计量经济建模步骤与模型分类PPT课件

1、第1页/共87页第2页/共87页第3页/共87页0200040006000800005000010000015000020000025000080 82 84 86 88 90 92 94 96 98 00 02 04 06XY中国GDP与宏观消费01000200030004000500060007000800004000080000120000 160000 200000 240000YX散点图2,0004,0006,0008,00010,00012,00014,00016,000IIIIIIVIIIIIIIVIIIIIIIVI199920002001Y第4页/共87页第5页/共87页二计量

2、经济模型分类二计量经济模型分类第6页/共87页5000010000015000020000025000004000080000120000 160000 200000 240000GDPYYF5000010000015000020000025000004000080000120000 160000 200000 240000GDPYY vs. GDP中国能源消费（万吨标准煤）与GDP（万亿元）关系研究（19802006）第7页/共87页1999年度中国宏观经济计量模型框图（中国社会科学院数技经研究所）第8页/共87页第9页/共87页-120-80-4004080120160-20-15-10-

3、5051015DBSHDASH-120-80-4004080120160-20-15-10-5051015DASHDASHFDASHF25DASHF50DASHF75DBSH 上证A股和B股收益散点图 OLS回归直线和第0.25、0.5、0.75分位数回归直线第10页/共87页第11页/共87页面板数据示意图萧政第12页/共87页第13页/共87页第14页/共87页面板数据模型估计方法面板数据模型估计方法第15页/共87页第16页/共87页第17页/共87页面板数据模型的检验方法面板数据模型的检验方法 Jerry A. Hausman第18页/共87页 第19页/共87页 第20页/共87页1

4、000002000003000004000005000006000007000008000000100002000030000400005000060000so2rgdp第21页/共87页第22页/共87页第23页/共87页第24页/共87页 第25页/共87页面板数据的单位根检验（相同根情形）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）5Hadri检验6Abuaf-Jorion检验（1990），Jorion-Sweeney检验（1996）7B

5、ai-Ng检验（2001），Moon-Perron检验（2002）8IPS（Im-Pesaran-Shin）检验（1997,2002）第26页/共87页面板数据的单位根检验（不同根情形）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）检验面板数据的协积（协整）检验Pedroni 协积检验：协积检验：以以Engle-Granger协积检验方法为基础构造检验统协积检验方法为基础构造检验统计量，

6、标准化以后渐近服从标准正态分布。（计量，标准化以后渐近服从标准正态分布。（1999, 2004）Kao协积检验：协积检验：以以Engle-Granger协积检验方法为基础构造检验统计量，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。（标准化以后渐近服从标准正态分布。（1999）Fisher 个体联合协积检验个体联合协积检验（combined individual test）：用个体的协积）：用个体的协积检验值构造一个服从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。分布的累加统计量检验面板数据的协积性。(Maddala and Wu 1999)第27页/共87

7、页 第28页/共87页第29页/共87页-4-202400.20.40.60.8105101520253000.20.40.60.81 Logit模型、Probit模型第30页/共87页Logit 模型估计值与潜变量散点图模型估计值与潜变量散点图-0.20.00.20.40.60.81.01.2-4-2024681012YF_LOGIT_INDEXYF_LOGITY案例：天津市农户劳动力的非农业就业模型（案例：天津市农户劳动力的非农业就业模型（750户）。户）。受教育程度等受教育程度等对劳动力的非农业就业有非常明显的对劳动力的非农业就业有非常明显的作用作用第31页/共87页第32页/共87页第

8、33页/共87页0.00.20.40.60.81.01012141618202224I_QUALITY_0QUALITY_1_0QUALITY_2_0QUALITY_3_00.00.20.40.60.81.01.21012141618202224I_QUALITY_0QUALITY_1_0QUALITY_1_0+QUALITY_2_0QUALITY_1_0+QUALITY_2_0+QUALITY_3_0图1 预测概率值图2 预测累积概率值第34页/共87页 第35页/共87页向量自回归（向量自回归（VAR）模型定义）模型定义第36页/共87页案例案例1：上海证券交易所上证指数和股票交易上海证券

9、交易所上证指数和股票交易 总成交量关系研究总成交量关系研究（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上海证券交易所上证指数和股票交易总成交量序列图7.27.47.67.88.08.28.43.03.54.04.55.05.5255075100125150175200225LOG(SHP)LOG(SHQ)第37页/共87页VAR的预测非常准确的预测非常准确6期期VAR的预测结果的预测结果1,5002,0002,5003,0003,5004,0004,500255075100125150175200225SHPSHP (Baseline)0408

10、0120160200240255075100125150175200225SHQSHQ (Baseline)第38页/共87页-1.5-1.0-0.50.00.51.01.5-1.5-1.0-0.50.00.51.01.5Inverse Roots of AR Characteristic Polynomial-1.5-1.0-0.50.00.51.01.5-1.5-1.0-0.50.00.51.01.5Inverse Roots of AR Characteristic Polynomial 2期期VAR的特征根的特征根 7期期VAR的特征根的特征根VAR模型稳定的一种判别条件是，特征方程模

