回归分析中伪回归及其处理课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《回归分析中伪回归及其处理课件.ppt》由用户(三亚风情)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 回归 分析 及其 处理 课件
- 资源描述:
-
1、 回归分析中的回归分析中的伪回归伪回归及其处理方法及其处理方法 长期均衡关系长期均衡关系 误差修正回归模型误差修正回归模型回归分析的主要作用 1.描述分析与探索分析 2.预测分析 3.结构分析与实证分析 4.政策评价回归分析的主要作用 1.描述分析与探索分析 2.预测分析 3.结构分析与实证分析 4.政策评价回归分析应用预测中经常出现的问题回归分析应用预测中经常出现的问题 1、根据解释变量的预测值测算被解释变量的未来值,扩大了最后的预测误差要预测某期的GDP,需要知道解释变量的同期数值, 而实际上,在预测GDP之前,上述解释变量的同期数值也是未知的,因此,需要首先通过其他方法对解释变量的数值进
2、行预测,然后,再利用回归模型预测GDP。这种根据解释变量的预测值回归测算被解释变量未来值的方法无形之中扩大了最后的预测误差。),(社会商品零售额劳动生产率固定资产投资fGDP 回归分析应用预测中经常出现的问题 2、利用非平稳时间序列直接建模容易产生“伪回归伪回归”问题 如:印度人口印度人口中国中国 GDP物价指数物价指数个人收入水平个人收入水平个人收入水平个人收入水平物价指数物价指数 回归分析应用预测中经常出现的问题 2、利用非平稳时间序列直接建模容易产生“伪回伪回归归”问题 印度的人口增长比较快,中国的GDP增长也比较快,这两个序列有着共同的趋势,能否把这两个序列建立一个模型。 印度人口印度
3、人口中国中国 GDP回归分析应用预测中经常出现的问题 2、利用非平稳时间序列直接建模容易产生“伪回归伪回归”问题个人收入水平个人收入水平物价指数物价指数 物价指数物价指数个人收入水平个人收入水平 ?较为普遍的现象! 很多经济时间序列都是非平稳的(从直观上看,随着经济的发展,多数经济时间序列呈明显的上升趋势),而直接采用非平稳时间序列建立回归模型,很容易产生“伪回归”问题。0200400600800100036384042444648505254CAPAR回归分析应用预测中经常出现的问题n3、存在着因果关系的变量间建立的回归预测模型的预测效果越来越差 我们建立的模型是一个均衡的模型,而实际情况不
4、可能总是在均衡状态下,实际往往会偏离其均衡状态而处于不均衡状态。这时,则需要根据上一期的不均衡程度调整本期的预测值。 利用非平稳时间序列直接建模容易产生“伪回归伪回归”问题 存在着因果关系的变量间建立的回归预测模型的预测效果越来越差 怎么办?检验是否存在长期稳定的均衡关系,误差修正一、长期均衡关系一、长期均衡关系1. 问题的提出问题的提出 经典回归模型经典回归模型(classical regression model)是建立在)是建立在稳定数据变量基础上的。稳定数据变量基础上的。 对于非稳定变量,不能使用经典回归模型,否则会出对于非稳定变量,不能使用经典回归模型,否则会出现现虚假回归虚假回归
5、(伪回归伪回归) 等诸多问题。等诸多问题。-4-20242004006008001000Z2 由于许多经济变量是非稳定的,这就给经典的回归分由于许多经济变量是非稳定的,这就给经典的回归分析方法带来了很大限制。析方法带来了很大限制。 但是,如果变量之间有着长期的稳定关系(但是,如果变量之间有着长期的稳定关系(即它们之即它们之间是间是协整协整的的cointegration),则是可以使用经典回归模),则是可以使用经典回归模型方法建立回归模型的。型方法建立回归模型的。 例如,中国居民例如,中国居民人均消费水平与人均人均消费水平与人均GDPGDP变量变量之间的回之间的回归预测模型要比归预测模型要比AR
6、MAARMA模型有更好的预测功能,模型有更好的预测功能,其原因其原因在于在于,从经从经济理论上说,人均济理论上说,人均GDP决定着居民人均消决定着居民人均消费水平,而且它们之间有着长期的稳定关系。费水平,而且它们之间有着长期的稳定关系。 某些经济变量间确实存在着长期均衡关系,这某些经济变量间确实存在着长期均衡关系,这种均衡关系意味着经济系统不存在破坏均衡的内种均衡关系意味着经济系统不存在破坏均衡的内在机制,如果变量在某时期受到干扰后偏离其长在机制,如果变量在某时期受到干扰后偏离其长期均衡点,则均衡机制将会在下一期进行调整以期均衡点,则均衡机制将会在下一期进行调整以使其重新回到均衡状态。使其重新
