计量经济学课件：第五章 分布滞后模型.ppt
151页
在许多情况下被解释变量在许多情况下被解释变量Y 不仅不仅受到同期的解释变量受到同期的解释变量Xt 的影响，而且的影响，而且和和X的滞后值的滞后值Xt-1，， Xt-2 ，，…,有很强的有很强的相关性相关性 第五章第五章第五章第五章 分布滞后模型分布滞后模型分布滞后模型分布滞后模型1 例如，人们的储蓄和当期的收入以及例如，人们的储蓄和当期的收入以及过去几期的收入有着很强的相关性这样过去几期的收入有着很强的相关性这样的社会现象还有很多，有经济方面的，也的社会现象还有很多，有经济方面的，也有其它领域的，对这些问题进行讨论就是有其它领域的，对这些问题进行讨论就是经济计量学中的分布滞后模型经济计量学中的分布滞后模型2 第一节第一节第一节第一节 分布滞后模型的概念分布滞后模型的概念分布滞后模型的概念分布滞后模型的概念 一、概念一、概念 在经济活动中，某一个经济变量的在经济活动中，某一个经济变量的影响不仅取决于同期各种因素，而且也影响不仅取决于同期各种因素，而且也取决于过去时期的各种因素，有时还受取决于过去时期的各种因素，有时还受自身过去值的影响。
自身过去值的影响3 例如，居民现期消费水平，不仅受本例如，居民现期消费水平，不仅受本期居民收入影响，同时受到前几个时期居民收入影响，同时受到前几个时期居民收入的影响；固定资产的形成期居民收入的影响；固定资产的形成不仅取决于现期投资额而且还取决于不仅取决于现期投资额而且还取决于前几个时期的投资额的影响等前几个时期的投资额的影响等4 人们把这些过去时期的变人们把这些过去时期的变量，称作滞后变量，把那些包量，称作滞后变量，把那些包括滞后变量作为解释变量的模括滞后变量作为解释变量的模型称作滞后解释变量模型型称作滞后解释变量模型5 把滞后值引入模型中一般可以分为把滞后值引入模型中一般可以分为两大类，一类是分布滞后模型，一般两大类，一类是分布滞后模型，一般称为外生滞后模型，因为模型中的滞称为外生滞后模型，因为模型中的滞后值是外生变量的滞后而得名后值是外生变量的滞后而得名6 另一类是内生滞后模型，模型中的滞另一类是内生滞后模型，模型中的滞后项是来源于内生变量，也就是一般意后项是来源于内生变量，也就是一般意义下的被解释变量，这类问题是时间序义下的被解释变量，这类问题是时间序列中的列中的AR模型，称为自回归模型。
模型，称为自回归模型7 什么是分布滞后模型？用一个简单什么是分布滞后模型？用一个简单的例子让我们对分布滞后模型有一个比的例子让我们对分布滞后模型有一个比较正确的了解较正确的了解 例如消费者每年收入增加例如消费者每年收入增加10000元，元，那么该消费者每年的消费会呈现何种变那么该消费者每年的消费会呈现何种变化8 假如假如, ,该消费者把各年增加的收入按照以该消费者把各年增加的收入按照以下方式分配：当年增加消费支出下方式分配：当年增加消费支出40004000元，元，第二年再增加消费支出第二年再增加消费支出30003000元，第三年再元，第三年再增加消费支出增加消费支出20002000元，剩下的元，剩下的10001000元作为元作为储蓄9 第三年的消费支出不仅取决于当第三年的消费支出不仅取决于当年的收入，还与第一年和第二年的收年的收入，还与第一年和第二年的收入有关当然，还可以和前面更多期入有关当然，还可以和前面更多期有关10 第一年第一年10000元元第二年第二年10000元元第三年第三年10000元元消费增加消费增加 4000元元消费增加消费增加 7000元元消费增加消费增加 9000元元t消费追加消费追加 3000元元消费追加消费追加 2000元元11 于是，由该例可以得到以下消费函数关系式于是，由该例可以得到以下消费函数关系式 (7.1) (7.1) (7.1) (7.1) 式中，式中， Y Y= =消费支出，消费支出，X X= =收入收入。
该方程该方程就是一个分布滞后模型，它表示收入对消就是一个分布滞后模型，它表示收入对消费的影响分布于不同时期费的影响分布于不同时期12 分布滞后模型定义：如果一个回归模型不分布滞后模型定义：如果一个回归模型不仅包含解释变量的现期值，而且还包含解仅包含解释变量的现期值，而且还包含解释变量的滞后值，则这个回归模型就是分释变量的滞后值，则这个回归模型就是分布滞后模型它的一般形式为布滞后模型它的一般形式为 (7.2) (7.2) (7.2) (7.2) (7.3) (7.3) (7.3) (7.3) 13 按照滞后长度，分布滞后模型可以分为按照滞后长度，分布滞后模型可以分为两大类，一类是有限分布滞后模型，两大类，一类是有限分布滞后模型，就是滞后长度就是滞后长度k为一个确定的数，如为一个确定的数，如式式（（7.2））；而另外一种是没有规定最大；而另外一种是没有规定最大滞后长度，我们一般称其为无限分布滞后长度，我们一般称其为无限分布滞后模型，如滞后模型，如式式(7.3)14 回归系数回归系数 ββ0 0 称为短期影响乘数，它表示称为短期影响乘数，它表示解释变量解释变量X X 变化一个单位对同期被解释变变化一个单位对同期被解释变量量Y Y 产生的影响产生的影响 ；；β1 ，，β2 ，，……称为延期称为延期过渡性影响乘数，它们度量解释变量过渡性影响乘数，它们度量解释变量X X 的的各个前期值变动一个单位对被解释变量各个前期值变动一个单位对被解释变量Y Y 的滞后影响，的滞后影响，15 所有乘数的和所有乘数的和 称为长期影响乘数称为长期影响乘数。
