计量经济学自相关性课件(编辑修改稿)

计量经济学自相关性课件(编辑修改稿)内容摘要：

一个定量变量、两个定性变量（各考虑两种特征） 冬季、农村）—（比较的基础冬季、农村居民）（冬季、城市居民）（夏季、农村居民）（夏季、城市居民农村城市冬季夏季其中：、人均收入啤酒销量例：，iiiiiiiiiiiiiiiiiiXYXYXYXYDDXDDYXYDDXfY020102102122110210101)(051015201 2 3 4 5 6 7（二）一个定量变量 X、多个虚拟变量（ 定性变量） 的模型 ttktttt uXDDDY   2110例 我国有 56个民族，引入虚拟变量： D1— D55（以汉族为基础） 藏族：（ 1， 0， 0， … ， 0） 彝族：（ 0， 1， 0， … ， 0） … 汉族：（ 0， 0， 0， … ， 0） 练习： 设衣着消费函数为 iiii XDDY   33221 Xi — 收入水平； Yi — 年服装消费支出 ，男性，女性012D，其他大专及大专以上0,13D写出不同人群组衣着消费函数模型。 二 、 乘法类型 乘法类型引入虚拟变量 ， 是在所设立的模型中 ， 将虚拟解释变量与其它 解释变量 （ 含 Xi或 Di） 相乘作为新的 解释变量 出现在模型中 ， 以达到其调整 设定模型斜率系数的目的。 了）。 较（只有斜率系数改变在正常年份的基础上比正常年份反常年份：收入消费支出；正常年份反常年份其中：例：ttttttttttttXYXYXYDXDXY0210210)(:01)(变了，为什么。 ）（截距、斜率系数都改比较的基础是正常年份正常年份反常年份：收入消费支出；正常年份反常年份其中：例：tttttttttttttXYXYXYDXDXDY021102110)()(:01)( 乘法类型引入虚拟变量的 主要作用 ： 关于两个回归模型的比较； 因素间的交互影响的分析； 提高模型对现实经济现象的描述精度。 下面分别对三个作用进行讨论： （一）回归模型的比较（结构变化检验） 通过对模型的参数检验，可以检验模型是否有不同的结构。 即 定性变量 D的引入，是否影响不同类型 （属性） 模型的 平均水平 （截距项）。 定性变量 D的引入，是否影响不同类型 （属性） 模型的 相对变化（ 斜率系数 ）。 例如 ：城镇居民家庭与农村居民家庭的消费函数不仅在截距上 有差异，边际消费倾向可能也会有所不同。 模型可以记为 iiii u)DX(XDY  2110 其中 : Yi为第 i 个家庭的消费水平； Xi为第 i 个家庭的收入水平。 ，农村居民家庭，城镇居民家庭01D则 D=1： 则 D=0： iii uXY  )( 2110  ）（iii uXY  10  城镇 、 农村居民家庭的消费行为完全一样 （ 截距和斜率系数相等 ） 城镇 、 农村居民家庭的消费函数是 截距变动 模型 （ 截距不相等 ） 城镇、农村居民家庭的消费函数是 斜率变动 模型 （斜率系数不相等） 城镇、农村居民家庭的消费函数是 截距和斜率变动 模型 （截距、斜率不等） 通过对上述两个模型的 截距、斜率系数 检验（比较），可以判断我们讨论的模型属于以下何种类型：： 一般： 不同的回归共点回归平行回归重合回归2211221122112211,分别回归，有以下四种情况： ttttttuXYuXY221121例：改革开放前、后（平均）“储蓄 — 收入”模型： 改革开放后改革开放前为收入总额为储蓄总额；其中：）（011)(2121DXYuXDXDYtttttttt)3()2(,132:3221211再写出））进行估计（比较先对模型（），应注意什么。 ）进行估计（）、（分别对模型（问题）（）（）（改革开放前：）（改革开放后：O L SO L SuXYuXYtttttt 加法方式引入 D：为了区别改革开放前、后储蓄 起点 的情况（即 两 模型的 截距 变化） 乘法方式引入 D：为了区别改革开放前、后“储蓄“关于”收入”的 相对变化 情况（即两模型的 斜率系数 变化） （ 二 ） 交互效应的分析 例如 ， 不同人群组的衣着消费函数 前面仅讨论了解释变量 X对被解释变量 Y的影响作用；没有分析 解释变量间的相互作用对被解释变量 Y的影响作用。 