7、回到均衡状态。 假设假设X与与Y间的长期间的长期“均衡关系均衡关系”由式描述由式描述: 2. 2. 长期均衡长期均衡式中式中: : t t是随机扰动项是随机扰动项。 该均衡关系意味着该均衡关系意味着: :给定给定X的一个值,的一个值,Y相应相应的均衡值也随之确定为的均衡值也随之确定为0 0+ + 1 1X。 tttXY10n在在t-1期末,存在下述三种情形之一:期末,存在下述三种情形之一: (1)Y等于它的均衡值:Yt-1= 0+1Xt -1; (2)Y小于它的均衡值:Yt-1 0+1Xt -1; 在时期t,假设X有一个变化量Xt,如果变量X与Y在时期t与t-1末期仍满足它们间的长期均衡关系,
8、则Y的相应变化量由式给出:tttvXY1式中,式中,v vt t= = t t- - t-1t-1。 实际情况往往并非如此实际情况往往并非如此 如果如果t-1期末,发生了上述第二种情况,即期末,发生了上述第二种情况,即Y的值小于其均衡值,则的值小于其均衡值,则Y的变化往往会比第一的变化往往会比第一种情形下种情形下Y的变化的变化 Yt大一些;大一些; 反之,如果反之,如果Y的值大于其均衡值,则的值大于其均衡值,则Y的变的变化往往会小于第一种情形下的化往往会小于第一种情形下的 Yt 。 可见,如果可见,如果Yt= 0+ 1Xt+ t正确地提示了正确地提示了X与与Y间的长期稳定的间的长期稳定的“均衡
9、关系均衡关系”,则意味着,则意味着Y对对其均衡点的偏离从本质上说是其均衡点的偏离从本质上说是“临时性临时性”的。的。 因此,因此,一个重要的假设就是一个重要的假设就是:随机扰动项随机扰动项 t必须是平稳序列。必须是平稳序列。 显然,如果显然,如果 t有随机性趋势(上升或下降),有随机性趋势(上升或下降),则会导致则会导致Y对其均衡点的任何偏离都会被长期累对其均衡点的任何偏离都会被长期累积下来而不能被消除。积下来而不能被消除。 式式Yt= = 0 0+ + 1 1Xt+ + t t中的随机扰动项也被称为中的随机扰动项也被称为非非均衡误差均衡误差(disequilibrium error),它是变
10、量),它是变量X与与Y的一个线性组合:的一个线性组合: tttXY10(*) 因此,如果因此,如果Yt= = 0 0+ + 1 1Xt+ + t t式所示的式所示的X与与Y间的长期均衡间的长期均衡关系正确的话,(关系正确的话,(*)式表述的非)式表述的非均衡均衡误差应是一平稳误差应是一平稳时间序列,并且具有零期时间序列,并且具有零期望值,即是具有望值,即是具有0均值的均值的I(0)序列。序列。3.协整协整 从这里已看到从这里已看到,非稳定的时间序列,它非稳定的时间序列,它们的线性组合也可能成为平稳的们的线性组合也可能成为平稳的。 假设假设Yt= 0+ 1Xt+ t式中的式中的X与与Y是是I(1
11、)序序列,如果该式所表述的它们间的长期均衡关列,如果该式所表述的它们间的长期均衡关系成立的话,则意味着由系成立的话,则意味着由非均衡误差非均衡误差(*)式)式给出的线性组合给出的线性组合是是I(0)序列序列。这时我们称变量。这时我们称变量X与与Y是协整是协整的(的(cointegrated)。 检验变量之间的协整关系,在建立计量经检验变量之间的协整关系,在建立计量经济学模型中是非常重要的。济学模型中是非常重要的。 而且,从而且,从变量之间是否具有协整关系出发变量之间是否具有协整关系出发选择模型的变量,其数据基础是牢固的,其统选择模型的变量,其数据基础是牢固的,其统计性质是优良的计性质是优良的。
12、tttGDPC10 建立回归模型时建立回归模型时, ,如如 只要变量选择是合理的只要变量选择是合理的( (具有长期稳定的关系具有长期稳定的关系, ,即协整关系即协整关系) ),随机误差项一定是,随机误差项一定是“白噪声白噪声”(即均(即均值为值为0,方差不变的稳定随机序列),模型参数有合,方差不变的稳定随机序列),模型参数有合理的经济解释。理的经济解释。 这也解释了尽管这两时间序列是非稳定的,但却这也解释了尽管这两时间序列是非稳定的,但却可以用经典的回归分析方法建立回归模型的原因。可以用经典的回归分析方法建立回归模型的原因。 二、协整检验二、协整检验 为了检验两变量为了检验两变量Yt,Xt是否