当收入发生变当收入发生变化时，不仅要考虑收入对消费的短化时，不仅要考虑收入对消费的短期影响，还要顾及收入产生的长远期影响，还要顾及收入产生的长远影响16 二、二、 产生滞后的原因产生滞后的原因 对于解释变量的变化，被解释变量对于解释变量的变化，被解释变量一定会有所反应但在经济现象中，这一定会有所反应但在经济现象中，这种反应要经过一段时间才会表现出来，种反应要经过一段时间才会表现出来，称这种效应为滞后效应引起滞后效应称这种效应为滞后效应引起滞后效应的原因的原因 较较 多一般说来，有以下几种原多一般说来，有以下几种原因17 １．心理上的原因１．心理上的原因１．心理上的原因１．心理上的原因 由于消费习惯的影响，人们并不因为价由于消费习惯的影响，人们并不因为价格降低或收入增加而立即改变其消费习惯格降低或收入增加而立即改变其消费习惯因为人们要改变消费习惯以适应新的情况因为人们要改变消费习惯以适应新的情况往往需要一段时间这种心理因素会造成往往需要一段时间这种心理因素会造成消费同收入的关系上出现滞后效应消费同收入的关系上出现滞后效应18 22．技术上的原因．技术上的原因．技术上的原因．技术上的原因 产品的生产周期有长有短，产品的生产周期有长有短， 但都需要一定的但都需要一定的 周周 期，例如我国目前正在调整产业结构，但期，例如我国目前正在调整产业结构，但建设和调整都需要一定的时间。
又有，农产品建设和调整都需要一定的时间又有，农产品生产周期为一年，在市场经济条件下，农产品生产周期为一年，在市场经济条件下，农产品的本期供应量取决于前期或者前若干期市场价的本期供应量取决于前期或者前若干期市场价格的影响这样，农产品供应量与价格之间出格的影响这样，农产品供应量与价格之间出现滞后效应现滞后效应19 33．制度上的原因．制度上的原因．制度上的原因．制度上的原因 某些规章制度的约束使人们对某些外部某些规章制度的约束使人们对某些外部变化不能立即做出反应，从而出现滞后现变化不能立即做出反应，从而出现滞后现象如，合同关系对原材料供应的影响，象如，合同关系对原材料供应的影响，定期存款对购买力的影响等定期存款对购买力的影响等20 三、分布滞后模型的估计问题三、分布滞后模型的估计问题 对于无限分布滞后模型，因为其包对于无限分布滞后模型，因为其包对于无限分布滞后模型，因为其包对于无限分布滞后模型，因为其包含无限多个参数，无法用最小二乘法直含无限多个参数，无法用最小二乘法直含无限多个参数，无法用最小二乘法直含无限多个参数，无法用最小二乘法直接对其估计。
接对其估计接对其估计接对其估计 对于有限分布滞后模型，即使假设对于有限分布滞后模型，即使假设对于有限分布滞后模型，即使假设对于有限分布滞后模型，即使假设它满足经典假定条件，对它应用最小二它满足经典假定条件，对它应用最小二它满足经典假定条件，对它应用最小二它满足经典假定条件，对它应用最小二乘估计也存在以下困难乘估计也存在以下困难乘估计也存在以下困难乘估计也存在以下困难21 １．产生多重共线问题１．产生多重共线问题 对于时间序列的各期变量之间往往是对于时间序列的各期变量之间往往是高度相关的，因而分布滞后模型常常产生高度相关的，因而分布滞后模型常常产生多重共线性问题多重共线性问题22 ２．损失自由度问题２．损失自由度问题 由于样本容量有限，当滞后变量数目增由于样本容量有限，当滞后变量数目增加时，必然使得自由度减少由于经济数加时，必然使得自由度减少由于经济数据的收集常常受到各种条件的限制，估计据的收集常常受到各种条件的限制，估计这类模型时经常会遇到数据不足的困难这类模型时经常会遇到数据不足的困难。
23 ３．对于有限分布滞后模型，最大滞３．对于有限分布滞后模型，最大滞后期后期 k k 较难确定较难确定24 第二节第二节 有限分布滞后模有限分布滞后模型型 有限分布滞后模型就是滞后长度有限分布滞后模型就是滞后长度有限分布滞后模型就是滞后长度有限分布滞后模型就是滞后长度k k k k 为为为为一确定有限数的一种分布滞后模型一确定有限数的一种分布滞后模型一确定有限数的一种分布滞后模型一确定有限数的一种分布滞后模型25 由于存在多重共线性问题，直接利由于存在多重共线性问题，直接利用普通最小二乘法对这类模型估计用普通最小二乘法对这类模型估计就不再能得到具有较好统计性质的就不再能得到具有较好统计性质的估计量26 阿尔蒙（阿尔蒙（阿尔蒙（阿尔蒙（AlmonAlmon）多项式滞后模型）多项式滞后模型）多项式滞后模型）多项式滞后模型 一、阿尔蒙多项式滞后模型的原理一、阿尔蒙多项式滞后模型的原理 阿尔蒙多项式滞后模型的基本思想是：阿尔蒙多项式滞后模型的基本思想是：如果有限分布滞后模型中的参数如果有限分布滞后模型中的参数 的分布可以近似用一个的分布可以近似用一个关于关于i 的低阶多项式表示，就可以利用多的低阶多项式表示，就可以利用多项式减少模型中的参数。
项式减少模型中的参数27 对模型（对模型（7.47.4），假定它是系数），假定它是系数 随随着着 i 的增大而减小的递减滞后结构依的增大而减小的递减滞后结构依据数学分析的维斯特拉斯据数学分析的维斯特拉斯(Weierstrass)定理，多项式可以逼近定理，多项式可以逼近各种形式的函数于是，阿尔蒙对模型各种形式的函数于是，阿尔蒙对模型（（7.47.4）中的系数）中的系数 用阶数适当的多项式去逼近，即用阶数适当的多项式去逼近，即: :28 多项式的最高阶数多项式的最高阶数m要视函数形式而要视函数形式而定实际应用中，一般定实际应用中，一般m取取2，，3或或4m m m m＜ｋ＜ｋ＜ｋ＜ｋ 29 取模型（取模型（7.47.4）中的）中的k k =3=3，系数多项式表达，系数多项式表达式（式（7.77.7）中）中m m =2=2时，分布滞后模型为时，分布滞后模型为（（（（7.87.87.87.8）））） 系数多项式表达式为系数多项式表达式为( ( ( (i=i=i=i=0,1,2,3)0,1,2,3)0,1,2,3)0,1,2,3) （（（（7.97.97.97.9）））） 其中，其中， 是待估计的参是待估计的参数。
