第七章分布滞后模型与自回归模型(精)

1第七章分布滞后模型与自回归模型计量经济学2引子:货币政策效应的时滞货币供给的变化对经济影响很大，货币政策总是备受关注。货币政策的影响效应存在着时间上的滞后。在货币政策的传导过程中，货币扩张首先促使利率降低，或者一般价格水平的上升，这需要一段时间。这些因素对以GDP为代表的经济增长的影响，更是需要一段时间才能显示出来。只有经过一段时间以后，支出对利率的反应增强，投资、进出口和消费才会不断上升，货币政策才最终促使GDP增加。通常，货币扩张对GDP影响的最高点可能是在政策实施以后的一到两年间达到。3在现实经济活动中，滞后现象是普遍存在的，这就要求我们在做经济分析时应该考虑时滞的影响。怎样才能把这类时间上滞后的经济关系纳入计量经济模型呢？思考4第七章分布滞后模型与自回归模型本章主要讨论:●滞后效应与滞后变量模型●分布滞后模型的估计●自回归模型的构建●自回归模型的估计5第一节滞后效应与滞后变量模型本节基本内容:●经济活动中的滞后现象●滞后效应产生的原因●滞后变量模型6一、经济活动中的滞后现象解释变量与被解释变量的因果联系不可能在短时间内完成，在这一过程中通常都存在时间滞后，也就是说解释变量需要通过一段时间才能完全作用于被解释变量。此外，由于经济活动的惯性，一个经济指标以前的变化态势往往会延续到本期，从而形成被解释变量的当期变化同自身过去取值水平相关的情形。这种被解释变量受自身或其它经济变量过去值影响的现象称为滞后效应。7心理预期因素技术因素制度因素二、滞后效应产生的原因8滞后变量：是指过去时期的、对当前被解释变量产生影响的变量。滞后变量分为滞后解释变量与滞后被解释变量。把滞后变量引入回归模型，这种回归模型称为滞后变量模型。三、滞后变量模型9滞后变量模型的一般形式为其中分别为滞后解释变量和滞后被解释变量的滞后期长度。s,q011221122ttttststtqtqtYXXXXYYYu101.分布滞后模型被解释变量受解释变量的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，其中为滞后长度。根据滞后长度取为有限和无限，模型分别称为有限分布滞后模型和无限分布滞后模型。01122ttttststYXXXXuss11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，表示本期变动一个单位对值的平均影响大小；：称为延迟乘数或动态乘数，表示过去各时期变动一个单位对值的平均影响大小；：称为长期乘数或总分布乘数，表示变动一个单位时，由于滞后效应而形成的对总的影响大小。0β0sii=βiβXYYXX122.自回归模型如果滞后变量模型的解释变量仅包括自变量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，其中称为自回归模型的阶数。01122ttttqtqtYXYYYuqX13第二节分布滞后模型的估计本节基本内容:●分布滞后模型估计的困难●经验加权估计法●阿尔蒙法14一、分布滞后模型估计的困难自由度问题多重共线性问题滞后长度难于确定的问题15处理方法：对于有限分布滞后模型，其基本思想是设法有目的地减少需要直接估计的模型参数个数，以缓解多重共线性，保证自由度。对于无限分布滞后模型，主要是通过适当的模型变换，使其转化为只需估计有限个参数的自回归模型。16二、经验加权估计法所谓经验加权估计法，是根据实际经济问题的特点及经验判断，对滞后变量赋予一定的权数，利用这些权数构成各滞后变量的线性组合，以形成新的变量，再应用最小二乘法进行估计。常见的滞后结构类型：递减滞后结构不变滞后结构型滞后结构17图7.1常见的滞后结构类型wt0(a)wt0(b)wt0(c)18优点：简单易行、不损失自由度、避免多重共线性干扰及参数估计具有一致性。缺点：设置权数的主观随意性较大，要求分析者对实际问题的特征有比较透彻的了解。通常的做法是，依据先验信息，多选几组权数分别估计多个模型，然后根据可决系数、F检验值、t检验值、估计标准误以及DW值，从中选出最佳估计方程。19【例7.3】已知1955—1974年期间美国制造业库存量和销售额的统计资料如表7.1（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。（数据见教材表7.1）XY20记新的线性组合变量分别为：由上述公式生成线性组合变量的数据。然后分别估计如下经验加权模型。1,23,,zzz123z,z,z1123111248ttttZXXXX212311214234ttttZXXXX312311114444ttttZXXXX21回归分析结果整理如下模型一：模型二：12ˆ66.604041.071502(3.6633)(50.9191)0.994248DW1.4408582592ttYZRF22ˆ=-133.1988+1.3667(-5.029)(37.35852)=0.989367DW=1.042935=1396ttYZRF22模型三：从上述回归分析结果可以看出，模型一的扰动项无一阶自相关，模型二、模型三扰动项存在一阶正自相关；再综合判断可决系数、F检验值、t检验值，可以认为：最佳的方程是模型一，即权数为（1，1/2，1/4，1/8）的分布滞后模型。32ˆ121.73942.23973(4.8131)(38.68578)0.990077DW1.158531496ttYZRF23三、阿尔蒙法目的：消除多重共线性的影响。基本原理：在有限分布滞后模型滞后长度已知的情况下，滞后项系数有一取值结构，把它看成是相应滞后期的函数。