滞后变量试验报告

1、计量经济学上机实验报告六题目：滞后变量实验日期和时间： 班级： 学号：姓名： 实验室：实验环境： Windows XP ; EViews 3.1实验目的：掌握滞后效应、因果关系检验及分布滞后变量模型估计，熟悉EViews软件的相关应用实验内容：利用实例数据和EViews软件，因果关系检验、采用阿尔蒙法估计回归模型、检验及滞后效应分析。第七章习题7.3实验步骤：一、 建立工作文件菜单方式命令方式：CREATE A 起始期 终止期二、 输入数据三、应用互相关分析命令初步选择滞后期长度,结果如下： Cross Y X据此，初步设定分布滞后模型利用阿尔蒙法估计模型，命令和结果为Ls Y C PDL(X

2、,3,2) 试验结果：例3-9表7给出了某地区制造行业与统计资料（单位：亿元），（1） 检验库存和销售额之间的因果关系（2） 利用互相关分析命令，初步设定分布滞后模型滞后期长度（3） 试阿尔蒙方法估计分布滞后模型建立库存函数表7 某地区制造行业与统计资料（单位：亿元）年份库存y销售额x年份库存y销售额x1978450692648019886822141003197950642277401989779654486919805187128736199084655464491981500702728019919087550282198252707302191992970745355519835381

3、43079619931016455285919845493930896199410244555917198558213331131995107719620171986600433503219961208707139819876338337335199714713582078答案：（1） 检验库存和销售额之间的因果关系数组窗口中点击viewGranger Causality,分别输入滞后期长度，结果如下：滞后期为1滞后期为2滞后期为3滞后期为4滞后期为5滞后期为6格兰杰因果关系检验结果表滞后长度q=s格兰杰因果性F值F值的P值结论1x不是y的格兰杰原因y不是x的格兰杰原因53.31654.346

4、72.e-060.0535拒绝接受(,拒绝(0.10)2x不是y的格兰杰原因y不是x的格兰杰原因18.45912.65580.00020.1079拒绝接受(,接受(0.10)3x不是y的格兰杰原因y不是x的格兰杰原因 7.4705 4.13130.00650.0380拒绝拒绝4x不是y的格兰杰原因y不是x的格兰杰原因7.63332.13740.01080.1790拒绝接受5x不是y的格兰杰原因y不是x的格兰杰原因6.4722 1.28720.04720.4151拒绝接受6x不是y的格兰杰原因y不是x的格兰杰原因4.52780.73460.34500.7124接受接

5、受从上表可知，当滞后阶数低于6时，因果关系检验结果为拒绝“销售额不是库存的格兰杰原因”的假设，即销售额是影响库存的原因；而当滞后阶数为3和1时拒绝“库存不是销售额的格兰杰原因”，即库存是影响销售额的原因，当随着滞后阶数为2、4、5、6时接受“库存不是销售额的格兰杰原因”，即库存是影响销售额的原因，可见，一年及三年库存和销售额具有双向的因果关系，而4年和5年仅具有销售额对库存的单向因果关系，5年以上二者均不具因果关系。据此，我们确定销售额为影响库存的原因。（2）利用互相关分析命令，初步设定滞后期长度Cross y x从上图Y与X的各期滞后值的相关系数及直方图可知，（考试中根据相关系数接近0.5的

6、最大滞后期，做论文时可以先初步设定再逐步改变滞后期长度，当判定系数最大或赤池准则和施瓦兹准则最小者时，其对应的滞后期长度）库存额可能与当年和前三年的销售额相关，故初步设定滞后期长度为3，模型为Yt=a+b0Xt+ b1Xt-1+ b2Xt-2+ b3Xt-3+ 2、利用阿尔蒙法估计模型，命令和结果如下：（1）假定bi可以用一个二次多项式逼近(注：一般多项式次数m小于滞后期长度s)Ls Y C PDL(X,3,2)经阿尔蒙变换之后的估计结果为：= -7140.754+1.1311Z0t+0.0377 Z1t-0.4322Z2tT= (-3.5829) (6.2844) (0.2323) (-2.

