計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)七-李子奈

實(shí)驗(yàn)七分布滯后模型與自回歸模型及格蘭杰因果關(guān)系檢驗(yàn)實(shí)驗(yàn)?zāi)康模赫莆辗植紲竽Ｐ团c自回歸模型的估計(jì)與應(yīng)用，將我格蘭杰因果關(guān)系檢驗(yàn)方法，熟悉Eviews的基本操作。實(shí)驗(yàn)要求：應(yīng)用教材P187習(xí)題6案例，做有限分布滯后模型的估計(jì)、格蘭杰因果關(guān)系檢驗(yàn)。三實(shí)驗(yàn)原理：普通最小二乘法、阿爾蒙法、格蘭杰因果關(guān)系檢驗(yàn)、LM檢驗(yàn)。四預(yù)備知識(shí)：普通最小二乘法估計(jì)的原理、t檢驗(yàn)、擬合優(yōu)度檢驗(yàn)、阿爾蒙法、多項(xiàng)式近似。五實(shí)驗(yàn)內(nèi)容：1970?1991年美國(guó)制造業(yè)固定廠房設(shè)備投資Y和銷售量X的相關(guān)數(shù)據(jù)如下表所示。單位：10億美元年份廠房開支Y銷售量X年份廠房開支Y銷售量X197036.9952.8051981128.68168.129197133.655.9061982123.97163.351197235.4263.0271983117.35172.547197342.3572.9311984139.61190.682197452.4884.791985152.88194.538197553.6686.5891986137.95194.657197668.5398.7971987141.06206.326197767.48113.2011988163.45223.547197878.13126.9051989183.8232.724197995.13143.9361990192.61239.4591980112.6154.3911991182.81235.142假定銷售量對(duì)廠房設(shè)備支出有一個(gè)分布滯后效應(yīng)，使用4期滯后和2次多項(xiàng)式去估計(jì)此分布滯后模型；檢驗(yàn)銷售量與廠房設(shè)備支出的格蘭杰因果關(guān)系，使用直至6期為止的滯后并評(píng)述你的結(jié)果。六實(shí)驗(yàn)步驟：6.1建立工作文件并錄入數(shù)據(jù)，如圖1所示

□Group:GR0UTO1Workfile:PPMM\...|~^||百一||^S?View]Proc]Object：Print1]Default三SortTranspo：obsYX1970狠9900052.80600>■197133.6000055.90600197235.42000&3.02700197342.3500072.93100197452.4800084.79000197553.6600086.58900197G68.5300098.797001977&7.48000113.2010197878.13000126.9050197995.13000143.93601980112.6000154.3910T"19814I|卜圖16.2使用4期滯后2次多項(xiàng)式估計(jì)模型在工作文件中，點(diǎn)擊Quick\EstimateEquation…，然后在彈出的對(duì)話框中輸入：YCPDL(X,4,2)，點(diǎn)擊OK，得到如圖2所示的回歸分析結(jié)果。其中，“PDL指令”表示進(jìn)行多項(xiàng)式分布滯后(PloynamialDistributedLags)模型的估計(jì)，X為滯后序列名，4表示滯后長(zhǎng)度，2表示多項(xiàng)式次數(shù)。由圖2中的數(shù)據(jù)，我們得到估計(jì)結(jié)果如下:AY=-3082554t(AY=-3082554t(-3.457)R2=0.981227(-0.087) (-3.476)~2F=243.9194RSS=642.8093WF=243.9194RSS=642.8093W+0.092921W(1.370)D.W.=1.358472-0.01174-0.01174t-1(-0.087)X-0.15506X-0.11253X(-1.679) (-0.573)最后得到的分布滯后模型估計(jì)式為:=-30.82554+0.83242X+0.31742X(-3.457) (4.382) (3.242)QEquation:EQO2Workfile:PPMM\Untitled回.4ProcObjectPrintNameFreezeEstimateForecastStatsDependentVariable:YMethod:LeastSquaresDate:11/06/11Time:22:41Sample[adjusted):19741991Includedobservations:18afteradjustmentsVariableCoefficientStdErrort-StatisticProb.C-30.826648.916420