《計量經(jīng)濟(jì)學(xué)（第四版）》教學(xué)PPT課件

《計量經(jīng)濟(jì)學(xué)（第四版）》教學(xué)PPT課件,計量經(jīng)濟(jì)學(xué)（第四版）,計量,經(jīng)濟(jì)學(xué),第四,教學(xué),PPT,課件 第五章第五章 時間序列計量經(jīng)濟(jì)學(xué)模型時間序列計量經(jīng)濟(jì)學(xué)模型 5.1 5.1 時間序列模型的序列相關(guān)性時間序列模型的序列相關(guān)性 5.2 5.2 時間序列的平穩(wěn)性及其檢驗(yàn)時間序列的平穩(wěn)性及其檢驗(yàn) 5.3 5.3 協(xié)整與誤差修正模型協(xié)整與誤差修正模型 5.4 5.4 格蘭杰因果關(guān)系檢驗(yàn)格蘭杰因果關(guān)系檢驗(yàn) 關(guān)于本章教學(xué)內(nèi)容設(shè)計的說明關(guān)于本章教學(xué)內(nèi)容設(shè)計的說明時間序列的平穩(wěn)性檢驗(yàn)（時間序列的平穩(wěn)性檢驗(yàn)（5.2節(jié)）節(jié)）以時間序列數(shù)據(jù)為樣本，時間序列性破壞了隨機(jī)抽樣以時間序列數(shù)據(jù)為樣本，時間序列性破壞了隨機(jī)抽樣的假定，經(jīng)典計量經(jīng)濟(jì)學(xué)模型的數(shù)學(xué)基礎(chǔ)能否被滿足的假定，經(jīng)典計量經(jīng)濟(jì)學(xué)模型的數(shù)學(xué)基礎(chǔ)能否被滿足？如果所有時間序列是平穩(wěn)的，時間序列的平穩(wěn)性可以如果所有時間序列是平穩(wěn)的，時間序列的平穩(wěn)性可以替代隨機(jī)抽樣假定，可以采用時間序列數(shù)據(jù)建立經(jīng)典替代隨機(jī)抽樣假定，可以采用時間序列數(shù)據(jù)建立經(jīng)典計量經(jīng)濟(jì)學(xué)模型。計量經(jīng)濟(jì)學(xué)模型。所以，首先必須對用統(tǒng)計數(shù)據(jù)構(gòu)造的時間序列進(jìn)行平所以，首先必須對用統(tǒng)計數(shù)據(jù)構(gòu)造的時間序列進(jìn)行平穩(wěn)性檢驗(yàn)。穩(wěn)性檢驗(yàn)。時間序列的協(xié)整檢驗(yàn)（時間序列的協(xié)整檢驗(yàn)（5.3節(jié)）節(jié)）實(shí)際經(jīng)濟(jì)時間序列大都是非平穩(wěn)的，那么，在非平穩(wěn)實(shí)際經(jīng)濟(jì)時間序列大都是非平穩(wěn)的，那么，在非平穩(wěn)時間序列之間能否建立計量經(jīng)濟(jì)學(xué)結(jié)構(gòu)模型？時間序列之間能否建立計量經(jīng)濟(jì)學(xué)結(jié)構(gòu)模型？需要對模型采用的非平穩(wěn)時間序列進(jìn)行協(xié)整檢驗(yàn)。需要對模型采用的非平穩(wěn)時間序列進(jìn)行協(xié)整檢驗(yàn)。時間序列模型的序列相關(guān)問題（時間序列模型的序列相關(guān)問題（5.1節(jié)）節(jié)）采用時間序列數(shù)據(jù)建立計量經(jīng)濟(jì)學(xué)模型，無論是平穩(wěn)采用時間序列數(shù)據(jù)建立計量經(jīng)濟(jì)學(xué)模型，無論是平穩(wěn)時間序列和非平穩(wěn)時間序列，模型隨機(jī)誤差項(xiàng)一般都時間序列和非平穩(wěn)時間序列，模型隨機(jī)誤差項(xiàng)一般都存在序列相關(guān)，這就違背了經(jīng)典模型的一個重要的基存在序列相關(guān)，這就違背了經(jīng)典模型的一個重要的基本假設(shè)。本假設(shè)。所以模型的序列相關(guān)性肯定是時間序列計量經(jīng)濟(jì)學(xué)模所以模型的序列相關(guān)性肯定是時間序列計量經(jīng)濟(jì)學(xué)模型必須重點(diǎn)討論的一個問題。型必須重點(diǎn)討論的一個問題。