计量经济学作业(六)
10会计4班 孙晖
P155 第9题
中国1980~2007年全社会固定资产投资总额X 与工业总产值Y 的统计资料如下表所示。
试问:
(1)当设定模型为01ln ln t t t Y X ββμ=++时,是否存在序列相关性? (2)若按一阶自相关假设1t t t μρμε-=+,试用广义最小二乘法估计原模型。 (3)采用差分形式*1t t t X X X -=-与*1t t t Y Y Y -=-作为新数据,估计模型
**01t t t Y X ααυ=++,该模型是否存在序列相关?
(1)新建一个Microsoft Excel 工作表,并录入全部数据。
打开Eviews 软件,进入主界面,点击File\New\ Workfile, 弹出Workfile Create 对话框。在Workfile Create 对话框左侧Workfile structure type 栏中选择Dated-regular frequency 选项,在右侧Start date 填1980,End date 填2007,点击OK 。
定义解释变量X :在Workfile 窗口中,点击Objects\New Object\series ,在Name for object 中输入X ,点击OK 。以相同的方法定义被解释变量Y 。
按住Ctrl 键,同时选中X 、Y ,右击Open\as Group\Edit+/-,复制Excel 中的整列数据,右击选择Paste 粘贴在Eviews 中,将数据录入。
设定的模型为01ln ln t t t Y X ββμ=++。 D.W.检验
点击主界面菜单Quick\Estimate Equation 选项,在弹出的对话框中输入“LOG(Y) C LOG(X)”,点击确定得到回归结果。
OLS 回归结果为:
?ln 1.58850.8544ln (0.13)(0.01) t (11.83)
(60.09)
t
Y X =+=
20.992851R = 2
0.992576R = D.W.0.379323=
3610.878F = 0.328192RSS =
该回归方程的可决系数较高,回归系数显著。查D.W.统计表可知,5%的显
著性水平下,n=28,k=2的上下界分别为 1.33L d =, 1.48U d =,模型中D.W.L d <,
可判定模型中存在1阶序列相关。 图示法检验
点击OLS 估计结果窗口的Resids 按钮可以得到残差图。
在残差图中,残差的变动有系统模式,连续为正和连续为负,表明残差存在1阶正自相关,模型中t统计量和F统计量的结论不可信,需要采取补救措施。
在Workfile窗口中点击Object\Generate Series…, 在弹出的对话框中的Enter equation输入“et=resid”,点击OK得到残差序列et。
点击主界面菜单Quick\Graph选项,在弹出的对话框中输入“et”,点击OK,在新弹出的对话框中Graph type的Specific选项选择Line & Symbol,点击
OK得到残差项~
t
e与时间的关系图。
点击Quick\Graph选项,在弹出的对话框中输入“et(-1) et”,点击OK,
在新弹出的对话框中Graph type的Specific选项选择Scatter,得到残差项~ t e
与~
1
t
e 时间的关系图。
从残差项~
t
e与时间的关系图和残差项
~
t
e与
~
1
t
e 时间的关系图可以看出,随机干
扰项呈现正相关。
LM检验
回到原OLS估计结果,点击View\Residual Diagnostics\Serial Correlation LM Test…,弹出的对话框中Lags to include填1,得到1阶滞后的LM检验结果。
由LM检验结果知LM=15.88607,大于显著性水平为5%,自由度为1的2χ分布的
相应临界值2
0.05(1) 3.84
χ=,表明原模型存在1阶序列相关性。从下半部分的Test Equation中可以看出,RESID(-1)显著不为0,进一步表明原模型存在1阶序列相关性。
同样地,点击View\Residual Diagnostics\Serial Correlation LM Test…,弹出的对话框中Lags to include分别填2、3,得到2阶和3阶滞后的LM检验结果。
由2阶滞后的LM检验结果知218.46328
nR=,在Test Equation中,拒绝RESID(-2)的参数为0的假设,表明模型存在2阶序列相关性。
由3阶滞后的LM检验结果知218.52001
nR=,因此如果取显著性水平5%,则可以判断原模型存在序列相关性,但在Test Equation中,却不拒绝RESID(-3)的参数为0的假设,表明原模型并不存在3阶序列相关性。结合2阶滞后残差项的辅助回归情况,可以判断模型存在显著的2阶序列相关性。
广义最小二乘法进行自相关的处理
