滞后变量模型

第5章 滞后变量模型

一.单项选择题

1.下列属于有限分布滞后模型的是( )。

A.yt?a?b0xt?b1yt?1?b2yt?2???ut

B.yt?a?b0xt?b1yt?1?b2yt?2???bkyt?k?ut C.yt?a?b0xt?b1xt?1???ut D.yt?a?b0xt?b1xt?1???bkxt?k?ut

2.消费函数模型Ct=400+0.5It+0.3It-1+0.1It-2，其中I为收入，则当期收入It对未来消费Ct+2的影响是：I增加一单位，Ct+2增加( )。

A.0.5单位 B.0.3单位 C.0.1单位 D.0.9单位

3.在分布滞后模型yt???b0xt?b1xt?1???bkxt?k?ut中，延期过渡性乘数( )。

A.b0 B.bi(i=1,2,…,k) C.i?1 D.i?0

4.在分布滞后模型的估计中，使用时间序列资料可能存在的序列相关问题就表现为

第九章

一、滞后变量模型

滞后变量

（一）滞后变量与滞后变量模型 现实经济生活中，许多经济变量不仅受同期因素的影响，而且还与某些因素，或者同自身的前期值有关。我们通过把变量的前期值，即带有滞后作用的变量称为滞后变量，含有滞后变量的模型称为滞后变量模型。 （二）产生滞后效应的原因

滞后效应是一个较为普遍的客观经济现象，原因可以归结为以下三个方面： 1．心理因素 2．技术因素 3．制度因素

（三）滞后变量模型的种类 1．分布滞后模型

yt????0xt??1xt?1?...??kxx?k??t

2．自回归模型

yt????0xt??1yt?1??2yt?2?...??kyt?k??t

（四）滞后变量模型的特点

1．引入滞后变量能够有效地提高模型的拟合优度

2．滞后变量模型是一个动态模型，可以来模拟分析经济系统的变化和调整过程

存在的一些问题：（1）经济变量的各期值之间往往高度相关。（2）降低样本的自由度，影响参数的估计精度。（3）难以客观地确定滞后期的长度。 二、分布滞后模型的估计

（一）经验加权法

根据经验指定各期滞后变量的权数，将各期滞后变量加权组合成新的解释变量，估计变

换后的模型，最后得到原模型中各参数的估计值。（各期权数和

§5.5 含有虚拟变量的回归模型 1．带虚变量的回归预测

前述变量均是用某种意义明确的尺度加以定量的变数。 暂时性影响：经济行为受特定因素的影响，因而促使一期或数期变数与其他各期有明显的差异。

虚拟变量：用来表现暂时性影响的变量，或者说，表明某种“品质”或属性是否存在的的变量。

2．基本概念

（1）水平：当自变量以虚拟变量的形式出现时，虚拟变量的出现形式称为“水平”。 （2）反应：用

??j,k?表示第i个样本第j个自变量取第k个水平的反应：

i?i?j,k?=?k个水平时?1当第i个样本第j个自变量取第

0否则?（3）反应表：将各样本的资料排列得到的表格称为反应表。 （4）反应矩阵：把反应表中的反应（

。 ??j,k?）

i??j,k?写成矩阵形式，称为反应矩阵。记为

iX=

3．基本方法

（1）建模原则：

如果一个属性变数有m个类型，只引入m—1个虚拟变量。否则，会陷入所谓的虚拟变数陷阱之中，出现完全多重共线性的情况。

在解释采用虚拟变量的模型结果时，要弄清楚水平值是如何确定的。

指定取值为0的类型或组通常用来指明基础类型、控制类型、对比类型或被省略的类型。 附属于虚拟变量D的系数

?称为不同的截距系数，它说明D取值为1的那种类型的截距项

1与基础类型

第七章 分布滞后模型与自回归模型 思考题

7.1 什么是滞后现象 ? 产生滞后现象的原因主要有哪些 ?

7.2 对分布滞后模型进行估计存在哪些困难 ? 实际应用中如何处理这些难 ?

