第六章 自相关 案例分析
- 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)。
第六章 自相关 案例分析
一、研究目的
2003年中国农村人口占59.47%,而消费总量却只占41.4%,农村居民的收入和消费是一个值得研究的问题。消费模型是研究居民消费行为的常用工具。通过中国农村居民消费模型的分析可判断农村居民的边际消费倾向,这是宏观经济分析的重要参数。同时,农村居民消费模型也能用于农村居民消费水平的预测。
二、模型设定
正如第二章所讲述的,影响居民消费的因素很多,但由于受各种条件的限制,通常只引入居民收入一个变量做解释变量,即消费模型设定为
t t t u X Y ++=21ββ
(6.43)
式中,Y t 为农村居民人均消费支出,X t 为农村人均居民纯收入,u t 为随机误差项。表6.3是从《中国统计年鉴》收集的中国农村居民1985-2003年的收入与消费数据。
表6.3 1985-2003年农村居民人均收入和消费 单位: 元
为了消除价格变动因素对农村居民收入和消费支出的影响,不宜直接采用现价人均纯收入和现价人均消费支出的数据,而需要用经消费价格指数进行调整后的1985年可比价格计的人均纯收入和人均消费支出的数据作回归分析。
根据表6.3中调整后的1985年可比价格计的人均纯收入和人均消费支出的数据,使用普通最小二乘法估计消费模型得
t t
X Y 0.59987528.106ˆ+= (6.44)
Se = (12.2238) (0.0214)
t = (8.7332)
(28.3067)
R 2 = 0.9788,F = 786.0548,d f = 17,DW = 0.7706
该回归方程可决系数较高,回归系数均显著。对样本量为19、一个解释变量的模型、5%显著水平,查DW 统计表可知,d L =1.18,d U = 1.40,模型中DW 图6.6 残差图 图6.6残差图中,残差的变动有系统模式,连续为正和连续为负,表明残差项存在一阶正自相关,模型中t 统计量和F 统计量的结论不可信,需采取补救措施。 三、自相关问题的处理 为解决自相关问题,选用科克伦—奥克特迭代法。由模型(6.44)可得残差序列e t ,在EViews 中,每次回归的残差存放在resid 序列中,为了对残差进行回归分析,需生成命名为 e 的残差序列。在主菜单选择Quick/Generate Series 或点击工作文件窗口工具栏中的Procs/ Generate Series ,在弹出的对话框中输入e = resid ,点击OK 得到残差序列e t 。使用e t 进行滞后一期的自回归,在EViews 命今栏中输入ls e e (-1)可得回归方程 e t = 0.4960 e t-1 (6.45) 由式(6.45)可知ρ ˆ=0.4960,对原模型进行广义差分,得到广义差分方程 t t t t t u X X Y Y +-+-=---)4960.0()4960.01(4960.01211ββ (6.46) 对式(6.46)的广义差分方程进行回归,在EViews 命令栏中输入ls Y -0.4960*Y (-1) c X -0.4960*X (-1),回车后可得方程输出结果如表6.4。 表6.4 广义差分方程输出结果 Dependent Variable: Y-0.496014*Y(-1) Method: Least Squares Date: 03/26/05 Time: 12:32 Sample(adjusted): 1986 2003 Included observations: 18 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 60.44431 8.964957 6.742287 0.0000 X-0.496014*X(-1) 0.583287 0.029410 19.83325 0.0000 R-squared 0.960914 Mean dependent var 231.9218 Adjusted R-squared 0.958472 S.D. dependent var 49.34525 S.E. of regression 10.05584 Akaike info criterion 7.558623 Sum squared resid 1617.919 Schwarz criterion 7.657554 Log likelihood -66.02761 F-statistic 393.3577 Durbin-Watson stat 1.397928 Prob(F-statistic) 0.000000 **5833.04443.60ˆt t X Y += (6.47) )9650.8(=Se (0.0294) t = (6.7423) (19.8333) R 2 = 0.9609 F = 393.3577 d f = 16 DW = 1.3979 式中,1*4960.0ˆ--=t t t Y Y Y ,1*4960.0--=t t t X X X 。 由于使用了广义差分数据,样本容量减少了1个,为18个。查5%显著水平的DW 统计表可知d L = 1.16,d U = 1.39,模型中DW = 1.3979> d U ,说明广义差分模型中已无自相关,不必再进行迭代。同时可见,可决系数R 2 、t 、F 统计量也均达到理想水平。 对比模型(6.44)和(6.47),很明显普通最小二乘法低估了回归系数2ˆ β的标准误差。[原模型中Se (2ˆβ)= 0.0214,广义差分模型中为Se (2ˆ β)= 0.0294。 经广义差分后样本容量会减少1个,为了保证样本数不减少,可以使用普莱斯—温斯 腾变换补充第一个观测值,方法是21*11ρ-=X X 和2 1*11ρ-=Y Y 。在本例中即为 210.49601-X 和2 10.49601-Y 。由于要补充因差分而损失的第一个观测值,所以在 EViews 中就不能采用前述方法直接在命令栏输入Y 和X 的广义差分函数表达式,而是要生成X 和Y 的差分序列X *和Y *。在主菜单选择Quick/Generate Series 或点击工作文件窗口工具栏中的Procs/Generate Series ,在弹出的对话框中输入Y *= Y -0.4960*Y (-1),点击OK 得到广义差分序列Y *,同样的方法得到广义差分序列X *。此时的X *和Y *都缺少第一个观测值, 需计算后补充进去,计算得*1X =345.236,* 1Y =275.598,双击工作文件窗口的X * 打开序列 显示窗口,点击Edit +/-按钮,将* 1X =345.236补充到1985年对应的栏目中,得到X *的19个观测值的序列。同样的方法可得到Y *的19个观测值序列。在命令栏中输入Ls Y * c X*得到普莱斯—温斯腾变换的广义差分模型为 **5833.04443.60t t X Y += (6.48) )1298.9(=Se (0.0297) t = (6.5178) (19.8079) R 2 = 0.9585 F = 392.3519 d f = 19 DW = 1.3459 对比模型(6.47)和(6.48)可发现,两者的参数估计值和各检验统计量的差别很微小,说明在本例中使用普莱斯—温斯腾变换与直接使用科克伦—奥克特两步法的估计结果无显著差异,这是因为本例中的样本还不算太小。如果实际应用中样本较小,则两者的差异会较大。通常对于小样本,应采用普莱斯—温斯腾变换补充第一个观测值。 由差分方程(6.46)有 9292 .1194960.014443 .60ˆ1 =-=β (6.49) 由此,我们得到最终的中国农村居民消费模型为 Y t = 119.9292+0.5833 X t (6.50)