陆贵斌 9 分布滞后模型 案例分析.docx
《陆贵斌 9 分布滞后模型 案例分析.docx》由会员分享,可在线阅读,更多相关《陆贵斌 9 分布滞后模型 案例分析.docx(16页珍藏版)》请在冰豆网上搜索。
陆贵斌9分布滞后模型案例分析
第九章分布滞后模型案例分析
【案例7.1】为了研究1955—1974年期间美国制造业库存量Y和销售额X的关系,我们在例7.3中采用了经验加权法估计分布滞后模型。
尽管经验加权法具有一些优点,但是设置权数的主观随意性较大,要求分析者对实际问题的特征有比较透彻的了解。
下面用阿尔蒙法估计如下有限分布滞后模型:
将系数
(i=0,1,2,3)用二次多项式近似,即
则原模型可变为
其中
在Eviews工作文件中输入X和Y的数据,在工作文件窗口中点击“Genr”工具栏,出现对话框,输入生成变量Z0t的公式,点击“OK”;类似,可生成Z1t、Z2t变量的数据。
进入EquationSpecification对话栏,键入回归方程形式
YCZ0Z1Z2
点击“OK”,显示回归结果(见表7.2)。
表7.2
表中Z0、Z1、Z2对应的系数分别为
的估计值
。
将它们代入分布滞后系数的阿尔蒙多项式中,可计算出
的估计值为:
从而,分布滞后模型的最终估计式为:
在实际应用中,Eviews提供了多项式分布滞后指令“PDL”用于估计分布滞后模型。
下面结合本例给出操作过程:
在Eviews中输入X和Y的数据,进入EquationSpecification对话栏,键入方程形式
YCPDL(X,3,2)
其中,“PDL指令”表示进行多项式分布滞后(PolynomialDistributedLags)模型的估计,括号中的3表示X的分布滞后长度,2表示多项式的阶数。
在EstimationSettings栏中选择LeastSquares(最小二乘法),点击OK,屏幕将显示回归分析结果(见表7.3)。
表7.3
需要指出的是,用“PDL”估计分布滞后模型时,Eviews所采用的滞后系数多项式变换不是形如(7.4)式的阿尔蒙多项式,而是阿尔蒙多项式的派生形式。
因此,输出结果中PDL01、PDL02、PDL03对应的估计系数不是阿尔蒙多项式系数
的估计。
但同前面分步计算的结果相比,最终的分布滞后估计系数式
是相同的。
【案例7.2】货币主义学派认为,产生通货膨胀的必要条件是货币的超量供应。
物价变动与货币供应量的变化有着较为密切的联系,但是二者之间的关系不是瞬时的,货币供应量的变化对物价的影响存在一定时滞。
有研究表明,西方国家的通货膨胀时滞大约为2—3个季度。
在中国,大家普遍认同货币供给的变化对物价具有滞后影响,但滞后期究竟有多长,还存在不同的认识。
下面采集1996-2005年全国广义货币供应量和物价指数的月度数据(见表7.4)对这一问题进行研究。
表7.41996-2005年全国广义货币供应量及物价指数月度数据
月度
广义货币M2
(千亿元)
广义货币增长量M2z
(千亿元)
居民消费价格同比指数tbzs
月度
广义货币M2
(千亿元)
广义货币增长量M2z
(千亿元)
居民消费价格同比指数tbzs
Jan-96
58.401
Oct-00
129.522
-0.9518
100
Feb-96
63.778
5.377
109.3
Nov-00
130.9941
1.4721
101.3
Mar-96
64.511
0.733
109.8
Dec-00
134.6103
3.6162
101.5
Apr-96
65.723
1.212
109.7
Jan-01
137.5436
2.9333
101.2
May-96
66.88
1.157
108.9
Feb-01
136.2102
-1.3334
100
Jun-96
68.132
1.252
108.6
Mar-01
138.7445
2.5343
100.8
Jul-96
69.346
1.214
108.3
Apr-01
139.9499
1.2054
101.6
Aug-96
72.309
2.963
108.1
May-01
139.0158
-0.9341
101.7
Sep-96
69.643
-2.666
107.4
Jun-01
147.8097
8.7939
101.4
Oct-96
73.1522
3.5092
107
Jul-01
149.2287
1.419
101.5
Nov-96
74.142
0.9898
106.9
Aug-01
149.9418
0.7131
101
Dec-96
76.0949
1.9529
107
Sep-01
151.8226
1.8808
99.9
Jan-97
78.648
2.5531
105.9
Oct-01
151.4973
-0.3253
100.2
Feb-97
78.998
0.35
105.6
Nov-01
154.0883
2.591
99.7
Mar-97
79.889
0.891
104
Dec-01
158.3019
4.2136
99.7
Apr-97
80.818
0.929
103.2
Jan-02
159.6393
1.3374
99
May-97
81.151
0.333
