6分布滞后模型与自回归解析.ppt

* 分布滞后模型与自回归模型 滞后变量模型的一般形式为 其中s、q分别为滞后解释变量和滞后被解释变量的滞后期长度。若滞后期长度为有限，称模型为有限滞后变量模型；若滞后期长度为无限，称模型为无限滞后变量模型。 1、分布滞后模型 如果滞后变量模型中没有滞后被解释变量，被解释变量只受解释变量的影响，且这种影响分布在解释变量不同时期的滞后值上，即模型形如 具有这种滞后分布结构的模型称为分布滞后模型，其中s为滞后长度。根据滞后长度s取值的有限和无限，我们将模型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，各系数体现了解释变量的各个滞后值对被解释变量的不同影响程度，即通常所说的乘数效应： ：称为短期乘数或即期乘数，表示本期X变动一个单位对Y值的影响大小； ： 称为延迟乘数或动态乘数( )，表示过去各时期X变动一个单位对Y值的影响大小； 称为长期乘数或总分布乘数，表示X变动一个单位时，包括滞后效应而形成的对Y总的影响。 2、自回归模型 如果滞后变量模型的解释变量仅包括自变量X的当期值和被解释变量的若干期滞后值，即模型形如 则称这类模型为自回归模型，其中q称为自回归模型的阶数。 二、分布滞后模型的估计 1、经验加权法 权数分布的确定取决于模型滞后结构的不同类型，常见的滞后结构类型有： （1）递减滞后结构。这类滞后结构假定权数是递减的，认为滞后解释变量对被解释变量的影响随着时间的推移越来越小，即遵循远小近大的原则。这种滞后结构在现实经济活动中较为常见，比较典型的例子是消费函数，显然，现期收入对消费的影响较大，越滞后，影响越小。 （2）不变滞后结构。这类滞后结构假定权数不变，即认为滞后解释变量对被解释变量的影响不随时间而变化。 （3） 型滞后结构。即两头小中间大，权数先递增后递减呈型。这类滞后结构适合于前后期滞后解释变量对被解释变量的影响不大，而中期滞后解释变量对被解释变量的影响较大的分布滞后模型。如投资对产出的影响，就是以周期期中的投资对本期产出贡献最大，因此可选择 型滞后结构。 例1 已知1955—1974年期间美国制造业库存量Y和销售额X的统计资料如表1（金额单位：亿美元）。设定有限分布滞后模型为： 运用经验加权法，选择下列三组权数 （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； 分别估计上述模型，并从中选择最佳的方程。 410.03 448.69 464.49 502.82 535.55 528.59 559.17 620.17 713.98 820.98 682.21 779.65 846.55 908.75 970.74 1016.45 1024.45 1077.19 1208.70 1471.35 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 264.80 277.40 287.36 272.80 302.19 307.96 308.96 331.13 350.32 373.35 450.69 506.42 518.70 500.70 527.07 538.14 549.39 582.13 600.43 633.83 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 X Y 年份 X Y 年份 记新的线性组合变量分别为： 在Eviews中，输入X和Y的数据，用命令产生三个变量Z1、Z2、Z3。 genr z1=x+1/2*x(-1)+1/4*x(-2)+1/8*x(-3) genr z2=1/4*x+1/2*x(-1)+2/3*x(-2)+1/4*x(-3) genr z3=1/4*x+1/4*x(-1)+1/4*x(-2)+1/4*x(-3) 然后分别估计如下经验加权模型 回归分析结果整理如下： 2、阿尔蒙法 其基本原理是，在有限分布滞后模型滞后长度s已知的情况下，滞后项系数可以看成是相应滞后期i的函数。在以滞后期i为横轴、滞后系数取值为纵轴的坐标系中，如果这些滞后系数落在一条光滑曲线上，或近似落在一条光滑曲线上，则可以由一个关于i的次数较低的m次多项式很好地逼近，即 此式称为阿尔蒙多项式变换。 下面用阿尔蒙法估计如下有限分布滞后模型： 将系数 (i=0,1,2,3)用二次多项式近似，即 则原模型可变为 其中 在Eviews工作文件中输入X和Y的数据，在工作文件窗口中点击“Genr”工具栏，出现对话框，输入生成变量Z0t的公式，点击“OK”；类似，可生成Z1t、Z2t变量的数据。进入Equation Specification 对话栏，键入回归方程形式 Y C Z0 Z1 Z2 分布滞后模