回归分析中的伪回归及其处理教学提纲.ppt

《回归分析中的伪回归及其处理教学提纲.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、回归分析中的伪回归及其处理回归分析的主要作用1.描述分析与探索分析2.预测分析3.结构分析与实证分析4.政策评价回归分析应用预测中经常出现的问题1、根据解释变量的预测值测算被解释变量的未来值，扩大了最后的预测误差要预测某期的GDP，需要知道解释变量的同期数值,而实际上，在预测GDP之前，上述解释变量的同期数值也是未知的，因此，需要首先通过其他方法对解释变量的数值进行预测，然后，再利用回归模型预测GDP。这种根据解释变量的预测值回归测算被解释变量未来值的方法无形之中扩大了最后的预测误差。回归分析应用预测中经常出现的问题2

2、、利用非平稳时间序列直接建模容易产生“伪回归”问题如:回归分析应用预测中经常出现的问题2、利用非平稳时间序列直接建模容易产生“伪回归”问题印度的人口增长比较快,中国的GDP增长也比较快,这两个序列有着共同的趋势,能否把这两个序列建立一个模型。×回归分析应用预测中经常出现的问题2、利用非平稳时间序列直接建模容易产生“伪回归”问题？较为普遍的现象!!很多经济时间序列都是非平稳的（从直观上看，随着经济的发展，多数经济时间序列呈明显的上升趋势），而直接采用非平稳时间序列建立回归模型，很容易产生“伪回归”问题。回归分析应用预测中

3、经常出现的问题3、存在着因果关系的变量间建立的回归预测模型的预测效果越来越差我们建立的模型是一个均衡的模型，而实际情况不可能总是在均衡状态下，实际往往会偏离其均衡状态而处于不均衡状态。这时，则需要根据上一期的不均衡程度调整本期的预测值。利用非平稳时间序列直接建模容易产生“伪回归”问题存在着因果关系的变量间建立的回归预测模型的预测效果越来越差怎么办???检验是否存在长期稳定的均衡关系,误差修正一、长期均衡关系1.问题的提出经典回归模型（classicalregressionmodel）是建立在稳定数据变量基础上的。对于非

4、稳定变量，不能使用经典回归模型，否则会出现虚假回归(伪回归)等诸多问题。由于许多经济变量是非稳定的，这就给经典的回归分析方法带来了很大限制。但是，如果变量之间有着长期的稳定关系（即它们之间是协整的cointegration），则是可以使用经典回归模型方法建立回归模型的。例如，中国居民人均消费水平与人均GDP变量之间的回归预测模型要比ARMA模型有更好的预测功能，其原因在于，从经济理论上说，人均GDP决定着居民人均消费水平，而且它们之间有着长期的稳定关系。某些经济变量间确实存在着长期均衡关系，这种均衡关系意味着经济系统不

5、存在破坏均衡的内在机制，如果变量在某时期受到干扰后偏离其长期均衡点，则均衡机制将会在下一期进行调整以使其重新回到均衡状态。假设X与Y间的长期“均衡关系”由式描述:2.长期均衡式中:t是随机扰动项。该均衡关系意味着:给定X的一个值，Y相应的均衡值也随之确定为0+1X。在t-1期末，存在下述三种情形之一：（1）Y等于它的均衡值：Yt-1=0+1Xt-1；（2）Y小于它的均衡值：Yt-1<0+1Xt-1；（3）Y大于它的均衡值：Yt-1>0+1Xt-1；在时期t，假设X有一个变化量Xt，如果变量X与Y在

6、时期t与t-1末期仍满足它们间的长期均衡关系，则Y的相应变化量由式给出:式中，vt=t-t-1。实际情况往往并非如此如果t-1期末，发生了上述第二种情况，即Y的值小于其均衡值，则Y的变化往往会比第一种情形下Y的变化Yt大一些；反之，如果Y的值大于其均衡值，则Y的变化往往会小于第一种情形下的Yt。可见，如果Yt=0+1Xt+t正确地提示了X与Y间的长期稳定的“均衡关系”，则意味着Y对其均衡点的偏离从本质上说是“临时性”的。因此，一个重要的假设就是:随机扰动项t必须是平稳序列。显然，如果t有随机性趋势（上

7、升或下降），则会导致Y对其均衡点的任何偏离都会被长期累积下来而不能被消除。式Yt=0+1Xt+t中的随机扰动项也被称为非均衡误差（disequilibriumerror），它是变量X与Y的一个线性组合：(*)因此，如果Yt=0+1Xt+t式所示的X与Y间的长期均衡关系正确的话，（*）式表述的非均衡误差应是一平稳时间序列，并且具有零期望值，即是具有0均值的I(0)序列。3.协整从这里已看到，非稳定的时间序列，它们的线性组合也可能成为平稳的。假设Yt=0+1Xt+t式中的X与Y是I(1)序列，如果该式所表

8、述的它们间的长期均衡关系成立的话，则意味着由非均衡误差（*）式给出的线性组合是I(0)序列。这时我们称变量X与Y是协整的（cointegrated）。检验变量之间的协整关系，在建立计量经济学模型中是非常重要的。而且，从变量之间是否具有协整关系出发选择模型的变量，其数据基础是牢固的，其统计性质是优良的。建立回归模型时,如只要变量选择