我国广义货币供应量m2的回归模型及实证检验

我国广义货币供应量m2的回归模型及实证检验

ID:19474632

大小:753.50 KB

页数:48页

时间:2018-09-29

我国广义货币供应量m2的回归模型及实证检验_第1页
我国广义货币供应量m2的回归模型及实证检验_第2页
我国广义货币供应量m2的回归模型及实证检验_第3页
我国广义货币供应量m2的回归模型及实证检验_第4页
我国广义货币供应量m2的回归模型及实证检验_第5页
资源描述:

《我国广义货币供应量m2的回归模型及实证检验》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、我国广义货币供应量M2的回归模型及实证检验I.模型的提出货币供应量是中央银行货币政策工具中最重要的中介变量之一,央行通过操作各种政策工具影响货币供应量,从而影响一系列宏观变量,进而影响宏观经济。目前,学界对M2变量的影响与决定已有大量的模型研究,但国内对我国货币供应量的影响因素实证研究较少。总结起来,对于M2影响因素的研究,一方面集中于需求方面,从传统货币需求函数出发,采用名义国内生产总值、价格指数、外汇储备、利率等作为因变量进行线性回归,通过假设货币需求与供给均衡,进而得出影响广义货币供应量M2的因素。另一方面,指出商业银行信贷量、财政存款以及国债发行量等对M2影响较大。本文认为

2、,货币供给与需求出清的假设过于严格,在我国货币供给相对独立的背景下,这样的假设与实际情况偏差较大。因此本文将基于后一种模型分析思路,研究广义货币供给M2的回归模型的实证检验。在分析M2影响因素时,为了全面反映各方面的影响因素,总是尽量选取被解释变量的所有影响因素。通过考察货币的流通环节和分析央行货币政策工具,考虑一下三个方面的影响广义货币供应量的因素:一是银行系统,二是金融市场的变动,三是来自国外资金的变动。在模型变量选取时,综合考虑权衡各因素对M2影响在理论上的重要性和数据可得性,选取了2010年到2011年M0,M1,国债成交额、沪深股市成交额、外汇占款和银行间同业拆借余额的月

3、度数据作为因变量,以中国人民银行公布的2010年和2011年公布的M2月度数据作为自变量,详见表1。变量名称变量代码变量数据来源M0M0中国人民银行公布2010~2011年M0月度余额数据M1M1中国人民银行公布2010~2011年M1月度余额数据31M2M2中国人民银行公布2010~2011年M2月度余额数据国债BONDS股市STOCK2010~2011沪深股市月度成交额外汇占款WH同业拆借CAIJIE表1变量数据定义表I.模型建立及结果1.模型建立通过以上分析和变量选取,建立如下回归方程:(eq.1)在EViews中建立Workfile命名为:M2Mode,DataSpecif

4、ication选为mouthly,其他参数如下:储存并向其中导入所收集到的数据:311.数据预处理在命令窗口中键入如下命令,并对对各变量作图:311.模型结果在命令窗口输入如下语句:得到运算结构如下:31如上图所示,模型R-squrared达到0.99,说明模型拟合数据效果较好;在显著性水平为1%下,模型F检验通过。但模型部分变量未通过显著性为5%的t检验,模型AIC值与SC值较高。以上初步分析说明上述模型存在问题,将结果保存为EQ1后,下面将对金融变量多元回归模型常见的几个问题进行检验,以确定问题所在,并优化模型。I.模型检验1.残差检验古典线性回归模型中假定随机扰动项是正态分布

5、的,则在检验模型拟合程度时,有必要进行残差正态性检验。本文选用Bera-Jarque检验。在EViews软件EQ1对象中选择View——ResidualTest——Histogram–NormalityTest来进行残差检验,结果如下图。31可见,残差分布条形图近似呈钟形,且p值大于显著性水平0.05。由此可见,本模型残差符合正态分布。1.异方差检验异方差是指在多元线性回归模型中,随机扰动项并不满足同方差的假定,即残差服从不同方差的分布。在计量经济学中,一旦产生异方差问题,将对线性回归模型的参数估计、模型检验及模型应用带来重大影响。因此,有必要对模型进行异方差检验。本文首先采用图示

6、检验法。利用EViews中的残差图分析,直观的观察是否存在异方差问题。在EViews中EQ1窗口点击Resids按钮,即可得到残差分布图,如下图:31可见,残差分布图的区域并未发生明显变化,或偏离,初步说明模型不存在异方差问题。对于异方差检验,必然离不开White检验。在EViews中的EQ1窗口中选择Views——ResidualTest——WhiteHeteroskedasticity(Nocrossterms),即可得到模型White检验结果,如下图:从结果可以看出,在显著性水平为5%的情况下,F统计量为1.348,对应概率值为0.31,远大于显著性水平,故可以判定模型不存在

7、异方差问题。1.自相关检验31自相关性是指随机误差项满足零期望、同方差的假定,但是误差项之间的相关系数不为0。自相关问题常见于时间序列数据,特别是对于经济变量而言更是如此。存在自相关时,OLS估计仍然是线性无偏的,但不再具有最小方差,从而使得显著性检验失效,模型预测精读下降。故有必要进行自相关检验。本文首先采用图示检验法。即以时间为横轴,以残差为Y轴做出下图:观察上图可以发现,残差在一定程度上围绕0改变符号,故可以怀疑存在自相关性。但图示法虽然直观,但不够精确。为进一

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。