由于在時間序列的平穩(wěn)性檢驗(yàn)和協(xié)整檢驗(yàn)中都涉及到由于在時間序列的平穩(wěn)性檢驗(yàn)和協(xié)整檢驗(yàn)中都涉及到序列相關(guān)，所以，將它作為第一節(jié)討論的內(nèi)容。序列相關(guān)，所以，將它作為第一節(jié)討論的內(nèi)容。格蘭杰因果關(guān)系檢驗(yàn)（格蘭杰因果關(guān)系檢驗(yàn)（5.4）格蘭杰因果關(guān)系檢驗(yàn)，在時間序列計量經(jīng)濟(jì)學(xué)模型建格蘭杰因果關(guān)系檢驗(yàn)，在時間序列計量經(jīng)濟(jì)學(xué)模型建模時被廣泛應(yīng)用，并且存在濫用和錯用現(xiàn)象。模時被廣泛應(yīng)用，并且存在濫用和錯用現(xiàn)象。從應(yīng)用的角度出發(fā)，將格蘭杰因果關(guān)系檢驗(yàn)單獨(dú)作為從應(yīng)用的角度出發(fā)，將格蘭杰因果關(guān)系檢驗(yàn)單獨(dú)作為一節(jié)。一節(jié)。借此對自回歸模型和向量自回歸模型的概念進(jìn)行必要借此對自回歸模型和向量自回歸模型的概念進(jìn)行必要的介紹。的介紹。5.1 5.1 時間序列模型的序列相關(guān)性時間序列模型的序列相關(guān)性 一、序列相關(guān)性一、序列相關(guān)性二、實(shí)際經(jīng)濟(jì)問題中的序列相關(guān)性二、實(shí)際經(jīng)濟(jì)問題中的序列相關(guān)性三、序列相關(guān)性的后果三、序列相關(guān)性的后果四、序列相關(guān)性的檢驗(yàn)四、序列相關(guān)性的檢驗(yàn)五、序列相關(guān)的補(bǔ)救五、序列相關(guān)的補(bǔ)救六、虛假序列相關(guān)問題六、虛假序列相關(guān)問題七、案例七、案例 一、一、序列相關(guān)性的概念序列相關(guān)性的概念序列相關(guān)性序列相關(guān)性模型隨機(jī)項(xiàng)之間不存在相關(guān)性，稱為：模型隨機(jī)項(xiàng)之間不存在相關(guān)性，稱為：No Autocorrelation。以截面數(shù)據(jù)為樣本時，如果模型隨機(jī)項(xiàng)之間存在相以截面數(shù)據(jù)為樣本時，如果模型隨機(jī)項(xiàng)之間存在相關(guān)性，稱為：關(guān)性，稱為：Spatial Autocorrelation。以時序數(shù)據(jù)為樣本時，如果模型隨機(jī)項(xiàng)之間存在相以時序數(shù)據(jù)為樣本時，如果模型隨機(jī)項(xiàng)之間存在相關(guān)性，稱為：關(guān)性，稱為：Serial Autocorrelation。習(xí)慣上統(tǒng)稱為習(xí)慣上統(tǒng)稱為序列相關(guān)性序列相關(guān)性（Serial Correlation or Autocorrelation）。其他基本假設(shè)仍成立，隨機(jī)擾動項(xiàng)存在序列相關(guān)其他基本假設(shè)仍成立，隨機(jī)擾動項(xiàng)存在序列相關(guān):一階序列相關(guān)一階序列相關(guān)，或，或自相關(guān)自相關(guān) 稱為自協(xié)方差系數(shù)自協(xié)方差系數(shù)（coefficient of autocovariance）或一階自相關(guān)系數(shù)一階自相關(guān)系數(shù)（first-order coefficient of autocorrelation）二、實(shí)際經(jīng)濟(jì)問題中的序列相關(guān)性二、實(shí)際經(jīng)濟(jì)問題中的序列相關(guān)性 沒有包含在解釋變量中的經(jīng)濟(jì)變量固有的慣性。沒有包含在解釋變量中的經(jīng)濟(jì)變量固有的慣性。