第六章 分布滞后模型和自回归模型
庞皓版计量经济学课件 (1)
三、阿尔蒙法
目的：消除多重共线性的影响。 基本原理：在有限分布滞后模型滞后长度 s 已
知的情况下，滞后项系数有一取值结构，把它 看成是相应滞后期 i 的函数。在以滞后期 i 为 横轴、滞后系数取值为纵轴的坐标系中，如果 这些滞后系数落在一条光滑曲线上，或近似落 在一条光滑曲线上，则可以由一个关于 i 的次 数较低的 m次多项式很好地逼近，即
,
* β0 = β0
, u t* = u t - λu t -1
则库伊克模型（7.10）式变为
* Yt = α * + β 0 X t + β 1* Y t -1 + u t*
（7.12）
这是一个一阶自回归模型。
7-33
库伊克变换的优点
1.以一个滞后被解释变量代替了大量的滞后解 释变量，使模型结构得到极大简化，最大限度 地保证了自由度，解决了滞后长度难以确定的 问题； 2.滞后一期的被解释变量与 X t 的线性相关程 度将低于 X 的各滞后值之间的相关程度，从而 在很大程度上缓解了多重共线性。
7-28
库伊克假定：
对于如下无限分布滞后模型：
Yt = α + β0 X t + β1 X t-1 + β2 X t- 2 ++ut
（7.6）
可以假定滞后解释变量 X t-i 对被解释变量 Y 的影 响随着滞后期 i 的增加而按几何级数衰减。即滞 后系数的衰减服从某种公比小于1的几何级数：
βi = β0 λi , 0 λ 1 , i 0,1,2,
计量经济学
分布滞后模型与自回归模型
7-1
引子: 货币政策效应的时滞
货币供给的变化对经济影响很大，货币政策总是 备受关注。 货币政策的影响效应存在着时间上的滞后。在货币政策的传 导过程中，货币扩张首先促使利率降低，或者一般价格水平 的上升，这需要一段时间。 这些因素对以GDP为代表的经济增长的影响，更是需要一 段时间才能显示出来。只有经过一段时间以后，支出对利率 的反应增强，投资、进出口和消费才会不断上升，货币政 策才最终促使GDP增加。通常，货币扩张对GDP影响的最 高点可能是在政策实施以后的一到两年间达到。
分布滞后模型
2019/4/16
Y * t 0 1 X t t （6.3.12）
由于存在滞后现象，Yt 的实际变化（Yt—Yt-1） 只是预期变化（Y*t-1—Yt-1）的一部分，需要按预定 水平逐步进行调整，从而作出如下调整假设：
Yt Yt 1 Y * t Yt 1 （6.3.13）
式中，
t t 1 t 1
（6.3.9）
18
2019/4/16
由以上讨论可知，根据几何分布滞后模型 的假定，我们可以把无限分布滞后模型变 换为仅包含3个参数的自回归模型（见 （6.3.9））。
19
2019/4/16
（二）部分调整模型
该模型早先用来研究物资储备问题，亦称存 货调整模型。 例如，本期商品的库存量的期望值（最佳库 存量）取决于本期实际销售额。 因此，作如下的理论假设：被解释变量的希 望值（最佳值）Y*t是Xt的线性函数 20
3
2019/4/16
0 ：称为短期影响乘数，它表示解释变量 X 变化一个单位
对同期被解释变量 Y 产生的影响。
1 , 2 ,... ：称为延期影响乘数，因为它们是测度以前不同时期
X 变化一个单位对 Y 的滞后影响。
i
0 1 3 ... ，称为长期影响乘数，表示
二、产生滞后模型的原因
（一）心理因素 收入、GDP、 （二）技术因素 货币发行与通货膨胀、投入与产出 （三）制度因素 改造家用电器的功能、款式与厂商的利润 6
2019/4/16
三、分布滞后模型估计的问题
对分布滞后模型直接采用最小二乘法估计参数时会 遇到如下困难： 1、无法估计无限分布滞后模型； 2、没有先验准则预先确定最大滞后长度k； 3、若滞后期较长而样本较小时，将缺乏足够的自由 度进行估计和检验； 4、解释变量存在序列相关，带来多重共线性的问题。
分布滞后模型
S.E. of regression
21.88962 Akaike info criterion
Sum squared resid
7187.333 Schwarz criterion
Log likelihood
-75.52028 F-statistic