在以滞后期为横轴、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，则可以由一个关于的次数较低的次多项式很好地逼近，即isimi24此式称为阿尔蒙多项式变换（图7.2）。20120,1,2,,;mimiiiisms25将阿尔蒙多项式变换代入分布滞后模型并整理，模型变为如下形式其中（7.5）001122ttttmmttYZZZZu012112322221231232323...23tttttstttttstttttsmmmmtttttsZXXXXZXXXsXZXXXsXZXXXsX26对于模型（7.5），在满足古典假定的条件下，可用最小二乘法进行估计。将估计的参数代入阿尔蒙多项式，就可求出原分布滞后模型参数的估计值。在实际应用中，阿尔蒙多项式的次数通常取得较低，一般取2或3，很少超过4。m27本节基本内容:●库伊克模型●自适应预期模型●局部调整模型第三节自回归模型的构建28一、库伊克模型无限分布滞后模型中滞后项无限多，而样本观测总是有限的，因此不可能对其直接进行估计。要使模型估计能够顺利进行，必须施加一些约束或假定条件，将模型的结构作某种转化。库伊克（Koyck）变换就是其中较具代表性的方法。29对于如下无限分布滞后模型：可以假定滞后解释变量对被解释变量的影响随着滞后期的增加而按几何级数衰减。即滞后系数的衰减服从某种公比小于1的几何级数：其中：为常数，公比为待估参数。（7.6）λ（7.7）0βt-iX0122tt1t-t-tY=α+βX+βX+βX++u0,01,0,1,2,iiβ=βλλiiY库伊克假定：30通常称为分布滞后衰减率，值越接近零，衰减速度越快（如图7.3）。图7.3按几何级数衰减的滞后结构（库伊克）iβ=12=14λλi31将库伊克假定（7.7）式代入（7.6）式，得将（7.8）滞后一期，有00itt-iti=Y=α+βλX+u∞11011i-t-t-it-i=Y=α+βλX+u∞（7.8）（7.9）32这就是库伊克模型。上述变换过程也叫库伊克变换。对（7.9）式两边同乘并与（7.8）式相减得：10010101()()(1-)()iitt-t-itt-it-i=i=ttt-Y-λY=α+βλX+u-λα+βλX+λu=αλ+βX+u-λu∞∞0-11(1-)()ttttt-Y=αλ+βX+λY+u-λu即λ33令则库伊克模型（7.10）式变为这是一个一阶自回归模型。**011**ttt-tY=α+βX+βY+u（7.12）00*1-1(1-)***tttα=λα,β=ββ=λ,u=u-λu341.以一个滞后被解释变量代替了大量的滞后解释变量，使模型结构得到极大简化，最大限度地保证了自由度，解决了滞后长度难以确定的问题；2.滞后一期的被解释变量与的线性相关程度将低于的各滞后值之间的相关程度，从而在很大程度上缓解了多重共线性。库伊克变换的优点tXX351.它假定无限滞后分布呈几何递减滞后结构。这种假定对某些经济变量可能不适用，如固定资产投资对总产出影响的滞后结构就不是这种类型。2.库伊克模型的随机扰动项形如说明新模型的随机扰动项存在一阶自相关，且与解释变量相关。1*ttt-u=u-λu库伊克变换的缺陷363.将随机变量作为解释变量引入了模型，不一定符合基本假定。4.库伊克变换是纯粹的数学运算结果，缺乏经济理论依据。这些缺陷，特别是第二个缺陷，将给模型的参数估计带来定困难。37二、自适应预期模型某些经济变量的变化会或多或少地受到另一些经济变量预期值的影响。为了处理这种经济现象，可以将解释变量预期值引入模型建立“期望模型”。例如，包含一个预期解释变量的“期望模型”可以表现为如下形式：其中，为被解释变量，为解释变量预期值，为随机扰动项。tu*tttY=α+βX+u*tXtY38难点预期是对未来的判断，在大多数情况下，预期值是不可观测的。因此，实际应用中需要对预期的形成机理作出某种假定。自适应预期假定就是其中之一，具有一定代表性。39自适应预期假定：经济活动主体对某经济变量的预期，是通过一种简单的学习过程而形成的，其机理是，经济活动主体会根据自己过去在作预期时所犯错误的程度，来修正他们以后每一时期的预期，即按照过去预测偏差的某一比例对当前期望进行修正，使其适应新的经济环境。40用数学式子表示就是其中参数为调节系数，也称为适应系数。这一调整过程叫做自适应过程。通常，将解释变量预期值满足自适应调整过程的的期望模型，称为自适应预期模型（Adaptiveexpectationmodel）。11()***tt-tt-X=X+γX-X41根据自适应预期假定，自适应预期模型可转化为一阶自回归形式：其中如果能得到参数的估计值，可得到自适应预期模型的参数估计值。*011***ttt-tY=α+βX+βY+u*0*1-11--(1-)**tttα=γα,β=γββ=γ,u=uγu42在经济活动中，会遇到为了适应解释变量的变化，被解释变量有一个预期的最佳值与之对应的现象。例如，企业为了确保生产或供应，必须保持一定的原材料储备，对应于一定的产量或销售量，存在着预期最佳库存量；为了确保一国经济健康发展，中央银行必须保持一定的货币供应，对应于一定的经济总量水平，应该有一个预期的最佳货币供应量。三、局部调整模型43也就是说，解释变量的现值影响着被解释变量的预期值，即存在如下关系其中，为被解释变量的预期最佳值，为解释变量的现值。*tttY=α+βX+u*tYtX（7.22）44由于技术、制度、市场以及管理等各方面的限制，被解释变量的预期水平在单一周期内一般不会完全实现，而只能得到部分的调整。局部调整假设认为，被解释变量的实际变化仅仅是预期变化的一部分，即其中,为调整系数，它代表调整速度。越接近1，表明调整到预期最佳水平的速度越快。1-1()*tt-ttY-Y=δY-Y（7.23）