数30 将式（将式（7.9）代入式（）代入式（7.8）并整理得）并整理得:（（（（7.107.107.107.10））））31 另记另记32 则式（则式（7.107.10）可变换为）可变换为 (7.11) (7.11) (7.11) (7.11) 利用样本数据对式（利用样本数据对式（7.117.11）进行最小二乘估）进行最小二乘估计，可得到式（计，可得到式（7.117.11）各个参数的估计值，）各个参数的估计值，分别记为分别记为33 将之代入式（将之代入式（7.9）可得原模型（）可得原模型（7.8）参数）参数的估计值为的估计值为34 将阿尔蒙多项式方法推广到阶分布滞后将阿尔蒙多项式方法推广到阶分布滞后模型，即模型，即:（（（（7.127.127.127.12）））） 35 设阿尔蒙多项式中的最高阶数为设阿尔蒙多项式中的最高阶数为m m，则，则可将阿尔蒙多项式法的步骤概括如下：可将阿尔蒙多项式法的步骤概括如下：1.1.将项用一个将项用一个m m 次多项式近似表示：次多项式近似表示：i=0,1,2,…i=0,1,2,…，，，，k k（（（（7.137.137.137.13）））） 式中，项为待定系数；式中，项为待定系数；m 为多项式次数，为多项式次数，可以预先给定。
可以预先给定36 式（式（7.137.13））可写为可写为37 把把 代入式（代入式（7.12）中有）中有38 令 （（（（7.147.147.147.14））））39 2.2.参数估计参数估计 对于式（对于式（7.147.14）应用最小二乘法）应用最小二乘法估计估计 并进行显著性检并进行显著性检验检验结果也可以说明多项式次数的假验检验结果也可以说明多项式次数的假定是否合理如果通过了显著性检验，则定是否合理如果通过了显著性检验，则将将 代入到式（代入到式（7.137.13））求出求出 40 二、阿尔蒙估计法的优缺点二、阿尔蒙估计法的优缺点1 1．阿尔蒙估计法的优点．阿尔蒙估计法的优点 （（1 1）克服了自由度不足的问题克服了自由度不足的问题41 例如，对式例如，对式(7.12)中的中的 作了式作了式（（7.13）的假定后，由原模型（）的假定后，由原模型（7.12））的的k+1个解释变量简化为只含个解释变量简化为只含m +1个解个解释变量的模型（释变量的模型（7.14），原模型需要估），原模型需要估计（计（k +2）个参数，现在只需估计（）个参数，现在只需估计（m +2）个参数，而且）个参数，而且m＜＜k，通常取，通常取2 或或 3 。
因此，一般不会有自由度不足的因此，一般不会有自由度不足的问题42 （（2）阿尔蒙变换具有充分的柔顺性为）阿尔蒙变换具有充分的柔顺性为了使参数结构假定更好地符合了使参数结构假定更好地符合 的实际变化的实际变化方式，可以适当地改变多项式（方式，可以适当地改变多项式（7.13）的阶）的阶数，以提高多项式逼近数，以提高多项式逼近 的精度 （（3）可以克服多重共线性问题经过阿）可以克服多重共线性问题经过阿尔蒙多项式变换后，尔蒙多项式变换后，Z 项之间的多重共线性项之间的多重共线性就可能小于诸就可能小于诸X 项之间的共线性项之间的共线性43 2 2．阿尔蒙估计法的缺点．阿尔蒙估计法的缺点 （（1 1）仍没有能够解决原模型）仍没有能够解决原模型（（7.127.12）滞后阶数）滞后阶数k k应该取什么值为最好应该取什么值为最好的问题 （（2 2）多项式（）多项式（7.137.13）中阶数）中阶数m m 必须必须事先确定，而事先确定，而m m 的实际确定往往带有很大的实际确定往往带有很大的主观性的主观性 44 （（3）虽然阿尔蒙估计法可能将回）虽然阿尔蒙估计法可能将回归式中的多重共线性程度降低了很多，归式中的多重共线性程度降低了很多，变量变量Z 之间的多重共线性就可能弱于之间的多重共线性就可能弱于诸诸X 之间的多重共线性之间的多重共线性, 但它并没能但它并没能完全消除多重共线性问题对回归模型完全消除多重共线性问题对回归模型的影响。
的影响45 试用试用Almon多项式（阶数为多项式（阶数为2）法建立）法建立其资本存量函数其资本存量函数 【【例例7.1】】表表7.1给出了美国制造业给出了美国制造业1955—1974年的资本存量与销售额的资料年的资本存量与销售额的资料,为研为研究方便，假设现时的资本存量只与现时的究方便，假设现时的资本存量只与现时的销售及前三年的销售有关，即有销售及前三年的销售有关，即有 46 年度年度Y YX X年度年度Y YX X195519551956195619571957195819581959195919601960196119611962196219631963196419644506945069506425064251871518715007050070527075270753814538145493954939582135821360043600436338363383264802648027740277402873628736272802728030219302193079630796308963089633113331133503235032373353733519651965196619661967196719681968196919691970197019711971197219721973197319741974682216822177965779658465584655908759087597074970741016451016451024451024451077191077191208701208701471351471354100341003448694486946449464495028250282535555355552859528595591755917620176201771398713988207882078 表表表表表表7.1 