《当代计量模型体系ppt.ppt》由会员分享，可在线阅读，更多相关《当代计量模型体系ppt.ppt（79页珍藏版）》请在三一文库上搜索。
1、当代计量经济模型体系,1. 单位根检验,Peter C B Phillips,四种典型的随机过程,（模拟4万次）,案例：421天的深证成指序列的单位根检验,用此程序计算F 统计量，但不应看此概率。,案例：421天的深证成指序列的单位根检验,案例：421天的深证成指序列的单位根检验,结构突变序列的单位根检验,案例：人民币元兑美元汇率序列的单位根检验,案例：人民币元兑美元汇率序列的单位根检验,2.线性时间序列模型,建立ARIMA、SARIMA模型流程图,George Box,案例：北京市1978:11989:12 社会商品零售额月度数据建模,月度数据（yt，单位：亿元）曲线图 对数的月度数据（Ln
2、yt）曲线图,12 Lnyt的相关图（下）和偏相关图（上）,案例：2005年8月302007年4月30日407天人民币元兑美元序列的门限模型,X-12-ARIMA季节调整方法,乘法模型：Y = T S C I,加拿大月人口出生数（y, 1973:11983:12） 趋势循环分量（TC） 季节分量（S） 不规则分量（IR）,4波动模型,序列的特征是“波动集群”、分布是“高峰厚尾”,日元兑美元汇率差分序列（收益）D(JPY) 高峰厚尾分布特征示意图,高峰厚尾分布曲线,正态分布曲线,ARCH，GARCH模型可以预测被解释变量的方差。对于金融时间序列预测的是风险。 建立ARCH，GARCH模型可以提高
3、均值方程参数估计的有效性。,案例：日元兑美元汇率的建模研究,1995.1-2000.8日元兑美元汇率值（1427个）序列（JPY）见图。极小值为81.12日元，极大值为147.14日元。其均值为112.93日元，标准差是13.3日元。1995年4月曾一度达到81.12日元兑1美元。 JPY的差分序列D(JPY)表示收益。用D(JPY)建立时间序列模型。,日元兑美元汇率（JPY）时间序列 DJPY时间序列,均值方程的估计式,ARCH 模型的选择,随机波动模型,4波动模型,ACD和SCD模型,5 VAR与VEC模型,向量自回归（VAR）模型定义,案例1：上海证券交易所上证指数和股票交易 总成交量关
4、系研究（file: 2120061741-shan）,上海证券交易所上证指数和股票交易总成交量序列图,VAR的预测非常准确,6期VAR的预测结果,VAR的平稳性分析,2期VAR的特征根 6期VAR的特征根,VAR模型稳定的一种判别条件是，特征方程 | 1 - I | = 0的根都必须在单位圆以内。,检验结果如下：,Granger非因果性检验,（当概率小于0.05时，表示推翻原假设）,其中滞后20期的输出结果:,VAR的脉冲响应分析,DLOG(SHP) 和 DLOG(SHQ) VAR(3)的脉冲相应,VAR的方差分解,DLOG(SHP) 和 DLOG(SHQ) VAR(3)的方差分解,VAR的协
5、积检验,向量误差修正模型（VEC模型）,VAR(2)基础上的VEC模型 VAR(6)基础上的VEC模型,7面板数据模型,面板数据示意图 面板数据散点图,7面板数据模型,萧政,面板数据模型估计方法,面板数据模型的检验方法,Hausman检验 H0: 个体随机效应回归模型 H1: 个体固定效应回归模型 H 临界值，建立个体固定效应； H 临界值，建立个体随机效应回归模型。,面板数据模型的检验方法,面板数据的单位根检验（相同根情形）,1Quah检验（1990） 2LL（Levin-Lin）检验（1992） 3LLC（Levin-Lin-Chu）检验（2002） 4Breitung检验（2002） 5
6、Hadri检验 6Abuaf-Jorion检验（1990），Jorion-Sweeney检验（1996） 7Bai-Ng检验（2001），Moon-Perron检验（2002） 8IPS（Im-Pesaran-Shin）检验（1997,2002）,面板数据的单位根检验（不同根情形）,9MW（Maddala-Wu）检验（1997） 10崔仁（In Choi）检验（2001） 11Vanessa（Vanessa et al.）检验（2004） 12Taylor-Sarno检验（1998）,面板数据的协积（协整）检验,Pedroni 协积检验：以Engle-Granger协积检验方法为基础构造检验统
7、计量，标准化以后渐近服从标准正态分布。（1999, 2004） Kao协积检验：以Engle-Granger协积检验方法为基础构造检验统计量，标准化以后渐近服从标准正态分布。（1999） Fisher 个体联合协积检验（combined individual test）：用个体的协积检验值构造一个服从2分布的累加统计量检验面板数据的协积性。(Maddala and Wu 1999),8离散选择模型与受限模型,Tobit 模型（离散选择模型）,Logit模型、Probit模型（离散选择模型）,Logit模型、Probit模型（离散选择模型）,案例：天津市农户劳动力的非农业就业模型（750户）。 教育程度对劳动力的非农业就业倾向有着非常明显的作用,Logit 模型估计值与拟合值散点图 Logit 模型估计值与潜在变量散点图,图1 预测概率值,图2 预测累积概率值,