn)，以檢驗(yàn)?zāi)Ｐ椭须S機(jī) 干擾項(xiàng)不存在序列相關(guān)的滯后期長(zhǎng)度來(lái)選取滯后期。不同的滯后 期可能會(huì)得到完全不同的檢驗(yàn)結(jié)果。 如果計(jì)算的 F值大于給定顯著性水平 ? 下 F分布的相應(yīng)的臨界值 Fα(m , n?k)， 則拒絕原假設(shè)，即認(rèn)為 X是 Y的格蘭杰原因。 兩變量 X和 Y，格蘭杰因果關(guān)系檢驗(yàn)要求估計(jì)以下回歸模型： 111mmt i t i i t i tiiY X Y? ? ?????? ? ??? (939) 211mmt i t i i t i tiiX Y X? ? ?????? ? ??? (940) 可能存在有四種檢驗(yàn)結(jié)果： (1) X對(duì) Y有單向影響 (2) Y對(duì) X有單向影響 (3) Y與 X間存在雙向影響 (4) Y與 X間不存在影響 格蘭杰檢驗(yàn)是通過(guò)構(gòu)造 F統(tǒng)計(jì)量，利用 F檢驗(yàn)完成的。 例如： GDP的增長(zhǎng)能夠促進(jìn)消費(fèi)的增長(zhǎng)，而反過(guò)來(lái)，消費(fèi)的變化又是 GDP變化的一個(gè)組成部分，因此，消費(fèi)增加又能促進(jìn) GDP的增加。 唯一可做的，就是盡可能地 建立“正確”的模型，以使序列相關(guān)性的程度減輕。 同期無(wú)關(guān) (如局部調(diào)整模型 )， 注意： 上述工具變量法只解決了解釋變量與隨機(jī)干擾項(xiàng)相關(guān)對(duì)參數(shù)估計(jì)所造 成的影響，但沒(méi)有解決 t? 的自相關(guān)問(wèn)題。 (1) 工具變量法 對(duì)于一階自回歸模型 0 1 2 1t t t tY X Y? ? ? ??? ? ? ? (937) 1?tY? 1tY? 1?tY? 在實(shí)際估計(jì)中，一般用 作為 的工具變量，其中 是 X的若干 滯后的線性組合： 1 0 1 1 2 2?t t t s t sY X X X? ? ? ?? ? ? ?? ? ? ? ?… (938) t?t? 1?tY?由于模型 (937)式中已假設(shè)隨機(jī)干擾項(xiàng) 與解釋變量 X及其滯后項(xiàng)不 與 不再線性相關(guān)。 因此，對(duì)自回歸模型的估計(jì)主要需視滯后被解釋變量與隨機(jī)干擾項(xiàng)的 不同關(guān)系進(jìn)行估計(jì)。 同時(shí)，隨機(jī)干擾項(xiàng)還是自相關(guān)的。局部調(diào)整假設(shè)還可寫(xiě)成 (935) 1(1 )et t tY Y Y?? ?? ? ?其中 ttv ???可見(jiàn)，局部調(diào)整模型可轉(zhuǎn)化為一個(gè)自回歸模型。 由于生產(chǎn)條件的波動(dòng)，生產(chǎn)管理方面的原因，庫(kù)存儲(chǔ)備 Yt的實(shí)際變化量 只是預(yù)期變化的一部分。對(duì)應(yīng)于一定的 產(chǎn)量或銷售量 Xt，存在著預(yù)期的最佳庫(kù)存 etY 。 其中， 1(1 )t t tv ? ? ? ?? ? ?(2) 局部調(diào)整模型 局部調(diào)整模型的最初的表現(xiàn)形式是： 01et t tYX? ? ?? ? ? (933) 例如： 局部調(diào)整模型主要是用來(lái)研究物資儲(chǔ)備問(wèn)題的。 (1) 自適應(yīng)預(yù)期模型 最初的表現(xiàn)形式是： (927) 01 et t tYX? ? ?? ? ?由于預(yù)期變量是不可實(shí)際觀測(cè)的，往往作如下自適應(yīng)預(yù)期假定： 11()e e et t t tX X X X???? ? ? (928) 其中 γ為預(yù)期系數(shù) (coefficient of expectation)， 0≤γ≤1。 事實(shí)上，許多滯后變量模型都可以轉(zhuǎn)化為自回歸模型。而 0 1 2 1t t t tY X Y? ? ? ??? ? ? ? (926) 稱為 一階自回歸模型 (firstorder autoregressive model)。 小結(jié)： 第三節(jié) 自回歸模型 一、自回歸模型 如果滯后變量模型中的解釋變量?jī)H包含 X的當(dāng)期值與被解釋變量 Y 的一個(gè)或多個(gè)滯后值，則稱為 自回歸模型 (autoregressive model)， 也稱為 內(nèi)生滯后變量模型 。相反，滯后類型是根據(jù)可資利用的樣本觀測(cè)值，通過(guò)包括各 種滯后類型的試驗(yàn)方法來(lái)探索和決定的，然后從中選擇一種產(chǎn)生最佳統(tǒng) 計(jì)擬合的滯后類型。 分布滯后模型參數(shù)估計(jì)帶有很大的經(jīng)驗(yàn)成份，這是由于經(jīng)濟(jì)理論不 能對(duì)經(jīng)濟(jì)現(xiàn)象調(diào)整過(guò)程的長(zhǎng)度作出令人滿意的闡述而引起的。如果假設(shè) ? =2， 模型 (922)變?yōu)? 2?? 2? 2tY?加上其滯后一期的模型乘 ，加上 乘以 ，可 得： 2 2 2 21 2 1 2( 1 ) ( 1 ) 2 ( 2 )t t t t t t tY X Y Y? ? ? ? ? ? ? ? ? ? ?? ? ? ?? ? ? ? ? ? ? ? ?(924) 這也是一個(gè)自回歸模型。 ?令 =，則 ?=2 =3 ?隨滯后期 i的變化情況 如圖 91所示。于是模型變?yōu)? 10( 1 ) iit i t i tiY C X? ?? ? ? ? ??? ? ??? ? ? ?? (922) ? (1 ) ii? ? ???當(dāng) =1時(shí)， ，則 帕斯卡變換簡(jiǎn)化為科依克幾何分布變換 。 (4) 帕斯卡（ Pascal）方法 現(xiàn)象： 經(jīng)濟(jì)現(xiàn)象中有一種經(jīng)濟(jì)變量受某種因素影響， 隨著時(shí)間滯后逐漸增大，當(dāng)過(guò)了某一時(shí)刻后，這種 影響又逐漸變小，呈現(xiàn)一種 “ ∧ ” 形滯后分布。 科伊克模型的兩個(gè)特點(diǎn)： 1）以一個(gè)滯后被解釋變量 Yt1代替了大量的滯后解釋變量 Xti，最大限度 地節(jié)省了自由度，解決了滯后期長(zhǎng)度 s難以確定的問(wèn)題； 2）由于滯后一期的被解釋變量 Yt1與 Xt的線性相關(guān)程度可以肯定小于 X的 各期滯后值之間的相關(guān)程度，從而緩解了多重共線性。 對(duì)于無(wú)限分布滯后模型 0t i t i tiYX? ? ?? ??? ? ?? (911) 科伊克變換假設(shè)偏回歸系數(shù) βi隨滯后期 i
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1