计量经济学实验2Word文件下载.docx

计量经济学实验2Word文件下载.docx

《计量经济学实验2Word文件下载.docx》由会员分享，可在线阅读，更多相关《计量经济学实验2Word文件下载.docx（25页珍藏版）》请在冰豆网上搜索。

rk*~N（0,1/n），因此，如果计算的rk*<

，则有95.5%的把握判断时间序列在p之后截尾。

观察上表发现，偏自相关函数值在k>

2以后，，可以认为：

偏自相关函数是截尾的。

因此判断：

一阶差分后的GDP满足AR

（2）随机过程。

（3）ARMA（p,q）模型估计与检验

设序列GDPD1的模型形式为：

模型

（1）

根据GDPD1该平稳序列的样本自相关和偏自相关函数，有如下YuleWalker方程：

解得：

用OLS法回归的结果为：

模型

（2）

在回归时，加入常数项：

模型（3）

模型

（2）和（3）的Eviews估计结果如下：

令3个模型的残差序列分别为：

e1、e2、e3，检验是否为白噪声序列：

观察Q统计量和相应的概率值发现，模型

（1）与模型

（1）的残差项接近于一白噪声，但模型

（2）存在4阶滞后相关问题，Q统计量的检验也得出模型2拒绝所有自相关系数为零的假设。

因此：

模型1与3可作为描述中国支出法GDP一阶差分序列的随机生成过程。

（4）ARMA（p,q）模型应用

用建立的AR

（2）模型对中国支出法GDP进行外推预测：

模型

（1）可作如下展开：

如果已知t-1、t-2、t-3期的GDP时，就可对第t期的GDP作出外推预测。

模型（3）也可展开，但多出一项常数项。

Eviews中，对样本外一点的预测，如果该样本点已超过workfile的样本范围，则需要调整样本区间，操作如下：

点击工作文件的“Proc”选项卡，选择“Structure/ResizeCurrentPage”选项，

会出现如下对话框：

点击OK确定，则：

工作文件样本区间扩大到2001年。

模型

（1）的预测：

模型（3）的预测：

因此有：

应用ARIMA（p,d,q）模型建模过程：

（1）对原序列进行平稳性检验，如果序列不满足平稳性条件，可以通过差分变换或者其它变换，如对数差分变换使序列满足平稳性条件；

（2）通过计算能够描述序列特征的一些统计量（ACF和PACF），来确定ARMA模型的阶数p和q，并在初始估计中选择尽可能少的参数；

（3）估计模型的未知参数，并检验参数的显著性，以及模型本身的合理性；

（4）进行诊断分析，以证实所得模型确实与所观察到的数据特征相符。

以上第3、4步，需要一些统计量和检验分析在第2步中的模型形式选择是否合适，所需的统计量和检验如下：

1）检验模型参数显著性水平的t统计量；

2）为保证ARIMA（p,d,q）模型的平稳性，模型的特征根的倒数皆小于1；

3）模型的残差序列应当是一个白噪声序列，用检验序列相关的方法如Q统计量检验。

案例2ECM模型建模估计

用经过居民消费价格指数调整后的1978-2006年中国居民总量消费（cons）与总量可支配收入（inc）的数据构建误差修正模型。

（1）检验cons和inc的平稳性

经检验发现cons和inc序列都是I

（2）时间序列，而取对数后的ln（cons）和ln（inc）序列都是I

（1）时间序列，根据经济理论拟构建ln（cons）和ln（inc）的长期均衡模型。

（2）检验ln（cons）和ln（inc）的协整关系

残差ecmt序列的AEG检验，t统计量=-7.819<

-3.59（α=0.05，n=29，双变量AEG协整检验τ统计量临界值），经过AEG检验发现ln（cons）和ln（inc）是CI（1,1）。

（3）构建误差修正模型，检验残差序列是否白噪声

经检验残差序列平稳，且不存在序列相关。

误差修正模型为：

案例3VAR模型建模、估计、检验与应用

凯恩斯学派认为货币供给量变动对经济的影响是间接地通过利率变动来实现的。

货币政策的传递主要有两个途径：

一是货币供给与利率的关系，即流动性偏好途径；

二是利率与投资的关系，即利率弹性途径。

根据凯恩斯的理论，当货币供给量增加时，货币供给大于货币需求，供给相对过剩，利率下降，刺激投资，促进国民经济增长。

当然他假定利率变动是由市场调节的，与货币供给量呈反方向变动。

在我国利率是基本固定的，但是仍然可以利用政策手段直接调整利率或投资，同样可以达到经济宏观调控的目的。

但货币学派主要强调货币供给量对经济的短期影响，而中长期，货币数量的作用主要在于影响价格以及其他货币表示的量，而不能影响实际国内生产总值。

为了研究货币供应量和利率的变动对经济波动的长期影响和短期影响及其贡献度，采用我国1995年1季度～2007年4季度的季度数据，并对变量进行了季节调整。

