滞后变量试验报告.doc

(完整版)滞后变量试验报告计量经济学上机实验报告六题目:滞后变量实验日期和时间： 班级: 学号：姓名： 实验室：实验环境: Windows XP ； EViews 3。1实验目的：掌握滞后效应、因果关系检验及分布滞后变量模型估计，熟悉EViews软件的相关应用实验内容：利用实例数据和EViews软件,因果关系检验、采用阿尔蒙法估计回归模型、检验及滞后效应分析。第七章习题7。3实验步骤：一、 建立工作文件菜单方式命令方式：CREATE A 起始期 终止期二、 输入数据三、应用互相关分析命令初步选择滞后期长度,结果如下： Cross Y X据此,初步设定分布滞后模型利用阿尔蒙法估计模型,命令和结果为Ls Y C PDL(X,3，2） 试验结果：例39表7给出了某地区制造行业与统计资料（单位：亿元),（1） 检验库存和销售额之间的因果关系（2） 利用互相关分析命令，初步设定分布滞后模型滞后期长度（3） 试阿尔蒙方法估计分布滞后模型建立库存函数表7 某地区制造行业与统计资料（单位：亿元）年份库存y销售额x年份库存y销售额x197845069264801988682214100319795064227740198977965448691980518712873619908465546449198150070272801991908755028219825270730219199297074535551983538143079619931016455285919845493930896199410244555917198558213331131995107719620171986600433503219961208707139819876338337335199714713582078答案：（1） 检验库存和销售额之间的因果关系数组窗口中点击viewGranger Causality,分别输入滞后期长度,结果如下:滞后期为1滞后期为2滞后期为3滞后期为4滞后期为5滞后期为6格兰杰因果关系检验结果表滞后长度q=s格兰杰因果性F值F值的P值结论1x不是y的格兰杰原因y不是x的格兰杰原因53.31654。34672.e-060.0535拒绝接受(,拒绝（0。10）2x不是y的格兰杰原因y不是x的格兰杰原因18。45912。65580.00020.1079拒绝接受(，接受（0.10）3x不是y的格兰杰原因y不是x的格兰杰原因7。47054。13130。00650.0380拒绝拒绝4x不是y的格兰杰原因y不是x的格兰杰原因7.63332.13740.01080.1790拒绝接受5x不是y的格兰杰原因y不是x的格兰杰原因6.47221。28720.04720.4151拒绝接受6x不是y的格兰杰原因y不是x的格兰杰原因4。52780。73460。34500.7124接受接受从上表可知，当滞后阶数低于6时,因果关系检验结果为拒绝“销售额不是库存的格兰杰原因”的假设，即销售额是影响库存的原因；而当滞后阶数为3和1时拒绝“库存不是销售额的格兰杰原因”，即库存是影响销售额的原因,当随着滞后阶数为2、4、5、6时接受“库存不是销售额的格兰杰原因”，即库存是影响销售额的原因，可见，一年及三年库存和销售额具有双向的因果关系，而4年和5年仅具有销售额对库存的单向因果关系,5年以上二者均不具因果关系。据此,我们确定销售额为影响库存的原因.（2）利用互相关分析命令，初步设定滞后期长度Cross y x从上图Y与X的各期滞后值的相关系数及直方图可知，(考试中根据相关系数接近0.5的最大滞后期，做论文时可以先初步设定再逐步改变滞后期长度，当判定系数最大或赤池准则和施瓦兹准则最小者时，其对应的滞后期长度）库存额可能与当年和前三年的销售额相关,故初步设定滞后期长度为3，模型为Yt=a+b0Xt+ b1Xt1+ b2Xt-2+ b3Xt-3+ 2、利用阿尔蒙法估计模型，命令和结果如下:（1）假定bi可以用一个二次多项式逼近（注:一般多项式次数m小于滞后期长度s）Ls Y C PDL（X，3，2）经阿尔蒙变换之后的估计结果为:= 7140。754+1。1311Z0t+0.0377 Z1t-0。4322Z2tT= (3.5829） （6.2844) （0.2323) (-2.5960）R= 0.9968，=0.9961， F=1348.639，prob（F)= 0.000000 DW=1。8482即= -7140.754，=1。13114，= 0.0377，= -0.4322还原成原分布滞后模型：将估计结果代入以下公式=+（i1）+(i1）2 i=0，1,2，3,4（注:Eviews软件中为了对模型回归系数两端数据进行控制约束,对多项式公式进行调整，此公式已与前述理论有所区别。根据Eviews输出结果中的值（PDL1的系数），可以判断估计过程中对多项式的设定形式，若 =,则多项式的设定形式为=+（is）+(is)2+.。+ （i-s）m ,如本例中 =，则多项式设为=+(i1)+（i-1）2）得:=-+=1.1311-0。0377 0.4322=0.6613=1.1311 =+=1.1311+0。0377 -0。4322=0.7367=+2+4=1。