當(dāng)代計(jì)量經(jīng)濟(jì)模型體系與發(fā)展趨勢(shì)

1、當(dāng)當(dāng)代代計(jì)計(jì)量量經(jīng)經(jīng)濟(jì)濟(jì)模模型型體體系系 單位根檢驗(yàn)單位根檢驗(yàn) 按序列性質(zhì)劃分按序列性質(zhì)劃分： 非季節(jié)序列、季節(jié)非季節(jié)序列、季節(jié) 序列、面板數(shù)據(jù)。序列、面板數(shù)據(jù)。 按檢驗(yàn)方法劃分：按檢驗(yàn)方法劃分： DF、 ADF、 PP、 GLS- DF、 KPSS、HEGY 等等 30 余余種種。 按單位根個(gè)數(shù)劃分按單位根個(gè)數(shù)劃分： 單根檢驗(yàn)，雙根檢單根檢驗(yàn)，雙根檢 驗(yàn)，多根檢驗(yàn)。驗(yàn)，多根檢驗(yàn)。 季節(jié)序列、面板。季節(jié)序列、面板。 按估計(jì)方法劃分按估計(jì)方法劃分： OLS 法、 擬法、 擬 GLS 法、法、 GLS 法、法、LM 法法等等。 按檢驗(yàn)統(tǒng)計(jì)量性質(zhì)按檢驗(yàn)統(tǒng)計(jì)量性質(zhì) 劃分劃分： 參數(shù)的、非參數(shù)的。參數(shù)的

2、、非參數(shù)的。 按研究方法劃分按研究方法劃分： 蒙特卡羅模擬、數(shù)值蒙特卡羅模擬、數(shù)值 計(jì)算、極限分布推導(dǎo)計(jì)算、極限分布推導(dǎo) 按序列類(lèi)型劃分按序列類(lèi)型劃分： 隨機(jī)游走、隨機(jī)趨勢(shì)、隨機(jī)游走、隨機(jī)趨勢(shì)、 退勢(shì)平穩(wěn)、趨勢(shì)非平穩(wěn)。退勢(shì)平穩(wěn)、趨勢(shì)非平穩(wěn)。 按序列結(jié)構(gòu)劃分：按序列結(jié)構(gòu)劃分： 無(wú)突變、均值突變、無(wú)突變、均值突變、 趨勢(shì)突變、雙突變。趨勢(shì)突變、雙突變。 （模擬（模擬4萬(wàn)次）萬(wàn)次）-6-4-202460.050.10.150.2案例：案例：421天的深證成指序列的單位根檢驗(yàn)天的深證成指序列的單位根檢驗(yàn)35040045050055060065070050100150200250300350400SZI

3、NDEX案例：案例：421天的深證成指序列的單位根檢驗(yàn)天的深證成指序列的單位根檢驗(yàn)案例：案例：421天的深證成指序列的單位根檢驗(yàn)天的深證成指序列的單位根檢驗(yàn)結(jié)構(gòu)突變序列的單位根檢驗(yàn)結(jié)構(gòu)突變序列的單位根檢驗(yàn)案例：人民幣元兌美元匯率序列的單位根檢驗(yàn)案例：人民幣元兌美元匯率序列的單位根檢驗(yàn)案例：人民幣元兌美元匯率序列的單位根檢驗(yàn)案例：人民幣元兌美元匯率序列的單位根檢驗(yàn)-.2-.1.0.1.256789199119921993199419951996ResidualActualFitted2. .線性時(shí)間序列模型線性時(shí)間序列模型 建立建立ARIMA、SARIMA模型流程圖模型流程圖 1 識(shí)別識(shí)別 用相

4、關(guān)圖和偏相關(guān)圖用相關(guān)圖和偏相關(guān)圖識(shí)別模型形式（確定參數(shù)識(shí)別模型形式（確定參數(shù) d, p, q） 2 估計(jì)估計(jì) 對(duì)初步選取的模型進(jìn)行參數(shù)估計(jì)對(duì)初步選取的模型進(jìn)行參數(shù)估計(jì) 3 診斷與檢驗(yàn)診斷與檢驗(yàn) 包括參數(shù)的顯著性檢驗(yàn)和殘差的隨機(jī)性檢驗(yàn)包括參數(shù)的顯著性檢驗(yàn)和殘差的隨機(jī)性檢驗(yàn) 模型可取嗎模型可取嗎 止止 不可取不可取 可取可取 George Box 02004006008001000787980818283848586878889Y4.55.05.56.06.57.0787980818283848586878889LNY 月度數(shù)據(jù)（月度數(shù)據(jù)（y yt t，單位：億元）曲線圖，單位：億元）曲線圖 對(duì)數(shù)