102.8
Feb-02
160.9356
1.2963
100
Jun-97
82.789
1.638
102.8
Mar-02
164.0646
3.129
99.2
Jul-97
83.46
0.671
102.7
Apr-02
164.5706
0.506
98.7
Aug-97
84.746
1.286
101.9
May-02
166.061
1.4904
98.9
Sep-97
85.892
1.146
101.8
Jun-02
169.6012
3.5402
99.2
Oct-97
86.644
0.752
101.5
Jul-02
170.8511
1.2499
99.1
Nov-97
87.59
0.946
101.1
Aug-02
173.2509
2.3998
99.3
Dec-97
90.9953
3.4053
100.4
Sep-02
176.9824
3.7315
99.3
Jan-98
92.2114
1.2161
100.3
Oct-02
177.2942
0.3118
99.2
Feb-98
92.024
-0.1874
99.9
Nov-02
179.7363
2.4421
99.3
Mar-98
92.015
-0.009
100.7
Dec-02
185.0073
5.271
99.6
Apr-98
92.662
0.647
99.7
Jan-03
190.4883
5.481
100.4
May-98
93.936
1.274
99
Feb-03
190.1084
-0.3799
100.2
Jun-98
94.658
0.722
98.7
Mar-03
194.4873
4.3789
100.9
Jul-98
96.314
1.656
98.6
Apr-03
196.1301
1.6428
101
Aug-98
97.299
0.985
98.6
May-03
199.5052
3.3751
100.7
Sep-98
99.795
2.496
98.5
Jun-03
204.9314
5.4262
100.3
Oct-98
100.8752
1.0802
98.9
Jul-03
206.1931
1.2617
100.5
Nov-98
102.229
1.3538
98.8
Aug-03
210.5919
4.3988
100.9
Dec-98
104.4985
2.2695
99
Sep-03
213.5671
2.9752
101.1
Jan-99
105.5
1.0015
98.8
Oct-03
214.4694
0.9023
101.8
Feb-99
107.778
2.278
98.7
Nov-03
216.3517
1.8823
103
Mar-99
108.438
0.66
98.2
Dec-03
221.2228
4.8711
103.2
Apr-99
109.218
0.78
97.8
Jan-04
225.10193
3.87913
103.2
May-99
110.061
0.843
97.8
Feb-04
227.05072
1.94879
102.1
Jun-99
111.363
1.302
97.9
Mar-04
231.6546
4.60388
103
Jul-99
111.414
0.051
98.6
Apr-04
233.62786
1.97326
103.8
Aug-99
112.827
1.413
98.7
May-04
234.8424
1.21454
104.4
Sep-99
115.079
2.252
99.2
Jun-04
238.42749
3.58509
105
Oct-99
115.39
0.311
99.4
Jul-04
234.8424
-3.58509
105.3
Nov-99
116.559
1.169
99.1
Aug-04
239.72919
4.88679
105.3
Dec-99
119.898
3.339
99
Sep-04
243.757
4.02781
105.2
Jan-00
121.22
1.322
99.8
Oct-04
243.74
-0.017
104.3
Feb-00
121.5834
0.3634
100.7
Nov-04
247.13558
3.39558
102.8
Mar-00
122.5807
0.9973
99.8
Dec-04
253.2077
6.07212
102.4
Apr-00
124.1219
1.5412
99.7
Jan-05
257.75283
4.54513
101.9
May-00
124.0533
-0.0686
100.1
Feb-05
259.3561
1.60327
103.9
Jun-00
126.6053
2.552
100.5
Mar-05
264.5889
5.2328
102.7
Jul-00
126.3239
-0.2814
100.5
Apr-05
266.99266
2.40376
101.8
Aug-00
127.79
1.4661
100.3
May-05
269.2294
2.23674
101.8
Sep-00
130.4738