7.1 7.1 7.1 7.1 7.1 美国制造业的资本存量与销售额美国制造业的资本存量与销售额美国制造业的资本存量与销售额美国制造业的资本存量与销售额美国制造业的资本存量与销售额美国制造业的资本存量与销售额 单位：单位：单位：单位：单位：单位：百万美元百万美元百万美元百万美元百万美元百万美元47 解：已知多项式的阶数为解：已知多项式的阶数为m m=2=2，进行，进行Almon多项式变换后，有如下方程多项式变换后，有如下方程其中其中48 将原数据将原数据Xt 变换成变换成Zt，再利用，再利用Yt 和和Zt 的的数据，用最小二乘法进行估计，得到的估数据，用最小二乘法进行估计，得到的估计方程为计方程为49 由由 的估计值可得到的估计值可得到 的估计值为的估计值为得到得到50 EViewsEViewsEViewsEViews输出结果为输出结果为输出结果为输出结果为Dependent Variable: YMethod: Least SquaresDate: 04/13/05 Time: 09:18Sample(adjusted): 1958 1974Included observations: 17 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-7140.7541992.988-3.5829400.0033Z00.6612480.1654803.9959470.0015Z10.9020490.4831311.8670900.0846Z2-0.4321550.166464-2.5960850.0222R-squared0.996797 Mean dependent var81869.00Adjusted R-squared0.996058 S.D. dependent var27991.74Log likelihood-148.8593 F-statistic1348.639Durbin-Watson stat1.848202 Prob(F-statistic)0.00000051 由于多重共线性及自由度的限制，给有由于多重共线性及自由度的限制，给有限分布滞后模型的估计带来了困难。
虽然限分布滞后模型的估计带来了困难虽然阿尔蒙多项式滞后模型部分地解决了这个阿尔蒙多项式滞后模型部分地解决了这个问题，但是它有一些麻烦的限制，在某些问题，但是它有一些麻烦的限制，在某些情况下，寻求正确的多项式次数和适当的情况下，寻求正确的多项式次数和适当的滞后长度是很困难的这时，无限分布滞滞后长度是很困难的这时，无限分布滞后模型常常是更合理的模型形式后模型常常是更合理的模型形式第三节第三节第三节第三节 几何分布滞后模型几何分布滞后模型几何分布滞后模型几何分布滞后模型52 无限分布滞后模型就是形如无限分布滞后模型就是形如式（式（7.37.3））的模型，它隐含着解释变的模型，它隐含着解释变量量X X 过去所有时期的取值都会对被解过去所有时期的取值都会对被解释变量释变量Y Y 的当期值产生影响此外，的当期值产生影响此外，有时从经济理论中推导有时从经济理论中推导 出来的模型出来的模型也是具有明显的无限的滞后长度的模也是具有明显的无限的滞后长度的模型7.37.3））））53 显然，必须对无限滞后模型施加一定显然，必须对无限滞后模型施加一定的约束，才可以考察它的各个参数的情的约束，才可以考察它的各个参数的情况。
对无限分布滞后模型的系数施以几况对无限分布滞后模型的系数施以几何数列的衰减形式，就成为几何分布滞何数列的衰减形式，就成为几何分布滞后模型54 一、几何分布滞后模型的概念一、几何分布滞后模型的概念一、几何分布滞后模型的概念一、几何分布滞后模型的概念对于无限分布滞后模型对于无限分布滞后模型（（（（7.157.157.157.15））））库伊克库伊克(koyck)提出了两个假设：提出了两个假设：55 １．模型中所有参数的符号都是相同的１．模型中所有参数的符号都是相同的 ２．模型中的参数是按几何数列衰减的，２．模型中的参数是按几何数列衰减的，即即j j j j =0=0=0=0，，，，1 1 1 1，，，，2 2 2 2，，，，………… （（（（7.167.167.167.16）））） 式中，式中， ０＜０＜λλ＜１＜１，， λλ称为分布称为分布滞后的衰减率，滞后的衰减率，λ 越小，衰减速度就越越小，衰减速度就越快，快，X X 滞后的远期值对当期滞后的远期值对当期Y Y 值的影响值的影响就越小56 将式（将式（7.16）代入式（）代入式（7.15）中，得到模型）中，得到模型（（（（7.177.177.177.17）））） 模型模型(7.17)就称为几何分布滞后模型，因就称为几何分布滞后模型，因为滞后权重是以几何数列下降的。
为滞后权重是以几何数列下降的57 几何分布滞后模型：几何分布滞后模型：对于无限分布滞对于无限分布滞后模型，如果其参数值按某一固定的后模型，如果其参数值按某一固定的比率递减，我们就称为其为几何分布比率递减，我们就称为其为几何分布滞后模型滞后模型58 对许多情形对许多情形(如预期、决策等如预期、决策等)，最，最近的观测值往往起最大的作用随着近的观测值往往起最大的作用随着时间的消逝，过去观测值的影响将一时间的消逝，过去观测值的影响将一致地消退几何分布滞后模型就是一致地消退几何分布滞后模型就是一个适合这些情形的常用模型个适合这些情形的常用模型59 几何分布滞后模型中解释变量的滞后期几何分布滞后模型中解释变量的滞后期是无限的，是无限的， 相应的需要估计的参数也是相应的需要估计的参数也是无限的，无限的， 直接对这无限多个参数进行估直接对这无限多个参数进行估计几乎是不可能计几乎是不可能 的，的， 只有当无限多的只有当无限多的参数可以用有限的其它参数来替代的时参数可以用有限的其它参数来替代的时候，候， 才可以解决参数估计问题，而且自才可以解决参数估计问题，而且自由度的问题也迎刃而解。