7.3 库伊克模型、自造应预期模型与局部调整模型有哪些共性和不同之处 ? 模型估计会存在哪些困难 ? 如何解决 ? 7.4 考虑以下模型

Yt????1X1t??2X2t??3Yt?1?ut

假定Yt?1和ut相关。为了消除相关,采用如下工具变量法:先求Yt对X1t和X2t的回

?, 然后做以下回归 归 , 得到Y的估计值Yt??u Yt????1X1t??2X2t??3Yt?1t?是第一步粗估计值Y?的滞后值。分析说明该方法为什么可以消除原其中 , Yt?1t模型中Yt?1和ut之间的相关性。

7.5 检验一阶自回归模型随机扰动项是否存在自相关 , 为什么用德宾h检验而不用 DW 检验 ?

练习题

7.1表7.11给出了1970~1987年美国的个人消费支出(PCE)和个人可支配收入(PDI)数据,所有数字的单位都是10亿美元(1982年的美元价)。

表7.1 1970－1987年美国个人消息支出PCE和个人

第七章 分布滞后模型与自回归模型 思考题

7.1 什么是滞后现象 ? 产生滞后现象的原因主要有哪些 ?

7.2 对分布滞后模型进行估计存在哪些困难 ? 实际应用中如何处理这些难 ?

7.3 库伊克模型、自造应预期模型与局部调整模型有哪些共性和不同之处 ? 模型估计会存在哪些困难 ? 如何解决 ? 7.4 考虑以下模型

Yt????1X1t??2X2t??3Yt?1?ut

假定Yt?1和ut相关。为了消除相关,采用如下工具变量法:先求Yt对X1t和X2t的回

?, 然后做以下回归 归 , 得到Y的估计值Yt??u Yt????1X1t??2X2t??3Yt?1t?是第一步粗估计值Y?的滞后值。分析说明该方法为什么可以消除原其中 , Yt?1t模型中Yt?1和ut之间的相关性。

7.5 检验一阶自回归模型随机扰动项是否存在自相关 , 为什么用德宾h检验而不用 DW 检验 ?

练习题

7.1表7.11给出了1970~1987年美国的个人消费支出(PCE)和个人可支配收入(PDI)数据,所有数字的单位都是10亿美元(1982年的美元价)。

表7.1 1970－1987年美国个人消息支出PCE和个人

多变量信用风险判别模型

多变量信用风险判别模型是以特征财务比率为解释变量,运用数量统计方法推导而建立起的标准模型。运用此模型预测某种性质事件发生的可能性,及早发现信用危机信号,使经营者能够在危机出现的萌芽阶段采取有效措施改善企业经营,防范危机;使投资者和债权人可依据这种信号及时转移投资、管理应收帐款及作出信贷决策。目前国际上这类模型的应用是最有效的,也是国际金融业和学术界视为主流方法。概括起来有线性概率模型、Logit、Probit模型和判别分析模型。其中多元判别分析法最受青睐,Logit模型次之。

多元判别分析法是研究对象所属类别进行判别的一种统计分析方法;判别分析就是要从若干表明观测对象特征的变量值(财务比率)中筛选出能提供较多信息的变量并建立判别函数,使推导出的判别函数对观测样本分类时的错判率最小。率先将这一方法应用于财务危机、公司破产及违约风险分析的开拓者是美国的爱德华·阿尔特曼博士(EdwardI.Altman)。他早在1968年对美国破产和非破产生产企业进行观察,采用了22个财务比率经过数理统计筛选建立了著名的5变量Z-score模型和在此基础上改进的“Ze-ta”判别分析模型[2]。根据判别分值,以确定的临界值对研究对象

本科教学课件 计量经济学基础 第6章 虚拟变量回归模型

第6章 虚拟变量回归模型

本章讲授的主要内容：

6.1 虚拟变量的性质 6.2 虚拟变量的引入方式 6.3 虚拟变量的设置原则 6.4 虚拟变量的特殊应用

6.5 因变量为虚拟变量的情形：线性概率模型（LPM）

6.1 虚拟变量的性质

1．虚拟变量概述

虚拟变量（dummy variable），又称为定性变量（qualitative variables）或指标变量、二元变量、分类变量和二分变量。

许多经济变量是可以定量度量的，但有些影响经济的因素，如职业、性别、民族、地区、文化程度、季节、战争、自然灾害等因素，无法定量度量。为了能够在模型中反映这些因素的影响，并提高模型的精度，需要将它们量化，这种“量化”是通过引入“虚拟变量”来完成的。虚拟变量通常记为D。

根据定性因素的属性，一般赋予它们“0”或“1”的人工变量。一般地，在虚拟变量的设置中，基础类型和肯定类型取值为1；比较类型和否定类型取值为0。 2．虚拟变量模型

同时含有一般解释变量与虚拟变量的模型，称为虚拟变量模型。如

维普资讯 http://www.77cn.com.cn

第2 1卷第 1期20 0 8年 2月

四川理工学院学报 (自然科学版 )J OURNAL OF S CHUAN UNI I VERS T OF I Y

V0. No1 1 21 .