7、5960)R= 0.9968，=0.9961， F=1348.639，prob(F)= 0.000000 DW=1.8482即= -7140.754，=1.13114，= 0.0377，= -0.4322还原成原分布滞后模型：将估计结果代入以下公式=+（i-1）+（i-1）2 i=0,1,2,3,4（注：Eviews软件中为了对模型回归系数两端数据进行控制约束，对多项式公式进行调整，此公式已与前述理论有所区别。根据Eviews输出结果中的值（PDL1的系数），可以判断估计过程中对多项式的设定形式，若 =，则多项式的设定形式为=+（i-s）+（i-s）2+.+ （i-s）m ,如本例中 =，则多

8、项式设为=+（i-1）+（i-1）2）得：=-+=1.1311-0.0377 -0.4322=0.6613=1.1311 =+=1.1311+0.0377 -0.4322=0.7367=+2+4=1.1311+0.0377*2 -0.4322*4=-0.5220在Eviews软件的窗口中已给出了上述计算结果，即库存模型为：= -7140.754 + 0.6613*Xt + 1.1311*Xt-1 + 0.7367* Xt-2-0.5220* Xt-3T= (-3.5829) (3.9960) ( 6.2844) (4.4846) (-2.2231)R= 0.9968，=0.9961，

9、 F=1348.639，prob(F)= 0.000000 DW=1.8482从估计结果来看，有所改善，所有X的参数T统计量值大大提高，且检验均显著，F检验也显著，模型也不存在一阶自相关。模型的经济意义（乘数分析）：短期乘数为0.6613，表明本期销售额增长1%，本期库存将增长0.6613%；长期乘数为2.0071，表明本期销售额增长1%，库存总的增长2.0071%。（2）假定bi可以用一个一次多项式逼近(注：一般多项式次数小于滞后期长度)Ls Y C PDL(X,2,1)经阿尔蒙变换之后的估计结果为：= -7984.934+0.6850Z0t-0.1760Z1tT= (-3.6107) (3

10、1.0723) (-1.0581) R=0.9954，=0.9948， F=1524.817，prob(F)= 0.000000 DW=1.4811即= -7984.934，=0.6850，=-0.1760还原成原分布滞后模型：将估计结果代入以下公式=+（i-1） i=0,1,2,（注：Eviews软件中为了对模型回归系数两端数据进行控制约束，对多项式公式进行调整，此公式已与前述理论有所区别。根据Eviews输出结果中的值（PDL1的系数），可以判断估计过程中对多项式的设定形式，若 =，则多项式的设定形式为=+（i-s）+（i-s）2+.+ （i-s）m ,如本例中 =，则多项式设为=+（i-

11、1）得：=-=0.6850+0.1760=0.8610=0.6850 =+=0.6850-0.1760=0.5090在Eviews软件的窗口中已给出了上述计算结果，即库存模型为：= -7984.934 + 0.8610*Xt + 0.6850*Xt-1 +0.5090* Xt-2T= (-3.6107) (5.7827) (31.0723) (2.7552) 从估计结果来看，X的回归系数均显著，F统计量值很大，方程整体显著，R接近于1，说明模型整体上对样本数据拟合较好，但PDL02回归系数不显著，说明多项式次数选择不太合理。（2）将滞后期调整为3，初步设定模型为：Yt=a+b0Xt+ b1Xt

12、-1+ b2Xt-2+ b3Xt-3+利用阿尔蒙法估计模型，命令和结果为Ls Y C PDL(X,3,1)从估计结果来看，PDL项的回归系数均显著，F统计量值很大，方程整体显著，但降低，且 Xt-3的回归系数不显著。（4）将滞后期调整为4，初步设定模型为：Yt=a+b0Xt+ b1Xt-1+ b2Xt-2+ b3Xt-3+ b3Xt-4+利用阿尔蒙法估计模型，命令和结果为Ls Y C PDL(X,4,1)从估计结果来看，PDL项的回归系数均显著，F统计量值很大，方程整体显著，有所改善，但Xt-3的回归系数不显著。（5）从上述分析可以看出，假定bi为一次多项式估计均存在一些问题，为此，假定bi可

13、以用一个二次多项式逼近，重新用阿尔蒙法估计模型，命令及结果如下：Ls Y C PDL(X,3,2)由图可知，有所改善， F统计量值很大，方程整体显著，回归系数显著，但PDL02项的回归系数不显著。（6）继续将滞后期长度调整为4，再运用阿尔蒙法估计模型，命令和结果如下：Ls Y C PDL(X,4,2)经阿尔蒙变换之后的估计结果为：= -5816.974+0.7420Z0t-0.3996 Z1t-0.1787 Z2tT= (-3.0119) (5.3651) (-7.8286) (-2.5798)R= 0.9973，=0.9966， F=1477.353，prob(F)= 0.000000 DW

