《计量经济学》学习笔记之虚拟变量及滞后变量模型_虚拟变量的引入原则-程序员宅基地
技术标签： 格兰杰因果检验 计量经济学 统计学 虚拟变量 滞后变量
导航
上一章：放款基本假定的模型
文章目录
经典单方程计量 经济学模型：专门问题
5.1虚拟变量模型
●根据因素的属性类型，构造只取 “0”或“1”的人工变量。通常称为虚拟变量，且记为D。
●一般地，在虚拟变量的设置中，基础类型和肯定类型取值为1，比较类型和否定类型取值为0。同时含有一般解释变量与虚拟变量的模型称为虚拟变量模型。
一、虚拟变量的引入
●虚拟变量作为解释变量引入模型有两种基本方式：
①加法方式
②乘法方式
二、虚拟变量的设置原则
●虚拟变量的个数须按以下原则确定:
定性变量所需的虚拟变量个数要比该定性变量的类别数少1，即如果定性变量有m个类别，就在模型中引入m-1个虚拟变量。
5.2滞后变量模型
●某些经济变量不仅受到同期各种因素的影响，而且也受到过去某些时期的各种因素甚至自身的过去值的影响。通常把这种过去时期的具有滞后作用的变量叫做滞后变量，含有滞后变量的模型称为滞后变量模型。
一、滞后变量模型
●同样地，被解释变量当前的变化也可能受其自身过去水平的影响，这种被解释变量受到自身或另一解释变量的前几期值影响的现象称为滞后效应，表示前几期值的变量称为滞后变量。
●滞后效应产生的原因：
①心理原因
②技术原因
③制度原因
●滞后变量模型的一般形式为：
其中，q,s为滞后时间间隔，Yt-q为被解释变量Y的第q期滞后，Xt-s为解释变量X的第s期滞后。由于模型既含有Y对自身滞后变量的回归，还包括着解释变量X分布在不同时期的滞后变量，因此一般称为自回归分布滞后模型。若滞后期长度有限，称模型为有限自回归分布滞后模型:若滞后期长度无限，则称模型为无限自回归分布滞后模型。
①分布滞后模型
如果滞后变量模型中没有滞后被解释变量，仅有解释变量X的当期值及其若干期的滞后值，称为分布滞后模型。分布滞后模型的一般形式为：
分布滞后模型的各系数体现了解释变量的当期值和各期滞后值对被解释变
量的不同影响程度，因此也称为乘数。β0称为短期或即期乘数，表示本期X变化一个单位对Y平均值的影响程度。βi (i=1,2,3,⋯s)称为动态乘数或延迟系数，表示各滞后期X的变动对Y平均值影响的大小。∑si=0 βi 则称为长期或均衡乘数,表示X变动一个单位，由于滞后效应而形成的对Y平均值总影响的大小。
②自回归模型
如果滞后变量模型中的解释变量仅包含X的当期值与被解释变量Y的一个或多个滞后值，则称为自回归模型。自回归模型的一般形式为：
其中，滞后期长度q也称为自回归模型的阶数.
二、分布滞后模型的参数估计
●对于有限期的分布滞后模型，普通最小二乘回归也会遇到如下问题：
①没有先验准则确定滞后期长度
②如果滞后期较长，将缺乏足够的自由度进行统计检验
③同名变量滞后值之间可能存在高度线性相关，即模型存在高度的多重共线性。
●分布滞后模型的修正估计方法思想：都是通过对各滞后变量加权，组成线性合成变量而有目的地减少滞后变量的数目，以缓解多重共线性，保证自由度。
●修正方法：
①经验加权法
对于有限期分布滞后模型，往往根据实际问题的特点，以及人们的经验给各滞后变量指定权数，并按权数构成各滞后变量的线性组合，形成新的变量，再讲行估计。
权数的类型有以下三类：
①递减型
②矩形
③倒V型
②阿尔蒙(Almon)多项式法
该方法的主要思想仍是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，然后用普通最小二乘法估计参数。
主要步骤如下：
由于m<s，可以认为原模型存在的自由度不足和多重共线性问题已得到改善。需注意的是，在实际估计中，阿尔蒙多项式的阶数m一般取2或3，不超过4，否则达不到减少变量个数的目的。
③科伊克(Koyck)方法
科伊克模型有两个特点:
①以个滞后被解释变量Yt-1代替了大量的滞后解释变量Xt-i,最大限度地节省了自由度，解决了滞后期长度s难以确定的问题
②由于滞后一期的被解释变量Yt-1与Xt的线性相关程度肯定可以小于X的各期滞后值之间的相关程度，从而缓解了多重共线性。
但科伊克变换同时也产生了两个新问题:
①模型存在随机干扰项vt的一阶自相关性
②滞后被解释变量Yt-1与随机干扰项vt不独立，即Cov(Yt-1, vt)≠0.