由度的问题也迎刃而解60 几何分布滞后模型可以变换为仅包括几何分布滞后模型可以变换为仅包括几个参数的自回归模型，几个参数的自回归模型， 这些模型主这些模型主要有库伊克自回归模型、自适应预期要有库伊克自回归模型、自适应预期模型、部分调整模型等模型、部分调整模型等61 其中，库伊克自回归模型只是通过对其中，库伊克自回归模型只是通过对模型（模型（7.17））进行纯数学上的变换得到进行纯数学上的变换得到的一种模型，没有相应的经济意义，的一种模型，没有相应的经济意义，运用很少运用很少62 自适应预期模型和部分调整模自适应预期模型和部分调整模型则不同于库伊克自回归模型，它们型则不同于库伊克自回归模型，它们是建立在一定的经济理论基础之上的，是建立在一定的经济理论基础之上的，从而经常被用来解决一些经济问题从而经常被用来解决一些经济问题 库伊克库伊克(koyck)变换如下：变换如下：63 Yt-1=α+β0Xt-1+β0λXt-2+ β0λ2Xt-3+…+ut-1两边同乘两边同乘λ,得得λ Yt-1= λ α+β0 λ Xt-1+β0λ2Xt-2 + β0λ3Xt-3+…+λut-1 Yt -λ Yt-1= α(1- λ)+ β0Xt+ut-λut-164 库伊克自回归模型库伊克自回归模型Yt =α(1- λ)+ β0Xt +λ Yt-1+vt vt=ut-λut-165 二、自适应预期模型二、自适应预期模型二、自适应预期模型二、自适应预期模型 自适应预期模型建立在如下的经济理论基自适应预期模型建立在如下的经济理论基础上：影响被解释变量础上：影响被解释变量Yt的因素不是的因素不是Xt而是而是Xt+1的预期的预期 ，即，即（（（（7.187.187.187.18））））66 弗里德曼弗里德曼(Friedman)(Friedman)的消费理论认为：的消费理论认为：本期消费水平不是取决于本期实际收入，而本期消费水平不是取决于本期实际收入，而是取决于预期收入。
是取决于预期收入 即第即第t t 期的消费水平期的消费水平Y Yt t 不是依赖于同期的实际收入水平不是依赖于同期的实际收入水平X Xt t，而是依赖，而是依赖于对下一期的期望收入水平于对下一期的期望收入水平 式式(7.18)(7.18)中，中，Y Yt t= =第第t t 期消费水平期消费水平；； = = 第第t t 期时对期时对t t +1+1期收入水平的预期，期收入水平的预期， = =随机误随机误差项67 模型模型(7.18)(7.18)说明：第说明：第t t 期消费水平不期消费水平不是取决于同期实际收入水平是取决于同期实际收入水平X Xt t，而是取决，而是取决于对于对t t +1+1期的预期收入水平期的预期收入水平 这是这是一个比较合理的经济行为假定，这种经济一个比较合理的经济行为假定，这种经济现象是很常见的现象是很常见的68 当通货膨胀比较严重的时候，商品需求当通货膨胀比较严重的时候，商品需求量不是决定于当期的价格，而是决定于量不是决定于当期的价格，而是决定于对未来价格水平的预期；对未来价格水平的预期； 企业的生产计划取决于对未来销售状况企业的生产计划取决于对未来销售状况的预期；的预期； 股票的价格涨跌情况也是由人们对未股票的价格涨跌情况也是由人们对未来形势的展望所决定的。
来形势的展望所决定的69 由于由于式式(7.18)中中 是一个无法直接是一个无法直接观察的变量，所以观察的变量，所以需要把像需要把像 这样这样不不能用样本估计的或者说是不能直接观测能用样本估计的或者说是不能直接观测的变量化成可以直接观测的变量的变量化成可以直接观测的变量Cangan 和和Friedman这两位经济学家提出这两位经济学家提出了了对预期对预期 形成过程的假设，以寻求形成过程的假设，以寻求Yt 关于某些可观测值的表达式关于某些可观测值的表达式70 对预期形成给以不同的假定，如幼稚对预期形成给以不同的假定，如幼稚预期模型、自适应预期、理性预期等，预期模型、自适应预期、理性预期等，自适应预期模型就是将预期形成机制自适应预期模型就是将预期形成机制假定为假定为适应性预期适应性预期 71 所谓自适应预期假定，就是预期的形成过所谓自适应预期假定，就是预期的形成过程如下式所表达的：程如下式所表达的：（（（（7.197.197.197.19））））式中，式中， 称为预期调整系数，且０称为预期调整系数，且０≤ ≤１，１， 是实际值与预期值的偏差，称为预是实际值与预期值的偏差，称为预期误差。
期误差72 由式（由式（7.19）可以看出，预期形成是一个根）可以看出，预期形成是一个根据预期误差不断调整的过程，预期误差乘据预期误差不断调整的过程，预期误差乘以预期调整系数就是两个时期预期值的改以预期调整系数就是两个时期预期值的改变量，如果变量，如果t期预期偏高，即期预期偏高，即 ，，则在则在 的条件下，对的条件下，对t +1期的预期就会期的预期就会自动调低；自动调低；73 反之，若反之，若 ，就有，就有 ，即，即t t +1+1期的预期相对于期的预期相对于t t 期的预期来说期的预期来说会自动调高另外，由０会自动调高另外，由０≤ ≤≤ ≤１可１可以看出，某期对预期的调整幅度不会大于以看出，某期对预期的调整幅度不会大于预期误差，显然预期误差，显然 越大，调整幅度越越大，调整幅度越大74 对预期的形成过程给予假定后，我们对预期的形成过程给予假定后，我们就可以通过对式（就可以通过对式（7.18）、式（）、式（7.19）进行）进行适当的变换来求得的表达式。
