经济计量模型.docx
- 文档编号:28129003
- 上传时间:2023-07-08
- 格式:DOCX
- 页数:24
- 大小:404.27KB
经济计量模型.docx
《经济计量模型.docx》由会员分享,可在线阅读,更多相关《经济计量模型.docx(24页珍藏版)》请在冰豆网上搜索。
经济计量模型
经济计量模型课程设计
班级:
学号:
姓名:
指导教师:
摘要
关键词:
线性模型;ARMA;GARCH;Statespace
数据来源:
中国统计年鉴
原始数据见附录
一、EVIEWS基础
1WORKFILE建立、打开、保存
2数据录入
3工作文件样本区间的改变、当前样本区间改变
4频率转换
5基本赋值表达式
二、季节调整、序列分解
1、季节调整:
1、X12季节调整方法
在菜单栏的Proc处点击选择SeasonalAdjustment,再选CensusX12…,
2、序列分解:
蓝线代表x1(居民消费),红线代表趋势T序列,绿线代表循环要素序列。
3、
BP滤波图:
右边图:
红线表示BP滤波频率响应函数,蓝线带通滤波的频率响应函数。
模型:
x12季节调整方法,HP滤波方法求趋势分解项,BP滤波分解法。
结果分析:
x12季节调整法:
利用的是x12加法模型进行季节调整。
HP滤波调整法:
利用该方法可以求出中国GDP季度时间序列的趋势项。
将GDP的季节因素和不规则因素去掉,就可以得到其趋势序列。
其循环要素序列是原序列减去趋势序列而得的,由图可以看到,循环序列围绕趋势序列上下波动。
BP滤波分解法:
取p=6,q=32,对国内生产总值的季度序列进行分解,得到趋势序列和循环要素序列,BP滤波的频率响应函数。
三、单方程模型
对台湾地区生产总值支出构成数据对政府消费和货物进口建立单方程模型
回归模型:
双对数曲线模型
运行结果:
P值小于0.05,方程显著。
模型:
log(x4)=8.83-1.87log(x2)
调整R方:
0.7575
F检验:
方程的显著性检验的F统计量为F=50.97,相应的P值为0.00,小于0.05,说明方程显著。
T检验
Log(x2)的显著性检验p值很小接近于0,所以该自变量的系数显著不为0.而常数项的p值同样很小接近于零,认为常数项显著。
结果分析
由方程可以看出x2弹性为-1.87。
自变量的显著性检验
T检验
结果分析:
异方差检验:
首先做散点图
方法:
WHITE异方差检验
结果:
原假设:
不存在异方差。
而现在P值小于0.05,拒绝原假设,认为存在异方差,要消除异方差。
消除异方差
方法:
加权最小二乘法,权重为残差的绝对值的倒数。
结果:
加权后的模型的系数都通过了显著性检验,加权后的为0.999,可见加权后的模型拟合数据的效果好。
序列相关性检验
方法:
Q统计量
结果:
不存在序列相关
消除序列相关
方法:
加入自回归项
四、ARMA模型
1、进行单位根检验,检验序列的平稳性
NullHypothesis:
X1hasaunitroot
Exogenous:
Constant
LagLength:
2(AutomaticbasedonSIC,MAXLAG=3)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-2.607400
0.1146
Testcriticalvalues:
1%level
-4.004425
5%level
-3.098896
10%level
-2.690439
*MacKinnon(1996)one-sidedp-values.
Warning:
Probabilitiesandcriticalvaluescalculatedfor20
observationsandmaynotbeaccurateforasamplesizeof14
AugmentedDickey-FullerTestEquation
DependentVariable:
D(X1)
Method:
LeastSquares
Date:
01/16/14Time:
20:
02
Sample(adjusted):
19952008
Includedobservations:
14afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1(-1)
-0.522653
0.200450
-2.607400
0.0262
D(X1(-1))
0.078918
0.241723
0.326481
0.7508
D(X1(-2))
-0.727145
0.268991
-2.703237
0.0222
C
31.82994
12.03594
2.644576
0.0245
R-squared
0.600219
Meandependentvar
0.235714
AdjustedR-squared
0.480285
S.D.dependentvar
1.092356
S.E.ofregression
0.787493
Akaikeinfocriterion
2.595033
Sumsquaredresid
6.201458
Schwarzcriterion
2.777621
Loglikelihood
-14.16523
F-statistic
5.004568
Durbin-Watsonstat
1.798014
Prob(F-statistic)
0.022555
原假设是至少存在一个单位根,备择假设是没有单位根,有上面结果 看P值等于0.1146,大于0.05,接受原假设,认为至少存在一个单位根,即序列不平稳,不平稳的序列要进行差分使其变得平稳,首先进行一阶差分,结果如下:
NullHypothesis:
D(X1)hasaunitroot
Exogenous:
Constant
LagLength:
1(AutomaticbasedonSIC,MAXLAG=3)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-4.468595
0.0044
Testcriticalvalues:
1%level
-4.004425
5%level
-3.098896
10%level
-2.690439
*MacKinnon(1996)one-sidedp-values.