5、的月度數(shù)據(jù)（對(duì)數(shù)的月度數(shù)據(jù)（LnyLnyt t）曲線圖）曲線圖 12 Lnyt的相關(guān)圖（下）和偏相關(guān)圖（上）的相關(guān)圖（下）和偏相關(guān)圖（上） 案例：案例：2005年年8月月30 2007年年4月月30日日407天人民幣元兌美元序列的門(mén)限模型天人民幣元兌美元序列的門(mén)限模型 X-12-ARIMA季節(jié)調(diào)整方法季節(jié)調(diào)整方法 乘法模型：乘法模型：Y = T S C I 加拿大月人口出生數(shù)（加拿大月人口出生數(shù)（y, 1973:1 1983:12） 趨勢(shì)循環(huán)分量（趨勢(shì)循環(huán)分量（TC） 季節(jié)分量（季節(jié)分量（S） 不規(guī)則分量（不規(guī)則分量（IR）26000270002800029000300003100032000

6、33000340007374757677787980818283Y280002900030000310007374757677787980818283MA12NN0.880.920.961.001.041.087374757677787980818283SF0.920.940.960.981.001.021.041.067374757677787980818283IRREGUF序列的特征是序列的特征是“波動(dòng)集群波動(dòng)集群”、分布是、分布是“高峰厚尾高峰厚尾” -8-6-4-20246200400600800100012001400D(JPY) (1995-2000)日元兌美元匯率差分序列（收益）

7、日元兌美元匯率差分序列（收益）D(JPY) 高峰厚尾分布特征示意圖高峰厚尾分布特征示意圖 高峰厚尾高峰厚尾分布曲線分布曲線 正態(tài)正態(tài)分布曲線分布曲線 ARCH，GARCH模型可以預(yù)測(cè)被解釋變量的方差。對(duì)于金融時(shí)間模型可以預(yù)測(cè)被解釋變量的方差。對(duì)于金融時(shí)間序列預(yù)測(cè)的是風(fēng)險(xiǎn)。序列預(yù)測(cè)的是風(fēng)險(xiǎn)。建立建立ARCH，GARCH模型可以提高均值方程參數(shù)估計(jì)的有效性。模型可以提高均值方程參數(shù)估計(jì)的有效性。案例：日元兌美元匯率的建模研究案例：日元兌美元匯率的建模研究 1995.1-2000.8日元兌美元匯率值（日元兌美元匯率值（1427個(gè)）序列（個(gè)）序列（JPY）見(jiàn)圖。極小值）見(jiàn)圖。極小值為為81.12日元，

8、極大值為日元，極大值為147.14日元。其均值為日元。其均值為112.93日元，標(biāo)準(zhǔn)差是日元，標(biāo)準(zhǔn)差是13.3日元。日元。1995年年4月曾一度達(dá)到月曾一度達(dá)到81.12日元兌日元兌1美元。美元。 JPY的差分序列的差分序列D(JPY)表示收益。用表示收益。用D(JPY)建立時(shí)間序列模型。建立時(shí)間序列模型。80100120140160200400600800100012001400JPY (1995-2000)-8-6-4-20246200400600800100012001400D(JPY) (1995-2000) 日元兌美元匯率（日元兌美元匯率（JPY）時(shí)間序列）時(shí)間序列 DJPY時(shí)間序列

9、時(shí)間序列均值方程的估計(jì)式均值方程的估計(jì)式ARCH 模型的選擇模型的選擇0102030405060-12-8-404812u(t-1)sigma2隨機(jī)波動(dòng)模型隨機(jī)波動(dòng)模型 4波動(dòng)模型波動(dòng)模型ACD和和SCD模型模型 向量自回歸向量自回歸模型模型 VAR 的平穩(wěn)性分析的平穩(wěn)性分析 VAR 的的 協(xié)積檢驗(yàn)協(xié)積檢驗(yàn) VAR 的的 脈沖響應(yīng)分析脈沖響應(yīng)分析 VAR 的估計(jì)與預(yù)測(cè)的估計(jì)與預(yù)測(cè) VAR 的的 方差分解方差分解 Granger 非因果性檢驗(yàn)非因果性檢驗(yàn) VAR 模型的滯后期選擇模型的滯后期選擇 向量誤差修正模型向量誤差修正模型 （VEC 模型模型） 向量自回歸（向量自回歸（VAR）模型定義）模