-3.46716&00038PDL01-0.0117400134307-00874100.931GPDL02-0.2362370067956-3.47631200037PDL030.092921006781013703170.1922R-squared0.981227Meandependentvsr121.7878AdjustedR-squared0.977204SD.dependentvar44.87987SEofregression6.776057Akaikeinfocriterion6.857798Sumsquaredresid642.8093Schwarzcriterion7055S58Loglikelihood-67.72018F-statistic243.9194Durbin-Watsonstat1.358472ProbfF-statistic)0.000000LagDistributionofX iCoefficientStd.Errort-Statistic100.832420.189974.38184110.317420.097923.241512-0.011740.13431-0087413-0166060.09237-1.67866\14-0112630.19627-0.67334SumofLags0.870620.0327226.6025圖2圖2所示輸出結(jié)果的上半部分格式與一般的回歸方程相同，給出了模型參數(shù)估計(jì)值、t檢驗(yàn)統(tǒng)計(jì)量值及對(duì)應(yīng)的概率值，以及模型的其他統(tǒng)計(jì)量。圖2窗口的下半部分則給出了模型解析變量X及X各滯后變量的系數(shù)p估計(jì)值、標(biāo)準(zhǔn)差、t統(tǒng)計(jì)量以及滯后系數(shù)之和(SumofLags)等信息。圖2上部分中的PDL01、PDL02、PDL03分別代表式Y(jié)=a+aW+aW+aW+口中的W、W、W。由于多項(xiàng)式次數(shù)為2，因此t 00111t2tt 01112t除了常數(shù)項(xiàng)外共有3個(gè)參數(shù)估計(jì)值。在3個(gè)PDL變量系數(shù)估計(jì)值中變量PDL01、PDL03的系數(shù)估計(jì)值的t統(tǒng)計(jì)量沒有通過(guò)顯著性檢驗(yàn)，而PDL02的系數(shù)估計(jì)值在5%的檢驗(yàn)水平是顯著的。但是F統(tǒng)計(jì)量二243.9194,其對(duì)應(yīng)的概率值P非常小，從而可以拒絕“整體上諸變量PDL之間對(duì)Y沒有影響”的原假設(shè)，參數(shù)估計(jì)值不顯著很可能是由于諸變量之間存在多重共線性問(wèn)題。圖2下半部分，LagDistributionofX列繪制出了分布滯后變量X的諸系數(shù)p的分布圖，其圖形有呈現(xiàn)二次拋物線形狀的趨勢(shì)。緊接著，Eviews給出了分布滯后模型中諸p的估計(jì)值。這些系數(shù)值分別為0.83242、0.31742、-0.01174、-0.15506、-0.11253，分別表示銷售量X增加一個(gè)單位，在當(dāng)期將使廠房開支Y增加0.83242個(gè)單位；由于存在時(shí)間滯后的影響，銷售量X還將在下一期使得廠

房開支Y增加0.31742個(gè)單位；在第二期使得廠房開支Y減少0.01174個(gè)單位;在第三期使得廠房開支Y減少0.15506個(gè)單位；第四期舍得廠房開支Y減少0.11253個(gè)單位。圖2所示的估計(jì)結(jié)果的最后一行SumofLags是諸系數(shù)p.估計(jì)值的總和，其反映的分布滯后變量X對(duì)因變量Y的長(zhǎng)期影響(即長(zhǎng)期乘數(shù))：即從長(zhǎng)期看，X增加一個(gè)單位將使得Y增加0.87052個(gè)單位。為了進(jìn)行比較，下面直接對(duì)滯后4期的模型進(jìn)行OLS估計(jì)。在工作文件中，點(diǎn)擊Quick\EstimateEquation...，然后在彈出的對(duì)話框中輸入：YCXX(-1)X(-2)X(-3)X(-4)，點(diǎn)擊OK，得到如圖3所示的回歸分析結(jié)果。圖3圖3由圖3中數(shù)據(jù)我們得到:AYtAYt=-27.78866+0.566562(-3.049) (2.141)R2=0.984122F=148.7498X+0.768602X-0.226719(2.040) (-0.577)2R2=0.977506RSS=543.6955X-0.276879X+0.033347X(-0.717) (0.118)D.W.=1.555308可以看出，盡管擬合優(yōu)度有所提高，但所有變量的系數(shù)均未通過(guò)顯著性水平為5%的t檢驗(yàn)。6.3格蘭杰因果關(guān)系檢驗(yàn)打開序列組GROUP01，如圖1所示，在其窗口工具欄中單擊View\GrangerCausality...，；屏幕彈出如圖4所示的對(duì)話框。