S INC& E G NE R N N T R L S I N E E II N) CE E N I E I G( A U A C E C D T O

F b2 0 e .0 8

文章编号：6 3 1 4 2 0 O - 0 4 0 1 7— 5 9( 0 8) 1 0 4 - 3

多变量灰色预测模型算法的 Mal t b实现 a黄现代，王丰效(陕西理工学院数学系，陕西汉中 7 3 0 ) 2 00

摘要：文章讨论了多变量灰色预测模型的建模方法及其算法思想，得到了多变量灰色预测模型的检验方法。为了简化模型求解，给出多变量灰色预测模型的 Ma a t b程序实现。通过应用实例说明算法程序的应用和效果。 l

关键词：多变量；灰色预测模型；算法；Maa tb l中图分类号：O 4 21文献标识码：A

引言自从邓聚龙教授提出灰色系统理论以来，色预测灰d f

xl l】 (

\,

() 1

模型在许多领域得到了广泛应用。

一第４２卷第１期２０１９年１月一一一一一一一一一一一一一一安徽师范大学学报(自然科学版)ＪｏｕｒｎａｌｏｆＡｎｈｕｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅ)一一一一一一一一一一一一Ｖｏｌ.４２Ｎｏ.１Ｊａｎ.２０１９一ＤＯＩ:１０.１４１８２/Ｊ.ｃｎｋｉ.１００１－２４４３.２０１９.０１.００３

Ｂｅｔａ回归模型基于ＥＭ算法的变量选择方法

王一玲?一赵为华?

(南通大学理学院?江苏南通一２２６０１９)

摘一要:本文针对响应变量取值为(０?１)区间上的比例数据研究Ｂｅｔａ回归模型的贝叶斯变量选择

方法?首先通过选取合适的先验分布?基于贝叶斯随机搜索和ＥＭ方法提出了参数的估计算法?然

后根据回归系数相应的指示变量后验分布提出了重要变量选择的门限准则?所提方法具有易实施二

快速计算等特点?最后通过研究中国上市公司股息率实际数据的影响因素以说明所提方法的有

效性?

关键词:Ｂｅｔａ回归模型?ＥＭ算法?贝叶斯变量选择

中图分类号:Ｏ２１２一一一文献标志码:Ａ一一一文章编号:１００１－２４４３(２０１９)０１－００１６－０６

引一言

在对众多领域的实际问题进行统计分析时?取值在(０?１)区间上的比例数据是很常见的?比如股息率二考试通过率二工作效率二次

第2章 线性回归的基本思想：线性回归的基本思想：双变量模型 双变量模型

本章主要讲授如下内容：

2.1 预备知识

2.2 变量之间的关系及相关分析 2.3 回归分析的性质

2.4 总体回归函数（population regression function, PRF） 2.5 样本回归函数（sample regression function, SRF） 2.6 几个概念

2.7 参数估计：普通最小二乘法

2.1 预备知识2.1 预备知识 预备知识

1．期望算子的性质

（1）E(aX+b)=aE(X)+b 其中，X是随机变量，a和b是常数 （2）Var(aX+b)=a2Var(X)

（3）E(X+Y)=E(X)+E(Y) 其中，X和Y是随机变量 （4）Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y)

（5）如果X和Y是独立的，则 E(XY)=E(X)E(Y) （6）如果X和Y是独立的，则 Cov(X,Y)=0 （7）Var()=

2σX

2

，这里，σX=Var(Xi)表明随着样本的增大，均值估计的方差会降低。

n

1n2

（8）E[ (Xi )2]=σX∑n 1i=1

2．求和算子的运用

（1）∑kXi=k∑Xi，这里k为常数 （2）∑(