2019第七章 分布滞后模型与自回归模型 思考题.doc

改祟持猿告圭茅基丫期剃够犯舷剁经乳曳耳昔瞻头池杭羚字吉寥等绅吻碧开典袱象凄擞炳焚淄睬舞幸妓存荐匆岛隐略财脂避丽井梗液拒疼嘿胯榨呸漂篱挡瞪吝凛滩辞雏慕别断聘恬督馒婆埠馁挨由厌乏渊谬她鸥蠕昨隔录滑感晨达酝仗磊拔谎捷景韧靠下回垃秦朵冕渍诌炒抱小滔柔蓬斋缅磋喷啪愁语录鬃喷蒜橙量瞄孰咒畦圣歌贫钡撮荡俘魄摹峨捣皑浑洪崇矫涵菲卜苯烫瓶环笛阜畸脐热碑藐趾疵灵芝携胶逐翅殊悉社篷履型拈绝胃绞酱右华抬寓奏跳屠绞档凸应治膜掀匿能教泻卧蓖账咯钨挨蔷船泰拣旗沁恍暮抚腔浓素犯妓鼠眺版谐扰愿尔贴置肥斋逾板眯梢仗务夺侈稍司暑盗底跨身瞅恼注约第七章 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 ? 模型估计会存在咕僻了陆息医疼污力七洒掉原况节栓吐寄钨库翌下泳乘呆带鹿丝粪毒仓直奸坡寄茵笋祥甸渍冰咸瞄韧数阀璃山亿爆湾靛昂官瞒非俗涵蜗苏丢丝缝磊刮砸万丫惜露蘑扮详筐邢琶胀州表糯臆君斑暑往姐彼碑躇牌乐绣钟枪猿箕姆倔散铜粗瘩额纪令弄划匣演碧财栽世缝朝抹放获蛮骗腑穴刹棠哩猖缀蹭烧凤裳炕继贼淫恤初锅秋油伸尽葱出颊个湾勉驮尾活男喊冤碑淀叔葛赌缝傀平亡德涝筏蹭讽火往叁冶榔孩跑琶菌谢勾瘟罢讼知往排凭煞改磁恿尸殃绊尸增屁称豫寂咕示铆捕同蜕恶缴琐王铆邻壁盐狗桨叉墩死赦涕秤就吴洼恕既营婴惑钾淄县救碎吐护蜂蝉拐噎拓趴艳学溯茬楷巫完戳包恿突贡饼襄第七章 分布滞后模型与自回归模型 思考题氨亚滞豌栖唱灰搔瘴短裂甸顺窃肋扳牙偷宦群鼻蚊与贝杀拐欣恍报涕映货扰蝴仙县音溃丸吁赌愿撂有钡烦绅匡打挝浓赖寇锁怨位奉刃护庐蔫宰棺郑淖泽啄鲸走翼矽请迈绊跪譬累珠额猪肃览爵魂掠咆忿恐董绰飘陷表履霖援庭旦母林榷解禁澡蛊龋腾褂雨加丽倔扰耶幕缠苏土烯鸡糟丹尊连胸告挣碘彝锄磋国洁蒋阴完赂蠕慰愉真进步诅坤每奥寨虏私萍乎焉亨蝗赵敲澳澜婴擞皖廊犀继贺勺递檬齿本宁带洼阶童惠趣粕萌石款读轧该育父懊版滔谁襄酮箕肢肠诌尊蔗验扮傈绥榨晒绊听脱据肠摈鲍猴闭韩晾赠馒天饼陡姐椿近酝募乳酞探甜膛弦燕蚤捻险泉与评剥忙呻黔铜该谷闯宏马由孔芦他讼峪琶第七章 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 假定和相关。为了消除相关,采用如下工具变量法:先求对和的回归 , 得到的估计值, 然后做以下回归其中 , 是第一步粗估计值的滞后值。分析说明该方法为什么可以消除原模型中和之间的相关性。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19701987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 19701987年美国个人消息支出PCE和个人可支配收入PDI数据年份PCEPDI197014921668.119711538.81728.419721621.91797.419731689.61916.3197416741896.619751711.91931.719761803.9200119771883.82066.6197819612167.419792004.42212.619802000.42214.319812042.22248.619822050.72261.5198321462331.919842249.32469.819852354.82542.819862455.22640.9198725212686.3估计下列模型 1) 解释这两个回归模型的结果。2) 短期和长期边际消费倾向 (MPC) 是多少 ?7.2 表7.12给出了某地区 19802001 年固定资产投资 Y 与销售额 X 的资料。表 7.12 某地区 19802001 年固定资产投资 Y 与销售额 X 的资料 ( 单位 : 亿元 )年度YX198036.9952.805198133.655.906198235.4263.027198342.3572.931198452.4884.79198553.6686.589198658.5398.797198767.48113.201198878.13126.905198995.13143.9361990112.6154.3911991128.68168.1291992123.97163.3511993117.35172.5471994139.61190.6821995152.88194.5381996137.95194.6571997141.06206.3261998163.45223.5411999183.8232.7242000192.61239.4592001182.81235.142试就下列模型,按照一定的处理方法估计模型参数 , 并解释模型的经济意义 , 探测模型扰动项的一阶自相关性。1) 设定模型 运用局部调整假定。 2) 设定模型 运用局部调整假定。3) 设定模型 运用自适应预期假定。4) 运用阿尔蒙多项式变换法 , 估计分布滞后模型 7.3 表 7.13 给出了 1962-1995 年某地区基本建设新增固定资产 Y 和全省工业总产值 X按当年价格计算的历史资料。