Durbin-Watson stat
1.438436 Prob(F-statistic)
8.2 有限分布滞后模型及其估计
如果有限分布滞后模型
yt a b0 xt b1xt1 ...... bk xtk ut
中的参数bi（i＝0，1，2，…，k）的分布可以 近似地用一个关于i的低阶多项式表示，就可以利 用多项式减少模型中的参数。
8.2 有限分布滞后模型及其估计
8.2 有限分布滞后模型及其估计
8.2.2 有限分布滞后模型的估计方法 1．经验加权估计法 根据实际经济问题的特点及经验判断，对滞后 变量赋予一定的权数，利用这些权数构成各滞后变 量的线性组合，以形成新的变量，再应用最小二乘 法进行估计。
8.2 有限分布滞后模型及其估计
基本思路是设法减少模型中被估计的参数个数。 模型中参数的个数主要由解释变量的个数来决定， 要减少模型中被估计的参数个数，就要对解释变量 进行归并，并通过解释变量的归并，消除或削弱多 重共线性问题。
Prob. 0.0023 0.0000 818.6959 279.9181 9.120033 9.218058 2601.407 0.000000
8.2 有限分布滞后模型及其估计
Dependent Variable: Y
Method: Least Squares
Sample(adjusted): 1958 1974
分布滞后模型
Yt Yt1 ut
（12.18）
Yt1 Yt2 ut1
（12.19）
Yt Y0 ut
（12.20）
E(Yt ) Y0
（12.21）
var(Yt ) var(ut ut1 u) T 2 （12.22）
Yt (Yt Yt1 ) ut
（12.23）
2-10
12.5 随机游走模型
2-15
12.6 分对数模型
2-16
12.1 动态经济模型：自回归和分布滞后模型
动态模型（dynamic models）
Yt A B0 X t B1 X t1 B2 X t2 ut
分布滞后模型（distributed lag models）
Yt 常数 0.4 X t 0.3X t1 0.2 X t2 Yt 常数 0.9X t1
2．零假设为Yt1 的系数 A3 为零，等价于时间序 列是非平稳的，称为单位根假设。
3．为了检验A3 的估计值 a3 为零，通常会使用
熟悉的t 检验。
2-8
12.4 协整时间序列
eˆt 0.2753 et1
t( ) (3.779)
r 2 0.1422
2-9
12.5 随机游走模型
随机游走模型（random walk model）： 即根据变量今天的值并不能预测出变量明天的值。
2-11
图12-3 利用随机游走模型进行预测
12.6 分对数模型
分对数模型（logit model）和概率单位模型 (probit model)
逻辑分布函数（logistic distribution function）
2-12
12.6 分对数模型
2-13
12.6 分对数模型
自回归分布滞后模型(ADL)的运用实验指导
实验六 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 模型来估计变量之间长期稳定关系。
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)I 和(1)I 。
二、基本概念Jorgenson(1966)提出的（,p q ）阶自回归分布滞后模型ADL(autoregressive distributed lag)：011111i t t p t p t t q t q i t i i y y y ταφφεθεθεβ-----='=++++--+∑x ，其中t i -x 是滞后i 期的外生变量向量（维数与变量个数相同），且每个外生变量的最大滞后阶数为i τ，i β是参数向量。
