第五章 虛擬變量模型和滯后變量模型

1、1. 表5.1中給出了中國19802001年以城鄉(xiāng)儲蓄存款新增額代表的居民當年儲蓄及以GNP代表的居民當年收入的數(shù)據(jù)。以1991年為界，判斷1991年前和1991年后的兩個時期中國居民的儲蓄收入關(guān)系是否已發(fā)生變化。表5.1 19802001年中國居民儲蓄與收入數(shù)據(jù) 單位：億元年份儲蓄SGNP年份儲蓄SGNP1980118.54517.819912072.821662.51981124.24860.319922438.426651.91982151.75301.81993321734560.51983217.15957.419946756.4466701984322.27206.71995814

2、3.557494.91985407.98989.119968858.566850.5198661510201.41997775973142.71987835.711954.519987127.776967.21988728.214922.319996214.380579.419891345.416917.820004710.688228.119901887.318598.42001943094346.4估計以下回歸模型：其中為引入的虛擬變量：對上面的模型進行估計，結(jié)果如下：所以表達式為： (1.40) (4.45) (-1.38) (0.37)從和的t檢驗值可以知道，這兩個參數(shù)顯著的為0，所以

3、1991年前和1991年后兩個時期的回歸結(jié)果是相同的。下面用鄒式檢驗來驗證上面對于兩個時期的回歸結(jié)果相同的結(jié)論是否正確。過程如下：輸入要驗證的突變點，本例為1991年。輸出結(jié)果如下：從伴隨概率值可以看出，鄒式檢驗的結(jié)果是接受原假設(shè)，即方程結(jié)構(gòu)沒有發(fā)生變化，1991年不是突變點。與設(shè)定虛擬變量的結(jié)果是一樣的。2. 表4是1982：11985：4中國季度酒銷量（，萬噸）。畫序列圖如下得到序列圖如下：這是一個季節(jié)時間序列數(shù)據(jù)，呈明顯的季節(jié)變化特征，通過加入季節(jié)虛擬變量來描述季節(jié)特征建立模型。表4 全國酒銷量（，萬噸） 季節(jié)數(shù)據(jù)年月YD1D2D31982：192.71001982：279.301019

4、82：380.10011982：486.70001983：1104.11001983：289.70101983：390.20011983：490.20001984：1107.91001984：296.70101984：397.80011984：493.60001985：1111.51001985：298.40101985：397.70011985：494000定義虛擬變量Eviews操作如下按上述過程依次定義D2和D3。定義過虛擬變量后，建立模型，進行估計。得到輸出結(jié)果如下：重新進行參數(shù)估計：得到如下輸出結(jié)果：相應(yīng)估計式為： (48.5) (7.3) (8.3)1982年第二季度令t=1。對于

5、這組數(shù)據(jù)，只把第一季度區(qū)別于其他3個季度就可以了。3. 表5.2給出了總過電力基本建設(shè)投資X與發(fā)電量Y的相關(guān)資料，擬建立一多項式分布滯后模型來考察兩者的關(guān)系。表5.2 中國電力工業(yè)基本建設(shè)投資與發(fā)電量年份基本建設(shè)投資（億元）X發(fā)電量（億千瓦時）Y年份基本建設(shè)投資（億元）X發(fā)電量（億千瓦時）Y197530.6519581986161.64495197639.9820311987210.884973197734.7222341988249.735452197850.9125661989267.855848197950.9928201990334.556212198048.1430061991377

6、.756775198140.1430931992489.697539198246.2332771993675.138395198357.46351419941033.429218198476.99377019951124.15100701985107.864107由于無法預(yù)知電力行業(yè)基本建設(shè)投資對發(fā)電量影響的時滯期，需取不同的滯后期試算。經(jīng)過試算發(fā)現(xiàn)，在2階阿爾蒙多項式變換下，滯后期數(shù)取到第6期，估計結(jié)果的經(jīng)濟意義比較合理。估計過程如下：輸出結(jié)果如下：輸出結(jié)果的下邊部分給出了分布滯后模型的各滯后期的參數(shù)。最后得到分布滯后模型估計式為：(13.62) (0.19) (2.14) (1.88) (

7、1.86) (1.96) (1.1) (0.24)4. 表5.3給出了中國19782000年按當年價測度的GDP與居民消費CONS數(shù)據(jù)，檢驗兩者的因果關(guān)系。表5.3 中國GDP與消費支出 單位：億元年份CONSGDP年份CONSGDP19781759.1003605.60019909113.20018319.5019792005.4004074.000199110315.9021280.4019802317.1004551.300199212459.8025863.7019812604.1004901.400199315682.4034500.7019822867.9005489.200199

8、420809.8046690.7019833182.5006076.300199526944.5058510.5019843674.5007164.400199632152.3068330.4019854589.0008792.100199734854.6074894.2019865175.00010132.80199836921.1079003.3019875961.20011784.70199939334.4082673.1019887633.10014704.00200042911.9089112.5019898523.50016466.00取兩階滯后，過程如下：輸入要檢驗的變量。輸入滯

9、后階數(shù)。輸出結(jié)果如下：從上面的輸出結(jié)果可以看出，根據(jù)伴隨概率值知道，在5%的顯著水平下：拒絕GDP不是CONS的格蘭杰檢驗，即GDP是CONS的格蘭杰檢驗。接受CONS不是GDP的格蘭杰檢驗。5. 以深圳成指（SZ）和上海綜指（SH）序列為例進行非因果性檢驗步驟。1999年1月4日2001年10月15日深圳成指（SZ）和上海綜指（SH）序列如下圖：進行格蘭杰檢驗，過程如下：建立工作文件，打開數(shù)據(jù)租窗口。輸入滯后期，本例選擇滯后5期得到如下結(jié)果：對上述分析結(jié)果進行分析：由對應(yīng)的概率可以看出：接受“上海綜指不是深圳成指變化的原因”的假設(shè)；拒絕“深圳成指不是上海綜指變化的原因”，即深圳成指是上海綜指

10、變化的原因。分別進行滯后5，10，15，20，25期的檢驗，均得到上述結(jié)論。6. 已知19701991年美國制造業(yè)固定廠房設(shè)備投資Y和銷售量X的相關(guān)數(shù)據(jù)如表5.4所示。（1） 假定銷售量對廠房設(shè)備支出有一個分部滯后效應(yīng)，使用4期滯后和2次多項式去估計此分布滯后模型。（2） 檢驗銷售量與廠房設(shè)備支出的Granger因果關(guān)系，使用直至6期為止的滯后并評述結(jié)果。表5.4 單位：10億美元年份廠房開支Y銷售額X年份廠房開支Y銷售額X197036.9952.8051981128.68168.129197133.655.9061982123.97163.351197235.4263.0271983117.

11、35172.547197342.3572.9311984139.61190.682197452.4884.791985152.88194.538197553.6686.5891986137.95194.657197668.5398.7971987141.06206.326197767.48113.2011988163.45223.547197878.13126.9051989183.8232.724197995.13143.9361990192.61239.4591980112.6154.3911991182.81235.142估計分布滯后模型，過程如下：估計結(jié)果如下：對應(yīng)的分布滯后模型的表達式為：做格蘭杰檢驗，以一階滯后為例，過程如