计量经济学 试验 第七章滞后变量

R 2 = 0.9968， R 2 =0.9961， F=1348.639，prob(F)= 0.000000
从估计结果来看， R 2 有所改善，所有 X 的参数 T 统计量值大大提高，且检验均显著，F 检验 也显著，模型也不存在一阶自相关。 模型的经济意义（乘数分析） ：短期乘数为 0.6613，表明本期销售额增长 1%，本期库存将增长 0.6613%；长期乘数为 2.0071，表明本期销售额增长 1%，库存总的增长 2.0071%。
0.7346
0.7124
从上表可知， 当滞后阶数低于 6 时， 因果关系检验结果为拒绝 “销售额不是库存的格兰杰原因” 的假设，即销售额是影响库存的原因；而当滞后阶数为 3 和 1 时拒绝“库存不是销售额的格兰杰原 因” ，即库存是影响销售额的原因，当随着滞后阶数为 2、4、5、6 时接受“库存不是销售额的格兰 杰原因” ，即库存是影响销售额的原因，可见，一年及三年库存和销售额具有双向的因果关系，而 4 年和 5 年仅具有销售额对库存的单向因果关系，5 年以上二者均不具因果关系。据此，我们确定 销售额为影响库存的原因。 （2）利用互相关分析命令，初步设定滞后期长度 Cross y x
ˆ ˆ ˆ ˆ 即 a = -7140.754， 0 =1.13114， 1 = 0.0377， 2 = -0.4322
还原成原分布滞后模型： 将估计结果代入以下公式
ˆ ˆ ˆ ˆ bi = 0 +（i-1） 1 +（i-1）2 2
i=0,1,2,3,4
（注：Eviews 软件中为了对模型回归系数两端数据进行控制约束，对多项式公式进行调整，
x 41003 44869 46449 50282 53555 52859 55917 62017 71398 82078
（1） 检验库存和销售额之间的因果关系 数组窗口中点击view\Granger Causality,分别输入滞后期长度，结果如下： 滞后期为 1
滞后期为 2
滞后期为 3
滞后期为 4
从上图 Y 与 X 的各期滞后值的相关系数可知， 库存额可能与当年和前三年的销售额相关， 故初步设定模型为 Yt=a+b0Xt+ b1Xt-1+ b2Xt-2+ b3Xt-3+ t 2、利用阿尔蒙法估计模型，命令和结果如下： （1）假定 bi 可以用一个二次多项式逼近(注：一般多项式次数小于滞后期长度) Ls Y C PDL(X,3,2)
《计量经济学》上机实验报告六
题目：滞后变量
班级： 学号： 实验环境： Windows XP ; EViews 3.1 实验目的： 掌握分布滞后变量模型估计方法及因果关系分析，熟悉 EViews 软件的相关应用
实验日期和时间：
姓名： 实验室：
实验内容：利用实例数据和 EViews 软件，采用有关方法估计分布滞后变量模型估计方法及因果关系分析。 第七章习题 7.3

x 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 答案： 45069 50642 51871 50070 52707 53814 54939 58213 60043 63383 26480 27740 28736 27280 30219 30796 30896 33113 35032 37335 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 68221 77965 84655 90875 97074 101645 102445 107719 120870 147135
53.3165
格兰杰因果性
F值
F 值的 P 值
结论
2.e-06 0.0535 0.0002 0.1079
0.0065
拒绝 x 是 y 的格兰杰原因 接受( 0.05） ,拒绝(( 0.10) 拒绝 接受( 0.05） ,接受(( 0.10) 拒绝 拒绝 拒绝 接受 拒绝
4.3467
在 Eviews 软件的窗口中已给出了上述计算结果，即库存模型为：
ˆ Yt = -7140.754 + 0.6613*Xt + 1.1311*Xt-1 + 0.7367* Xt-2-0.5220* Xt-3
T= (-3.5829) (3.9960) ( 6.2844) (4.4846) (-2.2231) DW=1.8482
得：
ˆ ˆ ˆ ˆ b0 = 0 - 1 + 2 =1.1311-0.0377 -0.4322=0.6613
ˆ ˆ b1 = 0 =1.1311 ˆ ˆ ˆ ˆ b2 = 0 + 1 + 2 =1.1311+0.0377 -0.4322=0.7367
ˆ ˆ ˆ ˆ b3 = 0 +2 1 +4 2 =1.1311+0.0377*2 -0.4322*4=-0.5220
滞后期为 5
滞后期为 6
格兰杰因果关系检验结果表
滞 后 长度 q=s 1 x 不是 y 的格兰杰原因 y 不是 x 的格兰杰原因 2 x 不是 y 的格兰杰原因 y 不是 x 的格兰杰原因 3 x 不是 y 的格兰杰原因 y 不是 x 的格兰杰原因 4 x 不是 y 的格兰杰原因 y 不是 x 的格兰杰原因 5 x 不是 y 的格兰杰原因
经阿尔蒙变换之后的估计结果为：
ˆ Yt = -7140.754+1.1311Z0t+0.0377 Z1t-0.4322Z2t
T= (-3.5829) (6.2844) (0.2323) (-2.5960) R 2 = 0.9968， R 2 =0.9961， F=1348.639，prob(F)= 0.000000 DW=1.8482
实验步骤： 一、 建立工作文件 ⒈菜单方式 ⒉命令方式：CREATE A 起始期 终止期 二、 输入数据 三、因果关系检验 菜单方式：数组窗口中点击 view\Granger Causality,分别输入滞后期长度 四、应用互相关分析命令初步选择滞后期长度 k 命令： Cross Y X 五、阿尔蒙方法估计分布滞后变量模型 命令：ls y c pdl(x,k,m) 注：m 为多项式次数 试验结果： 写作例题
表 7 给出了某地区制造行业与统计资料（单位：亿元） ， （1） 检验库存和销售额之间的因果关系 （2） 利用互相关分析命令，初步设定分布滞后模型滞后期长度 （3） 试阿尔蒙方法估计分布滞后模型建立库存函数（阿尔蒙估计模型，还原分布滞后模型） （4） 乘数分析（短期乘数、延期乘数、长期乘数） 表7 年份 某地区制造行业与统计资料（单位：亿元） 库存 y 销售额 年份 库存 y 销售额
ˆ 此公式已与前述理论有所区别。根据 Eviews 输出结果中 0 的值（PDL1 的系数），可以判断估计
ˆ ˆ （i-s） +（i-s）2 +…..+ ˆ1 ˆ2 ˆ 过程中对多项式的设定形式， bs = 0 ，则多项式的设定形式为 bi = 0 + 若ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ （i-s）m m ,如本例中 b1 = 0 ，则多项式设为 bi = 0 +（i-1） 1 +（i-1）2 2 ）
18.4591 2.6558
7.4705
4.1313 7.6333
0.0380 0.0108
2.1374 6.4722
0.1790 0.0472
y 不是 x 的格兰杰原因 6 x 不是 y 的格兰杰原因 y 不是 x 的格兰杰原因
1.2872 4.5278
0.4151 0.3450
接受 接受 接受