第七章分布滞后模型与自回归模型(精)PPT课件

第七章分布滞后模型和自回归模型，计量经济学。2，介绍：货币政策的时滞效应，货币供应量的变化对经济有很大影响，货币政策一直受到重视。货币政策的效果存在时滞。在货币政策传导过程中，货币扩张首先导致利率下降或总体物价水平上升，这需要一段时间。这些因素对以国内生产总值为代表的经济增长的影响需要一段时间才能显现出来。只有在一段时间后，支出对利率的反应才会加强，投资、进出口和消费会继续上升，货币政策最终会促进国内生产总值的增长。通常，货币扩张对国内生产总值影响的最高点可能在政策实施后一至两年内达到。滞后是现实经济活动中的普遍现象，这就要求我们在经济分析中考虑滞后的影响。如何将这种延迟的经济关系纳入计量经济模型？思考。4，第七章分布滞后模型和自回归模型。本章主要讨论：滞后效应和滞后变量模型分布滞后模型的估计自回归模型的构造自回归模型的估计。5，第一节滞后效应和滞后变量模型，第一节基本内容：经济活动中的滞后现象滞后效应的原因滞后变量模型。6，第一，经济活动中的滞后现象，解释变量和被解释变量之间的因果关系不能在短时间内完成，在这个过程中通常存在时滞，也就是说，解释变量需要一段时间才能完全作用于被解释变量。此外，由于经济活动的惯性，一个经济指标以前的变化趋势往往会延续到当期，从而形成一种解释变量的当前变化与其过去的价值水平相关的情况。这种解释变量受自身或其他经济变量的过去值影响的现象称为滞后效应。7、心理预期因素、技术因素、制度因素、2、滞后效应的原因、8、滞后变量：指影响当前解释变量的过去时期的变量。滞后变量分为滞后解释变量和滞后解释变量。滞后变量被引入回归模型，称为滞后变量模型。滞后变量模型的一般形式是滞后解释变量和滞后解释变量的滞后期长度。分布滞后模型，解释变量受解释变量的影响，并分布在不同时期解释变量的滞后值上，即形状类似于具有这种滞后分布结构的模型的模型称为分布滞后模型，其中是滞后长度。根据滞后长度，将其分为有限和无限两种，分别称为有限分布滞后模型和无限分布滞后模型。在分布滞后模型中，每个系数反映了解释变量的每个滞后值对解释变量的不同影响程度，即通常所称的乘数效应：被称为短期乘数或点乘数，它表示当期单位变化对该值的平均影响。称为延迟乘数或动态乘数，表示单位变化对过去期间值的平均影响。这被称为长期乘数或总分布乘数，表示当一个单位发生变化时，由滞后效应引起的总影响。对于自回归模型，如果延迟变量模型的解释变量仅包括自变量的当前值和解释变量的延迟值，即如果模型是相同的形状，则这种模型被称为自回归模型，其中自回归模型的顺序被称为。第2节分布式滞后模型的估计本节的基本内容：分布式滞后模型估计的困难经验加权估计almon方法1分布式滞后模型估计的困难确定多重共线性滞后长度的问题自由度问题15处理方法：对于有限分布滞后模型，基本思想是尽量减少需要直接估计的模型参数的数量，以减轻多重共线性并保证自由度。对于无限分布滞后模型，主要转化为自回归模型经验加权估计法，即所谓的经验加权估计法，是根据实际经济问题的特点和经验判断，给滞后变量分配一定的权重，用这些权重形成滞后变量的线性组合，形成新的变量，然后应用最小二乘法进行估计。常见的滞回结构类型有：递减滞回结构、恒定滞回结构、滞回结构、17，图7.1中常见的滞后结构类型。优点：操作简单易行，不损失自由度，避免多重共线性干扰，参数估计一致。缺点：设定权重的主观随意性较大，要求分析师对实际问题的特点有更透彻的理解。通常的方法是根据先验信息和多组权重来估计多个模型，然后根据可确定系数、f检验值、T检验值、估计标准误差和DW值来选择最佳的估计方程。1955-1974年间美国制造业的库存和销售统计数据被称为表7.1(单位：十亿美元)。将有限分布滞后模型设置如下：使用经验加权法，选择以下三组权重：(1)1，1/2，1/4，1/8(2)1/4，1/2，2/3，1/4(3)1/4，1/4，1/4，1/4，1/4分别估计上述模型，并从中选择最佳方程。(数据见教科书表7.1)。20岁。