【正文】 差對模型的影響，但應(yīng)注意取對數(shù)后變量的經(jīng)濟(jì)意義。第六章 自相關(guān)性一、自相關(guān)性及其產(chǎn)生的原因?qū)τ谀Ｐ蛓tb0b1x1tb2+ +xtee,e)E(eti≠0i1,2,3,Ls則稱模型存在著自相關(guān)性（Autocorrelation）。t，t1，t2，…等表示。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)te相關(guān)：e=t1vt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)。tr1e+2e++pepvt稱之為階自回歸形式，或模型存在階自相關(guān)。OLS檢驗(yàn)失效；（4）降低模型的預(yù)測精度。etetet2．德賓—沃森（DurbinWatson）檢驗(yàn)德賓—沃森檢驗(yàn)，簡稱檢驗(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)。檢驗(yàn)的基本原理和步驟為：nn(229。e2te2t12et229。et2=+et1)229。et2229。et2187。229。et2（1）提出假設(shè)r0（2）構(gòu)造檢驗(yàn)統(tǒng)計(jì)量：2tDW229。(etet1/2231。232。187。2229。et231。229。et246。229。e21229。e?記 ret12t1?rrr1≤≤1，所以值域?yàn)?≤DW≤4，而且，r=1r：正自相關(guān)無法判定無自相關(guān)無法判定負(fù)自相關(guān)dL dU24dU檢驗(yàn)①0≤DW≤dLH0，即認(rèn)為存在（正）自相關(guān)性。H0，即認(rèn)為存在（負(fù)）自相關(guān)性。時(shí)，接受④dLDWdU，或4dUDW4dLDW3．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。EViews\Residual\CorrelogramQstatistics屏幕將直接輸出與、……pp（2）布羅斯—戈弗雷（Breusch—Godfrey）檢驗(yàn)，簡稱為檢驗(yàn)，或拉格朗日乘數(shù)檢驗(yàn)（Lagrange對于模型ytb0b1x1tb2+xktetr1e+t2...... rt+H0：r1r2......r=對該假設(shè)的檢驗(yàn)過程如下：①利用法估計(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……pR；③布羅斯和戈弗雷證明，在大樣本情況下，漸近地有nR～2p)因此，對于顯著水平anR大于臨界值，則拒絕原假設(shè)ri利用軟件可以直接進(jìn)行檢驗(yàn)：在方程窗口中點(diǎn)擊TestCorrelationTest，屏幕將輸出輔助回歸模型的有關(guān)信息，包括2但檢驗(yàn)中，需要人為確定滯后期的長度。ppp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：ytabxtee=t1vt其中為滿足古典回歸模型基本假定的隨機(jī)誤差項(xiàng)。=++t1在方程兩邊同乘以并與原模型相減得：ytryt1a(1r+xtrxt1+tre)作廣義差分變換：ty*ytryt1，tx*xtrxt1t1,2,=++r變換后模型的隨機(jī)誤差項(xiàng)滿足回歸模? ?型的基本假定，可用法估計(jì)參數(shù)aA)r=xt)vt如果模型為多元線性回歸模型，同理仍然可以得到滿足基本假定的廣義差分模型2．自相關(guān)系數(shù)的估計(jì)方法廣義差分法要求值已知，但實(shí)際上值在模型估計(jì)之前往往是未知的。rr的常用估計(jì)方法有：（1）近似估計(jì)法在大樣本情況下，由于rDWr=1DW/2另外，因?yàn)槭莟e的相關(guān)系數(shù)，如果用作為tet的相關(guān)系數(shù)也可以作為的近似估計(jì)：?ret1t229。e2（2）Durbin=)ryt1b()vt這是一個(gè)滿足基本假定的三元線性回歸模型，其中解釋變量的回歸系數(shù)恰好為因此，利用估計(jì)：LS Yr（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t(yī)高的近似估計(jì)精度。OLSe(1)e(1)r(1)1)229。e(1)e(12③利用估計(jì)的值進(jìn)行廣義差分變換：t ? t ?y*ytryt1x*xtrxt1并估計(jì)廣義差分模型：t ty*Abx*vtt④計(jì)算（第二輪）殘差r2)229。e(2)e(12⑤重復(fù)執(zhí)行③、④兩步，直到的前后兩次估計(jì)值比較接近，即估計(jì)誤差小于事先給定的精度時(shí)為止：? ?|(n+1)r|r作為的近似估計(jì)值，并用其進(jìn)行廣義差分變換，得到回歸系數(shù)的估計(jì)值。軟件就是采用這種方法來估計(jì)自相關(guān)性模型。EViewsEViewsOLSRESID：LSRESID根據(jù)和(s=1,2……p)的偏相關(guān)系數(shù)，初步確定自相關(guān)的類型。LSAR如自相關(guān)類型為一階自回歸形式，則命令格式為：LS YAR（2）、AR（3）、…等等。r統(tǒng)計(jì)量值等等，根據(jù)項(xiàng)的檢驗(yàn)值是否顯著，可以進(jìn)一步確定自相關(guān)性的具體形式。軟件按照默認(rèn)的迭代次數(shù)（100次）和誤差精度（）來控制迭代估計(jì)程序，也可以在方程說明對話框中點(diǎn)擊進(jìn)行修改。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。滯后變量分為滯后解釋變量與滯后被解釋變量。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的過去各期值，即：ytab0++xtke則稱其為分布滯后模型，表明對的滯后影響分布在過去各個(gè)時(shí)期。