13、为协整,是否为协整,Engle和和Granger于于1987年提出两步检验法,也称为年提出两步检验法,也称为EG检验。检验。 第一步,用第一步,用OLS方法估计方程:方法估计方程: Yt= = 0 0+ + 1 1Xt+ + t t并计算非均衡误差,得到:并计算非均衡误差,得到: tttttYYeXY10称为协整回归称为协整回归( (cointegrating)或静态回归或静态回归( (static regression) )。第二步第二步, ,检验员检验员 的单整性的单整性, ,如果如果 是稳定的序列是稳定的序列, ,则则认为因变量与自变量之间具有协整关系。检验的方认为因变量与自变量之间具有
14、协整关系。检验的方法仍然是法仍然是DFDF检验或检验或ADFADF检验。检验。 te te 进行检验时,拒绝零假设进行检验时,拒绝零假设H0: =0,意味,意味着误差项着误差项et是平稳序列,从而说明是平稳序列,从而说明X与与Y间是协间是协整的。整的。tpiititteee11 而而OLS法采用了残差最小平方和原理,因法采用了残差最小平方和原理,因此估计量此估计量 是向下偏倚的,这样将导致拒绝零假是向下偏倚的,这样将导致拒绝零假设的机会比实际情形大。设的机会比实际情形大。 于是对于是对e et t平稳性检验的平稳性检验的DFDF与与ADFADF临界值应该临界值应该比正常的比正常的DFDF与与A
15、DFADF临界值还要小。临界值还要小。 MacKinnon(1991)通过模拟试验给出了协整检验通过模拟试验给出了协整检验的临界值,下表是双变量情形下不同样本容量的的临界值,下表是双变量情形下不同样本容量的临界值。临界值。 表表9.3.1 双双变变量量协协整整ADF检检验验临临界界值值 显 著 性 水 平 样本容量 0.01 0.05 0.10 25 -4.37 -3.59 -3.22 50 -4.12 -3.46 -3.13 100 -4.01 -3.39 -3.09 -3.90 -3.33 -3.05 例例 检验中国居民人均消费水平检验中国居民人均消费水平CPCCPC与人均国内生与人均国内
16、生产总值产总值GDPPCGDPPC的协整关系。的协整关系。已知已知C与与GDP都是都是I(2)序列,它们的回归式:序列,它们的回归式: ttGDPC45831. 0764106.49R2=0.9981 通过对该式计算的残差序列作通过对该式计算的残差序列作ADF检验,检验,得适当检验模型得适当检验模型 31127. 249. 155. 1tttteeee (-4.47) (3.93) (3.05) t=-4.47-3.75=ADF0.05,拒绝存在单位根的,拒绝存在单位根的假设,残差项是稳定的,因此假设,残差项是稳定的,因此中国居民人均消费中国居民人均消费水平与人均水平与人均GDPGDP是是(2
17、,2)(2,2)阶协整的,说明了该两变阶协整的,说明了该两变量间存在长期稳定的量间存在长期稳定的“均衡均衡”关系。关系。 三、误差修正模型三、误差修正模型 前文已经提到,对于非稳定时间序列,可通过前文已经提到,对于非稳定时间序列,可通过差分的方法将其化为稳定序列,然后才可建立经差分的方法将其化为稳定序列,然后才可建立经典的回归分析模型。典的回归分析模型。 例例如:如:建立人均消费水平(建立人均消费水平(Y)与人均可支配)与人均可支配收入(收入(X)之间的回归模型:)之间的回归模型: 1 1、误差修正模型、误差修正模型tttXY10tttvXY1式中,式中, vt= t t- - t-1t-1差
18、分差分X,Y成为平稳序列建立差分回归模型建立差分回归模型 如果如果Y与与X具有共同的具有共同的向上或向下向上或向下的变化趋势的变化趋势然而,然而,这种做法会引起两个问题这种做法会引起两个问题:(1)如果如果X与与Y间存在着长期稳定的均衡关系:间存在着长期稳定的均衡关系: Yt= 0+ 1Xt+ t且误差项且误差项 t不存在序列相关,则差分式:不存在序列相关,则差分式: Yt= 1 Xt+ t 中的中的 t是一个一阶移动平均时间序列,因而是序列是一个一阶移动平均时间序列,因而是序列相关的;相关的; (2)如果采用差分形式进行估计,则关于变如果采用差分形式进行估计,则关于变量水平值的重要信息将被忽
展开阅读全文