注意，新的线性组合变量是：由上述公式生成的线性组合变量的数据。然后分别估计以下经验加权模型。回归分析结果总结如下：模型1:模型2:模型3:从以上回归分析结果可以看出，模型1的扰动项没有一阶自相关，模型2和模型3的扰动项有一阶正自相关。综合判断可确定系数、f检验值和T检验值后，可以认为最佳方程为模型1，即权重为(1，1/2，1/4，1/8)的分布滞后模型。almon方法旨在消除多重共线性的影响。基本原理：在有限分布滞后模型的滞后长度已知的条件下，滞后项系数具有一个值结构，并被视为相应滞后周期的函数。在以滞后周期为横轴、滞后系数值为纵轴的坐标系中，如果这些滞后系数落在平滑曲线上或近似落在平滑曲线上，则它们可以很好地用较低次的子多项式近似，即，24，这称为almon多项式变换(图7.2)。将almon多项式转化为分布滞后模型并进行排序。模型更改为以下形式(7.5)。26。对于模型(7.5)，在满足经典假设的条件下，可以用最小二乘法进行估计。通过将估计的参数代入almon多项式，可以得到原始分布滞后模型的参数估计值。在实际应用中，almon多项式的阶数通常较低，通常为2或3，很少超过4。27，本节的基本内容： Kuijk模型自适应期望模型局部调整模型，自回归模型的构造在第3节，28，1，Kuijk模型，在无限分布滞后模型中有无限滞后项，而且样本观测总是有限的，所以不可能直接估计它。为了使模型评估顺利进行，必须施加一些约束或假设来转换模型的结构。Koyck变换是最有代表性的方法之一。对于无限分布滞后模型，可以假设滞后解释变量对解释变量的影响随着滞后周期的增加呈几何级数减少。也就是说，滞后系数的衰减遵循公共比率小于1的几何级数：其中：是常数，公共比率是要估计的参数。(7.6)，(7.7)，库伊克假设：30，通常称为分布滞后衰减率，该值越接近零，衰减率越快(如图7.3所示)。如果库伊克的假设(7.7)被代入(7.6)，那么(7.8)将被延迟一个周期。有、(7.8)、(7.9)，32岁，这是库伊克的模型。上述转换过程也称为柯伊克转换。泽克模型(7.10)的方程成为一阶自回归模型。(7.12)、(34.1)大量的延迟解释变量被一个延迟解释变量代替，极大地简化了模型结构，最大限度地保证了自由度，解决了延迟长度难以确定的问题。2.解释变量与第一阶段延迟值之间的线性相关度将低于延迟值之间的线性相关度，从而在很大程度上缓解多重共线性。库伊克变换的优点，35，1。假设无限滞后分布具有几何递减的滞后结构。这一假设可能不适用于某些经济变量，如固定资产投资对总产出影响的滞后结构不属于这种类型。2.Kuijk模型的随机扰动项与新模型相似，表明新模型的随机扰动项具有一阶自相关性，并与解释变量相关。该模型引入了Kuik变换随机变量的缺陷作为解释变量，不一定符合基本假设。4.Kuijk变换纯粹是数学运算的结果，缺乏经济理论基础。这些缺陷，尤其是第二个缺陷，会给模型的参数估计带来一定的困难。在自适应期望模型中，一些经济变量的变化或多或少会受到其他经济变量期望值的影响。为了处理这种经济现象，可以将解释变量的期望值引入模型，建立“期望模型”。例如，包含预期解释变量的“期望模型”可以采取以下形式：其中，它是解释变量、解释变量的期望值和随机扰动项。艰难的期望是判断未来。在大多数情况下，期望值是不可观察的。因此，在实际应用中有必要对预期的形成机理做一些假设。适应性期望假设是其中之一，具有一定的代表性。适应性期望假设：经济活动主体对某些经济变量的期望是通过简单的学习过程形成的。其机制是经济活动主体将根据他们过去在做出预期时所犯的错误程度来修正他们对每个后续时期的预期，即根据过去预测偏差的一定比例来修正当前预期，以使其适应新的经济环境。嘿。40，用数学公式表示，其中参数是调整系数，也称为适应系数。这种调整过程称为适应性过程。通常，解释变量的期望值满足自适应调整过程的期望模型被称为自适应期望模型。根据自适应期望的假设，自适应期望模型可以转化为一阶自回归形式，其中如果可以得到参数的估计值，就可以得到自适应期望模型的参数估计值。