[经济学]0810--张晓峒当代计量经济模型体系西北师大.ppt

四种典型的随机过程 三个检验式对应的DF统计量分布的蒙特卡罗模拟 T=100，ut ? IID(0, 1) 模拟10000次 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 案例：421天的深证成指序列的单位根检验 （1）非线性模型 （2）线性模型 ▲多序列模型（向量时间序列模型） ▲单序列模型 ★时间序列的季节调整 ★时间序列的加法模型和乘法模型 ★时间序列的Box建模（ARIMA、 SARIMA模型） 时间序列模型 建立ARIMA、SARIMA模型流程图 案例：北京市1978:1~1989:12 社会商品零售额月度数据建模 ??12 Lnyt的相关图（下）和偏相关图（上） (1+0.5924 L) (1+ 0.4093 L12) ??12Lnyt =(1+ 0.4734 L) vt (4.5) (5.4) (2.9) R = 0.33, s.e. = 0.146, Q 36 = 15.5, ? 0.05(36-2-1) = 44 中国城镇人口政策对城镇人口数序列的冲击（1949?2005） 案例：2005年8月30?2007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 中国月度商业零售额 （sales, 1993:1?2004:11） X-12-ARIMA季节调整序列 乘法模型：Y = T ? S ? C ? I 加拿大月人口出生数（y, 1973:1?1983:12） 趋势循环分量（TC） 季节分量（S） 不规则分量（IR） 3．波动模型 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。 随机波动模型 ACD和SCD模型 4． 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 总成交量关系研究（file: 2120061741-shan） VAR的预测非常准确 VAR的平稳性分析 Granger非因果性检验 检验结果如下： VAR的脉冲响应分析 VAR的方差分解 VAR的协积检验 向量误差修正模型（VEC模型） 5．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） 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 6．面板数据模型 6．面板数据模型 混合回归模型（Pooled model） 如果一个面板数据模型定义为， yit = ? + Xit ? +?it, i = 1, 2, …, N; t = 1, 2, …, T 其中yit为被回归变量（标量），?表示截距项，Xit为k ?1阶回归变量列向量（包括k个回归量），?为k ?1阶回归系数列向量，?it为误差项（标量）。则称此模型为混合回归模型。混合回归模型的特点是无论对任何个体和截面，回归系数?和?都相同。 个体固定效应回归模型（entity fixed effects model） 如果一个面板数据模型定义为， yit = ?i + Xit ? +?it, i = 1, 2, …, N; t = 1, 2, …, T 其中?i是随机变量，表示对于i个个体有i个不同的截距项，且其变化与Xit有关系；yit为被回归变量（标量），?it为误差项（标量），Xit为k ?1阶回归变量列向量（包括k个回归量），?为k ?1阶回归系数列向量，对于不同个体回归系数相同，则称此模型为个体固定效应回归模型。 个体随机效应回归模型（entity random effects model） 对于面板数据模型 yit = ?i + Xit? +?it, i = 1, 2,