点击主界面菜单Quick\Estimate Equation选项,在弹出的对话框中输入“LOG(Y) C LOG(X) AR(1) AR(2)”,点击确定即可得到回归结果。
根据广义最小二乘的估计结果得:
ln 1.4624110.865725ln 1.153100(1)0.516672(2)(6.6380)(38.0689)
(6.42434)( 3.0596)
t t Y X AR AR ∧
=++--
20.998087R = 2
0.997826R = .. 1.819703DW
= 查D.W.统计表可知,5%的显著性水平下,n=26,k=4的上下界分别为 1.14L d =,
1.65U d =,则有 D.W.4U U d d <<-,即序列已经不存在相关性。
点击View\Residual Diagnostics\Serial Correlation LM Test …,弹出的对话框中Lags to include 填1, 1阶滞后的LM 检验结果如下图所示:
(2)按照要求,假设存在一阶自相关1t t t μρμε-=+,然后使用广义最小二乘法进行估计。
对于原模型01ln ln t t t Y X ββμ=++,存在序列相关性,于是要找到一个可逆矩阵D ,用1D -左乘上式两边,得到一个新模型:
111101ln ln t t t D Y D D X D ββμ----=++
即*0**1*Y X ββμ=++
由一阶自相关假设1t t t μρμε-=+,可得:
1
000001000001000000100000100
1D ρρρρ
-??-????-??=?
???????-??-?
?
首先计算ρ的值,我们可以根据OLS 估计出来的D.W.值来计算。 因为样本容量较大时可根据1 D.W./2ρ=-计算,又D.W.0.379323=,因此得0.8103385ρ=,由此,我们可以直接计算新产生的序列*Y 跟*X 。
定义序列ln t Y 。在Workfile 窗口中点击Object\Generate Series …,在弹出的对话框中的Enter equation 输入“LNY=LOG(Y)”,点击OK 生成。同样地,输入“YX=-0.8103385*LNY(-1)+LNY ”,来产生新的序列*Y ,此时产生的*Y ,经广义差分后样本容量会减少1个,只有后n-1项,为了保证样本数不减少,使
用普莱斯—温斯特变换补充第一个观测值:我们必须人工计算*11Y Y =,
然后补充到新产生的*Y 序列中去,*1 4.452814Y ==。
同样的操作,在Workfile 窗口中点击Object\Generate Series …,在弹出的对话框中的Enter equation 输入“LNX=LOG(X)”,点击OK 生成序列ln t X 。输入“XX=-0.8103385*LNX(-1)+LNX ”,来产生新的序列*X ,此时产生的*X ,经广义差分后样本容量会减少1个,其第一项也是要人工计算然后补充的,经计算
*1910.9 3.992999X ==。
按住Ctrl 键,同时选中XX 、YX ,右击Open\as Group\Edit+/-,在1980一行补充录入XX=3.992999,YX=4.452814。
点击主界面菜单Quick\Estimate Equation 选项,在弹出的对话框中输人“YX C XX ”,点击确定得到回归结果。
得到广义最小二乘法估计的结果:
**
0.137478 1.080952( 1.51)
(24.52)
Y X =-+-
20.958557R = 2
0.956963R = D.W.0.699135=
可见D.W.值已经有所改善,但模型仍具有序列相关性。
(3)按要求,采用差分形式*1t t t X X X -=-与*1t t t Y Y Y -=-作为新数据,并估计模型**01t t t Y X ααυ=++。
首先要产生新序列*t Y 与*t X 。在Workfile 窗口中点击Object\Generate Series …,在弹出的对话框中的Enter equation 输入“YTX=D(Y)”,点击OK ,就产生了新序列*t Y ,同样地,输入“XTX=D(X)”,产生新序列*t X 。
点击主界面菜单Quick\Estimate Equation 选项,在弹出的对话框中输入“YTX C XTX ”,点击确定,得到回归结果。
得到模型估计结果为:
**
889.33880.596413(3.4089)
(19.936)
t t Y X =+
20.940823R = 2
0.938456R = D.W.0.960842=
397.4604F = 30520498RSS =
在5%的显著性水平下, n=27,k=2的上下界分别为 1.32L d =, 1.47U d =,有D.W.L d <,即序列存在正自相关。
其1阶LM 检验结果如下图所示:
从图中数据可以看到,模型是拒绝其序列无相关性的假设的,所以模型还是存在序列相关性。