为了适应解释变量的变化，解释变量具有对应于现象的期望最优值。例如，为了保证生产或供应，企业必须保持一定的原材料库存，对应于一定的产量或销售量，并且有一个预期的最优库存。为了保证一个国家经济的健康发展，中央银行必须保持一定数量的货币供应量，相应于一定水平的经济总量，应该有一个预期的最佳货币供应量。换句话说，解释变量的现值影响解释变量的期望值，即存在如下关系，其中解释变量的期望最优值是解释变量的现值。(7.22)，44，由于技术、制度、市场和管理的限制，解释变量的预期水平不会在一个周期内完全实现，而只是部分调整。局部调整假设认为解释变量的实际变化只是预期变化的一部分，即调整系数代表调整速度。越接近1，调整到预期的最佳水平越快。满足局部调整假设的模型(7.22)称为局部调整模型。在局部调整的假设下，变形后，局部调整模型可以转化为一个第一-、评估。47，2。差异衍生模型的经济背景和理念不同。Kuijk模型是在无限分布滞后模型和Kuijk几何分布滞后假设的基础上推导出来的。自适应期望模型来源于解释变量的自适应过程。局部调整模型是通过对解释变量进行局部调整而获得的。由于模型的形成机制不同，随机误差项的结构也不同。这种差异将对模型的估计产生一定的影响。第4节自回归模型估计，第3，360节本节的基本内容自回归模型估计的困难工具变量法德宾H检验。49，1。自回归模型估计中的困难、库伊克模型、自适应期望模型和局部调整模型最终都可以在模型结构中以一阶自回归的形式表达出来：因此，这三个模型的估计转化为一阶自回归模型的估计。然而，上述一阶自回归模型的解释变量包含延迟解释变量，延迟解释变量是随机变量并且可能与随机扰动项相关。此外，随机扰动项也可以是自相关的。该模型可能违反经典假设，从而给模型的估计带来一定的困难。Kuijk模型：自适应期望模型：局部调整模型：假设原始模型中的随机扰动项满足经典假设，即，51，(1)对于Kuijk模型，有，52，(2)对于自适应期望模型，(3)对于局部调整模型，有，53，随机解释变量，它们可能与：随机扰动项可能是自相关的。库伊克模型和自适应期望模型的随机扰动项会导致自相关。只有局部调整模型的随机扰动没有自相关性。如果用最小二乘法直接估计自回归模型，估计可能是有偏差的和不一致的。估计自回归模型需要解决两个问题：试图消除与；检查是否存在自相关。自回归模型估计中的主要问题所谓的工具变量法是在参数估计过程中选择适当的工具变量来代替回归模型中与随机扰动项相关的解释变量。工具变量的选择应满足以下条件：(1)与被替代的解释变量高度相关；(2)与随机扰动项无关；(3)不与其他解释变量相关，以避免多重共线性。(2)工具变量法，(55) DW检验法不适用于方程包含延迟解释变量的情况。在自回归模型中，延迟解释变量是随机变量。以前的研究表明，如果使用dw测试方法，d统计值将总是接近2。也就是说，在一阶自回归中，当随机扰动项具有自相关性时，DW检验往往得出非自相关性的结论。Debin提出了检验一阶自相关的H统计检验方法。(3) Debin h检验，(56)和(h)统计量被定义为随机扰动项的一阶自相关系数、离散小波统计量、样本量和延迟解释变量的回归系数的估计方差的估计量。在假设下，h统计量的极限分布是标准正态分布。因此，在大样本的情况下，H统计量可以用来判断随机扰动项是否具有一阶自相关性。(1)用最小二乘法直接估计一阶自回归方程，得到和值。(2)将、和样本大小代入等式(7.32)以计算H统计值。(3)给定显著性水平，检查标准正态分布表的临界值。如果是，原始假设被拒绝，表明自回归模型具有一阶自相关；如果是，接受原始假设，表明自回归模型中没有一阶自相关。值得注意的是，该检验方法可以应用于任何阶的自回归模型，并且相应的H统计量的公式(7.32)仍然有效，即仅使用回归系数的估计方差。此外，该测试方法针对大样本，对小样本的效果较差。为了研究1955-1974年间美国制造业库存与销售之间的关系下面的有限分布滞后模型由almon方法估计：如果系数由二次多项式近似，即，61，那