在圖4所示對(duì)話框中輸入滯后長(zhǎng)度“1”，然后單擊OK按鈕，屏幕會(huì)輸出Granger因果關(guān)系檢驗(yàn)結(jié)果，如圖5所示。OGroup:GRQUP01Workfile:PPMM\UntitledIIIllrf&ilOGroup:GRQUP01Workfile:PPMM\UntitledMi己w|P「diz|CibjEct]P「int|NrnnE|F「ee=e|Smmplw|StBts.[Speiz]PairwiseGrangerCausalityTestsDate:11/08/11Time:12:17Sample:19701991Lags:1NullHypothesis:ObsF-StatisticProbabilityXdoesnotGrangerCauseY2131.90612.3E-06YdoesnotGrangerCauseX圖523.8339-二萬(wàn)土“v了t000012的原假設(shè)，即“X是Y的格蘭杰原因”；同時(shí)拒絕“Y不是X的格蘭杰原因”。因此，從1階滯后情況來(lái)看，X的增長(zhǎng)是廠房開支Y增長(zhǎng)的格蘭杰原因，同時(shí)廠房開支Y增長(zhǎng)是X增長(zhǎng)的格蘭杰原因，即廠房開支Y與銷售量X的增長(zhǎng)互為格蘭杰原因。下面再利用拉格朗日乘數(shù)法進(jìn)行模型的序列相關(guān)性檢驗(yàn)。點(diǎn)擊主界面菜單Quick\EstimateEquation，在彈出的對(duì)話框中輸入XCX(-1)Y(-1)，在輸出的回歸結(jié)果中(如圖6所示)，點(diǎn)擊View\ResidualTests\SerialCorrelationLMTess...，在彈出的對(duì)話框中輸入1，點(diǎn)擊確定即可得到1階滯后殘差項(xiàng)的輔助回歸函數(shù)結(jié)果，如圖7所示。Vievv|p「odObject]Print|Name|Freeze|Estimate|Vievv|p「odObject]Print|Name|Freeze|Estimate|Forecast]Stats|Resids|DependentVariable:XMethod:LeastSquaresDate:11/08/11Time:12:30Sample(adjusted):19711991Includedobservations:21afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.C-0.2940813.531326-0.0832780.9346X(-1)1.&531940118276 13.131980.0000Y(-1)-0.6918270141710-4.8819930J001R-sq,uared0.994891Meandependentvar153.4083AdjustedR-squared0.994323S.D.dependentvar60.11556SEofregression4.529485Akaikeinfocriterion5.990657Sumsquaredresid369.2923Schwarzcriterion6.139875Loglikelihood-59.90190F-statistic1752.473Durbin-Watsonstat2.867723Prob(F-statistic)0.000000OEquation:EQ04Workfile:PPMM\Untitled |cd||回OEquatloHiEQ&4Warkfile;PPMMXUndded I=||~jZTve-^|Fr?j|i5bjtci|Pnni|Nsuk[freest|&| H.tskls.|0r.=iue<h-GodfreySedslCorreladonLMTsstF-stalislic 4642332Prababilrty 0D4582QOire^R-squaired 4-501661 P^babilrly 0033B05Vanabl?CgffimnLStd.Error1-StatisliGProb.C-1i&sem-fl菲小驅(qū)07199DQ3S252010916902320700了439V(-1}-003S69S0130J7S52966&S07701RESIDi；-!