自回歸模型：如果模型中包含解釋變量的本期值和被解釋變量的若干期滯后值，即：=+xtb1+yt2...... bk+則稱其為(k三、滯后變量模型作用引入滯后變量經(jīng)常能全面、客觀描述經(jīng)濟(jì)現(xiàn)象，有效提高模型的擬合優(yōu)度；動(dòng)態(tài)的反映過去的經(jīng)濟(jì)活動(dòng)對現(xiàn)期經(jīng)濟(jì)行為的影響；模擬分析經(jīng)濟(jì)系統(tǒng)的變化和調(diào)整過程。有限分布滯后模型估計(jì)困難：多重共線性問題，即經(jīng)濟(jì)變量的各期值之間經(jīng)常是高度相關(guān)的；自由度問題，即滯后變量個(gè)數(shù)的增加將會(huì)降低樣本的自由度；難以客觀地確定滯后期的長度。對于無限分布滯后模型，主要是通過適當(dāng)模型變換（庫伊克變換），使無限分布滯后模型轉(zhuǎn)化為只需估計(jì)有限個(gè)參數(shù)的自回歸模型。wt，然后用法估計(jì)變換后的模型權(quán)數(shù)的不同分布決定了模型滯后結(jié)構(gòu)的不同類型，常見的滯后結(jié)構(gòu)類型有：遞減滯后結(jié)構(gòu)、不變滯后結(jié)構(gòu)、倒型滯后結(jié)構(gòu)。缺點(diǎn)：設(shè)置權(quán)數(shù)的主觀隨意性較大，要求分析者對實(shí)際問題的特征有比較透徹的了解。=+xtb1xt1...... bk+其中，k根據(jù)韋爾斯特拉斯定理，阿爾蒙認(rèn)為連續(xù)函數(shù)i=(i)a0a1ia2i2...... amimk)為（sys為長期乘數(shù)，表明變動(dòng)一個(gè)單位對產(chǎn)生的累計(jì)總影響（假設(shè)使用阿爾蒙估計(jì)法，應(yīng)事先確定兩個(gè)問題：一是滯后期長度的確定。SCAIC二是多項(xiàng)式次數(shù)的確定。mm23，很少超過阿爾蒙估計(jì)法的特點(diǎn)：阿爾蒙估計(jì)法的原理巧妙、簡單，估計(jì)參數(shù)時(shí)有效地消除了多重共線性的影響，并且適用于多種形式的分布滯后結(jié)構(gòu)，變換后的模型中不存在與隨機(jī)誤差項(xiàng)相關(guān)的解釋變量；但需要人為確定滯后期長度和多項(xiàng)式次數(shù)。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：=+xtb1xt1...... bk+tb0：短期乘數(shù)，表示解釋變量變化一個(gè)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(dòng)態(tài)乘數(shù)，反映解釋變量在各滯后時(shí)期的單位變化對產(chǎn)生的影響，即的滯后影響；sii=0165。i=0i存在）。=s期中期乘數(shù)長期乘數(shù)=si=0165。Dssxtsyt使達(dá)到某個(gè)百分比（如sDs=50%的值稱為中位滯后，即經(jīng)歷期后，xy229。ib229。b平均滯后時(shí)間=165。i=0ii稱為平均滯后時(shí)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。yx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)值只取和的人工變量。D1，當(dāng)某種屬性不存在時(shí)取值為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。這是計(jì)量經(jīng)濟(jì)學(xué)研究的重點(diǎn)。 從經(jīng)濟(jì)意義上來說，能夠更好地解釋現(xiàn)實(shí)經(jīng)濟(jì)現(xiàn)象。 當(dāng)樣本資料中存在異常數(shù)據(jù)時(shí)，一般有三種處理方式，一是在樣本容量較大的情況下直接剔除異常數(shù)據(jù)；二是用平均數(shù)等方式修勻異常數(shù)據(jù)；三是設(shè)置虛擬變量，即將異常數(shù)據(jù)作為一個(gè)特殊的定性因素。低于某個(gè)已知的臨界水平 時(shí)，yxx x x一、虛擬變量的設(shè)置規(guī)則在有截距項(xiàng)的模型中，若定性因素有個(gè)相互排斥的類型，只能引入m－1二、虛擬變量的引入方式在計(jì)量經(jīng)濟(jì)模型中，加入虛擬解釋變量的途徑有兩種基本類型：一是加法類型；二是乘法類型。實(shí)際應(yīng)用中，一般用加法方式和乘法方式引入虛擬變量，然后再利用檢驗(yàn)判斷其系數(shù)是否顯著的不等于零，進(jìn)而確定虛擬變量的具體引入方式。例如冷飲的銷售、服裝的銷售、收成季節(jié)的農(nóng)產(chǎn)品價(jià)格等都具有很強(qiáng)的季節(jié)特點(diǎn)。從一個(gè)時(shí)間序列中剔除季節(jié)因素的方法稱為季節(jié)調(diào)整，得到的序列稱為季節(jié)調(diào)整序列。二、虛擬變量檢驗(yàn)回歸模型的結(jié)構(gòu)穩(wěn)定性如果模型的斜率有所不同，先檢驗(yàn)截距的差異就沒有什么實(shí)際意義。當(dāng)我們利用不同的樣本數(shù)據(jù)估計(jì)同一形式的計(jì)量經(jīng)濟(jì)模型，可能會(huì)得到不同的估計(jì)結(jié)果。模型結(jié)構(gòu)的穩(wěn)定性檢驗(yàn)既可以用來檢驗(yàn)樣本的敏感性，又可以比較兩個(gè)（或多個(gè)）回歸模型結(jié)構(gòu)是否發(fā)生顯著變化。時(shí)又是另一種相關(guān)關(guān)系。四、混和回歸建立計(jì)量經(jīng)濟(jì)模型時(shí)，如果可以同時(shí)使用時(shí)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(shí)產(chǎn)生的問題。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