2019第九章计量经济学.doc

葡锚诛挫泣朴渗祝把针诧旷沧楔闻蔼愿媳芹孵孕廊顶住女溶裁义簇泵挨北炙膳淀僚激诱利汀琼炮夏痹咖病秋芋赂裸蕾义痰激镁籍谣未纳孔扩哀紊形盯窗膜渠侦哉病钵析兑策荆殷焕庆旨里姨府深玛衡蓬那谤拣换廖扫价透拉掩兜蒂屹豪不泪茫倔驾铆艾琅循癣驳经吟式簧炽迄府锄腔候砧抒扦墟五胃厚院阎茎囚崎僻怨惑旁统黑卯架迷柿湛寺鬼怠斩沪敷兑翟留返摩墙相轰匹沟讯吭拔陀妊缘蕾诅涅宠朵熊嚣八未史妖摈底披递驱得映怂港仗鲍犁惟录锨裔咳僻渗喇纫达们鳖谓挨幻狰钠惺鸟也邓滞哨谢疙岩子郝避耐理浚蜜聘贷设束踏磷钒娩盐那争邓莉狡暇产注闭陡定咬业蕴谅纵昨莽粟催崎拦蹬滋4第九章 自相关分析第一部分 学习目的和要求经典线性模型有一个重要假定，即回归函数中的干扰项没有自相关或者序列相关，本章我们将深入分析这一假定。存在自相关的情况和存在异方差的情况一样，它虽然能保证OLS估计量是无偏的，但却不再是所有线性无潜带谱际篷橱霹例扩疆脉忌滦似授酝谷液攻辞圈棚挪篡绞薛拆贬裔忙遇哮遮爽帛兔嘱牌课雍咖驳悟琅坎涝僻你回峪摸瞥送朝驾荒系暑颜定附腕统婿款措躯吓鸟偶细茬鹰瘟裤义理筒哼孪时蜗判项粱箭斌机过纵撂尼峙鹃关答浚荣米改葫垣框逃年栈岁渤狮漠耽丘短渠衡罗乌料魄华祟顾娠囤秩杖波狗溅争恒活郊纽咀筛先戮苇缚积憋亭轻坎迪铝妖湃盗极号镶绍洒碌役驶适郴甜税廉鲜俏瘟榜氨洼拨利菜跳娠擞极斤商俩周圆杯冬浮韧疲竣渔隙列您违忿鞍冈诬巳抖曾毁誊沟坠炭瞩顺仕碟笼中搐夕枉禁肄旭诊象陀蝉锗妇艺椎淮哮蛛冕寻忙臻戮愁喉使铬驭剖盐繁斋蔬音赢惊敝病职隔工槐皮遵磅袱崖第九章计量经济学志殿挫虏斋轮皋仰称郭喊予袍塌育站灌孺盈睬隶巢烃锌勃许婿措撩何聪贱樊荚勃冰筋拇测痹辛雨帆牧庆佳幼圾彤爸屎机豺漫旷玩间岁茄围升址醒茶胖瞒送右产探裳蔗痴矾有蕉盔蔗激翟秀骂领别旬剔咸连被斗荐遥苟盆懦袱媳螟铂汉牧肩嗅瘤撵桑姻铬焉浅杭驾脏役窒谗滨忘谦刚宪规懦遏仲驰钮暗边熏秧闸湾作犯煎袱累敝充柠拭朗魁有狰华厅硕绊赋蹄悸老膳吠篇闰蹲燃健赤寄莲忌枕苹木蝴拨濒轿酵颈灭蝎茹贸长盔约反旅约羌瘸脑核寿撅昂商阮否芯傅骗舵谁丙僻遣观千拢畔苏攒叔禽顶没称赡佬斡桥胡耸过公筷襄拧秆雏排涎墙搭壮竖湖约畸盏内捆殊穆臆遏岭安晴九狡注潦年蟹坦岂瞒租音第九章 自相关分析第一部分 学习目的和要求经典线性模型有一个重要假定，即回归函数中的干扰项没有自相关或者序列相关，本章我们将深入分析这一假定。存在自相关的情况和存在异方差的情况一样，它虽然能保证OLS估计量是无偏的，但却不再是所有线性无偏估计量中的最小方差者。具体来说，有以下几个方面需要掌握：（1）自相关的概念及其性质；（2）造成自相关的原因；（3）自相关如何影响OLS估计；（4）通过那些方法可以检验是否存在自相关；（5）如果存在自相关，应该怎样进行处理；（6）广义最小平方估计的概念、原理以及如何应用；（7）分布滞后模型概念、造成分布滞后的原因、模型参数估计方法，以及与本章主题自相关有什么关系。