^-D-473671aZZ2161-21546D7aD-15STgtEssu-BtionOe^ndentVariableRESIDfylftlhod-LfljatSquaraAD砒莽11/D6/11TiEs1231PrAS3nM3i&miEBing；k!aiuelachjedreBidual8sectozeroR-5qii?n?d021A602Meeinde-pendcntvnc6AdtusiedR-^qubired0O750B5S□dependeniver4297047SE□(ragrcssion4130790Adjikairrfncrite-nan5&4^57SumssqymTEmid29007S2SchwarzflritipriDn8043414Logiikeiih?sod-5*7.36660F-BtatlSUC1Qurtiin-Walaan2.3^14&43PrabtF-fitatiatic'i0頌細(xì)由圖7知，拉格朗日乘數(shù)統(tǒng)計(jì)量LM=nR2=4.504551，大于5%的顯著性水由圖7知，拉格朗日乘數(shù)統(tǒng)計(jì)量平下自由度有1的z2分布的臨界值z(mì)2⑴=3.84，對(duì)應(yīng)的伴隨概率P=0.033805，可以判斷模型存在一階自相關(guān)性?！?5點(diǎn)擊主界面菜單Quick\EstimateEquation，在彈出的對(duì)話框中輸入YCY(-1)X(-2)，在輸出的回歸結(jié)果中(如圖8所示)，點(diǎn)擊View\ResidualTests\SerialCorrelationLMTess...，在彈出的對(duì)話框中輸入1，點(diǎn)擊確定即可得到1階滯后殘差項(xiàng)的輔助回歸函數(shù)結(jié)果哦，如圖9所示。圖8QEquation:EQ05Workfile:PPMM\UntitledView|Proc〔Object]Print]Name|Freeze]Estimate|Forecast]Stats|Resids|圖8QEquation:EQ05Workfile:PPMM\UntitledView|Proc〔Object]Print]Name|Freeze]Estimate|Forecast]Stats|Resids|Breusch-GodfreySerialCorrelationLMTest:F-statistic 0.362155 Probability 0.560709Obs*R-squared 0.426186 Probability 0.513866由圖9知，拉格朗日乘數(shù)統(tǒng)計(jì)量下自由度為1的X2分布的臨界值Z2可以判斷模型已經(jīng)不存在一階自相關(guān)性。VariableCoefficientStd.Errort-StatisticProb.C-2.4354426.861622-0.35493707270Y(-1)-0.1558560.343036-0.4543430.6553X(-1)0.1272240.2826380.4501300.6583RESID(-1)0.2235710-3767460.5934260.6607R-squared0.020296Meandependentvar-2.18E-15AdjustedR-squared-0.1626^"M3圖sodependentvar6.569840SEofregression9‘weucr；上也n：6.914515Sumsquaredresid8457366Schwarzcriterion7.113472邱.likelihood -68.60241土'nR23=0.426186"、小于:5%顯著性水3TestEquation:DependentVariable:RESIDMethod:LeastSquaresDate:11/08/11Time:12:41Presamplemissingvaluelaggedresidualssettozero.3.84，用同樣的方法，可以得出2?6階滯后的檢驗(yàn)結(jié)果。下表給出了1?6階滯后的格蘭杰因果關(guān)系檢驗(yàn)結(jié)果。表1美國(guó)制造業(yè)固定廠房設(shè)備投資Y和銷售量X的格蘭杰因果關(guān)系檢驗(yàn)滯后長(zhǎng)度格蘭杰因果性F檢驗(yàn)的P值LM⑴檢驗(yàn)的P值A(chǔ)IC值SC值結(jié)論1X——一Y2.33E-050.5138666.839786.988998拒絕Y-一一X0.000120.0338055.9906576.139875拒絕2X——一Y9.01E-050.9436576.8048517.053784拒絕Y一一X0.00050.0807866.0028396.251772拒絕3X——一Y0.0088740.2522476.9378957.285846拒絕Y一一X0.0050920.3750346.1246836.472634拒絕4X——一Y0.0471940.5576017.1322487.577434拒絕Y一一X0.0294570.4180196.329046.774226拒絕5X——一Y0.1712360.5388087.3696497.908787接受Y一一X0.1232690.586526.5591787.098316接受6X——一Y0.5232420.051577.5370738.164801接受Y-一X0.1925530.0067745.889966.517688接受注：表中“—一”表示“箭頭前的變量不是箭頭后的變量格蘭杰原因”

從表1可以看出，1階到4階滯后期，檢驗(yàn)?zāi)Ｐ投季芙^了“X不是Y的格蘭杰原因”的假設(shè)，同時(shí)也拒絕了“丫不是X的格蘭杰原因”的假設(shè)。第2階到第5階滯后期，在5%的顯著性水平下，兩檢驗(yàn)?zāi)?/p>