模型模型設(shè)定偏誤設(shè)定偏誤（Specification errorSpecification error）導(dǎo)致隨導(dǎo)致隨機(jī)項(xiàng)中有一個重要的系統(tǒng)性影響因素機(jī)項(xiàng)中有一個重要的系統(tǒng)性影響因素。數(shù)據(jù)的數(shù)據(jù)的“編造編造”。時間序列數(shù)據(jù)作為樣本時，一般都存在序列相時間序列數(shù)據(jù)作為樣本時，一般都存在序列相關(guān)性。關(guān)性。截面數(shù)據(jù)作為樣本時，為什么一般不考慮序列截面數(shù)據(jù)作為樣本時，為什么一般不考慮序列相關(guān)性？相關(guān)性？如果樣本是獨(dú)立隨機(jī)抽取，從理論上講，不存在序如果樣本是獨(dú)立隨機(jī)抽取，從理論上講，不存在序列相關(guān)。列相關(guān)。實(shí)際上，許多截面樣本不是獨(dú)立隨機(jī)抽取，例如采實(shí)際上，許多截面樣本不是獨(dú)立隨機(jī)抽取，例如采用我國大陸用我國大陸3131個地區(qū)為樣本，則存在序列相關(guān)。但個地區(qū)為樣本，則存在序列相關(guān)。但是，其序列相關(guān)性十分復(fù)雜，為此發(fā)展了獨(dú)立的是，其序列相關(guān)性十分復(fù)雜，為此發(fā)展了獨(dú)立的“空間計量經(jīng)濟(jì)學(xué)空間計量經(jīng)濟(jì)學(xué)”。不考慮不考慮不存在不存在三、序列相關(guān)性的后果三、序列相關(guān)性的后果Consequences of Using OLS in the Presence of Autocorrelation與異方差性引起的后果相同：與異方差性引起的后果相同：參數(shù)估計量非有效參數(shù)估計量非有效變量變量的顯著性檢驗(yàn)失去意義的顯著性檢驗(yàn)失去意義模型的預(yù)測失效模型的預(yù)測失效四、序列相關(guān)性的檢驗(yàn)四、序列相關(guān)性的檢驗(yàn)Detecting Autocorrelation1 1、檢驗(yàn)方法的思路、檢驗(yàn)方法的思路序列相關(guān)性檢驗(yàn)方法有多種：序列相關(guān)性檢驗(yàn)方法有多種：Graphical MethodRegression MethodDurbin-Watson Test(D.W.test)Breusch-Godfrey(BG)Test,(LM test,Lagrange Multiplier)具有共同的思路。具有共同的思路。然然后后，通過分析這些“近近似似估估計計量量”之間的相關(guān)性，以判斷隨機(jī)誤差項(xiàng)是否具有序列相關(guān)性?；舅悸坊舅悸?2 2、圖示法、圖示法3 3、回歸檢驗(yàn)法、回歸檢驗(yàn)法 如果存在某一種函數(shù)形式，使得方程顯著成立，如果存在某一種函數(shù)形式，使得方程顯著成立，則說明原模型存在序列相關(guān)性。則說明原模型存在序列相關(guān)性。回歸檢驗(yàn)法回歸檢驗(yàn)法的優(yōu)點(diǎn)是：的優(yōu)點(diǎn)是：能夠確定序列相關(guān)的形式；能夠確定序列相關(guān)的形式；適用于任何類型序列相關(guān)性問題的檢驗(yàn)。適用于任何類型序列相關(guān)性問題的檢驗(yàn)。4 4、杜賓、杜賓-瓦森（瓦森（Durbin-WatsonDurbin-Watson）檢驗(yàn)法）檢驗(yàn)法杜杜賓賓（J.Durbin）和和瓦瓦森森(G.S.(G.S.Watson)Watson)于于19511951年提出的一種檢驗(yàn)?zāi)晏岢龅囊环N檢驗(yàn)序列自相關(guān)序列自相關(guān)的方法。的方法。該方法的假定條件是該方法的假定條件是：解釋變量X非隨機(jī)；隨機(jī)誤差項(xiàng)i為一階自回歸形式：i=i-1+I；回歸模型中不應(yīng)含有滯后應(yīng)變量作為解釋變量；回歸含有截距項(xiàng)。對原模型進(jìn)行對原模型進(jìn)行OLS估計，用殘差的近似值構(gòu)造估計，用殘差的近似值構(gòu)造統(tǒng)計量。統(tǒng)計量。