eviews分布滯后和虛擬變量模型-文庫(kù)吧資料
2025-05-19 21:48本頁(yè)面
【正文】 公司提出該項(xiàng)革新直至革新被采納間隔的月數(shù)，x1是公司的總資產(chǎn)額（單位：百萬(wàn)美元），x2是一個(gè)定性變量，表示公司類(lèi)型：其中1表示股份公司， 0表示非股份公司。模型如下： 其中 ＝保健年度支出 ＝年度收入 iY1 2 2 3 3i i i i iY a a D a D X u?? ? ? ? ?iX210D????如果是高中教育其他 310D????如果是大學(xué)教育其他2021/6/15 31 對(duì)一個(gè)定量變量和兩個(gè)定性變量的回歸 回顧前面學(xué)院教授薪金回歸模型，現(xiàn)在假定除了教齡和性別之外，膚色也是一個(gè)重要的薪金決定因素。教育水平是定性變量，分為三類(lèi)：低于中學(xué)、中學(xué)和大學(xué)。 (4)虛擬變量的系數(shù)稱(chēng)為級(jí)差截距系數(shù)，它表示取值 1的類(lèi)別的截距值和基基礎(chǔ)類(lèi)型的截距值相比有多大差別。 (3)被賦予零值的那個(gè)類(lèi)別通常稱(chēng)為基礎(chǔ)類(lèi)型。更通用的規(guī)則是： 如果一個(gè)定性變量有 m個(gè)類(lèi)別，則引入 m1個(gè)虛擬變量。這個(gè)模型的 系數(shù)估計(jì)用 OLS即可完成。 2? ( ) ( ) 7iiYDtR????2021/6/15 28 一個(gè)定量變量和一個(gè)兩分定性變量的回歸 仍然用上面的例子，只是引入教齡作 為解釋變量。（為什么把這種模型稱(chēng)為方差分析模型？） 一個(gè)教授年薪的模型： 其中 表示教授的年薪 i i iY a D u?? ? ?Y10iD?? ??若 是 男 教 授若 是 女 教 授2021/6/15 27 根據(jù)所給數(shù)據(jù)可以估計(jì)出如下結(jié)果： 估計(jì)方法與前面所講的方法沒(méi)有區(qū)別。 在回歸模型中，對(duì)定量變量和虛擬變量的估計(jì)方法是一樣的。 虛擬變量回歸模型 ? 一、 虛擬變量的概念 虛擬變量，是一種離散結(jié)構(gòu)的量，用來(lái)描述所研究變量的發(fā)展或變異而建立的一類(lèi)特殊變量，常用來(lái)表示職業(yè)、性別、季節(jié)、災(zāi)害、經(jīng)濟(jì)結(jié)構(gòu)變化、受教育程度等的影響。由回歸結(jié)果可見(jiàn)，Y滯后一期的回歸系數(shù)并不顯著，說(shuō)明兩個(gè)模型的設(shè)定都不合理。全省工業(yè)總產(chǎn)值每預(yù)期增加 1（億元），當(dāng)期新增固定資產(chǎn)量為 （億元）。為此，先估計(jì)如下形式的一階自回歸模型： * * * *0 1 1t t t tY X Y u? ? ? ?? ? ? ?2021/6/15 22 （ 1）根據(jù)局部調(diào)整模型的參數(shù)關(guān)系，有 將上述估計(jì)結(jié)果代入得到： ? 故局部調(diào)整模型為： ? 意義：為了達(dá)到全省工業(yè)總產(chǎn)值的計(jì)劃值，尋求一個(gè)未來(lái)預(yù)期新增固定資產(chǎn)的最佳量，全省工業(yè)總產(chǎn)值每計(jì)劃增加 1（億元），則未來(lái)預(yù)期最佳新增固定資產(chǎn)量為 （億元）。 ? （ 2） 設(shè)定模型 作自適應(yīng)假定，估計(jì)參數(shù)，并作解釋。 X Y2?[v ar( )]?2021/6/15 20 三、例題分析及 EViews操作 根據(jù)某地區(qū) 19621995年基本建設(shè)新增固定資產(chǎn) Y（億元）和全省工業(yè)總產(chǎn)值 X（億元）按當(dāng)年價(jià)格計(jì)算的歷史資料 (參見(jiàn)教材 P212，表 )。 如果 超過(guò) 1，檢驗(yàn)便不適用。 （ c）如果 h落在 ，則不拒絕無(wú)一階自相關(guān)的虛擬假設(shè)。 因此決策規(guī)則是： （ a）如果 h,則拒絕無(wú)正的一階自相關(guān)的虛擬假設(shè)。（ ）又可寫(xiě)為： （ ） h漸進(jìn)地遵循零均值和單位方差的正態(tài)分布。然而對(duì)于考伊克和適應(yīng)性期望模型，即使 序列無(wú)關(guān)， 仍可能是序列相關(guān)。 1 0 1 1 1 2 1 1? ? ?t t t t t t tY X X X X Y X? ? ?? ? ? ? ?? ? ?? ? ? ??2021/6/15 17 二、在自回歸模型中偵察自相關(guān)：德賓 h檢驗(yàn) 誤差項(xiàng) 中可能的序列相關(guān)會(huì)使自回歸模型的估計(jì)變得復(fù)雜。利維亞坦建議用 作為 的工具變量，并且還建議方程（ ）的參數(shù)可由以下正規(guī)方程解得： 1tY?t?t?1tY?1tX? 1tY?0 1 2 1? ? ?ttY n X Y? ? ? ?? ? ?? ? ?20 1 2 1? ? ?t t t t t tY X X X Y X? ? ? ?? ? ?? ? ? ?2021/6/15 16 （ ) 從（ ）中估計(jì)出來(lái)的諸 是一致性的。 ttu???tutu?2021/6/15 15 一、工具變量法 最小二乘法之所以不能適用于考伊克或適應(yīng)性期望模型，是因?yàn)榻忉屪兞? 和誤差項(xiàng) 相關(guān)。 0 1 2 1t t t tY X Y? ? ? ??? ? ? ?1tY?t?tut?2021/6/15 14 考伊克和適應(yīng)性期望模型則不能滿(mǎn)足這些假定，然而部分調(diào)整模型中 ，因此， 如果滿(mǎn)足經(jīng)典線性回歸模型的假設(shè)，則 也能滿(mǎn)足，從而用最小二乘估計(jì)將得到一致估計(jì)。 如前所述，運(yùn)用最小二乘法，必須表明隨機(jī)解釋變量 的分布與干擾項(xiàng) 無(wú)關(guān)。 2021/6/15 12 待估計(jì)的方程 ： INV = c(1) + c(2)*INV(1) + c(6)*GDP + c(7)*GDP(1) + c(8)*GDP(2) + c(9)*GDP(3) 估計(jì)的方程： INV = + *INV(1) + *GDP *GDP(1) *GDP(2) + *GDP(3) 2021/6/15 13 167。 2021/6/15 11 方程（ ）中的系數(shù) ?j 在表格底部顯示。 這是回歸自變量中多重共線的典型現(xiàn)象 ， 建議擬合一個(gè)多項(xiàng)式分布滯后模型 。 2021/6/15 9 三 、 例子 投資 INV關(guān)于 GDP的 分布滯后模型的結(jié)果如下 2021/6/1
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1