自回归模型的参数估计案例Word文件下载.docx
- 文档编号:18845917
- 上传时间:2023-01-01
- 格式:DOCX
- 页数:11
- 大小:730.71KB
自回归模型的参数估计案例Word文件下载.docx
《自回归模型的参数估计案例Word文件下载.docx》由会员分享,可在线阅读,更多相关《自回归模型的参数估计案例Word文件下载.docx(11页珍藏版)》请在冰豆网上搜索。
1980
346.2
50.6
2414.3
1981
396.3
51.9
2860.2
1982
439.1
52.9
3180.6
1983
529.8
54.0
3589.9
1984
792.1
55.5
4766.1
1985
987.8
60.6
5905.6
1986
1218.4
64.6
7590.8
1987
1454.5
69.3
9032.5
1988
2134.0
82.3
10551.3
1989
2344.0
97.0
14360.1
1990
2644.4
100.0
17680.7
1991
3177.8
103.4
21337.8
1992
4336.0
110.0
26322.9
1993
5864.7
126.2
32943.1
1994
7288.6
156.7
39976.0
1995
7885.3
183.4
50544.1
1996
8802.0
198.7
61156.6
1997
10177.6
204.2
74914.1
1998
11204.2
202.6
86524.1
1999
13455.5
199.7
93734.3
2000
14652.7
200.6
99371.1
2001
15688.8
201.9
112314.7
2002
17278.0
200.3
131293.9
2003
19746.0
202.7
158996.2
2004
21468.3
210.6
178197.8
2005
24031.7
214.4
194690.4
2006
27072.6
217.7
225347.2
2007
30375.2
228.1
261690.9
对局部调整模型
运用
由回归估计结果的个人收入量差距模型的估计式:
由参数估计结果
,得
。
由于
,
将
分别带入上述三个方程,可求得
最后得到长期个人收入差距模型的估计式为:
估计结果表明:
1收入额对贵州省个人收入量的影响,为0.0357,长期为0.1292,即收入额每增加1元,个人收入差距量将增加0.0357元,长期个人收入差距量将增加0.1292元。
2居民消费物价指数对贵州省个人收入量的影响,为7.4557,长期为26.97,即价格指数每增加1个百分点,将导致个人收入差距量增加7.4557元,长期个人收入差距量增加26.97元。
注意:
尽管D.W.=1.724407,但不能据此判断自回归模型不存在自相关(Why?
)。
由LM检验或者B-G检验可用于检验随机误差项的高阶自相关性。
LM检验的Eviews步骤:
1、估计方程
2、在Equation窗口中单击“View”→“ResidualTest”→“SerialCorrelationLMTest”,并选择滞后期为1,屏幕将显示如图2所示的信息。
图2回归结果
在图2中,LM=0.636639,小于显著性水平5%下自由度为1的卡方分布的临界值
,因此,可以接受随机误差项不存在一阶自相关性的原假设。
如果直接对下式作OLS回归
可得如图3的估计结果:
图3回归估计结果
在图3中,D.W=0.959975,查自由度n=30,k=3的D.W.检验表可知dl=1.28,du=1.57,容易判断该模型随机误差项存在一阶正自相关。
事实上,对于自回归模型,t项的自相关问题始终存在,对于此问题,至今没有完全有效的解决方法。
唯一可做的,就是尽可能地建立“正确”的模型,以使序列相关性的程度减轻。
因此,上述个人收入量差距模型的估计式
的设定更“正确”。
案例二(格兰杰因果关系检验)
根据宏观经济学可知,可支配收入与消费之间可能存在互为因果的关系。
表2中列出了1978-2006年贵州省居民实际可支配收入与居民实际消费总支出的相关数据,下面我们检验1978~2006年间实际可支配收入(X)与居民实际消费总支出(Y)之间的因果关系。
表2
实际可支配收入(X)
居民实际消费总支出(Y)
6678.800
3806.700
7551.600
4273.200
7944.200
4605.500
8438.000
5063.900
9235.200
5482.400
10074.60
5983.200
11565.00
6745.700
11601.70
7729.200
13036.50
8210.900
14627.70
8840.000
15794.00
9560.500
15035.50
9085.500
16525.90
9450.900
18939.60
10375.80
22056.50
11815.30
25897.30
13004.70
28783.40
13944.20
31175.40
15467.90
33853.70
17092.50
35956.20
18080.60
38140.90
19364.10
40277.00
20989.30
42964.60
22863.90
46385.40
24370.10
51274.00
26243.20
57408.10
28035.00
64623.10
30306.20
74580.40
33214.40
85623.10
36811.20
取1阶滞后,Eviews操作及输出结果为:
在Eviews建立工作文件和录入数据后,格兰杰因果检验步骤为:
步骤1:
步骤2
步骤3:
单击OK后有如图1的检验结果:
图1X与Y的格兰杰因果关系检验结果
在图1中,X不是Y的格兰杰原因的F=15.1022,Y不是X的格兰杰原因的F6.34368,查m=1,n-k=28-3=25,显著性水平为5%的F分布表可知F0.05(1,25)=4.68,上述两个F统计量均大于4.68的临界值,所以均拒绝原假设,即:
既拒绝“X不是Y的格兰杰原因”的假设,也拒绝“Y不是X的格兰杰原因”的假设。
另外,由相伴概率知,在5%的显著性水平下,既拒绝“X不是Y的格兰杰原因”的假设,也拒绝“Y不是X的格兰杰原因”的假设。
因此,从1阶滞后的情况看,可支配收入X的增长与居民消费支出Y增长互为格兰杰原因。
但是应该注意的是:
格兰杰因果关系检验对于滞后期长度的选择有时很敏感。
不同的滞后期可能会得到完全不同的检验结果。
一般首先以模型随机误差项不存在序列相关为标准选取滞后期,然后进行因果关系检验。
因此我们还得检验模型随机误差项是否存在序列相关性。
由案例一可知LM检验可以检验高阶序列相关性(包括一阶序列相关),但DW不能够。
LM检验的步骤为:
(以Y为被解释变量的模型为例)
1、估计模型(lsycy(-1)x(-1))
图2
从图2检验模型随机干扰项1阶序列相关的LM检验看,以Y为被解释变量的模型的LM=0.740584,对应的伴随概率P=0.389474,查显著性水平5%下自由度为1的卡方分布的临界值
,表明在5%的显著性水平下,接受原假设,即该检验模型不存在序列相关性;
但是,以X为被解释变量的模型中的LM=10.01871,对应的伴随概率P=0.00155,表明在5%的显著性水平下,该检验模型存在严重的序列相关性(见图3)。
图3
下面我们讨论滞后期分别为2阶和3阶的格兰杰因果检验。
2阶滞后的X与Y的格兰杰因果关系检验结果:
3阶滞后的X与Y的格兰杰因果关系检验结果:
从2阶滞后期开始,检验模型都拒绝了“X不是Y的格兰杰原因”的假设,而不拒绝“Y不是X的原因”的假设。
下面分析模型随机误差项是否存在序列相关。
2阶滞后的以Y为因变量的LM检验结果
2阶滞后的以X为因变量的LM检验结果
3阶滞后的以Y为因变量的LM检验结果
3阶滞后的以X为因变量的LM检验结果
滞后阶数为2或3时,两类检验模型都不存在序列相关性。
由赤池信息准则,发现滞后2阶检验模型拥有较小的AIC值。
因此,可判断:
可支配收入X是居民消费支出Y的格兰杰原因,而不是相反,即国民收入的增加更大程度地影响着消费的增加。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 回归 模型 参数估计 案例