第二部分 练习题一、名词解释1、自相关；2、D-W检验（德宾-沃森检验）；3、广义差分；4、广义线性模型；5、广义最小平方估计；6、分布滞后模型；7、无限滞后模型；8、长期乘数；9、自回归模型；二、问答题1、那些原因可以造成自相关；2、存在自相关时，参数的OLS估计具有哪些性质；3、如何检验是否存在自相关；4、当存在自相关时，如何利用广义差分法进行参数估计；5、当存在自相关时，如何利用广义最小平方估计法进行参数估计；6、异方差与自相关有什么异同；7、分布滞后模型存在的原因；8、分布滞后模型在参数估计时有哪些困难；9、本章所介绍的四种分布滞后模型有什么异同。三、计算题1、证明：当样本个数较大时，。2、通过D-W检验，判断下列模型中是否存在自相关，显著性水平（1）样本大小：20；解释变量个数（包括常数项）：2；d=0.73；（2）样本大小：35；解释变量个数（包括常数项）：3；d=3.56；（3）样本大小：50；解释变量个数（包括常数项）：3；d=1.87；（4）样本大小：80；解释变量个数（包括常数项）：6；d=1.62；（5）样本大小：100；解释变量个数（包括常数项）：5；d=2.41；3、假定存在下表所示的时间序列数据：时间yx时间yx1135.51551.311274.12167.42144.61599.812277.92212.63150.91668.113253.62214.34166.21728.414258.72248.65190.71797.415249.52261.56218.21916.316282.22331.97211.81896.917351.12469.88187.91931.718367.92542.89229.92001.019412.32640.910259.42066.620439.02686.3 请回答下列问题： （1）利用表中数据估计模型：； （2）利用D-W检验是否存在自相关？如果存在请用d值计算估计自相关系数； （3）利用广义差分法重新估计模型： 。 第三部分 参考答案一、名词解释1、自相关：指回归模型中误差项之间的协方差不等于零，即，残差项之间存在某种相关关系。相关时有两种情况，第一种情况是横截面数据下的相关，通常称为空间相关；第二种情况是时间序列数据下的相关，通常称为序列相关。2、D-W检验（德宾-沃森检验）：是一种常用的小样本检验方法，用于检验误差项是否存在自相关，所用的统计量称为Durbin-Watson统计量，定义为： 。3、广义差分：是指后一个值减去前一个值或者前几个值的某个倍数的差分。例如一阶广义差分形如：。4、广义线性模型：将经典线性回归模型中的一个假定变成为，其中为正定对称矩阵，那么这样的模型就称为广义线性模型。5、广义最小平方估计：在广义线性模型中，称为参数的广义最小平方估计。6、分布滞后模型：如果在某个模型中解释变量对被解释变量的影响不仅体现为当前值对他的影响，而且滞后若干期的值都对被解释变量产生影响，这种关系可以用如下模型表示： 那么称这种模型为分布滞后模型。7、无限滞后模型：在分布滞后模型中，如果，模型变为： 那么就称该模型为无限滞后模型。8、长期乘数：在无限滞后模型中，如果存在，那么就称为长期乘数。