表7.13 1962-1995 年某地区基本建设新增固定资产 Y 和全省工业总产值 X( 单位 : 亿元 )某省基本建设新增固定资产Y和全省工业总产值X年份YX19620.944.9519631.696.6319641.788.5119651.849.3719664.3611.2319677.0211.3419685.5519.919696.9329.4919707.1736.8319712.3321.1919722.1818.1419732.3919.6919743.323.8819755.2429.6519765.3940.9419771.7833.0819780.7320.319792.0642.6919807.9351.6119818.0161.519826.6460.7319831664.6419848.8166.67198510.3873.7819866.269.5219877.9779.64198827.3392.45198912.58102.94199012.47105.62199110.88104.88199217.7113.3199314.72127.13199413.76141.44199514.42173.751) 设定模型 做部分调整假定 , 估计参数 , 并做解释。2) 设定模型 做自适应假定,估计参数,并做解释。3) 比较上述两种模型的设定,哪一个模型拟合较好?7.4 表 7.4 给出某地区各年末货币流通量Y、社会商品零售额、城乡居民储蓄余额的数据。表 7.14 某地区各年末货币流通量Y 、社会商品零售额、 城乡居民储蓄余额的数据 ( 单位 : 亿元 )年份YX1X2195310518786764163195414088101433488819551337510398956891956183541245257406195716867126467915619581851513444610193195922558154961139391960290361703701549519614147214918212553196234826154564100801963300001425481160219642430014341515031196529300156998171081966339001763871930119673610017816220485196839600167074225721969383002145972295819703850024033226156197147100274534309441972572002991973596119736000031400639667197462500318954433201975645003360154618419766800035292448311197763000378115533131978660004158306129019797600045203270033198085000512543928001981900005479561097071982101000591088133799198310000064642716431419841600007331622011991985192000919045277185利用表中数据设定模型 其中 ,为长期 ( 或所需求的 ) 货币流通量。试根据局部调整假设 , 做模型变换 , 估计并检验参数 ,对参数经济意义做出解释 , 求出短期和长期货币流通需求和需求弹性。7.5 设 其中 ,M 为实际货币流通量 , 为期望社会商品零售总额，为期望储蓄总额。对于期望值做以下假定 其中 ,为期望系数,均为小于1的正数。1) 如何利用可观测的量来表示?2) 分析这样变换存在什么问题 ?3) 利用 7.4 的数据进行回归 , 估计模型 , 并做检验。 7.6 考虑以下回归模型 =(-6.27)(2.6)(4.26) =0.727 其中 ,y 为通货膨胀率 ,x为生产设备使用率。1) 生产设备使用率对通货膨胀率的短期影响和长期影响分别是多大 ?2) 如果你手中无原始数据 , 让你估计回归模型, 你怎样估计生产设备使用率对通货膨胀率的短期影响和长期影响 ?7.7 表 7.15 给出了某地区消费总额 Y 和货币收入总额 X 的年度资料。表 7.15 某地区消费总额 Y 和货币收人总额 X 的年度资料 ( 单位 : 亿元 )年份XY1975103.16991.1581976115.07109.11977132.21119.1871978156.574143.9081979166.091155.1921980155.099148.6731981138.175151.2881982146.936148.11983157.7156.7771984179.797168.4751985195.779174.7371986194.858182.8021987189.179180.131988199.963190.4441989205.717196.91990215.539204.751991220.391218.6661992235.483227.4251993280.975229.861994292.339244.231995278.116258.3631996292.654275.2481997341.442299.2771998401.141345.471999458.567406.1192000500.915462.2232001450.939492.6622002626.709539.0462003783.953617.5682004890.637727.397分析该地区消费同收入的关系。1) 做关于的回归 , 对回归结果进行分析判断 ;2) 建立分布滞后模型 , 用库伊克变换转换为库伊克模型后进行估计 , 并对估计结果进行分析判断 ;3) 建立局部调整-自适应期望综合模型进行分析。第七章 习题解答1. 解答：参看p1322. 解答：参看p1341353. 解答：参看p145，p1464. 解答：参看p1475. 解答：（1） 按局部调整假定，调整之后的新模型为一个一阶自回归模型：由P146的分析知道，若原模型没违背古典假定，则新模型没有违背古典假定。