首先，将式适当的变换来求得的表达式首先，将式（（7.19）改写成：）改写成：（（（（7.207.207.207.20））））75 这说明本期对下一期的期望值是用每个时这说明本期对下一期的期望值是用每个时期变量的本期真实值与上期对本期的期望期变量的本期真实值与上期对本期的期望值计算加权算术平均数得到的，其权数分值计算加权算术平均数得到的，其权数分别是别是 ，那么本期对下一，那么本期对下一期的期望值就等于本期真实值期的期望值就等于本期真实值76 有了有了式（式（7.20））后，我们就可以通过以下两后，我们就可以通过以下两种方法推导出关于某些可观测变量的表达式种方法推导出关于某些可观测变量的表达式 第一种方法：根据式（第一种方法：根据式（7.20）有表达式）有表达式（（（（7.217.217.217.21）））） 将将式（式（7.217.21））代入代入式（式（7.207.20））中，并照中，并照此方法依次迭代，可得此方法依次迭代，可得（（（（7.227.227.227.22））））77 将将式（式（7.227.22））代入代入式（式（7.187.18））中，可得中，可得Y Yt t 及及Y Yt t-1 -1 的表达式为的表达式为（（（（7.237.237.237.23））））（（（（7.247.247.247.24））））78 显然，式（显然，式（7.23）和式（）和式（7.24）都是衰减率）都是衰减率为为 的几何分布滞后模型，具有明显的的几何分布滞后模型，具有明显的经济意义，对式（经济意义，对式（7.23）进行库伊克）进行库伊克(koyck)变换，即，用式（变换，即，用式（7.23）减去）减去 与式（与式（7.24）的积。
的积79 （（（（7.257.257.257.25））））将将将将式（式（式（式（7.187.187.187.18））））化为如下自回归的形式化为如下自回归的形式化为如下自回归的形式化为如下自回归的形式式中，式中，式中，式中， 第二种方法：由式（第二种方法：由式（第二种方法：由式（第二种方法：由式（7.187.187.187.18）可得）可得）可得）可得 （（（（7.267.267.267.26））））式（式（式（式（7.187.187.187.18）减去式（）减去式（）减去式（）减去式（7.267.267.267.26），再结合式（），再结合式（），再结合式（），再结合式（7.207.207.207.20），），），），同样可得到式（同样可得到式（同样可得到式（同样可得到式（7.257.257.257.25）80 部分调整模型首先是由部分调整模型首先是由Nerlove基于如下基于如下事实提出的：在讨论滞后效应时，解释变量事实提出的：在讨论滞后效应时，解释变量在某一时期内的变动所引起的被解释变量值在某一时期内的变动所引起的被解释变量值的变化，要经过相当长一段时间才能充分表的变化，要经过相当长一段时间才能充分表现出来。
现出来三、部分调整模型三、部分调整模型三、部分调整模型三、部分调整模型81 因此，部分调整模型所根据的行为假定是因此，部分调整模型所根据的行为假定是模型所表达的不应是模型所表达的不应是t 期解释变量观测值与期解释变量观测值与同期被解释变量观测值之间的关系，而应同期被解释变量观测值之间的关系，而应是是t 期解释变量观测值与同期被解释变量希期解释变量观测值与同期被解释变量希望达到的水平之间的关系即：望达到的水平之间的关系即：82 （（（（7.277.277.277.27））））式中式中, =, =被解释变量的希望值（或最佳被解释变量的希望值（或最佳值），值）， = =解释变量在解释变量在t t期的真实值，期的真实值， = =随机误差项随机误差项83 仍以收入与消费的关系来说明上式的经仍以收入与消费的关系来说明上式的经济意义，济意义，Xt代表第代表第 t 期的收入水平，期的收入水平， 代表代表第第 t 期的希望达到的消费水平由于被解释期的希望达到的消费水平由于被解释变量的希望值是不可观测的，因此需要对它变量的希望值是不可观测的，因此需要对它进行部分调整。
进行部分调整84 由于种种原因，如资金和原材料的限制、合由于种种原因，如资金和原材料的限制、合同的不易变更性、决策的延迟及惯性等，使同的不易变更性、决策的延迟及惯性等，使被解释变量的希望值难以实现，被解释变量被解释变量的希望值难以实现，被解释变量的实际变动值的实际变动值 Yt-Yt-1 往往只能达到希望水平往往只能达到希望水平与实际水平变动与实际水平变动 的一部分的一部分85 设只达到了设只达到了 比例的一部分，则部分调整比例的一部分，则部分调整假设可表示为假设可表示为（（（（7.287.287.287.28））））式中，式中， 为部分调整系数，且有为部分调整系数，且有0≤ ≤0≤ ≤１当当 ＝１时，表示实际消费水平的变化与＝１时，表示实际消费水平的变化与所希望的消费水平的变化一致；当所希望的消费水平的变化一致；当 =0=0时，时，表示实际消费水平不变表示实际消费水平不变86 由部分调整假设式（由部分调整假设式（7.287.28）可得）可得（（（（7.297.297.297.29））））式式(7.29)(7.29)说明说明t t 时期希望消费水平是当期实时期希望消费水平是当期实际消费水平与前期实际消费水平的加权平均际消费水平与前期实际消费水平的加权平均数。
其权数分别为数其权数分别为 和和 87 将式（将式（7.29）代入式（）代入式（7.27），整理得），整理得（（（（7.307.307.307.30））））或或 （（（（7.317.317.317.31））））88 式式(7.31)就称为部分调整模型，它同自适就称为部分调整模型，它同自适应预期模型一样，也是一种具有充分理论应预期模型一样，也是一种具有充分理论基础的模型，而且也是基于参数符合几何基础的模型，而且也是基于参数符合几何分布滞后的模型；但是部分调整模型有自分布滞后的模型；但是部分调整模型有自适应预期模型所不具备的优点，就是有更适应预期模型所不具备的优点，就是有更简单的随机误差项部分调整模型在消费简单的随机误差项部分调整模型在消费函数中应用最为广泛函数中应用最为广泛89 还有一点是必须得到重视的，尽管部分还有一点是必须得到重视的，尽管部分调整模型和自适应预期模型表面看来很调整模型和自适应预期模型表面看来很相似，但是在概念上是有明显区别的，相似，但是在概念上是有明显区别的，自适应预期模型是解释变量为不可观测自适应预期模型是解释变量为不可观测变量，而部分调整模型是被解释变量为变量，而部分调整模型是被解释变量为不可观测变量。