該統(tǒng)計量的分布與出現(xiàn)在給定樣本中的該統(tǒng)計量的分布與出現(xiàn)在給定樣本中的X值有復(fù)雜的關(guān)系，值有復(fù)雜的關(guān)系，因此其精確的分布很難得到。因此其精確的分布很難得到。但是，但是，他們他們成功地導(dǎo)出了臨界值的下限成功地導(dǎo)出了臨界值的下限dL和上限和上限dU，且這，且這些上下限只與樣本的容量些上下限只與樣本的容量n和解釋變量的個數(shù)和解釋變量的個數(shù)k有關(guān)，而與解有關(guān)，而與解釋變量釋變量X的取值無關(guān)。的取值無關(guān)。H0:=0 D.W.統(tǒng)計量統(tǒng)計量:D.W檢驗(yàn)步驟檢驗(yàn)步驟:計算DW值 給定，由n和k的大小查DW分布表，得臨界值dL和dU 比較、判斷 0D.W.dL 存在正自相關(guān) dLD.W.dU 不能確定 dU D.W.4dU 無自相關(guān)4dU D.W.4 dL 不能確定4dL D.W.4 存在負(fù)自相關(guān) 證明：證明：當(dāng)當(dāng)D.W.值在值在2左右時，模型不存在一階自左右時，模型不存在一階自相關(guān)。相關(guān)。條件？條件？完完全全一一階階正正相相關(guān)關(guān)，=1，D.W.0；完完全全一一階階負(fù)負(fù)相相關(guān)關(guān)，=-1,D.W.4；完完 全全 不不 相相 關(guān)關(guān)，=0，D.W.25 5、拉格朗日乘數(shù)（、拉格朗日乘數(shù)（Lagrange multiplier）檢驗(yàn)）檢驗(yàn)由布勞殊（Breusch）與戈弗雷（Godfrey）于1978年提出的，也被稱為GB檢驗(yàn)檢驗(yàn)。適合于高階序列相關(guān)以及模型中存在滯后被解釋變量的情形。對原模型進(jìn)行對原模型進(jìn)行OLS估計，用殘差近似值的輔助回估計，用殘差近似值的輔助回歸模型的可決系數(shù)構(gòu)造統(tǒng)計量。歸模型的可決系數(shù)構(gòu)造統(tǒng)計量。如何從直觀上理解如何從直觀上理解LMLM統(tǒng)計量？統(tǒng)計量？從從1階、階、2階、階、逐次向更高階檢驗(yàn)。逐次向更高階檢驗(yàn)。H0:1=2=p=0T為樣本容量，為樣本容量，R2為如下輔助回為如下輔助回歸的可決系數(shù)歸的可決系數(shù)五、序列相關(guān)的補(bǔ)救五、序列相關(guān)的補(bǔ)救1 1、廣義最小二乘法、廣義最小二乘法（GLS:Generalized least squares）GLS的原理與的原理與WLS相同，只是將權(quán)矩陣相同，只是將權(quán)矩陣W換為換為方差協(xié)方差矩陣方差協(xié)方差矩陣。模型的模型的GLS估計量為：估計量為：如何得到矩陣如何得到矩陣？對對 的形式進(jìn)行特殊設(shè)定后，才可得到其估計值。的形式進(jìn)行特殊設(shè)定后，才可得到其估計值。例如設(shè)定隨機(jī)擾動項(xiàng)為例如設(shè)定隨機(jī)擾動項(xiàng)為一階序列相關(guān)形式一階序列相關(guān)形式 i=i-1+i 2 2、廣義差分法、廣義差分法(Generalized Difference)廣義差分法廣義差分法是將原模型變換為滿足OLS法的差分模型，再進(jìn)行OLS估計。該模型為廣義差分模型廣義差分模型，不存在序列相關(guān)問題。3 3、隨機(jī)誤差項(xiàng)相關(guān)系數(shù)的估計、隨機(jī)誤差項(xiàng)相關(guān)系數(shù)的估計 應(yīng)應(yīng)用用廣廣義義最最小小二二乘乘法法或或廣廣義義差差分分法法，必必須須已已知知隨隨機(jī)誤差項(xiàng)的相關(guān)系數(shù)機(jī)誤差項(xiàng)的相關(guān)系數(shù) 1,2,L。實(shí)實(shí)際際上上，人人們們并并不不知知道道它它們們的的具具體體數(shù)數(shù)值值，所所以以必必須首先對它們進(jìn)行估計。