其它大专以上；男性女性（收入水平）（服装年均支出费）；其中：）（010113233221DDXYuXDDYiiiiiii （ 1）式以加法形式引入，暗含假设： 性别虚拟变量 D2的 截距差异效应 对于 两种教育水平 而言是常数 . （如女性年均服装支出高于男性，性别差异在年均服装支出上产生了效应。 但该效应的大小与女性的文化教育水平无关，因为没有表示大专以上学历女性的变量）。 同理： 教育水平虚拟变量 D3的 截距差异效应 对于 性别 而言也是常数。 为了反映 交互效应 ， 将 （ 1） 变为： 大专以上的女性： iii uXY   ）（ 4221 其他女性： iii uXY   ）（ 21 大专以上的 男性： iii uXY   ）（ 31 其他男性： iii uXY   1 如何检验交互效应是否存在。 iiiiii uXDDDDY   31243322100 4140432 ：；：值。 即检验对应的）的系数看（HHtDD ii 若拒绝原假设，即交互效应对 Y产生了影响（应该引入模型） （三） 分段回归分析 （提高模型的描述精度） 虚拟变量也可以用来代表数量因素的不同阶段。 分段线性回归就是类似情形中常见的一种。 例 : 1979年以前 ， 我国居民的消费支出 Yt 呈缓慢上升的趋势；从 1979年开始 ，居民消费支出为快速上升趋势。 显然 ， 1979年是一个转折点 ， 设 X*＝ 1979。 用以下模型描述我国居民在 1955—1985年期间消费支出的变动趋势。 tt uDXttY  )( *210 ttXtXtD01tt utY  101979 ：年以前 年份 (t＝ 1955， 1956， …， 1985) 居民消费趋势方程： tt utXY  )(1979 21*20 ：年以后年后有明显改变。 不为零，则消费趋势在如果统计检验表明。 回归模型的斜率是年以后而在回归模型的斜率是年以前即在1979)(,1979。 ,19792211 例 : 设 Y表示奖金、 X表示销售额。 当销售额低于 X*时，奖金与 销售额呈线性关系；当销售额高于 X*时，奖金与销售额呈更加陡峭 的线性关系。 如图： . X* X **01XXXXDtttt uDXXXY  )( *210 处存在突变。 值，判断是否在对应的检验 *2ˆ XtttttXXYXXYX）（（：高于：低于21*20*10*ˆˆ)ˆˆˆˆˆˆ Y 是否存在突变。 判断在的统计显著性，则可以只要检验斜率；（第二段回归直线）的）是销售高于（斜率；（第一段回归直线）的是销售低于*2*21*1ˆˆˆXXX案 例 例 1：美国 1940一 1950年可支配收入和消费支出的数据资料： tX tC tD年份 可支配收入 消费支出 40 0 … … … … 50 0 回归模型： ttt uDXc  321  Xt为可支配收入。 Ct为消费支出 D＝ 1代表战争时期 (1942— 1945年 )； D＝ 0代表和平时期 用最小二乘法可以得到以下估计结果 () () () 战争时期的消费函数： 和平时期的消费函数： DXY  R 2 FXY XY 9 5 7  例 2：中国城镇居民家庭的储蓄函数 根据我国城镇居民家庭 1955— 1985年人均收入 和人均储蓄 的数据资料 （ 以 1955年的物价水平为 100） ， 建立储蓄模型： tXtSttt uXS  10 用最小二乘法得估计结果为： tt XS  R DW 模型隐含着一个重要假定 ， 我国城镇居民家庭的储蓄行为在1955年至 1985年期间是不变的。 假定未必能够成立 ， 因为与居民储蓄有关的许多重要因素在1979年以后发生了明显变化 ， 主要表现为： 1)在经济体制改革之前 ， 我国居民的收入一直在低水平上徘徊 ，大多数居民家庭的收入仅能维持温饱 ， 因而平均储蓄倾向很低 ， 积蓄很少； 1979年后 ， 我国居民的收入水平迅速提高 ， 与此同时 ， 居民储蓄也在大幅增长 （ 由此看来 前 、 后两时期 ， 居民的储蓄行为有显著差异 ） ； 2)在改革开放前的大多数年份 ， 我国的消费品市场存在严重短缺的现象。 消费者既使有钱也难以买到所需的商品 ， 而不得不把钱暂时存起来。 因此 ， 这一时期储蓄带有 “ 非自愿 ” 的性质； 1979年之后 ， 消费品市场日趋丰富 ， 消费者储蓄的主要目的之一是购买高档耐用消费品 ， 储蓄不再具有 “ 被迫 ” 性质。 为了验证 改革开放前 、 后 城镇居民储蓄行为的变化 ， 引入虚拟变量 tttt uDXDXS  3210 1 9 7 901 9。