eviews分布滞后和虚拟变量模型.ppt

《eviews分布滞后和虚拟变量模型.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第八章分布滞后和虚拟变量模型§8.1多项分布滞后（PDL）§8.2自回归模型§8.3虚拟变量回归模型§8.4非线性模型§8.5设定误差10/7/20211§8.1多项分布滞后（PDL）在经济分析中人们发现，一些经济变量，它们的数值是由自身的滞后量或者其他变量的滞后量所决定的，表现在计量经济模型中，解释变量中经常包含某些滞后变量。以投资函数为例，分析中国的投资问题发现，当年的投资额除了取决于当年的收入（即国内生产总值）外，由于投资的连续性，它还受到前1个、2个、3个…时期投资额的影响。已经开工的项目总

2、是要继续下去的，而每个时期的投资额又取决于每个时期的收入，所以可以建立如下关于投资的计量经济方程其中I表示投资额，Y表示国内生产总值。10/7/20212对于有限滞后长度的情形，分布滞后模型的一般形式如下其中系数描述x对y作用的滞后。在模型中解释变量与随机误差项不相关的情况下，可以直接使用OLS估计参数。但是，一个显然的问题是解释变量之间，即x的当前和滞后值之间具有高度共线性，而共线性问题的一个直接后果是参数估计量失去意义，不能揭示x的各个滞后量对因变量的影响，所以必须寻求另外的估计方法。(8.1

3、.1)一、多项式分布滞后模型的估计方法10/7/20213可以使用多项式分布滞后（PolynomialDistributedLags,PDL）来减少要估计的参数个数，以此来平滑滞后系数。平滑就是要求系数服从一个相对低阶的多项式。p阶PDLs模型限制系数服从如下形式的p阶多项式j=0,1,2,…,k(8.1.2)c是事先定义常数：10/7/2021PDL有时被称为Almon分布滞后模型。常数c仅用来避免共线性引起的数值问题，不影响的估计。这种定义允许仅使用参数p来估计一个x的k阶滞后的模型（如果p

4、>k，将显示“近似奇异“错误信息）。定义一个PDL模型，EViews用(8.1.2)式代入到(8.1.1)式，将产生如下形式方程其中(8.1.3)10/7/2021一旦从(8.1.3)式估计出，利用(8.1.2)式就可得到的各系数。这一过程很明了，因为是的线性变换。定义一个PDLs要有三个元素：滞后长度k，多项式阶数（多项式最高次幂数）p和附加的约束条件。一个近端约束限制x对y一期超前作用为零：一个远端约束限制x对y的作用在大于定义滞后的数目衰减：如果限制滞后算子的近端或远端，参数个数将减少

5、一个来解释这种约束。如果对近端和远端都约束，参数个数将减少二个。EViews缺省不加任何约束。10/7/2021二、如何估计包含PDL的模型通过PDL项定义一个多项式分布滞后，信息在随后的括号内，按下列规则用逗号隔开：1.序列名2.滞后长度（序列滞后数）3.多项式阶数4.一个数字限制码来约束滞后多项式：1=限制滞后近端为零2=限制远端为零3=两者都限制如果不限制滞后多项式，可以省略限制码。方程中可以包含多个PDL项。例如：salescpdl(y,8,3)是用常数，解释变量y的当前和8阶分布滞后来拟合

6、因变量sales，这里解释变量y的滞后系数服从没有约束的3阶多项式。10/7/20217类似地，ycpdl(x,12,4,2)包含常数，解释变量x的当前和12阶分布滞后拟合因变量y，这里解释变量x的系数服从带有远端约束的4阶多项式。PDL也可用于二阶段最小二乘法TSLS。如果PDL序列是外生变量，应当在工具表中也包括序列的PDL项。为此目的，可以定义PDL(*)作为一个工具变量，则所有的PDL变量都将被作为工具变量使用。例如：如果定义TSLS方程为salescincpdl(y(-1),12,4)使用

7、工具变量：zz(-1)pdl(*)则y的分布滞后和z，z(-1)都被用作工具变量。PDL不能用于非线性定义。10/7/2021三、例子投资INV关于GDP的分布滞后模型的结果如下10/7/2021逐个观察，GDP滞后的系数统计上都不显著。但总体上讲回归具有一个合理的R2(尽管D—W统计量很低)。这是回归自变量中多重共线的典型现象，建议拟合一个多项式分布滞后模型。估计一个无限制的3阶多项式滞后模型，输入变量列表：INVcPDL(GDP,3,2)，窗口中显示的多项式估计系数，PDL01,PDL02,PD

8、L03分别对应方程(8.1.3)中Z1,Z2,Z3的系数1,2,3。10/7/2021方程（8.1.1）中的系数j在表格底部显示。表格底部的滞后值是分布滞后的估计系数值，并且在平稳的假设下有GDP对INV的长期影响的解释。10/7/2021待估计的方程：INV=c(1)+c(2)*INV(-1)+c(6)*GDP+c(7)*GDP(-1)+c(8)*GDP(-2)+c(9)*GDP(-3)估计的方程：INV=-15.877+0.97188*INV(-1)+0.