当不存在外生变量时，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yt 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Eniews 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“New --Workfile”选项，在“Workfile structure type ”栏选择“Dated-regular frequency ”，在“Data specification ”栏中“Frequency ”中选择“Monthly ”即月份数据，起始时间输入1992m1即1992年1月份，止于1998m12，点击ok ，见图6-1，这样就建立了一个工作文件。
第六章分布滞后模型与自回归模型分析
第六章分布滞后模型与自回归模型分析分布滞后模型（Distributed Lag Models）和自回归模型（Autoregressive Models）是常用于时间序列分析的两种方法。
本章将分别介绍这两种模型以及其在经济学和社会科学领域中的应用。
分布滞后模型是一种广义的线性回归模型，用于分析变量之间的滞后效应。
它的基本形式可以表示为：Yt = α + β1Xt + β2Xt-1 + ... + βpXt-p + et其中，Yt是被解释变量，Xt是解释变量，β1到βp是与解释变量相关的系数，et是误差项。
模型中的滞后项Xt-1到Xt-p表示X在当前时间以及过去的一段时间内对Y的影响。
分布滞后模型可以用来研究两个或多个变量之间的滞后效应，并帮助研究者了解这些变量之间的动态关系。
分布滞后模型在经济学和社会科学领域中有广泛的应用。
例如，在宏观经济学中，可以用分布滞后模型来研究货币政策对经济增长的长期影响。
在健康经济学中，可以用分布滞后模型来研究疫苗接种对流行病传播的影响。
在社会学研究中，可以用分布滞后模型来研究教育程度对就业机会的影响。
自回归模型是一种基于时间序列的统计模型，用于预测一个变量在时间上的变化。
它的基本形式可以表示为：Yt = α + φ1Yt-1 + φ2Yt-2 + ... + φpYt-p + et其中，Yt是被预测的变量，φ1到φp是自回归系数，et是误差项。
自回归模型假设当前时间的值与过去时间的值有关，并且根据过去时间的值来预测未来时间的值。
自回归模型可以帮助研究者预测变量的趋势和周期性，并提供关于未来值的信息。
自回归模型在经济学和社会科学领域中也有广泛的应用。
例如，在金融学中，可以用自回归模型来预测股票价格的变化。
在气象学中，可以用自回归模型来预测天气变化。
在市场研究中，可以用自回归模型来预测产品销售量。
总之，分布滞后模型和自回归模型是两种常用的时间序列分析方法。
它们可以帮助研究者了解变量之间的滞后效应和趋势，并用于预测未来值。
eviews分布滞后模型和自回归模型
i0
i0
i0
定义新变量
s
W1t X ti i0
s
W2t iX ti i0
s
W3t i2 X ti
将原模型转换为：i0
Yt 0W1t 1W2t 2W3t t
第二步，模型的OLS估计 对变换后的模型进行OLS估计，得 ˆ,ˆ1,ˆ2 再计算出:
例
case26是某水库1998年至2000年各旬的流量、 降水量数据。分别建立水库流量与降水量序 列，命名为vol和ra。试对其建立多项式分布 滞后模型。
Eviews操作
在主窗口命令行键入如下命令建立PDL模型:
Ls y x1 x2 pdl(series name, lags, order, options) 其中， lags代表滞后期s, order表示多项式次数m,
比较发现，远端约束模型的调整后的决定系 数略高于无约束模型、AIC和SC信息量略低 于无约束模型，因此认为加入远端约束条件 后的多项式分布滞后模型较优，但二者差异 不大。
系数估计值差异也不大，说明滞后期为3月时 降水量对水库流量的作用本身已衰减接近0
根据需要，可以为模型增加ARMA项，比如对某商 品销售额(sale)、价格 (price)和顾客流量(customer) 建立分布滞后模型的同时，加入AR和MA项。
动项无一阶自相关，模型二和模型三扰动项 存在一阶正相关；在综合判断可决系数、F－ 检验值，t检验值，可以认为：最佳的方程尔蒙法
主要思想：针对有限滞后期模型，通过阿尔 蒙变换，定义新变量，以减少解释变量个数， 然后用OLS法估计参数。
