滞后变量模型eviews

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

Eviews基本操作指引： 1、ADF检验

双击序列——打开序列数据窗口——View——Unit Root Test ——单位根检验对话框

（1 st difference ，即检验△X ； intercept：包含截距项 ； trend：包含趋势项）

临界值判断：如果ADF检验值小于某一显著性水平下的临界值，则序列在此显著性水平下平稳。

2、根据SIC和AC值确定VAR的滞后期 单位根检验操作的输出结果中

3、建立VAR模型

在workfile里——Quick——Estimate VAR…——对话窗

缺省的是非约束VAR，另一选择是向量误差修正模型。 给出内生变量的滞后期间。 给出用于运算的样本范围。

Endogenous要求给出VAR模型中所包括的内生变量。 Exogenous要求给出外生变量（一般包含常数项）。

结果显示中，回归系数下第一个括号中的为标准差，第二个括号中的为t值。

4、脉冲响应分析（Response of * to * Innovations）/ 方差分解（Variance Decornposition） 在进行脉冲响应函数诊断之前，需要先检验VAR模型的平稳性，用AR根图(Inverse

EVIEWS之变系数回归模型

1 变系数回归模型

前面讨论的是变截距模型，并假定不同个体的解释变量的系数是相同的，然而在现实中变化的经济结构或者不同的经济背景等不可观测的反映个体差异的因素会导致经济结构的参数随着横截面个体的变化而变化，即解释变量对被解释变量的影响要随着截面的变化而变化。这时要考虑系数随着横截面个体的变化而变化的变系数模型。

1.变系数回归模型原理

变系数模型一般形式如下：

yit??i?xit?i?uit,i?1,2,,N,t?1,2,,T（1）

其中：yit为因变量，xit为1?k维解释变量向量，N为截面成员个数，T为每个截面成员的观测时期总数。参数?i表示模型的常数项，?i为对应于解释变量的系数向量。随机误差项uit相互独立，且满足零均值、等方差的假设。

在式子（1）中所表示的变系数模型中，常数项和系数向量都是随着截面个体变化而变化，因此将该模型改写为：

yit?xit?i?uit （2）

其中：xit?(1,xit)1?(k?1)，?i?(?i,?i)'

模型的矩阵形式为：

Y?X??u （3）

其

中

：

?y1??Y??????yN??NT?1；

?yi1??y?yi??i2??????yiT?T?

第8讲 用面板数据模型预测

1．面板数据定义

时间序列数据或截面数据都是一维数据。时间序列数据是变量按时间得到的数据；截面数据是变量在固定时点的一组数据。面板数据是同时在时间和截面上取得的二维数据。面板数据也可以定义为相同截面上的个体在不同时点的重复观测数据或者称为纵向变量序列（个体）的多次测量。所以，面板数据（panel data）也称时间序列截面数据（time series and cross section data）或混合数据（pool data）。

面板数据示意图见图1。面板数据从横截面（cross section）看，是由若干个体（entity, unit, individual）在某一时点构成的截面观测值，从纵剖面（longitudinal section）看每个个体都是一个时间序列。

图1 N=15，T=50的面板数据示意图

图2是1978~2005年中国各省级地区消费性支出占可支配收入比率序列图。

图2 1978-2005年中国各省级地区消费性支出占可支配收入比率序列图(价格平减过)

136

面板数据用双下标变量表示。例如

yi t, i = 1, 2, …, N; t = 1, 2, …, T

i对应面板数据中

§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

Panel Data模型的EViews操作过程

两种模式：

Ⅰ. 关于Panel工作文件； Ⅱ. 关于Pool对象。

数据的预处理

1.在EXCEL文件中，将每个变量各年的原始数据按照年份顺序排成一列，称之为堆积数据（见表“汇总0”）。

2．输入截面单元的标识（表示地区的符号，前面加_；如：_HB、_NMG等）。 3．将数据表按照时间分类（即排序，见表“汇总”）。

Ⅰ. 关于Panel工作文件的操作过程

案例1：我国农村居民消费函数（2000-2010年，27个省市数据，工作文件：NXF） 一、输入数据

1、创建Panel工作文件

选择File / New / Workfile，在出现的创建工作文件对话框中： （1）在文件结构类型中，选择“平衡面板（Balanced Panel）”； （2）输入起始、终止期，截面单元个数。

- 1 -

工作文件中将生成分别表示截面标识和时期标识的两个序列： Crossid — 截面标识 dateid — 时期标识

2．更改截面标识（可以省略）

序列crossid中是以数字1、2、?标记截面标识，为了便于区分，可以重新定义一个字符串序列。

（1）点击object / New object，选择serie