三、自回归模型的参数估计
●许多滞后变量模型都可以转化为自回归模型，自回归模型是经济生活中吏常见的模型。
●自回归模型的构造：
①自适应预期模型
②局部调整模型
●自回归模型的参数估计：
①工具变量法
②普通最小二乘法
四、格兰杰因果检验
●当两个变量间在时间上有先导-滞后关系时，能否从统计上考察这种关系是单向的还是双向的呢？即主要是一个变量过去的行为在影响另一个变量的当前行为，还是双方的过去行为在相互影响着对方的当前行为？格兰杰(Granger)提出了个简单的检验程序，习惯上称为格兰杰因果关系检验。
●对两变量X与Y,格兰杰因果关系检验要求估计以下回归：
可能存在有4种检验结果：
格兰杰检验是通过受约束的F检验完成的。如针对假设：【X并不是Y的格兰杰原因】，即针对(5.2.30)式中X滞后项前的参数整体为零的假设，分别做包含与不包含X滞后项的回归，记前者的残差平方和为RSSU.后者的残差平方和为RSSR,再计算F统计量:
式中，m为X的滞后项的个数，n为样本容量，k为包含可能存在的常数项及
其他变量在内的无约束回归模型的待估参数的个数。
如果计算的F值大于给定显著性水平α下F分布的相应的临界值Fα (m,n-k)，则拒绝原假设，认为X是Y的格兰杰原因。
●需要指出的是，格兰杰因果关系检验对于滞后期长度的选择有时很敏感，不同的滞后期可能会得到完全不同的检验结果。因此，一般而言，常进行不同滞后期长度的检验，以检验模型中随机干扰项不存在序列相关的滞后期长度来选取滞后期。
●需要指出的是，格兰杰因果关系检验对于滞后期长度的选择有时很敏感，不同的滞后期可能会得到完全不同的检验结果。因此，一般而言，常进行不同滞后期长度的检验，以检验模型中随机干扰项不存在序列相关的滞后期长度来选取滞后期。
●由于假设检验的零假设是不存在因果关系，因此严格来说，该检验应该称为格兰杰非因果关系检验。
智能推荐
从零开始搭建Hadoop_创建一个hadoop项目-程序员宅基地
文章浏览阅读331次。第一部分：准备工作1 安装虚拟机2 安装centos73 安装JDK以上三步是准备工作，至此已经完成一台已安装JDK的主机第二部分：准备３台虚拟机以下所有工作最好都在root权限下操作1 克隆上面已经有一台虚拟机了,现在对master进行克隆,克隆出另外2台子机;1.1 进行克隆21.2 下一步1.3 下一步1.4 下一步1.5 根据子机需要,命名和安装路径1.6 ..._创建一个hadoop项目
心脏滴血漏洞HeartBleed CVE-2014-0160深入代码层面的分析_heartbleed代码分析-程序员宅基地
文章浏览阅读1.7k次。心脏滴血漏洞HeartBleed CVE-2014-0160 是由heartbeat功能引入的，本文从深入码层面的分析该漏洞产生的原因_heartbleed代码分析
java读取ofd文档内容_ofd电子文档内容分析工具（分析文档、签章和证书）-程序员宅基地
文章浏览阅读1.4k次。前言ofd是国家文档标准，其对标的文档格式是pdf。ofd文档是容器格式文件，ofd其实就是压缩包。将ofd文件后缀改为.zip，解压后可看到文件包含的内容。ofd文件分析工具下载：点我下载。ofd文件解压后，可以看到如下内容： 对于xml文件，可以用文本工具查看。但是对于印章文件(Seal.esl)、签名文件(SignedValue.dat)就无法查看其内容了。本人开发一款ofd内容查看器，..._signedvalue.dat
基于FPGA的数据采集系统（一）_基于fpga的信息采集-程序员宅基地
文章浏览阅读1.8w次，点赞29次，收藏313次。整体系统设计本设计主要是对ADC和DAC的使用，主要实现功能流程为：首先通过串口向FPGA发送控制信号，控制DAC芯片tlv5618进行DA装换，转换的数据存在ROM中，转换开始时读取ROM中数据进行读取转换。其次用按键控制adc128s052进行模数转换100次，模数转换数据存储到FIFO中，再从FIFO中读取数据通过串口输出显示在pc上。其整体系统框图如下：图1：FPGA数据采集系统框图从图中可以看出，该系统主要包括9个模块：串口接收模块、按键消抖模块、按键控制模块、ROM模块、D.._基于fpga的信息采集
微服务 spring cloud zuul com.netflix.zuul.exception.ZuulException GENERAL-程序员宅基地
文章浏览阅读2.5w次。1.背景错误信息：-- [http-nio-9904-exec-5] o.s.c.n.z.filters.post.SendErrorFilter : Error during filteringcom.netflix.zuul.exception.ZuulException: Forwarding error at org.springframework.cloud..._com.netflix.zuul.exception.zuulexception