10、型定義案例案例1：上海證券交易所上證指數(shù)和股票交易上海證券交易所上證指數(shù)和股票交易 總成交量關(guān)系研究總成交量關(guān)系研究（file: 2120061741-shan） 上海證券交易所上證指數(shù)和股票交易總成交量序列圖上海證券交易所上證指數(shù)和股票交易總成交量序列圖7.27.47.67.88.08.28.43.03.54.04.55.05.5255075100125150175200225LOG(SHP)LOG(SHQ)VAR的預(yù)測(cè)非常準(zhǔn)確的預(yù)測(cè)非常準(zhǔn)確6期期VAR的預(yù)測(cè)結(jié)果的預(yù)測(cè)結(jié)果1,5002,0002,5003,0003,5004,0004,500255075100125150175200225S

11、HPSHP (Baseline)04080120160200240255075100125150175200225SHQSHQ (Baseline)-1.5-1.0-0.50.00.51.01.5-1.5-1.0-0.50.00.51.01.5Inverse Roots of AR Characteristic Polynomial-1.5-1.0-0.50.00.51.01.5-1.5-1.0-0.50.00.51.01.5Inverse Roots of AR Characteristic Polynomial 2期期VAR的特征根的特征根 6期期VAR的特征根的特征根VAR模型穩(wěn)定的一種

12、判別條件是，特征方程模型穩(wěn)定的一種判別條件是，特征方程 | 1 - I | = 0的根都必須在單位圓以內(nèi)。的根都必須在單位圓以內(nèi)。檢驗(yàn)結(jié)果如下：檢驗(yàn)結(jié)果如下： （當(dāng)概率小于（當(dāng)概率小于0.05時(shí)，表示推翻原假設(shè)）時(shí)，表示推翻原假設(shè)）其中滯后其中滯后2020期的輸出結(jié)果期的輸出結(jié)果:DLOG(SHP) 和和 DLOG(SHQ) VAR(3)的脈沖相應(yīng)的脈沖相應(yīng)-.005.000.005.010.015.02012345678910DLOG(SHP)DLOG(SHQ)Response of DLOG(SHP) to CholeskyOne S.D. Innovations-.05.00.05.10

13、.1512345678910DLOG(SHP)DLOG(SHQ)Response of DLOG(SHQ) to CholeskyOne S.D. InnovationsDLOG(SHP) 和和 DLOG(SHQ) VAR(3)的方差分解的方差分解02040608010012345678910DLOG(SHP)DLOG(SHQ)Variance Decomposition of DLOG(SHP)02040608010012345678910DLOG(SHP)DLOG(SHQ)Variance Decomposition of DLOG(SHQ)VAR的協(xié)積檢驗(yàn)的協(xié)積檢驗(yàn)向量誤差修正模型向量誤

14、差修正模型（VEC模型模型）VAR(2)基礎(chǔ)上的基礎(chǔ)上的VEC模型模型 面板數(shù)據(jù)示意圖面板數(shù)據(jù)示意圖 面板數(shù)據(jù)散點(diǎn)圖面板數(shù)據(jù)散點(diǎn)圖010002000300040005000040008000120001600020000INCOMEFOOD 蕭政蕭政面板數(shù)據(jù)模型估計(jì)方法面板數(shù)據(jù)模型估計(jì)方法面板數(shù)據(jù)模型的檢驗(yàn)方法面板數(shù)據(jù)模型的檢驗(yàn)方法 Hausman檢驗(yàn)檢驗(yàn) H0: 個(gè)體隨機(jī)效應(yīng)回歸模型個(gè)體隨機(jī)效應(yīng)回歸模型 H1: 個(gè)體固定效應(yīng)回歸模型個(gè)體固定效應(yīng)回歸模型 H 臨界值，建立個(gè)體固定效應(yīng)；臨界值，建立個(gè)體固定效應(yīng)； H 臨界值，建立個(gè)體隨機(jī)效應(yīng)回歸模型。臨界值，建立個(gè)體隨機(jī)效應(yīng)回歸模型。面板數(shù)據(jù)模