不可观测变量90 第四节第四节 自回归模型的估计自回归模型的估计 如果模型的解释变量中包含被解释变量的滞如果模型的解释变量中包含被解释变量的滞后变量，这种模型称为自回归模型例如：后变量，这种模型称为自回归模型例如：就是一个自回归模型这种模型的特点是就是一个自回归模型这种模型的特点是被解释变量被解释变量Y自己对自己作回归，自回归模自己对自己作回归，自回归模型的名字由此而来型的名字由此而来91 92 显然，自适应预期模型和部分调整显然，自适应预期模型和部分调整模型所依据的经济假设的前提是不同的，模型所依据的经济假设的前提是不同的，但是，最终都得到了十分相似的自回归但是，最终都得到了十分相似的自回归模型 自回归模型与分布滞后模型之间存自回归模型与分布滞后模型之间存在着深刻的联系在着深刻的联系93 实质上，它们都是几何分布滞后模型实质上，它们都是几何分布滞后模型的不同表现形式因而研究自回归模型的的不同表现形式因而研究自回归模型的估计问题，实际上也解决了几何分布滞后估计问题，实际上也解决了几何分布滞后模型的估计问题模型的估计问题 94 一、部分调整模型的估计一、部分调整模型的估计一、部分调整模型的估计一、部分调整模型的估计 上一节中，介绍了部分调整模型，上一节中，介绍了部分调整模型，为方便起见，再给出部分调整模型的一为方便起见，再给出部分调整模型的一般形式如下般形式如下（（（（7.327.327.327.32）））） 其中，其中， ，这里假定，这里假定 满足各种经典满足各种经典假定条件。
假定条件95 则式（则式（7.32）中的随机误差项）中的随机误差项vt 不存在自相不存在自相关关系，它的特点是关关系，它的特点是 但被解释变量的滞后变量但被解释变量的滞后变量Y Yt t-1-1作为解释变量作为解释变量出现在模型中这一点违背了经典假定中解出现在模型中这一点违背了经典假定中解释变量是非随机的假定释变量是非随机的假定 96 97 对模型对模型(7.32)应用最小二乘法估计应用最小二乘法估计参数所得的是有偏估计量，但是，在大参数所得的是有偏估计量，但是，在大样本的情况下，其估计量是一致的样本的情况下，其估计量是一致的(即即相合的相合的)98 二、自适应预期模型的估计二、自适应预期模型的估计二、自适应预期模型的估计二、自适应预期模型的估计自适应预期模型的一般表达式为自适应预期模型的一般表达式为自适应预期模型的一般表达式为自适应预期模型的一般表达式为（（（（7.337.337.337.33））））这里假定这里假定ut 满足全部经典假定条件满足全部经典假定条件99 (一一)自适应预期模型的特点自适应预期模型的特点 1．在模型（．在模型（7.33）中出现了滞后被）中出现了滞后被解释变量解释变量Yt-1作为作为Yt的解释变量，而的解释变量，而Yt-1是是随机的，这就违背了解释变量是非随机变随机的，这就违背了解释变量是非随机变量的经典假定，这一点同部分调整模型相量的经典假定，这一点同部分调整模型相同。
同100 2．．模型（模型（7.33）中的随机误差项存在自）中的随机误差项存在自相关，违背了经典假设条件相关，违背了经典假设条件101 在在u ut t 满足全部经典假定的条件下，有满足全部经典假定的条件下，有（（（（7.347.347.347.34））））从从式（式（7.347.34））可以看出可以看出 与与 相关102 3 3．．解释变量解释变量Y Yt-t-1 1与随机误差项与随机误差项v vt t 相关7.357.357.357.35））））103 针对上面指出的自适应预期针对上面指出的自适应预期模模型（型（7.337.33））的特点，如果对其直接运用普的特点，如果对其直接运用普通最小二乘法进行参数估计，得到的参数通最小二乘法进行参数估计，得到的参数估计量将是有偏且非一致的所以，一般估计量将是有偏且非一致的所以，一般用工具变量法估计自适应预期模型用工具变量法估计自适应预期模型 事实上，一方面事实上，一方面Y Yt t 与与v vt t 有关、有关、Y Yt t-1 -1 与与v vt t-1 -1 有关，有关， 另一方面，另一方面， v vt t 与与v vt t-1-1有关、有关、 Y Yt t-1-1与与v vt t 也有关。
也有关104 （二）工具变量法（二）工具变量法（二）工具变量法（二）工具变量法 工具变量法的基本思想是：选择适当的一工具变量法的基本思想是：选择适当的一个外生变量或几个外生变量的组合作为工具个外生变量或几个外生变量的组合作为工具变量，使得它同模型中内生解释变量高度相变量，使得它同模型中内生解释变量高度相关、与随机误差项无关，且与模型中其它随关、与随机误差项无关，且与模型中其它随机变量也无关，然后，在对在原模型基础上机变量也无关，然后，在对在原模型基础上求得的正规方程组中用该工具变量代替相应求得的正规方程组中用该工具变量代替相应正规方程组中的内生解释变量正规方程组中的内生解释变量105 第一步第一步，选择工具变量因为我们的目的，选择工具变量因为我们的目的只是想说明怎样运用工具变量法估计自适只是想说明怎样运用工具变量法估计自适应预期模型，为简单起见这里选择应预期模型，为简单起见这里选择Xt , Xt-1,…的某一线性组合作为工具变量的某一线性组合作为工具变量 使用工具变量法对自适应预期模型使用工具变量法对自适应预期模型（（7.33）进行估计的步骤如下）进行估计的步骤如下106 为了确定工具变量，构造如下方程：为了确定工具变量，构造如下方程： 应用最小二乘法估计式（应用最小二乘法估计式（7.417.41），），当自变量当自变量X X 的各期滞后值高度相关时，取的各期滞后值高度相关时，取滞后长度为滞后长度为2 2或或3 3。