Warning:
Probabilitiesandcriticalvaluescalculatedfor20
observationsandmaynotbeaccurateforasamplesizeof14
AugmentedDickey-FullerTestEquation
DependentVariable:
D(X1,2)
Method:
LeastSquares
Date:
01/16/14Time:
20:
08
Sample(adjusted):
19952008
Includedobservations:
14afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
D(X1(-1))
-1.698279
0.380048
-4.468595
0.0009
D(X1(-1),2)
0.755200
0.332146
2.273702
0.0440
C
0.452923
0.277974
1.629372
0.1315
R-squared
0.653310
Meandependentvar
0.071429
AdjustedR-squared
0.590275
S.D.dependentvar
1.520338
S.E.ofregression
0.973165
Akaikeinfocriterion
2.970882
Sumsquaredresid
10.41754
Schwarzcriterion
3.107823
Loglikelihood
-17.79618
F-statistic
10.36431
Durbin-Watsonstat
1.536981
Prob(F-statistic)
0.002949
有上述结果可见P值等于 0.0044,小于0.05,认为经过一阶差分后序列已经不存在序列相关了。
2、进行白噪声检验
利用correlogram检验,结果如下:
不是白噪声,要识别ARMA,估计参数由上图可见P=1Q=1,然后进行方程估计,过程如下:
结果如下,
P值均小于0.05,方程估计显著,再进行残差检验,结果如下:
可以看出残差的自相关系数和偏相关系数都在2
之内,所以此时的残差满足基本假设。
到此ARMA处理平稳序列过程结束。
协整关系检验
第一步:
建立消费和固定资本形成总额的双对数曲线模型,
DependentVariable:
LOG(Y)
Method:
LeastSquares
Date:
01/16/14Time:
20:
32
Sample:
19922008
Includedobservations:
17
Variable
Coefficient
Std.Error
t-Statistic
Prob.
LOG(X1)
-2.195053
0.668676
-3.282684
0.0050
C
12.06917
2.734319
4.413959
0.0005
R-squared
0.418064
Meandependentvar
3.093468
AdjustedR-squared
0.379268
S.D.dependentvar
0.095540
S.E.ofregression
0.075273
Akaikeinfocriterion
-2.225259
Sumsquaredresid
0.084990
Schwarzcriterion
-2.127234
Loglikelihood
20.91470
F-statistic
10.77601
Durbin-Watsonstat
1.204748
Prob(F-statistic)
0.005035
模型:
log(y)=log(x1)+c
可得模型:
log(y)=log(x1)+12
第二步:
进行单位根检验
检验结果显示:
残差序列在1%的显著性水平下,拒绝原假设,接受不存在单位根的结论,因此确定残差序列为平稳序列,即为I(0)序列。
第三步:
误差修正模型(ErrorCorrectModel,ECM):
说明y的短期波动性一方面受到x的短期波动的影响,另一方面受到x和y之间长期相关性偏离的滞后影响
X与y之间有协整关系
五、ARCH和状态空间模型
1、ARCH效应的检验
首先利用普通最小二乘法,估计一个回归方程得:
ARCH效应的LM检验
LM检验的原假设为:
残差中直至q阶都没有ARCH
由ARCH效应的LM检验,看到F统计量和Obs*R-squared统计量的p值都小于0.05,所以拒绝原假设,接受残差中存在1阶的ARCH效应。
操作时,该例中的残差存在着4阶的ARCH效应。
如下图:
2、ARCH模型的建立
3、GARCH模型的建立
4、TARCH模型的建立
5、ARCH-M模型的建立
6、EGARCH模型的建立
附录:
- 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:
- 经济 计量 模型