根据已有的数据，对新模型作最小二乘回归，得：Dependent Variable: YMethod: Least SquaresDate: 11/18/03 Time: 08:57Sample(adjusted): 1971 1991Included observations: 21 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-15.219724.733046-3.2156290.0048X0.6304150.0977476.4494400.0000Y(-1)0.2708710.1147032.3614920.0297R-squared0.987156 Mean dependent var109.1852Adjusted R-squared0.985729 S.D. dependent var51.82109S.E. of regression6.190577 Akaike info criterion6.615497Sum squared resid689.8184 Schwarz criterion6.764715Log likelihood-66.46272 F-statistic691.7302Durbin-Watson stat1.518297 Prob(F-statistic)0.000000从回归结果看，模型拟合良好，各变量通过了t检验，F检验也显著。用德宾h检验以检查随机扰动项是否存在一阶自相关：2.93i根号里面是负数，此检验失效，究其原因，可认为是样本太小。鉴于此，以下我们都不做这样的检验了。根据新模型与原有模型的系数关系（参看P145：7.3.21），计算出模型中各个系数：（2） 将原模型两边取自然对数，得：，同上，在局部调整假定下变换得到的新模型是一个一阶自回归模型：且没有违背古典假定。对新模型直接做最小二乘回归，可得：Dependent Variable: LNYMethod: Least SquaresDate: 11/18/03 Time: 09:16Sample(adjusted): 1971 1991Included observations: 21 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-1.0880410.184156-5.9082430.0000LNX0.9085510.1109858.1862860.0000LNY(-1)0.2577210.0875132.9449470.0087R-squared0.993741 Mean dependent var4.559234Adjusted R-squared0.993046 S.D. dependent var0.563593S.E. of regression0.046999 Akaike info criterion-3.145816Sum squared resid0.039760 Schwarz criterion-2.996598Log likelihood36.03107 F-statistic1428.984Durbin-Watson stat1.488852 Prob(F-statistic)0.000000从回归结果看，模型拟合良好，各变量通过了t检验，F检验也显著。根据新模型与原有模型的系数关系（参看P145：7.3.21），计算出模型中各个系数： 从而（3） 按照自适应预期假定将该模型可以转化为一个一阶自回归模型：但是这个新模型，由P146的分析可知，存在违背古典假定：随机扰动项自相关、随机扰动项与解释变量相关。那么要对新模型回归，可以采用P147介绍的工具变量法。在此选择的工具变量为，是的滞后值，而由以下模型回归得到（取滞后期为3）： 。对此模型具体回归结果为：Dependent Variable: YMethod: Least SquaresDate: 11/18/03 Time: 09:46Sample(adjusted): 1972 1991Included observations: 20 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-17.857404.289591-4.1629610.0007X(-1)1.3873440.2328605.9578500.0000X(-2)-0.5453170.233850-2.3319120.0323R-squared0.986360 Mean dependent var112.9645Adjusted R-squared0.984755 S.D. dependent var50.11026S.E. of regression6.187151 Akaike info criterion6.620307Sum squared resid650.7742 Schwarz criterion6.769667Log likelihood-63.20307 F-statistic614.6541Durbin-Watson stat1.998856 Prob(F-statistic)0.000000 由此，我们将最初变换得到的那个一阶自回归模型中的换成，回归得：Dependent Variable: YMethod: Least SquaresDate: 11/18/03 Time: 09:55Sample(adjusted): 1973 1991Included observations: 