《自回归分布滞后模型ADL的运用试验指导》由会员分享，可在线阅读，更多相关《自回归分布滞后模型ADL的运用试验指导（5页珍藏版）》请在金锄头文库上搜索。
1、Workfile structure type |Da regular frequ |Irregular Dated and Panel workfiles may be made from Unstruetured workfiles by bter specifying dat色 and/orDate speci ficationFrequency | Monthly |Start11992mlEnd |1998ml2|OKCancelNames (oFtional)WF：Fgge： 案例六自回归分布滞后模型（ADL）的运用实验指导一、实验目的理解ADL模型的原理与应用条件，学会运用ADL
2、模型來估计变屋之间长期稳定关系。 理解从经济理论上来说，两个经济变量之间的确有长期关系采用使用该模型进行估计。理解 ADL模型的优点：不管回归项是不是1阶单整或平稳都可以进行检验和估计。而进行标准 的协整分析前，必须把变量分类成/（0）和/（I）。二、基本概念Jorgenson（1966）提出的（p.q ）阶自回归分布滞后模型 ADL（autoregiessive distributedbg）: X = % + + 0，X-p + 吕- + XX-i，其中 Xt-i 是滞后 了 期Z=1的外生变量向量（维数与变量个数相同），且每个外生变量的最人滞后阶数为耳，0,是参数 向量。当不存在外生变量时
3、，模型就退化为一般ARMA （ p,q）模型。如果模型中不含有移动平均项，可以采用OLS方法估计参数，若模型中含有移动平均 项，线性OLS估计将是非一致性估计，应采用非线性最小二乘估计。三、实验内容及要求（1）实验内容运用ADL模型研究1992年1月到1998年12月我国城镇居民月对数人均生活费支出 Vt和对数可支配收入xt之间的长期稳定关系。（2）实验要求在认真理解模型应用条件的基础上，通过实验掌握ADL模型的实际应用方法，并熟悉 Emews的具体操作过程。四、实验指导（1）数据录入打开 Eviews 软件，选择“File”菜单中的tlNew项，在 “Woikfile structme ty
4、pe” 栏选择Dated-regular frequency在“Data specificationM栏中 “Frequency” 中选择“Monthly” 即月份数据，起始时间输入1992ml即1992年1月份,止于1998ml2，点击ok,见图6-1, 这样就建立了一个工作文件。Workfile Create图6建立工作文件窗I I点击File/Iinport,找到相应的Excel数据集，打开数据集,出现图6-2的窗口,在“Data order选项中选择“Ey observation”即按照观察值顺序录入，第一个数据是从a2开始的，所以在 aUppei-left data cell” 中输
5、入 a2,本例有 2 列数据，在 “Names for series or number if named in file中输入序列的名字2,点击ok,则录入了数据，图6-3显示的xt和yt便是录入的对数门J支配收入和对数人均生活费支出。Excel Spreadsheet Import厂 Write date/obsEVi ews date fornC First calendarLast calendar d： 厂 Write series nan2厶Names for series or Number if named in fileReset sample J CurrentI Work
6、fileTo end of1992m01 1998m124Import sample图6-2OKCancel图6-3宏观经济理论告诉我们，支出来源于收入，尤其是可支配收入，因此，从长期来看， 人均生活费支出和可支配收入之间必定存在长期稳定关系。因此可以考虑用分布滞后模型来 描述二者之间的长期关系。(2)建立一般模型消费具有惯性，即当期消费会受历史消费支出的影响，同时也会受当期收入和当前经济 实力的影响，而当前经济实力主要取决于历史收入情况，也就是说当期支出受历史收入和支 出，以及当期收入影响，我们可以把当期支出关于当期收入，历史收入和支出进行回归，另 外，考虑到是月份数据，还应该考虑滞后12期
7、的可支配收入和支出。在主窗II命令栏里输 入 Is vt c yt(-l) yt(-2) vt(-3) vt(-12) xt xt(-l) xt(-2) xt(-3) xt(-12),回车,即得回归结果图 6-4a 从回归结果看出，模型拟合很好，但有些变量t检验未能通过，按照p值从人到小的顺序逐 步剔除不显著的变屋，直到每个解释变量都高度显著为止。首先剔除xt(-3),得回归模型见图65,其他解释变量的p值都有所减小，继续剔除p值最人的xt(-2),得回归结果图66。VariableCoefficientStcL Errort-StatisticProb.C0.3154390.1282842.
8、4589070.0167YTM)0.1364220 0911391.4968590.1395YTi?2)0.0996660.0943781.0560290.2951YT(3)0.0562730.0891460.6312410.5302YT(.12)0.6943380.0871087.9709630.0000XT07767820.06882011.287080.0000XT 卜 1)-0.1546630.087311-17702610.081G咖)-0.0478750.088023-0 5439000.5885XT佝-0.0154280.081772-0.1886760.8510XT 卜 12-
9、0 5964670.102933-5.7947140.0000R-squared0.988030Fvlean dependent var5.807509Adjusted R-squared0.986293S_D dependent var0.338766S E of regression0.039662Akaike info criterion-3.488593Sum squared resid0 097631Schwarz criterion-3.172389Log likelihood135.5893F-statistic568.6352Durbin-Watson stat1 922932
10、Pro b(F-statistic)0.000000图6-4VariableCoefficientStd. Errort-StatisticProb.C0.3156810.1272922.4799740.0158YTi?D0.1362780.0904351.5069100.1368YT卜刀0.1050930.0891971.1782070 2431YT 卜 3)0.0412380.0396601.0397940 3024YT(-12)0.6940390.0864258.03065300000XT0.7777170 06811411417820 0000XT(-0.1535590.086479-
11、1.7756820 0806XT(-2-0.0543070.080531-0.6743650.5025XT卜-0.5976600.101949-5.8623310 0000R-squared0.988023Mean dependent var5807509Adjusted R-squared0.986503S D dependent var0.338766S.E. of regression0.039357Akaike info criterion-3.515796Sum squared resid0.097587Schwarz criterion-3.231213Log likelihood
12、135.5687F-statistic649.6551Durbin-Watson stat1.925549ProbfF-statistic0 000000图6-5图6-6显示，仍有yt(-3)的p值较犬，继续剔除yt(-3)，得回归结果6-7。在逐步剔除不显 著的解释变量过程中，模型的拟合效果变化并不大，且AIC和SC值在逐步减少，说明历史 较久远的收入和支出对当期支出影响的确不大。VariableCoefficientStcL Errort-StatisticProb.C0.3236230.1262192.5631910.0127W1)0.1562730 0850711 8369710.07
13、09YT(-2)0.0518840 0414231.2525480.2149YT 卜 3)0.0393970.0393971.0000120.3211YTi-12)0.6899800 0858478.0373290.0000XT07799110 06774611.512260.0000XT(-0.1765700 0791232 2315760 0292XT(-12)-0.5942160 101387-5.8608960.0000R-squared0.987937Mean dependent var5 807509Adjusted R-squared0 986618S D dependent v
14、ar0.338766S尼.of regression0.039189Akaike info criterion-3.536382Sum squared res id0 098292Schwarz criterion-3.283419Log likelihood136.3097F-statistic748 7770Durbin-Watson stat1.958736Prob(F-statistic)0 000000图6-6VariableCoefficientStd. Errort-StatisticProb.C0.3277490.1261482.5981340.0116YT(-D0.1592910.0850181.8736250.0665YT(-2)0.0702420 0371331.891G550.0630YTi-12)0.7012020 0851108.2387520.0000XT0.787