设居民消费价格指数为CPI_90（1990年1季度=1）、居民消费价格指数增长率为CPI、实际GDP的对数ln（GDP/CPI_90）为ln（gdp）、实际M1的对数ln（M1/CPI_90）为ln（m1）和实际利率rr（一年期存款利率R-CPI）。

利用VAR（p）模型对ln（gdp）、ln（m1）和rr3个变量之间的关系进行实证研究，其中实际GDP和实际M1取对数差分后平稳，出现在模型中，而实际利率是平稳序列，没有取对数。

（1）变量平稳性检验

经过ADF检验发现，gdp和m1都是I

（2）时间序列，而取对数后的ln（gdp）和ln（m1）序列都是I

（1）时间序列，rr时序是I（0）时间序列，因此用rr、Δln（m1）和Δln（gdp）序列构建VAR模型。

（2）构建VAR模型

首先要确定变量的先后顺序，即外生性强弱，采用理论分析利率水平和M1是引起经济波动的原因，而利率水平基本外生变动较小：

因此确定顺序为：

rr、Δln（m1）、Δln（gdp）。

VectorAutoregressionEstimates

Sample（adjusted）:

1996Q22007Q4

Includedobservations:

47afteradjustments

Standarderrorsin（）&

t-statisticsin[]

RR

DLOG（M1_P_SA）

DLOG（GDP_P_SA）

RR（-1）

1.096377

-0.004370

-0.002948

（0.18347）

（0.00294）

（0.00181）

[5.97578]

[-1.48872]

[-1.62458]

RR（-2）

-0.162935

0.007308

0.004174

（0.28551）

（0.00457）

（0.00282）

[-0.57068]

[1.59982]

[1.47842]

RR（-3）

-0.160985

-0.006172

-0.002187

（0.27809）

（0.00445）

（0.00275）

[-0.57889]

[-1.38733]

[-0.79511]

RR（-4）

0.114522

0.004176

3.97E-05

（0.14418）

（0.00231）

（0.00143）

[0.79430]

[1.81024]

[0.02785]

DLOG（M1_P_SA（-1））

-0.614982

0.215060

0.100835

（10.7764）

（0.17241）

（0.10657）

[-0.05707]

[1.24741]

[0.94618]

DLOG（M1_P_SA（-2））

-11.36004

-0.195368

-0.079008

（10.4697）

（0.16750）

（0.10354）

[-1.08504]

[-1.16639]

[-0.76308]

DLOG（M1_P_SA（-3））

-3.549011

0.000839

-0.126078

（10.0996）

（0.16158）

（0.09988）

[-0.35140]

[0.00519]

[-1.26232]

DLOG（M1_P_SA（-4））

-20.46318

-0.392373

0.030171

（9.17121）

（0.14673）

（0.09070）

[-2.23124]

[-2.67421]

[0.33266]

DLOG（GDP_P_SA（-1））

-22.24070

-0.774717

-0.407337

（18.6903）

（0.29902）

（0.18483）

[-1.18996]

[-2.59088]

[-2.20380]

DLOG（GDP_P_SA（-2））

4.641438

-0.019655

0.216726

（16.1529）

（0.25842）

（0.15974）

[0.28734]

[-0.07606]

[1.35674]

DLOG（GDP_P_SA（-3））

-23.15176

-0.129722

0.258082

（16.4817）

（0.26368）

（0.16299）

[-1.40469]

[-0.49197]

[1.58340]

DLOG（GDP_P_SA（-4））

-20.64893

-0.199831

0.198631

（12.9932）

（0.20787）

（0.12849）

[-1.58921]

[-0.96132]

[1.54585]

C

2.895183

0.074184

0.023021