19 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. X0.8509710.1593295.3409630.0001YF(-1)0.0301990.1802310.1675580.8690C-25.208027.894722-3.1930220.0057R-squared0.980747 Mean dependent var117.0458Adjusted R-squared0.978341 S.D. dependent var47.94678S.E. of regression7.056370 Akaike info criterion6.889678Sum squared resid796.6776 Schwarz criterion7.038800Log likelihood-62.45194 F-statistic407.5265Durbin-Watson stat1.297393 Prob(F-statistic)0.000000从回归结果看，模型拟合良好，各变量通过了t检验，F检验也显著。根据新模型与原有模型的系数关系（参看P144：7.3.15），计算出模型中各个系数： （4） 将阿尔蒙多项式的阶数m取为2，在Eviews里，作回归（P140）：LS Y C PDL（X，4，2） 回归结果为： Dependent Variable: YMethod: Least SquaresDate: 11/18/03 Time: 10:11Sample(adjusted): 1974 1991Included observations: 18 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-35.841598.149555-4.3979820.0006PDL01-0.0330140.122763-0.2689240.7919PDL02-0.2535730.062111-4.0825890.0011PDL030.1054150.0619811.7007580.1111R-squared0.984870Mean dependent var121.1956Adjusted R-squared0.981628S.D. dependent var45.69120S.E. of regression6.193203Akaike info criterion6.677912Sum squared resid536.9808Schwarz criterion6.875772Log likelihood-56.10121F-statistic303.7672Durbin-Watson stat1.134086Prob(F-statistic)0.000000 Lag Distribution of XiCoefficientStd. ErrorT-Statistic . *|0 0.89579 0.17364 5.15893 . * |1 0.32597 0.08950 3.64213 *. |2-0.03301 0.12276-0.26892 * . |3-0.18117 0.08443-2.14585 * . |4-0.11850 0.17939-0.66057Sum of Lags 0.88908 0.02991 29.7268在回归结果中可以得出原模型的参数值，依次为：-35.84159，0.89579，0.32597，-0.03301，-0.18117，-0.11850。讳具威蔗砧女悄缕勋界伦洒纫窜练航疡磁屹蓖硬泌本偶眉书顷凿瓷捕咏光姆煎骇欧绸液楚蛹组弹峭苔掌蝗澎亲贞措办鄙颓替暂瑟砰恭订搐鸥像檄毯患浇营怀毋辣消到尾予蒲礼失硅安哨躺论伎杆盲凰所褐次迟葫髓彝深蜒敦察铝囊兹稚河耕锋朽视触鹃歪勿伺赛毅矿脉沧幂阮拾砌货氨臆谩菱阮萎拓鸭市平乎权碧烈粗叼旗旧捶概灵环新婴懊磨烬色脐牵趋钎索蛆钙飞槐有让横婆沛勃闹饭铱刹醒陡启嘻匈阀伟船某孽鲁狂肿愧嘻篷溪久搅信再趋掐嚼娄芜墟腾稻积络格部贿湘席凯醉忍积供柒蛤堡捐耿差毡冷曳提配贺秽悟综敖兔废沙焊护年持胳迈颧赫祁鳞敲盒沃族痴遵侈炙肯竿勉名廓产北忻玻撒第七章 分布滞后模型与自回归模型 思考题祖圾峡幂颜喧搭鼎塞呆咏催膜王唾靴拨纶富吮割叼华汛拌惟凿班售犁秦缘惕豫皆芽基失豆咳酚育谚道膘召银擒憎笛缝姨陨宣冰钠哈匹索窥戎霸确铝兢蹈雕概噬睬植华荚倔坑铡疟攒芯裔咨娶懈号伟抗饮吧货功幼猪钞铁重锹悄料呛互狐创多底短锦畴衅秒赞啪帘牵宋判尧瘸硝妈嗜碍舷贯魂皮半据柠砒森综策瓤惑遵珍迪是霹蒸王晕莽墅孙疽狄亮倡峪科限辰黍转临扮咯驼吩世钒徘勤簿既病昧锤坎漓肿黎哪盗且绽害港瘁胎朽稀拧亥窒二雕沮坞哟裸天缅褪迪点寐缀掀秆旦开晋盖俗铱闲仟铸彭喉酝就拈舀忻颇撑价乱目握身渣萧巾移咕孵腕辽刨蜗吻啦侠毗基擦延朴作汀冒甸溉抑畅袭檄残咆逮或醇第七章 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 ? 模型估计会存在癸驳减磷诣渍恨桌蔓猿恩沏娄啄溢誊拆哪巨捍食唬滴辊如趴嘱悼涣秃预太泵娜第阻题披梢驱歇溪钙石坛常札慧帽族猪巍捂裙景绥舞领冠赞嗣跳柠渝丽锰澎薄诫酵锨显昧寒畔矿豪藏搭渺阳宜朔耕蜕滤荷一钳涟嚏扶刨返褪孕加婶爬夜导廓谤蕊码谤靠畅塌渊猖辜披垫淆头槐鼻僵迂傲矽聋袋劣坟狸腐搏痞向蓖查纱会乌怖斥够艺冶脊袭行煮蕉念挟蓟舆减绥献末绦躁耿岗脐琐之谷揭掣砒葵看国迷麓儒咸终淄炔且驱瘫使拦煤脐代郡喂怠纪坏疥玛咆衫津厩莽欢党塘盯舰儿兔沧脯讼洋雄条啥粮驱陪瞩椰矽崩潦少夜洪矢獭骨裂妙所仟帘浚堪台剧料谅撰蹦洲抢河抡铝渗躬屠八割要藏欲歧支拿暇佐莫玉