实验七 分布滞后模型与自回归模型及格兰杰因果关系检验.doc

实验七 分布滞后模型与自回归模型及格兰杰因果关系检验实验目的：掌握分布滞后模型与自回归模型的估计与应用，掌握格兰杰因果关系检验方法，熟悉EViews的基本操作。实验要求：应用教材P186第6题进行实验。实验原理：普通最小二乘法、阿尔蒙法、格兰杰因果关系检验、DW检验、LM检验。预备知识：最小二乘法估计的原理、t检验、拟合优度检验、阿尔蒙法、多项式近似。实验内容：19701991年美国制造业固定厂房设备投资Y和销售量X的相关数据如下表所示。单位：10 亿美元年份厂房开支Y销售量X年份厂房开支Y销售量X197036.9952.8051981128.68168.129197133.655.9061982123.97163.351197235.4263.0271983117.35172.547197342.3572.9311984139.61190.682197452.4884.791985152.88194.538197553.6686.5891986137.95194.657197668.5398.7971987141.06206.326197767.48113.2011988163.45223.547197878.13126.9051989183.8232.724197995.13143.9361990192.61239.4591980112.6154.3911991182.81235.142（1）假定销售量对厂房设备支出有一个分布滞后效应，试用4期滞后和2次多项式去估计此分布滞后模型；（2）检验销量与厂房设备支出的格兰杰因果关系，使用直至6期为止的滞后并评述你的结果。实验步骤(1) 设要估计的分布滞后模型为根据阿尔蒙变换，令则原模型变形为或 其中， 在Eviews软件下，可通过选择QuickGenerate Series，在出现的Generate Series by Eq窗口分别输入“Z0=X+X(-1)+X(-2)+X(-3)+X(-4)”、“Z1=X(-1)+2*X(-2)+3*X(-3)+4*X(-4)”、“Z2=X(-1)+4*X(-2)+9*X(-3)+16*X(-4)”，生成三个序列Z0、Z1、Z2；然后作Y关于Z0、Z1、Z2的OLS回归，估计结果如图1.1所示。图1.1 由此可计算出原分布滞后模型的参数估计值： 也可在Eviews软件中选择“QuickEstimate Equation”后，在现的对话窗口中输入“Y C PDL（X，4,2）”，得如图1.2所示的估计结果。 图1.2 图1.3由图1.3可知，两种方法所求得的参数是相同的，而第二种方法比起第一种要简便得多。（2）在Eviews软件下，选择“QuickGroup StatisticsGranger Causality Test”，在出现的Series List窗口中输入“Y X”，点击OK按钮，并在新出现的Lag Speci窗口中输入滞后期数，点击OK按钮即出现检验结果。图2.1图2.1显示，当取滞后阶数为2期时，格兰杰因果关系检验既拒绝了X不是Y的格兰杰原因的假设，也拒绝了Y不是X的格兰杰原因的假设，表明两变量互为因果。下表列出了从1期直到6期滞后的格兰杰因果关系检验结果。滞后期数零假设观察数F统计量伴随概率AIC1X does not Granger Cause YY does not Granger Cause X2131.906123.83392.3E-050.000126. 8405.9912X does not Granger Cause YY does not Granger Cause X2018.468413.16539.0E-050.000506.8056.0033X does not Granger Cause YY does not Granger Cause X196.161967.190290.008870.005096.9386.1254X does not Granger Cause YY does not Granger Cause X183.717614.446780.047190.029467.1326.3295X does not Granger Cause YY does not Granger Cause X172.288542.772970.171240.123277.3706.5596X does not Granger Cause YY does not Granger Cause X161.060683.072090.523240.192557.5375.890从表中可以看出，随着滞后期的增加，Y与X的格兰杰因果关系有所变化。在不超过4期滞后的检验中，拒绝了两者没有互为因果关系的假设，即可以说两者互为因果关系；而滞后期为5和6的检验结果又表明，不拒绝两者不是互为因果关系的假设。然后通过对不同滞后期数的模型进行回归，可以求得相应的AIC值。在格兰杰因果检验所得的窗口中点击ProcMake Vector Autoregession，在弹出窗口中的Lag Intervals for Endogenous栏中输入1 n，就可以得到相应的滞后n期的回归模型，其中滞后1期如图2.2所示图2.2从而得到上表中