计量经济学实验七--李子奈.docVIP

实验七 分布滞后模型与自回归模型及格兰杰因果关系检验 一 实验目的：掌握分布滞后模型与自回归模型的估计与应用，将我格兰杰因果关系检验方法，熟悉Eviews的基本操作。 二 实验要求：应用教材P187习题6案例，做有限分布滞后模型的估计、格兰杰因果关系检验。 三 实验原理：普通最小二乘法、阿尔蒙法、格兰杰因果关系检验、LM检验。 四 预备知识：普通最小二乘法估计的原理、t检验、拟合优度检验、阿尔蒙法、多项式近似。 五 实验内容： 1970～1991年美国制造业固定厂房设备投资Y和销售量X的相关数据如下表所示。10 亿美元 厂房开支Y 销售量X 年份 厂房开支Y 销售量X 1970 36.99 52.805 1981 128.68 168.129 1971 33.6 55.906 1982 123.97 163.351 1972 35.42 63.027 1983 117.35 172.547 1973 42.35 72.931 1984 139.61 190.682 1974 52.48 84.79 1985 152.88 194.538 1975 53.66 86.589 1986 137.95 194.657 1976 68.53 98.797 1987 141.06 206.326 1977 67.48 113.201 1988 163.45 223.547 1978 78.13 126.905 1989 183.8 232.724 1979 95.13 143.936 1990 192.61 239.459 1980 112.6 154.391 1991 182.81 235.142 (1)假定销售量对厂房设备支出有一个分布滞后效应，使用4期滞后和2次多项式去估计此分布滞后模型； (2)检验销售量与厂房设备支出的格兰杰因果关系，使用直至6期为止的滞后并评述你的结果。 六 实验步骤： 6.1 建立工作文件并录入数据，如图1所示 图 1 6.2 使用4期滞后2次多项式估计模型 在工作文件中，点击Quick\Estimate Equation…，然后在弹出的对话框中输入：Y C PDL(X,4,2)，点击OK，得到如图2所示的回归分析结果。 其中，“PDL指令”表示进行多项式分布滞后(Ploynamial Distributed Lags)模型的估计，X为滞后序列名，4表示滞后长度，2表示多项式次数。 由图2中的数据，我们得到估计结果如下： 最后得到的分布滞后模型估计式为： 图 2 图2所示输出结果的上半部分格式与一般的回归方程相同，给出了模型参数估计值、t检验统计量值及对应的概率值，以及模型的其他统计量。图2窗口的下半部分则给出了模型解析变量X及X各滞后变量的系数估计值、标准差、t统计量以及滞后系数之和(Sum of Lags)等信息。 图2上部分中的PDL01、PDL02、PDL03分别代表式中的、、。由于多项式次数为2，因此除了常数项外共有3个参数估计值。在3个PDL变量系数估计值中变量PDL01、PDL03的系数估计值的t统计量没有通过显著性检验，而PDL02的系数估计值在5%的检验水平是显著的。但是F统计量=243.9194，其对应的概率值P非常小，从而可以拒绝“整体上诸变量PDL之间对Y没有影响”的原假设，参数估计值不显著很可能是由于诸变量之间存在多重共线性问题。 图2下半部分，Lag Distribution of X列绘制出了分布滞后变量X的诸系数的分布图，其图形有呈现二次抛物线形状的趋势。紧接著，Eviews给出了分布滞后模型中诸的估计值。这些系数值分别为0.83242、0.31742、-0.01174、-0.15506、-0.11253，分别表示销售量X增加一个单位，在当期将使厂房开支Y增加0.83242个单位；由于存在时间滞后的影响，销售量X还将在下一期使得厂房开支Y增加0.31742个单位；在第二期使得厂房开支Y减少0.01174个单位；在第三期使得厂房开支Y减少0.15506个单位；第四期舍得厂房开支Y减少0.11253个单位。 图2所示的估计结果的最后一行Sum of Lags是诸系数估计值的总和，其反映的分布滞后变量X对因变量Y的长期影响(即长期乘数)，即从长期看，X增加一个单位将使得Y增加0.87052个单位。 为了进行比较，下面直接对滞后4期的模型进行OLS估计。在工作文件中，点击Quick\Estimate Equation...，然后在弹出的对话框中输入：Y C X X(-1) X(-2) X(-3) X(-4)，点击OK，得到如图3所示的回归分析结果。 图 3 由图3中数据我们得到：