16.1.1滞后的原因 见教材p356-357 1心理原因 ■2技术原因 ■3制度原因 16.1.2分布滞后模型的估计p357359 见教材p356-357 ■原则上可以采用OLS估计,问题是:(3点) 1滞后的解释变量的个数 2对于小样本,存在自由度减少的问题 3对于大样本,存在多重共线性的问题 16-6
16-6 16.1.1 滞后的原因 见教材p356-357 1心理原因 2技术原因 3制度原因 16.1.2 分布滞后模型的估计 p357-359 见教材p356-357 原则上可以采用OLS估计，问题是：（3点） 1 滞后的解释变量的个数 2对于小样本，存在自由度减少的问题 3对于大样本，存在多重共线性的问题
16.1.2例16-1分布滞后模型的估计p358 dt1mte1:M1,∑8E+4 Coefficient Estimate Coefficient Estimate A0短期影响040(296) 0.08(26) Al 041526) 0.06(2.52 A2 025214) 0.00(0.02 A 0.06(0.71 0.06 220 A4-005(-0.37)B 0.07(-1.83) 长期影响1.06(5.59) 0.01(0.40) P2=0.40 问题 1論骗表明,并非所有的 Notes: The figures in parentheses are t ratios 滞后系数都显著。但是无 Significant at5% level (one-tailed). The value of the intercept ishe6me还可能是多 法断定,因为 presented in the original article 2A为负号,难以解释 3M短期影响040 长期影响1.07 16-7
16-7 16.1.2 例16-1分布滞后模型的估计p358 Table 16-1 The St. Louis model. i i i t i i t i t i Y = cons t +∑A M +∑B E + u = − = − 4 0 4 0 tan ˆ & & 问题： 1 t检验表明，并非所有的 滞后系数都显著。但是无 法断定，因为还可能是多 重共线性问题； 2 A4为负号，难以解释； 3 M.短期影响0.40； 长期影响1.07 长期影响 短期影响
16.13分布滞后模型的估计方法: Koyck模型, 适应性预期模型和存货调整模型 见教材p359361 Koyckκ模型,适应性预期模型和存货调整模型:既可以減 少分布滞后模型中滞后项的个数,又可以解决多重共线性。 自回归模型:考虑了因变量滞后项的模型。 自回归模型的问题: 1因变量滞后项导致OLS估计量在小样本有偏; 2如果随机误差项序列相关,导致OLS估计量有偏,检验 和F检验无效 3自回归模型的DW检验不适用。应采用 Durbin-h统计量 检验,或者游程检验 16-8
16-8 16.1.3 分布滞后模型的估计方法：Koyck模型， 适应性预期模型和存货调整模型 见教材p359-361 Koyck模型，适应性预期模型和存货调整模型：既可以减 少分布滞后模型中滞后项的个数，又可以解决多重共线性。 自回归模型：考虑了因变量滞后项的模型。 自回归模型的问题： 1因变量滞后项导致OLS估计量在小样本有偏； 2如果随机误差项序列相关，导致OLS估计量有偏，t检验 和F检验无效。 3自回归模型的DW检验不适用。应采用Durbin-h统计量 检验，或者游程检验
16.2伪回归现象:非平稳时间序列 回归需要采用平稳时间序列数据,否则产生伪回归问题 见教材p361365 ■平稳时间序列:该序列的均值、方差和自协方差恒定,与 度量时点无关。 非平稳时间序列:不满足上述条件。 伪回归的 Granger-Newbold粗略的判断方法: R2>DW,则可能存在伪回归。 16-9
16-9 16.2 伪回归现象：非平稳时间序列 回归需要采用平稳时间序列数据，否则产生伪回归问题。 见教材p361-365 平稳时间序列：该序列的均值、方差和自协方差恒定，与 度量时点无关。 非平稳时间序列：不满足上述条件。 伪回归的Granger-Newbold粗略的判断方法： R2 > DW，则可能存在伪回归