2.6838
100
数据来源:
中国经济统计数据库,
为了考察货币供应量的变化对物价的影响,我们用广义货币M2的月增长量M2Z作为解释变量,以居民消费价格月度同比指数TBZS为被解释变量进行研究。
首先估计如下回归模型
得如下回归结果(表7.5)。
表7.5
DependentVariable:
TBZS
Method:
LeastSquares
Date:
07/03/05Time:
17:
10
Sample(adjusted):
1996:
022005:
05
Includedobservations:
112afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
101.4356
0.397419
255.2358
0.0000
M2Z
0.068371
0.151872
0.450190
0.6535
R-squared
0.001839
Meandependentvar
101.5643
AdjustedR-squared
-0.007235
S.D.dependentvar
2.911111
S.E.ofregression
2.921623
Akaikeinfocriterion
4.999852
Sumsquaredresid
938.9472
Schwarzcriterion
5.048396
Loglikelihood
-277.9917
F-statistic
0.202671
Durbin-Watsonstat
0.047702
Prob(F-statistic)
0.653460
从回归结果来看,M2Z的t统计量值不显著,表明当期货币供应量的变化对当期物价水平的影响在统计意义上不明显。
为了分析货币供应量变化影响物价的滞后性,我们做滞后6个月的分布滞后模型的估计,在Eviews工作文档的方程设定窗口中,输入
TBZSCM2ZM2Z(-1)M2Z(-2)M2Z(-3)M2Z(-4)M2Z(-5)M2Z(-6)
结果见表7.6。
表7.6
DependentVariable:
TBZS
Method:
LeastSquares
Date:
07/03/05Time:
17:
09
Sample(adjusted):
1996:
082005:
05
Includedobservations:
106afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
100.0492
0.584318
171.2240
0.0000
M2Z
-0.011037
0.140613
-0.078493
0.9376
M2Z(-1)
0.016169
0.137998
0.117166
0.9070
M2Z(-2)
0.053044
0.136808
0.387723
0.6991
M2Z(-3)
0.028679
0.143155
0.200333
0.8416
M2Z(-4)
0.130825
0.139183
0.939951
0.3496
M2Z(-5)
0.137794
0.142502
0.966965
0.3359
M2Z(-6)
0.248778
0.143394
1.734924
0.0859
R-squared
0.055557
Meandependentvar
101.1377
AdjustedR-squared
-0.011904
S.D.dependentvar
2.347946
S.E.ofregression
2.361879
Akaikeinfocriterion
4.629264
Sumsquaredresid
546.6902
Schwarzcriterion
4.830278
Loglikelihood
-237.3510
F-statistic
0.823546
Durbin-Watsonstat
0.094549
Prob(F-statistic)
0.570083
从回归结果来看,M2Z各滞后期的系数逐步增加,表明当期货币供应量的变化对物价水平的影响要经过一段时间才能逐步显现。
但各滞后期的系数的t统计量值不显著,因此还不能据此判断滞后期究竟有多长。
为此,我们做滞后12个月的分布滞后模型的估计,结果见表7.7。
表7.7
DependentVariable:
TBZS
Method:
LeastSquares
Date:
07/03/05Time:
17:
09
Sample(adjusted):
1997:
022005:
05
Includedobservations:
100afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
98.35668
0.467897
210.2102
0.0000
M2Z
-0.167665
0.121743
-1.377203
0.1720
M2Z(-1)
-0.032065
0.111691
-0.287084
0.7747
M2Z(-2)
-0.000995
0.111464
-0.008925
0.9929
M2Z(-3)
0.004243