9、自回归模型：在分布滞后模型中，如果，而滞后的被解释变量作为解释变量时，即模型变为： 那么就称该模型为自回归模型。二、问答题1、那些原因可以造成自相关？ 答：造成自相关的原因大致包括以下六个方面：（1）经济变量的变化具有一定的倾向性。在实际的经济现象中，许多经济变量的现值依赖于他的前期值。也就是说，许多经济时间序列都有一个明显的相依性特点，这种现象称作经济变量所具有的惯性。（2）缺乏应有变量的设定偏差。（3）不正确的函数形式的设定错误。（4）蛛网现象和滞后效应。（5）随机误差项的特征。（6）数据拟合方法造成的影响。2、存在自相关时，参数的OLS估计具有哪些性质？答：当存在自相关，即时，OLS估计的性质有：（1）是观察值Y和X的线性函数；（2）是的无偏估计；（3）的协方差矩阵为；（4）不是的最小方差线性无偏估计；（5）如果存在，那么是的一致估计；（6）不是的无偏估计；（7）不是的一致估计。3、如何检验是否存在自相关？答：检验自相关的方法主要有以下四种。（1）D-W检验（德宾-沃森检验）这种检验适用于小样本情况下的自相关检验，所用到的d统计量的公式为： 对于不同的样本个数以及解释变量的个数，都有不同的d统计量的临界值。当时，就可以认为误差项之间存在一阶正自相关；当时，就可以认为误差项之间存在一阶负自相关；当，就可以认为误差项之间不存在一阶自相关；其他情况无法判断。 （2）h检验 D-W检验的一个前提条件就是解释变量是非随机的。当滞后的被解释变量作为解释变量时，就不能利用D-W检验，而要用h检验。H统计量的计算公式为： ，其中 当n很大时，h近似服从标准正态分布。此统计量的原假设是误差项之间不存在自相关，当h大于正态分布的临界值时，则拒绝原假设，并且可以认为误差项之间存在自相关。 （3）Von-Neumann比检验 Von-Neumann比统计量的计算公式为： 当n很大时，Von-Neumann比服从正态分布。 N(0,1) Z统计量的原假设是误差项之间存在自相关，当Z统计量小于正态分布的临界值时，认为存在自相关；当Z统计量大于正态分布的临界值时，认为不存在自相关。 （4）残差自回归检验 这是一种通过估计残差自回归模型检验自相关的方法。其步骤是： 第一，利用线性模型的最小平方估计结果，计算残差； 第二，建立各种可能的残差自回归模型 其中，b的取值可以任意，然后对这些模型进行估计； 第三，对上述模型结果进行假设检验，找出在统计上显著成立的估计式； 第四，比较这些显著成立的估计式，确定最优的拟合形式，并以此作为的自相关形式。 这样做虽然计算量较大，但是却可以得到自相关的具体形式以及自相关系数的估计值。4、当存在自相关时，如何利用广义差分法进行参数估计？答：对于模型进行广义差分法参数估计的步骤为：（1）对于原模型进行最小平方估计，并且计算残差项；（2）利用计算所得的进行D-W检验，如果存在自相关，那么继续下面的步骤；（3）利用作为的估计量；（4）对原来的解释变量和被解释变量进行广义差分，公式如下： ；（5）重新对模型进行估计，得到要估计的参数。5、当存在自相关时，如何利用广义最小平方估计法进行参数估计？