11、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。的根都必须在单位圆以内。第39页/共87页检验结果如下： （当概率小于（当概率小于0.05时，表示推翻原假设）时，表示推翻原假设）其中滞后其中滞后2020期的输出结果期的输出结果:第40页/共87页DLOG(SHP) 和和 DLOG(SHQ) VAR(3)的脉冲相应的脉冲相应-.005.000.005.010.015.02012345678910DLOG(SHP)DLOG(SHQ)Response of DLOG(SHP) to CholeskyOne S.D. Innovations-.05.00.05.10

12、.1512345678910DLOG(SHP)DLOG(SHQ)Response of DLOG(SHQ) to CholeskyOne S.D. Innovations第41页/共87页DLOG(SHP) 和和 DLOG(SHQ) VAR(3)的方差分解的方差分解02040608010012345678910DLOG(SHP)DLOG(SHQ)Variance Decomposition of DLOG(SHP)02040608010012345678910DLOG(SHP)DLOG(SHQ)Variance Decomposition of DLOG(SHQ)第42页/共87页VAR的协积

13、检验第43页/共87页向量误差修正模型向量误差修正模型（VEC模型模型）VAR(2)基础上的基础上的VEC模型模型第44页/共87页7时间序列的加法、乘法模型第45页/共87页George Box 刁锦寰8ARIMA模型、SARIMA（季节时间序列）模型、第46页/共87页第47页/共87页 02004006008001000787980818283848586878889Y4.55.05.56.06.57.0787980818283848586878889LNY 月度数据（月度数据（y yt t，单位：亿元）曲线图，单位：亿元）曲线图 对数的月度数据（对数的月度数据（LnyLnyt t）曲线

14、图）曲线图 第48页/共87页 12 Lnyt的相关图（下）和偏相关图（上） 第49页/共87页 第50页/共87页第51页/共87页第52页/共87页 范剑青、姚琦伟著，陈敏译，非线性时间序列建模、预报及应用，高等教育出版社，2005。第53页/共87页第54页/共87页-5-4-3-2-10123450100150200250300350400TAR1 (threshold=0)第55页/共87页第56页/共87页案例：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 第57页/共87页第58页/共87页序列的特征是序列的特征是“波动集群波动集群”、分布是、分布

15、是“高峰厚尾高峰厚尾” -8-6-4-20246200400600800100012001400D(JPY) (1995-2000)日元兑美元汇率差分序列（收益）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特征示意图 高峰厚尾高峰厚尾分布曲分布曲线线 正 态正 态 分 布 曲分 布 曲线线 ARCH，GARCH模型可以预测被解释变量的方差。对于金融时间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。序列预测的是风险。建立建立ARCH，GARCH模型可以提高均值方程参数估计的有效性。模型可以提高均值方程参数估计的有效性。11ARCH、GARCH模型第

16、59页/共87页第60页/共87页第61页/共87页第62页/共87页案例：日元兑美元汇率的建模研案例：日元兑美元汇率的建模研究究 1995.1-2000.8日元兑美元汇率值（日元兑美元汇率值（1427个）序列（个）序列（JPY）见图。）见图。极小值为极小值为81.12日元，极大值为日元，极大值为147.14日元。其均值为日元。其均值为112.93日元，日元，标准差是标准差是13.3日元。日元。1995年年4月曾一度达到月曾一度达到81.12日元兑日元兑1美元。美元。 JPY的差分序列的差分序列D(JPY)表示收益。用表示收益。用D(JPY)建立时间序列模型。建立时间序列模型。80100120

17、140160200400600800100012001400JPY (1995-2000)-8-6-4-20246200400600800100012001400D(JPY) (1995-2000) 日元兑美元汇率（日元兑美元汇率（JPY）时间序列）时间序列 DJPY时间序列时间序列第63页/共87页均值方程的估计式均值方程的估计式第64页/共87页ARCH 模型的选择模型的选择第65页/共87页0102030405060-12-8-404812u(t-1)sigma2ARCH 模型的选择模型的选择第66页/共87页第67页/共87页第68页/共87页第69页/共87页 第70页/共87页第7

18、1页/共87页（模拟4万次）.00.02.04.06.08.10.12-6-5-4-3-2-1012345DFDF1DF2第72页/共87页单位根研究中我们的创新.0.1.2.3.4.5-5-4-3-2-1012345t(alpha)normal distri.0.1.2.3.4.5-6-5-4-3-2-10123456t(alpha)normal distri.t(gamma)第73页/共87页.0.1.2.3.4.5.6.7.802468101214F distributionF(2)F统计量分布的蒙特卡罗模拟第74页/共87页案例：421天的深证成指序列的单位根检验35040045050055060065070050100150200250300350400SZINDEX第75页/共87页案例：421天的深证成指序列的单位根检验第76页/共87页案例：421天的深证成指序列的单位根检验第77页/共87页第78页/共87页结构突变序列的单位根检验结构突变序列的单位根检验第7