14、=1.1731即=-5816.974，=0.7420，=-0.3996，=-0.1787还原成原分布滞后模型：将估计结果代入以下公式=+（i-2）+（i-2）2 i=0,1,2,3,4（注：Eviews软件中为了对模型回归系数两端数据进行控制约束，对多项式公式进行调整，此公式已与前述理论有所区别。根据Eviews输出结果中的值（PDL1的系数），可以判断估计过程中对多项式的设定形式，若 =，则多项式的设定形式为=+（i-s）+（i-s）2+.+ （i-s）m ,如本例中 =，则多项式设为=+（i-2）+（i-2）2）得：=-2+4=0.7420+0.3996*2-0.1787*4= 0.826

15、3=-+=0.7420+0.3996-0.1787=0.9629 =0.7420=+=0.7420-0.3996-0.1787=0.1637=+2+4=0.7420-0.3996*2-0.1787*4=- 0.7722在Eviews软件的窗口中已给出了上述计算结果，即库存模型为：= -5816.9745 + 0.8263*Xt + 0.9629*Xt-1 + 0.741920* Xt-2+ 0.1636* Xt-3- 0.7722* Xt-4T=(-3.0119) (6.7105) (9.8222) (5.3651) (2.2474) (-3.6437) 从估计结果来看，有所改善，F检验也显著

16、，所有X的参数均显著，PDL项的回归系数均显著，但DW检验无法判定模型是否存在一阶自相关。为了确认模型的自相关性，运用广义差分法估计模型，结果显示该模型的AR项回归系数显著地为零，表明模型确实不存在一阶自相关。（7）假定bi可以用一个三次多项式逼近，运用阿尔蒙法估计模型，命令和结果如下：Ls Y C PDL(X,4,3)从估计结果来看，AIC和SC上升， Xt-3的参数不显著，PDL04项的回归系数也不显著。8）模型比较：（滞后期，多项式次数)(2,1)(3,1)(4,1)(3,2)(4,2)(4,3)阿尔蒙变换后方程c-7984.934(-3.6108)-6552.174(-2.7868)-

17、5467.259(-2.3690)-7140.754(-3.5829)-5816.974(-3.0119)-6091.301(-3.1204)Z0t0.6850(31.0723)0.6686(21.9770)0.3868(24.6665)1.1311(6.2844)0.7420 (5.3651)0.7264(5.2166)Z1t-0.1760(-1.0581)-0.3373(-3.8205)-0.3401(-6.2350)0.0377(0.2323)-0.3996(-7.8286)-0.7209(-2.2013)Z2t-0.4322(-2.5960)-0.1787(-2.5797)-0.169

18、3(-2.4192)Z3t0.0993(0.9931)还原成原分布滞后模型Xt0.8610(5.7827)1.0059(8.5748)1.0670(11.0810)0.6613(3.9960)0.8263( 6.7105)0.6963(3.8721)Xt-10.6850(31.0723)0.6686(21.9770)0.7269(17.2120)1.1311(6.2844)0.9629(9.8222)1.1787(4.9436)Xt-20.5090(2.7552)0.3313(5.4656)0.3868(24.6665)0.7367(4.4846)0.7420( 5.365

19、1)0.7264(-2.2013)Xt-3-0.0059(-0.0397)0.0467( 0.6842)-0.5220(-2.2231)0.1636(2.2474)-0.1693(-2.4192)Xt-4-0.2934(-2.3938)-0.7722(-3.6437)0.0994(0.9931)0.99480.99440.99520.99610.99660.9966F1524.8171432.3571541.9251348.6391477.3531106.996DW1.48111.44701.34331.84821.17311.0553检验说明参数T检验通过，F检验显著降低，Xt-3

20、参数T检验不显著提高，但 Xt-3参数T检验不显著提高，参数T检验显著且无自相关性AIC和SC最小，参数T检验通过，无自相关，此模型为最优模型改善但Xt-4参数T检验不通过经赤池信息准则AIC和施瓦兹信息准则SC比较，当滞后期为4，多项式次数为2时，此模型AIC和SC为最小，故该模型为最优模型即：= -5816.9745 + 0.8263*Xt + 0.9629*Xt-1 + 0.741920* Xt-2+ 0.1636* Xt-3- 0.7722* Xt-4T=(-3.0119) (6.7105) (9.8222) (5.3651) (2.2474) (-3.6437)R= 0.9973，=0.9966， F=1477.353，prob(F)= 0.000000 DW=1.1731模型的经济意义（乘数分析）：短期乘数