須首先對它們進(jìn)行估計。常用的估計方法有：常用的估計方法有：科克倫科克倫-奧科特奧科特（Cochrane-Orcutt）迭代法迭代法 杜賓杜賓（durbin）兩步法兩步法科克倫科克倫-奧科特迭代法奧科特迭代法采用OLS法估計 隨機(jī)誤差項(xiàng)的“近似估計值”，作為方程的樣本觀測值 類似地，可進(jìn)行第三次、第四次迭代。類似地，可進(jìn)行第三次、第四次迭代。兩次迭代過程也被稱為兩次迭代過程也被稱為科克倫科克倫-奧科特兩步法。奧科特兩步法。第二次估計 杜賓杜賓（durbindurbin）兩步法兩步法該方法仍是先估計該方法仍是先估計 1,2,l，再對差分模型進(jìn)，再對差分模型進(jìn)行估計。行估計。應(yīng)用軟件中的廣義差分法應(yīng)用軟件中的廣義差分法在在Eview/TSP軟軟件件包包下下，廣廣義義差差分分采采用用了了科科克克倫倫-奧奧科特（科特（Cochrane-Orcutt）迭代法估計）迭代法估計。在在解解釋釋變變量量中中引引入入AR(1)(1)、AR(2)(2)、，即即可可得得到到參參數(shù)數(shù)和和1、2、的估計值。的估計值。其其中中AR(m)表表示示隨隨機(jī)機(jī)誤誤差差項(xiàng)項(xiàng)的的m階階自自回回歸歸。在在估估計計過過程中自動完成了程中自動完成了1、2、的迭代。的迭代。幾個概念幾個概念如果能夠找到一種方法，求得如果能夠找到一種方法，求得或或各序列相關(guān)系數(shù)各序列相關(guān)系數(shù)j的估計量，使得的估計量，使得GLS能夠?qū)崿F(xiàn)，則稱為能夠?qū)崿F(xiàn)，則稱為可行的廣義可行的廣義最小二乘法（最小二乘法（FGLS,Feasible Generalized Least Squares）。）。FGLS估計量，也稱為估計量，也稱為可行的廣義最小二乘估計量可行的廣義最小二乘估計量（feasible general least squares estimators）。可行的廣義最小二乘估計量不再是無偏的，但卻是可行的廣義最小二乘估計量不再是無偏的，但卻是一致的，而且在科克倫一致的，而且在科克倫-奧科特迭代法下，估計量也奧科特迭代法下，估計量也具有漸近有效性。具有漸近有效性。前面提出的方法，就是前面提出的方法，就是FGLS。4 4、穩(wěn)健標(biāo)準(zhǔn)誤法、穩(wěn)健標(biāo)準(zhǔn)誤法（Newey-West standard errors）應(yīng)用軟件中推薦的一種選擇。適合樣本容量足應(yīng)用軟件中推薦的一種選擇。適合樣本容量足夠大的情況。夠大的情況。仍然采用仍然采用OLS，但對，但對OLS估計量的標(biāo)準(zhǔn)差進(jìn)行估計量的標(biāo)準(zhǔn)差進(jìn)行修正。修正。與不附加選擇的與不附加選擇的OLS估計比較，參數(shù)估計量沒估計比較，參數(shù)估計量沒有變化，但是參數(shù)估計量的方差和標(biāo)準(zhǔn)差變化明有變化，但是參數(shù)估計量的方差和標(biāo)準(zhǔn)差變化明顯。顯。致使存在異方差和序列相關(guān)、仍然采用致使存在異方差和序列相關(guān)、仍然采用OLS估估計時，變量的顯著性檢驗(yàn)有效。計時，變量的顯著性檢驗(yàn)有效。六、虛假序列相關(guān)問題六、虛假序列相關(guān)問題虛假序列相關(guān)虛假序列相關(guān)(false autocorrelation)如果在模型設(shè)定中遺漏了重要的解釋變量或?qū)δＰ偷娜绻谀Ｐ驮O(shè)定中遺漏了重要的解釋變量或?qū)δＰ偷暮瘮?shù)形式設(shè)定有誤，模型隨機(jī)項(xiàng)一般表現(xiàn)為序列相關(guān)。函數(shù)形式設(shè)定有誤，模型隨機(jī)項(xiàng)一般表現(xiàn)為序列相關(guān)。這種情形可稱為虛假序列相關(guān)。這種情形可稱為虛假序列相關(guān)。