阿尔蒙变换要求先验地确定适当阶数k例如取m2得?i?2210iii????????将代入分布滞后模型sy??????0?定义新变量titisitxy?????????0tsiitsiitsiittititxiixxxii??????????????????????????02201002210??i??sittxw01?将原模型转换为
空间自回归模型和空间滞后模型
空间自回归模型和空间滞后模型空间自回归模型和空间滞后模型，这两个名字听起来就像是从数学教室里跑出来的怪兽，但其实它们在分析数据的时候可是大有用处哦。
想象一下，你在一个小镇上，大家的房子都挨得很近，街坊邻里关系那是密不可分。
你的朋友小张如果今天心情好，邻居小李也可能会受到影响。
空间自回归模型就是要把这种“情绪传染”的现象给捉住。
它就像是在说，哎呀，咱们小镇上，如果小张心情好，没准大家的幸福指数也跟着蹭蹭上涨呢。
再说说空间滞后模型。
这家伙有点像是你等了很久的公交车，虽然你在这儿等着，但那辆车的到来还得看其他路上的情况。
空间滞后模型就告诉我们，某个地方的现象，不光是看自己这片区域，还得考虑周围的影响。
比如说，经济发展，某个城市的增长往往跟邻近城市的经济状况息息相关。
一个地方经济繁荣，附近的地方也会跟着水涨船高。
这就好比是，你的小区里开了一家超级火爆的餐厅，周围的店铺也跟着吸引了不少顾客，大家都是捞一把。
再想象一下，如果你在聚会上，大家都在聊最近的电影，你一来就提到那部让你失望的烂片。
可别小看了这个发言，可能会影响其他人的观感哦。
空间自回归模型和空间滞后模型就是在做这种事情，分析区域之间的互动，研究他们是如何影响彼此的，真的是个非常巧妙的想法。
就像是我们日常生活中，朋友圈子里的影响，谁都逃不掉。
听起来可能有点复杂，但其实它们的运用在我们生活中随处可见。
比如说，城市规划、环境监测，甚至是疫情的传播。
这些模型就像是研究人员的秘密武器，帮助他们了解各种现象背后的奥秘。
说到疫情，谁能忘记那段特殊的日子呢？在那时，研究人员就用这些模型来分析病毒的传播路径，看看哪个地方可能会成为“重灾区”，这对公共卫生决策真是至关重要。
哎，空间模型可不是只有学术界的专属。
咱们日常生活中，有时候也得用用这些思维，想想自己的行为会对周围的人造成怎样的影响。
就像你买了新衣服，如果你开心地穿出去，朋友们看到后也可能会去买，时尚就是这样流行开来的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1 2 k 0
❖ 先估计当前的y值被其自身滞后期取值所能解 释的程度，然后验证通过引入序列 x的滞后 值是否可以提高y的被解释程度。如果是，则 称序列 x是y的格兰杰成因，此时x的滞后期 系数具有统计显著性。一般地，还应该考虑 问题的另一方面，即y是否是x的格兰杰成因。
❖ Eviews计算如下的双变量回归：
yt 0 1 yt1 k ytk 1xt1 k xtk xt 0 1xt1 k xtk 1 yt1 k ytk
第六章 滞后变量模型
科克分布滞后模型
❖ 科克模型： yt 1 0 xt yt1 ut ut1 ❖ 在估计的过程中存在以下问题： ❖ （1）由于作为解释变量yt1，因此模型中包含
随机解释变量； ❖ （2）即使原模型中的 ut不存在序列相关，然
而ut ut1是序列相关的； ❖ （3）解释变量yt1 和误差项ut ut1存在序列相
❖ 对于滞后长度为已知的分布滞后模型，修正 的估计方法有经验加权法、阿尔蒙(Almon)多 项式滞后法等。
❖ 各种方法的基本思想大致相同，都是通过对 各滞后变量加权，组成线性组合变量(即滞后 变量的线性组合)作为新解释变量引入方程， 有目的地减少滞后变量的数目，缓解多重共 线性，保证自由度。
格兰杰因果检验
关。
❖ 因此，使用OLS估计将导致估计量不仅是有 偏的而且非一致的。可以采用工具变量法来 估计，有学者建议用xt1 作为 yt1 的工具变量。
有限分布滞后模型
❖ 一般模型为：
yt i xti ut
❖ 对于滞后长度的确定，可以根据实际经济问 题的需要和经验进行判定，也可以利用一些 判定方法和准则如赤池(Akaike)AIC准则与 施瓦兹(Schwarz)SC准则等。