半参数线性回归模型及其在实际中的应用

《半参数线性回归模型及其在实际中的应用》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、我国城乡居民消费行为的比较分析——基于可变参数模型的实证分析陈娟（浙江工商大学数量经济研究所，浙江杭州，310035）摘要：居民的消费行为在不同时期存在显著的差异，这对于传统的计量经济模型是无法解释的。本文尝试引入状态空间模型，对我国城乡居民收入与消费之间的关系建立可变参数模型。在此基础上，结合时变的边际消费倾向的特征，对我国城镇居民与农村居民的消费行为进行比较分析，提出相应的政策建议。关键词：消费行为；可变参数模型；状态空间模型；边际消费倾向中图分类号：F22文献标识码：A一、引言影响我国居民的消费行为的因素多种多样，概括起来主要有制度因素、流动约束、封闭预算约束、不确定性以及收

2、入分配不均等。学者们依据不同的理论和计量方法，得出的结论并不统一，但收入对居民消费的影响是大家都普遍认可的。在我国的经济周期波动中，消费的波动与收入的变化密切相关。因此，从收入的角度对于我国居民消费行为的研究有很多，如杜婷（2006）等人检验了居民消费与收入之间的协整关系，建立消费与收入的误差修正方程，对边际消费倾向的动态变化与居民的消费敏感性进行检验；曾国安（2006）等人从纵横两个方面对我国居民消费率进行了研究，分析了居民消费率变化的主要影响因素，阐述了消费率的变动对国家经济和社会的重大影响并给出了一定的政策建议；施雯（2005）从平均消费倾向和边际消费倾向两个方面对我国居民消

3、费结构的变化进行研究，并在此基础上对于引起这种变化的原因进行了分析；庞智强（2005）利用消费水平适应度指标对甘肃省城乡居民的消费水平和消费结构进行了比较，从而认为城乡消费结构之间存在显著差异，而导致这种差异的主要原因在于城乡收入的巨大差距；沈晓栋（2005）等通过对城镇居民消费与收入建立非参数回归模型，说明边际消费倾向具有时变的特点。杭斌（2004）等人利用状态空间模型研究了城镇居民消费和收入之间的动态关系，说明两者之间存在时变的均衡关系以及可变的协整关系。由于近年来我国下岗、失业人数逐年增多加大了居民的收入风险，而8住房、教育、医疗等方面的改革又提高了居民的支出预期，经济生活中

4、的不确定因素日益增多，人们很难对未来的收入做出理性预期。所以，居民的消费和收入之间存在的长期均衡关系，已不是固定均衡比例，而是一种不断变化的均衡比例。居民的消费行为从长期来看表现为一个时变的过程，即在不同的时期存在显著的差异。这一点在以往的居民消费行为研究中都没有得到充分的注意，而本文则通过借助可变参数模型来体现居民消费倾向时变的特点。此外，由于我国是一个典型的二元经济结构国家，城乡差距尤为显著，因此在分析居民的消费行为时，有必要将城镇和农村居民消费的变化情况分别进行研究，以便更好的体现城乡居民各自的消费行为特征。我国居民消费所具有的以上两个方面的特点在以往的研究中，不是没有得到重

5、视就是考虑的不够全面。因此，作者在充分重视目前我国居民消费这两方面特点的基础上，形成了本文的主要研究思路：从城镇与农村两个方面，分别建立居民消费与收入的可变参数模型。边际消费倾向是指居民新增加的每单位收入中用于增加消费支出的份额，是反映居民消费意愿的重要指标。因此，通过可变参数模型中边际消费倾向的动态变化过程，对城镇与农村居民的消费行为进行比较分析，并且进一步对我国目前存在的居民消费倾向过低的现象给出一定的解释及政策建议。二、可变参数模型及卡尔曼滤波在计量经济学文献中，状态空间模型（statespacemodel）被用来估计不可观测的时间变量、理性预期、测量误差、长期收入和不可观测

6、因素（趋势和循环要素）。许多时间序列模型，包括典型的线性回归模型和ARIMA模型都能作为特例写成状态空间的形式，并估计参数值。状态空间模型可以将不可观测的变量（状态变量）并入可观测模型并与其一起得到估计结果。状态空间模型利用强有力的迭代算法—卡尔曼滤波（KF）来估计参数值。可变参数模型的状态空间形式如下：信号方程：（2.1）状态方程：（2.2）并且假定（2.3）在式（2.1）中，可变参数是不可观测变量，必须利用可观测变量和来估计。式（2.3）中和是相互独立的，且服从均值为0，方差为8和协方差矩阵为Q的正态分布。式（2.1）和式（2.2）还有两个额外的假设：其一是初始向量的均值为，协

7、方差阵为；其二是和不相关。下面利用卡尔曼滤波推导状态向量的最佳估计值。令和分别代表式中的状态向量和的协方差矩阵的最优估计值。假设从t-1期开始估计，则和可以从下式中计算：，根据t-1期的信息，可以计算出（2.4）的均方误差为：（2.5）一旦获得了新的观测值，状态向量的估计值就需要更新，其程序如下：上式统称卡尔曼滤波（KF）。当给定和的初始值，对于每一个观测值，卡尔曼滤波都可以获得状态向量的最优估计量。所以，当T期观测值都用完后，则应该包括了所有预测和的未来值的信息。三