如果經(jīng)檢驗(yàn)不存在由于模型設(shè)定偏誤而導(dǎo)致的虛假序如果經(jīng)檢驗(yàn)不存在由于模型設(shè)定偏誤而導(dǎo)致的虛假序列相關(guān)，即模型存在的序列相關(guān)是真實(shí)的序列相關(guān)或列相關(guān)，即模型存在的序列相關(guān)是真實(shí)的序列相關(guān)或純序列相關(guān)。純序列相關(guān)。如何避免虛假序列相關(guān)如何避免虛假序列相關(guān)從一般到簡單：在開始時建立一個從一般到簡單：在開始時建立一個“一般一般”的模型，的模型，然后逐漸剔除確實(shí)不顯著的變量。然后逐漸剔除確實(shí)不顯著的變量。設(shè)定偏誤檢驗(yàn)。設(shè)定偏誤檢驗(yàn)。七、案例七、案例 問題問題為了從總體上考察中國居民收入與消費(fèi)的關(guān)系，為了從總體上考察中國居民收入與消費(fèi)的關(guān)系，建立居民總量消費(fèi)模型。建立居民總量消費(fèi)模型。根據(jù)宏觀經(jīng)濟(jì)學(xué)中的消費(fèi)理論，結(jié)合對中國居民根據(jù)宏觀經(jīng)濟(jì)學(xué)中的消費(fèi)理論，結(jié)合對中國居民總消費(fèi)的實(shí)際分析，可以假定居民總消費(fèi)（總消費(fèi)的實(shí)際分析，可以假定居民總消費(fèi)（Y）是）是由居民實(shí)際可支配收入（由居民實(shí)際可支配收入（X）唯一決定的，即）唯一決定的，即X是是Y的唯一解釋變量。的唯一解釋變量。采用采用19802013年消除價格因素的中國居民總量年消除價格因素的中國居民總量消費(fèi)支出（消費(fèi)支出（Y）與收入（）與收入（X）數(shù)據(jù)，建立居民總消）數(shù)據(jù)，建立居民總消費(fèi)模型。費(fèi)模型。數(shù)據(jù)數(shù)據(jù)YX19804605.2947943.89619815063.3918437.20619825482.3429235.09019835983.51910075.2019846745.98911565.4419857728.60711600.8419868211.39813037.2219878839.97114627.7619889560.26715793.6019899085.15515034.9519909450.90016525.94199110375.7518939.50199211815.0522056.07199313004.8325897.62199413944.5928784.25199515467.9131175.43199617092.4733853.71YX199718080.1635955.37199819363.8938140.48199920989.5940277.60200022864.4242965.59200124480.4946413.60200226485.9251337.44200328436.7457512.99200430963.5464943.70200534026.0773987.90200637939.5886334.55200742232.5796877.35200846232.67112093.6200951530.08120607.7201056817.07133045.0201164712.02146647.1201269002.39155244.4201377198.39173230.8OLSOLS估計估計LM檢驗(yàn)檢驗(yàn)LM檢驗(yàn)（檢驗(yàn)（2階相關(guān)）階相關(guān)）LM檢驗(yàn)（檢驗(yàn)（2階相關(guān)）階相關(guān)）LM檢驗(yàn)（檢驗(yàn)（1階相關(guān)）階相關(guān)）廣義差分法（選擇廣義差分法（選擇1 1階差分）階差分）廣義差分法（選擇廣義差分法（選擇1 1階差分）階差分）穩(wěn)健標(biāo)準(zhǔn)誤方法穩(wěn)健標(biāo)準(zhǔn)誤方法（Newey-West standard errors）穩(wěn)健標(biāo)準(zhǔn)誤方法穩(wěn)健標(biāo)準(zhǔn)誤方法（Newey-West standard errors）