0.113815
0.037276
0.9704
M2Z(-4)
0.106581
0.112727
0.945480
0.3471
M2Z(-5)
0.043217
0.113161
0.381908
0.7035
M2Z(-6)
0.117581
0.118460
0.992575
0.3237
M2Z(-7)
0.140418
0.115571
1.214988
0.2277
M2Z(-8)
0.220875
0.114368
1.931271
0.0567
M2Z(-9)
0.140875
0.115354
1.221247
0.2253
M2Z(-10)
0.180497
0.115895
1.557410
0.1230
M2Z(-11)
0.246911
0.125543
1.966752
0.0524
M2Z(-12)
0.392359
0.130058
3.016798
0.0034
R-squared
0.317136
Meandependentvar
100.7830
AdjustedR-squared
0.213913
S.D.dependentvar
1.890863
S.E.ofregression
1.676469
Akaikeinfocriterion
4.000434
Sumsquaredresid
241.7072
Schwarzcriterion
4.365158
Loglikelihood
-186.0217
F-statistic
3.072325
Durbin-Watsonstat
0.265335
Prob(F-statistic)
0.000906
表7.7显示,从M2Z到M2Z(-11),回归系数都不显著异于零,而M2Z(-12)的回归系数t统计量值为3.016798,在5%显著性水平下拒绝系数为零的原假设。
这一结果表明,当期货币供应量变化对物价水平的影响在经过12个月(即一年)后明显地显现出来。
为了考察货币供应量变化对物价水平影响的持续期,我们做滞后18个月的分布滞后模型的估计,结果见表7.8。
表7.8
DependentVariable:
TBZS
Method:
LeastSquares
Date:
07/03/05Time:
17:
08
Sample(adjusted):
1997:
082005:
05
Includedobservations:
94afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
97.41411
0.370000
263.2815
0.0000
M2Z
-0.083649
0.094529
-0.884900
0.3791
M2Z(-1)
-0.116744
0.093984
-1.242161
0.2181
M2Z(-2)
-0.119939
0.094428
-1.270156
0.2080
M2Z(-3)
-0.092993
0.095720
-0.971509
0.3345
M2Z(-4)
-0.032912
0.095823
-0.343468
0.7322
M2Z(-5)
-0.023891
0.097813
-0.244256
0.8077
M2Z(-6)
0.017290
0.100645
0.171794
0.8641
M2Z(-7)
0.028288
0.097570
0.289929
0.7727
M2Z(-8)
0.048708
0.095877
0.508021
0.6129
M2Z(-9)
0.025995
0.097569
0.266422
0.7907
M2Z(-10)
0.118247
0.096764
1.222011
0.2256
M2Z(-11)
0.157408
0.102558
1.534815
0.1291
M2Z(-12)
0.271281
0.112316
2.415326
0.0182
M2Z(-13)
0.325760
0.109217
2.982684
0.0039
M2Z(-14)
0.396242
0.107046
3.701601
0.0004
M2Z(-15)
0.335482
0.106776
3.141941
0.0024
M2Z(-16)
0.270811
0.107222
2.525697
0.0137
M2Z(-17)
0.200024
0.109278
1.830415
0.0712
M2Z(-18)
0.169696
0.101547
1.671114
0.0989
R-squared
0.610520
Meandependentvar
100.6085
AdjustedR-squared
0.510519
S.D.dependentvar
1.795733
S.E.ofregression
1.256348
Akaikeinfocriterion
3.480597
Sumsquaredresid
116.8024
Schwarzcriterion
4.021724
Loglikelihood
-143.5881
F-statistic
6.105105
Durbin-Watsonstat
0.308938