15、型的檢驗(yàn)方法面板數(shù)據(jù)模型的檢驗(yàn)方法 面板數(shù)據(jù)的單位根檢驗(yàn)（相同根情形）面板數(shù)據(jù)的單位根檢驗(yàn)（相同根情形） 1Quah檢驗(yàn)（檢驗(yàn)（1990）2LL（Levin-Lin）檢驗(yàn)（）檢驗(yàn)（1992） 3LLC（Levin-Lin-Chu）檢驗(yàn)（）檢驗(yàn)（2002）4Breitung檢驗(yàn)（檢驗(yàn)（2002）5Hadri檢驗(yàn)檢驗(yàn)6Abuaf-Jorion檢驗(yàn)（檢驗(yàn)（1990），），Jorion-Sweeney檢驗(yàn)（檢驗(yàn)（1996）7Bai-Ng檢驗(yàn)（檢驗(yàn)（2001），），Moon-Perron檢驗(yàn)（檢驗(yàn)（2002）8IPS（Im-Pesaran-Shin）檢驗(yàn)（）檢驗(yàn)（1997,2002）面板數(shù)據(jù)的單位根檢驗(yàn)

16、（不同根情形）面板數(shù)據(jù)的單位根檢驗(yàn)（不同根情形） 9MW（Maddala-Wu）檢驗(yàn)（）檢驗(yàn)（1997）10崔仁（崔仁（In Choi）檢驗(yàn)（）檢驗(yàn)（2001）11Vanessa（Vanessa et al.）檢驗(yàn)（）檢驗(yàn)（2004）12Taylor-Sarno檢驗(yàn)（檢驗(yàn)（1998）面板數(shù)據(jù)的協(xié)積（協(xié)整）檢驗(yàn)面板數(shù)據(jù)的協(xié)積（協(xié)整）檢驗(yàn)Pedroni 協(xié)積檢驗(yàn)：協(xié)積檢驗(yàn)：以以Engle-Granger協(xié)積檢驗(yàn)方法為基礎(chǔ)構(gòu)造檢驗(yàn)統(tǒng)協(xié)積檢驗(yàn)方法為基礎(chǔ)構(gòu)造檢驗(yàn)統(tǒng)計(jì)量，標(biāo)準(zhǔn)化以后漸近服從標(biāo)準(zhǔn)正態(tài)分布。（計(jì)量，標(biāo)準(zhǔn)化以后漸近服從標(biāo)準(zhǔn)正態(tài)分布。（1999, 2004）Kao協(xié)積檢驗(yàn)：協(xié)積檢驗(yàn)：以以Engle

17、-Granger協(xié)積檢驗(yàn)方法為基礎(chǔ)構(gòu)造檢驗(yàn)統(tǒng)計(jì)量，協(xié)積檢驗(yàn)方法為基礎(chǔ)構(gòu)造檢驗(yàn)統(tǒng)計(jì)量，標(biāo)準(zhǔn)化以后漸近服從標(biāo)準(zhǔn)正態(tài)分布。（標(biāo)準(zhǔn)化以后漸近服從標(biāo)準(zhǔn)正態(tài)分布。（1999）Fisher 個(gè)體聯(lián)合協(xié)積檢驗(yàn)個(gè)體聯(lián)合協(xié)積檢驗(yàn)（combined individual test）：用個(gè)體的協(xié)積）：用個(gè)體的協(xié)積檢驗(yàn)值構(gòu)造一個(gè)服從檢驗(yàn)值構(gòu)造一個(gè)服從 2分布的累加統(tǒng)計(jì)量檢驗(yàn)面板數(shù)據(jù)的協(xié)積性。分布的累加統(tǒng)計(jì)量檢驗(yàn)面板數(shù)據(jù)的協(xié)積性。(Maddala and Wu 1999) -4-202400.20.40.60.8105101520253000.20.40.60.81 Logit模型、模型、Probit模型模型案例：天津市農(nóng)戶勞動(dòng)力的非農(nóng)業(yè)就業(yè)模型（案例：天津市農(nóng)戶勞動(dòng)力的非農(nóng)業(yè)就業(yè)模型（750戶）。戶）。教育程度教育程度對(duì)勞動(dòng)力的非農(nóng)業(yè)就業(yè)傾向有著非常明顯的作用對(duì)勞動(dòng)力的非農(nóng)業(yè)就業(yè)傾向有著非常明顯的作用Logit 模型估計(jì)值與擬合值散點(diǎn)圖模型估計(jì)值與擬合值散點(diǎn)圖 Logit 模型估計(jì)值與潛在變量散點(diǎn)圖模型估計(jì)值與潛在變量散點(diǎn)圖0.00.20.40.60.81.0-0.20.00.20.40.60.81.01.21.41.61.8YHATYF0.00.20.40.60.81