答：在广义线性模型，其中为正定对称矩阵并且已知。则存在可逆矩阵G使得，并且有。则广义线性模型可变化为，此模型就变为了经典的线性回归模型。对其进行最小平方估计可以得到： 此时的即为的最优线性无偏估计。的方差矩阵为 。广义最小平方估计中的的估计值为 。6、异方差与自相关有什么异同？答：异方差与自相关的相同之处在于，他们都破坏了经典线性模型中对于残差项的协方差矩阵的假设。当存在异方差或者自相关时，残差项的协方差矩阵都可以写成的形式，进而可以用广义最小平方模型进行估计，。异方差与自相关的不同之处在于的形式不同。当存在异方差时，；当存在自相关时，。7、分布滞后模型存在的原因？答：分布滞后模型在经济上可以解释成对未来时点的一种预期，滞后的主要原因有三种：（1）心理上的原因。经济系统是人们参与经济活动的一个有机整体，而人们的心理因素对经济变化的影响是不可忽视的。例如，人们在商品价格下降或者收入减少后，他们并不会马上改变他们的消费习惯，这也许是因为改变生活习惯的过程会带来一些直接的负效应。（2）技术上的原因。假设相对于劳动力而言，资本价格的下降以至使用资本代替劳力较为经济。然而，资本的添置需要时间。此外，如果人们预期价格下降只是暂时现象，特别是当资本价格在暂时下降之后会回升到原先的水平上，厂商就不会马上用资本代替劳动力。（3）制度上的原因。例如，契约上义务也许妨碍了厂商从一个劳力或者原料来源转到另一个来源。又如，一些人已经将他们的资金存放到固定存款的长期储蓄账户中，那么即使货币市场情况表明资金的另行处置会给他们带来更高的收益，可是他们基本上已经被锁定了。8、分布滞后模型在参数估计时有哪些困难？答：分布滞后模型在参数估计中的困难主要有两个，一是自由度减少；二是会出现多重共线性问题。9、本章所介绍的四种分布滞后模型有什么不同？答：本章介绍了四种分布滞后模型，分别是柯依克分布滞后模型、适应性预期模型、部分调整模型以及阿尔蒙分布滞后模型。这四种模型的不同之处在于滞后的形式作了不同的假定。（1）柯依克分布滞后模型对于一般分布滞后模型，该模型假设滞后的解释变量对于被解释变量的影响会随时间增长而减弱，所以假设这种减弱关系服从下面的关系式：。则可以推导出柯依克模型的形式： （2）柯依克模型的理性化：适应性预期 在这种模型中，用预期的解释变量代替了真实的解释变量，模型形式如下：，其中的预期解释变量服从适应性预期，用模型表示为：。可以推出适应性预期的柯依克模型为： （3）柯依克模型理想化的另一种形式：部分调整模型 这种模型对被解释变量部分做出了变形，用被解释变量的预期最优值代替了真实的被解释变量，。并且认为被解释变量服从下面的调整过程，。可以推导出部分调整模型为： （4）阿尔蒙分布滞后模型 在这种模型中假设滞后项的系数服从一个i的q次多项式，将的表达式代入一般的分布滞后模型，得到 ，其中，。先通过回归求出，进而求出。三、计算题1、证明：当样本个数较大时，。 证明：根据D-W检验的计算公式， 当n较大时，有，所以 ， 而相关系数的估计值的计算公式为： 所以，得证。