邻接矩阵-建立图-程序员宅基地
文章浏览阅读358次。1.介绍图的相关概念 图是由顶点的有穷非空集和一个描述顶点之间关系-边（或者弧）的集合组成。通常，图中的数据元素被称为顶点，顶点间的关系用边表示，图通常用字母G表示，图的顶点通常用字母V表示，所以图可以定义为: G=(V,E)其中，V(G)是图中顶点的有穷非空集合，E(G)是V(G)中顶点的边的有穷集合1.1 无向图：图中任意两个顶点构成的边是没有方向的1.2 有向图：图中..._给定一个邻接矩阵未必能够造出一个图
随便推点
MDT2012部署系列之11 WDS安装与配置-程序员宅基地
文章浏览阅读321次。（十二）、WDS服务器安装通过前面的测试我们会发现，每次安装的时候需要加域光盘映像，这是一个比较麻烦的事情，试想一个上万个的公司，你天天带着一个光盘与光驱去给别人装系统，这将是一个多么痛苦的事情啊，有什么方法可以解决这个问题了？答案是肯定的，下面我们就来简单说一下。WDS服务器，它是Windows自带的一个免费的基于系统本身角色的一个功能，它主要提供一种简单、安全的通过网络快速、远程将Window..._doc server2012上通过wds+mdt无人值守部署win11系统.doc
python--xlrd/xlwt/xlutils_xlutils模块可以读xlsx吗-程序员宅基地
文章浏览阅读219次。python–xlrd/xlwt/xlutilsxlrd只能读取，不能改,支持 xlsx和xls 格式xlwt只能改，不能读xlwt只能保存为.xls格式xlutils能将xlrd.Book转为xlwt.Workbook，从而得以在现有xls的基础上修改数据，并创建一个新的xls，实现修改xlrd打开文件import xlrdexcel=xlrd.open_workbook('E:/test.xlsx') 返回值为xlrd.book.Book对象,不能修改获取sheett_xlutils模块可以读xlsx吗
关于新版本selenium定位元素报错：‘WebDriver‘ object has no attribute ‘find_element_by_id‘等问题_unresolved attribute reference 'find_element_by_id-程序员宅基地
文章浏览阅读8.2w次，点赞267次，收藏656次。运行Selenium出现'WebDriver' object has no attribute 'find_element_by_id'或AttributeError: 'WebDriver' object has no attribute 'find_element_by_xpath'等定位元素代码错误，是因为selenium更新到了新的版本，以前的一些语法经过改动。..............._unresolved attribute reference 'find_element_by_id' for class 'webdriver
DOM对象转换成jQuery对象转换与子页面获取父页面DOM对象-程序员宅基地
文章浏览阅读198次。一：模态窗口//父页面JSwindow.showModalDialog(ifrmehref, window, 'dialogWidth:550px;dialogHeight:150px;help:no;resizable:no;status:no');//子页面获取父页面DOM对象//window.showModalDialog的DOM对象var v=parentWin..._jquery获取父window下的dom对象
什么是算法？-程序员宅基地
文章浏览阅读1.7w次，点赞15次，收藏129次。算法（algorithm）是解决一系列问题的清晰指令，也就是，能对一定规范的输入，在有限的时间内获得所要求的输出。 简单来说，算法就是解决一个问题的具体方法和步骤。算法是程序的灵 魂。二、算法的特征1.可行性 算法中执行的任何计算步骤都可以分解为基本可执行的操作步，即每个计算步都可以在有限时间里完成（也称之为有效性） 算法的每一步都要有确切的意义，不能有二义性。例如“增加x的值”，并没有说增加多少，计算机就无法执行明确的运算。 _算法
【网络安全】网络安全的标准和规范_网络安全标准规范-程序员宅基地
文章浏览阅读1.5k次，点赞18次，收藏26次。网络安全的标准和规范是网络安全领域的重要组成部分。它们为网络安全提供了技术依据，规定了网络安全的技术要求和操作方式，帮助我们构建安全的网络环境。下面，我们将详细介绍一些主要的网络安全标准和规范，以及它们在实际操作中的应用。_网络安全标准规范