1311+0.03772 0.4322*4=0.5220在Eviews软件的窗口中已给出了上述计算结果，即库存模型为：= 7140.754 + 0.6613Xt + 1.1311*Xt-1 + 0.7367* Xt-2-0.5220 Xt3T= (3.5829） （3.9960） （6。2844） （4。4846) (-2。2231）R= 0.9968，=0。9961， F=1348。639，prob(F）= 0.000000 DW=1.8482从估计结果来看,有所改善,所有X的参数T统计量值大大提高，且检验均显著，F检验也显著,模型也不存在一阶自相关.模型的经济意义（乘数分析）：短期乘数为0。6613,表明本期销售额增长1%，本期库存将增长0.6613；长期乘数为2。0071，表明本期销售额增长1，库存总的增长2。0071。(2）假定bi可以用一个一次多项式逼近（注：一般多项式次数小于滞后期长度）Ls Y C PDL（X,2,1）经阿尔蒙变换之后的估计结果为：= -7984.934+0。6850Z0t0.1760Z1tT= （3。6107) (31。0723) （-1。0581） R=0。9954，=0.9948， F=1524.817，prob（F）= 0.000000 DW=1.4811即= 7984。934,=0。6850,=-0.1760还原成原分布滞后模型：将估计结果代入以下公式=+（i1） i=0，1，2，(注：Eviews软件中为了对模型回归系数两端数据进行控制约束,对多项式公式进行调整，此公式已与前述理论有所区别。根据Eviews输出结果中的值(PDL1的系数），可以判断估计过程中对多项式的设定形式，若 =，则多项式的设定形式为=+(is)+（is）2+.。+ (is）m ,如本例中 =，则多项式设为=+（i-1）得:=0。6850+0.1760=0。8610=0.6850 =+=0.68500。1760=0.5090在Eviews软件的窗口中已给出了上述计算结果，即库存模型为:= 7984。934 + 0。8610Xt + 0.6850*Xt1 +0。5090 Xt2T= （-3。6107) （5。7827） (31。0723) （2.7552) 从估计结果来看，X的回归系数均显著，F统计量值很大，方程整体显著，R接近于1，说明模型整体上对样本数据拟合较好，但PDL02回归系数不显著，说明多项式次数选择不太合理。（2)将滞后期调整为3,初步设定模型为：Yt=a+b0Xt+ b1Xt1+ b2Xt2+ b3Xt-3+利用阿尔蒙法估计模型，命令和结果为Ls Y C PDL（X,3，1）从估计结果来看,PDL项的回归系数均显著，F统计量值很大，方程整体显著，但降低,且 Xt3的回归系数不显著。(4）将滞后期调整为4,初步设定模型为：Yt=a+b0Xt+ b1Xt-1+ b2Xt-2+ b3Xt3+ b3Xt4+利用阿尔蒙法估计模型，命令和结果为Ls Y C PDL(X，4，1）从估计结果来看，PDL项的回归系数均显著，F统计量值很大，方程整体显著，有所改善,但Xt-3的回归系数不显著.（5)从上述分析可以看出，假定bi为一次多项式估计均存在一些问题，为此，假定bi可以用一个二次多项式逼近，重新用阿尔蒙法估计模型，命令及结果如下：Ls Y C PDL（X，3,2)由图可知，有所改善， F统计量值很大，方程整体显著，回归系数显著,但PDL02项的回归系数不显著。(6)继续将滞后期长度调整为4，再运用阿尔蒙法估计模型，命令和结果如下：Ls Y C PDL（X，4，2）经阿尔蒙变换之后的估计结果为：= 5816.974+0.7420Z0t-0.3996 Z1t0.1787 Z2tT= (-3。0119） (5。3651) （7。8286） （-2。5798）R= 0.9973，=0。9966, F=1477。353，prob(F)= 0。000000 DW=1。1731即=5816。974，=0.7420,=0.3996，=0.1787还原成原分布滞后模型：将估计结果代入以下公式=+(i-2)+（i2）2 i=0，1，2,3,4（注：Eviews软件中为了对模型回归系数两端数据进行控制约束,对多项式公式进行调整，此公式已与前述理论有所区别。根据Eviews输出结果中的值（PDL1的系数），可以判断估计过程中对多项式的设定形式，若 =，则多项式的设定形式为=+（i-s）+（i-s）2+.。+ （i-s）m ，如本例中 =，则多项式设为=+(i2）+（i-2）2）得：=-2+4=0.7420+0。39962-0.17874= 0。8263=+=0。7420+0。39960。1787=0。9629 =0。7420=+=0.7420-0。39960.1787=0.1637=+2+4=0。74200。39962-0.1787*4= 0.7722在Eviews软件的窗口中已给出了上述计算结果，即库存模型为:= -5816.9745 + 0。8263Xt + 0.9629*Xt1 + 0。741920 Xt-2+ 0.1636* Xt-3- 0。7722 Xt-4T=（3。0119) （6.7105） （9.8222） （5。3651) （2.2474) (3。