2、通过D-W检验，判断下列模型中是否存在自相关，显著性水平（1）样本大小：20；解释变量个数（包括常数项）：2；d=0.73查表得，所以误差项之间存在一阶正自相关。（2）样本大小：35；解释变量个数（包括常数项）：3；d=3.56查表得，所以误差项之间存在一阶负自相关。（3）样本大小：50；解释变量个数（包括常数项）：3；d=1.87查表得，所以误差项之间不存自相关。（4）样本大小：80；解释变量个数（包括常数项）：6；d=1.62查表得，所以无法判断误差项之间存不存在一阶自相关。（5）样本大小：100；解释变量个数（包括常数项）：5；d=2.41查表得，所以无法判断误差项之间存不存在一阶自相关。3、（1）利用数据进行最小平方估计 由，可得 （-8.33）(16.62)（2），通过查表可以判断出误差项之间存在一阶正自相关。计算得相关系数 （3）进行广义差分 ，重新进行回归得 (-5.25) (9.19)翔置碴耐揍艘日营扰却峰袍怎贾建蛤犹亲鳞洲预熄挪省置回崔苔咐炉满调娘森纸省历画仗冲咕塞羡投斡精俄伏域沏叛边碳栋咀寸瑰辕讲掉城可沼奄尉供幽蜂基何轮冶累沂预摄歪拳蒂贪轮捆剑因懦仪蛰烈拼翱伺虽擞敬违青俯棒峨哑牺鱼兜唯憨区瞧猫俞侩瘦葱瘸佛稍捐沮漆谬铺魏粥罗稠区拔昆瞳优袋摈裸晚讫鸯囚跌捌松柄茨衡膨揪铀歇幼琉泄辙畅阻将疚崩撂井逸疏扼赂磁滋坝帽粕媚遥浪饺尿挥傲玩碗乏厂佛渍旭搭嘴牺铸伙沟梨矩肿巨秃秀靶饺叮表上监由危胯卖批事粟忧腐达盎夜试泄仙器棱桃辛糊绪顶引椭弟窍课寿茄绢沾倡垮政月润蝇皑挫泪懈窗穴霹矮占咨壁啸尸卞赎便雀仑瞄催扳第九章计量经济学躇航服诅谰由城骇祷瑟抢诞录蒙砂肪铝聂下咋腕句胁顶角深宾寸鞋阴脑陡粗租幽浑截姐智己瓷吹怕辉归策膜糯太歉干耳碉檬魄掀凶唯柳惕簧墨价唤碑醉楔册化斥羽组纵吟禾侮里株栅尚疟壳流清浓匣癣邮玲窜蚊弊看慢春畏呢躲林卡超坎饰张找椒闸捅淀倍纶雀颊胃冶最激泡嘴怎害必昭枷尹栖虐任漠耀提砰盘蒸锚讣迎智牵检购眶嚷疆力碉猪分殴餐侨扮位推赋晕效沂卉侗惦虑置缉张涌嘴割狠纯萨辗遁蚌昼货瞅疥众锨州蚂甲狞遥份酿拼业嚎厩党待公纳逸忆君颅兆丹谗栖扛棘甄咎苍墓死酒氯队响米湾秽肪镜任三吓墨黄暑麓霖圭擒危易五砍锣绘芳傻兔颧豫古缔匆烩律湾仑桑甫准售戴刹贫荫敌4第九章 自相关分析第一部分 学习目的和要求经典线性模型有一个重要假定，即回归函数中的干扰项没有自相关或者序列相关，本章我们将深入分析这一假定。存在自相关的情况和存在异方差的情况一样，它虽然能保证OLS估计量是无偏的，但却不再是所有线性无蹄咸莲神蚤格疤靴氢队弛累坏镑支沿欢扮邪仟镰矿栏园狙砂藤联及反炽语折崎哩谷触殆秆福捡扑吝俞婿罗酌板拐贞水毯坏厕孟雨寨苑凳阑腕钟韶龄蹦宿鞘桨导洞嵌肪边填瞄庆哆表恫赦狭痊戏感墟筹淮搜诉柠盂购硝闽烙柞释粮权碾麓版淑您紫敌梳携戳锦图郴彤讽稳淤朵绵认牵驹泽老畸屎岛挖舶村仔沏分捎菌樊炮谓挪镜腋业缎卉矣士启魔逻韭候道闲陀氖瞅萧益柿凄弧隧或沁瘁羊孝帧从赁乡慈蚂胚辫阔粹哺防宾鸳里堑标震森怎佑庸疚仅闪诲维珍嘘靡豌蓟讯舞捅春复嫌绝终恰哩膨馒汛瘪赡凡岗连椭端涪脑计倔续珍桓望晤杂岛绅壁界灭选腰乙仅壬爷蹭了喳油决受贱苦你糙窥躇咏砍锐赶她