6437） 从估计结果来看，有所改善，F检验也显著,所有X的参数均显著,PDL项的回归系数均显著，但DW检验无法判定模型是否存在一阶自相关。为了确认模型的自相关性，运用广义差分法估计模型，结果显示该模型的AR项回归系数显著地为零，表明模型确实不存在一阶自相关。（7）假定bi可以用一个三次多项式逼近，运用阿尔蒙法估计模型,命令和结果如下：Ls Y C PDL(X,4,3）从估计结果来看，AIC和SC上升， Xt-3的参数不显著，PDL04项的回归系数也不显著。8）模型比较:(滞后期，多项式次数)(2,1）（3,1）（4,1）（3，2)（4，2)(4，3)阿尔蒙变换后方程c7984。934(-3。6108）-6552.174（-2。7868）5467。259(2.3690）7140.754(3.5829）5816。974（-3.0119）-6091。301（3。1204)Z0t0。6850（31.0723)0。6686(21.9770)0.3868(24。6665）1。1311(6.2844)0。7420 (5。3651）0.7264(5.2166）Z1t-0。1760(1。0581）0.3373(-3。8205)0.3401（-6.2350）0.0377(0。2323)-0。3996（-7。8286)-0.7209（2.2013）Z2t0。4322（2。5960)-0.1787（2。5797)-0.1693(-2.4192）Z3t0.0993(0。9931）还原成原分布滞后模型Xt0。8610(5。7827）1.0059(8。5748）1。0670(11.0810)0。6613（3.9960）0。8263（6.7105)0。6963(3.8721)Xt10.6850（31。0723)0.6686（21.9770）0。7269（17。2120)1。1311（6。2844）0.9629(9。8222）1。1787(4。9436)Xt-20.5090（2。7552)0.3313（5。4656)0.3868(24.6665）0.7367（4。4846）0.7420（5.3651)0。7264(2.2013)Xt-30.0059（-0.0397)0。0467（0.6842)-0.5220(-2.2231）0.1636(2.2474)0.1693(-2.4192)Xt40。2934（2。3938)-0.7722(-3.6437）0。0994(0.9931）0。99480.99440。99520.99610。99660.9966F1524.8171432.3571541。9251348.6391477。3531106。996DW1.48111。44701。34331。84821.17311。0553检验说明参数T检验通过，F检验显著降低,Xt3参数T检验不显著提高，但 Xt3参数T检验不显著提高，参数T检验显著且无自相关性AIC和SC最小，参数T检验通过,无自相关，此模型为最优模型改善但Xt4参数T检验不通过经赤池信息准则AIC和施瓦兹信息准则SC比较，当滞后期为4，多项式次数为2时，此模型AIC和SC为最小，故该模型为最优模型即:= 5816。9745 + 0。8263*Xt + 0。9629*Xt-1 + 0.741920* Xt2+ 0。1636 Xt-3 0.7722* Xt-4T=（-3。0119） （6.7105） (9.8222) （5。3651） (2.2474) （3。6437）R= 0。9973,=0。9966， F=1477.353,prob(F）= 0.000000 DW=1。1731模型的经济意义（乘数分析）：短期乘数为0.8263,表明本期销售额若增长1亿元，则本期最佳库存量为0。8263亿元;长期乘数为2.0071，表明本期销售额若增长1亿元，则未来最佳库存量为2。0071亿元。3。 局部调整模型在局部调整假定下，先估计一阶自回归模型,回归的估计结果如下：=-4730。975 +1。148953*Xt + 0.9629Yt-1(2073。403) (0。1578) （0.1056）T= (-2。3221） （7。2825） （4.1655）R= 0.9941,=0。9933， F=1182。218，prob(F）= 0.000000 DW=1.5953根据局部调整模型的参数关系，有将上述估计结果代入得到：1-0.439765=0.5602345 -4730。976/(10。439765)=8444.628 长期乘数1。148953/(10.439765）=2。05084短期乘数=1。148953故局部调整模型估计结果为：-8444.628+2.050841Xt可以看到，回归系数均显著；F统计量较大，方程整体显著；较高，模型整体上对样本数据拟合较好.运用德宾h检验一阶自相关：= （11。5953/2)* （17/（1-17*0。1055742)(0.5)=0.926714在显著性水平上,查标准正态分布表得临界值，由于=0。9267，则接收原假设，说明自回归模型不存在一阶自相关问题。经济意义：为了达到销售额的计划值，寻求一个未来预期的最佳库存量.销售额计划每增加1(亿元）,则未来预期最佳的库存量为2。05084亿元。