7.417.417.417.41））））107 假设估计的结果为假设估计的结果为滞后一期为滞后一期为（（（（7.437.437.437.43））））（（（（7.427.427.427.42））））108 第二步，以残差平方和最小为准则，可第二步，以残差平方和最小为准则，可得关于式得关于式(7.33)的如下正规方程组的如下正规方程组7.447.447.447.44））））109 其中，其中， 分别是使残差平方和分别是使残差平方和最小时最小时 的估计量，的估计量， 是是 的估计量，即残差的估计量，即残差 第三步，第三步，选择工具变量选式（选择工具变量选式（7.437.43））中的中的 , ,用它代替（用它代替（7.447.44）式中的第三）式中的第三个方程中的个方程中的 得工具变量法的正规方得工具变量法的正规方程组为程组为110 （（（（7.457.457.457.45）））） 有了工具变量法的正规方程组，就由它有了工具变量法的正规方程组，就由它求出的值。
通过工具变量法得到的参数估求出的值通过工具变量法得到的参数估计量具有有偏、一致的性质计量具有有偏、一致的性质111 在上面提到的自回归模型中，含有滞在上面提到的自回归模型中，含有滞后被解释变量后被解释变量 Yt-1作为解释变量，这时要作为解释变量，这时要检查模型中随机误差项是否存在序列相关检查模型中随机误差项是否存在序列相关性，性，ＤＤW检验就不再适用了因为应用检验就不再适用了因为应用DW检验的一个前提条件就是解释变量为非随检验的一个前提条件就是解释变量为非随机变量，否则就会得到错误的结论机变量，否则就会得到错误的结论三、自相关的检验三、自相关的检验112 为此，为此，Durbin本人于本人于1970年提出了一种在年提出了一种在大样本情形下检验自回归模型大样本情形下检验自回归模型的随机误差项有无的随机误差项有无——阶自相关的方法，这阶自相关的方法，这种方法称为种方法称为h h检验法113 他定义的统计量（称为他定义的统计量（称为h统计量）为统计量）为（（（（7.467.467.467.46）））） 其中，其中， 是模型中是模型中 的系数的系数 的估计量，的估计量， 是是 的方差的样本估计值，的方差的样本估计值，n为样本为样本容量，容量， 是随机误差项一阶自相关系数的估是随机误差项一阶自相关系数的估计值，在应用时，可取计值，在应用时，可取 d 是通常是通常意义下意义下DW统计量的取值。
统计量的取值114 h h 统计量的原假设为统计量的原假设为 ，备择假设为，备择假设为 在大样本情形下，在大样本情形下，DurbinDurbin证明了在原证明了在原假设假设 成立的条件下，成立的条件下，统计量统计量 h h 渐进地遵循零均值和单位方差渐进地遵循零均值和单位方差的正态分布的正态分布 115 由此得出检验方法：对给定的显著性水平由此得出检验方法：对给定的显著性水平αα ，可查得标准正态分布正的临界值，可查得标准正态分布正的临界值 ，，如果如果 ，则拒绝，则拒绝H0，认为随机误，认为随机误差项存在一阶自相关；反之，如果差项存在一阶自相关；反之，如果 ，则没理由拒绝，则没理由拒绝H H0 0，即接受随机误差项无一，即接受随机误差项无一阶自相关的假设。
阶自相关的假设116 进而，当原假设被拒绝时，可以检验新的原进而，当原假设被拒绝时，可以检验新的原假设假设H0：： 是否成立，若是否成立，若 ，则以，则以1-α 的可信度认为随机误差项存在正的一阶的可信度认为随机误差项存在正的一阶自相关117 （（1）不管自回归模型中含有多少个解释变）不管自回归模型中含有多少个解释变量量X 或多少个被解释变量或多少个被解释变量Y 的滞后变量，都的滞后变量，都可应用计算可应用计算h 统计量时只需要考虑滞后变统计量时只需要考虑滞后变量量Yt-1的系数的方差的系数的方差需注意的是需注意的是h 检验法具有如下特征：检验法具有如下特征：118 （（2 2）如果）如果 时，统计量时，统计量h h 就不再有意义，这种检验方法不是很适用就不再有意义，这种检验方法不是很适用不过，在实践中，这种情形不常发生不过，在实践中，这种情形不常发生 （（3 3））h h 检验法只适用于大样本情形检验法只适用于大样本情形119 【【例例7.2】】表表7.2是某国连续是某国连续6年货币流通量年货币流通量的历史数据，其中，的历史数据，其中，Y=货币流通量，货币流通量，X1＝＝储蓄的月利率，储蓄的月利率，X2＝工业企业存款。
＝工业企业存款120 表表7.2 7.2 某国连续某国连续6 6年货币流通量的季度统计数据年货币流通量的季度统计数据 单单位：位：亿亿元元季度季度 t tY YＸＸ1 1ＸＸ2 2季度季度 t tY YＸＸ1 1ＸＸ2 2第一年第一年 1 1 2 2 3 3 4 4第二年第二年 5 5 6 6 7 7 8 8第三年第三年 9 9 1010 1111 1212346.20346.20346.20346.20346.20346.20346.20346.20325.62325.62306.39306.39333.15333.15396.34396.34377.87377.87352.50352.50377.39377.39439.12439.120.420.420.570.570.570.570.570.570.570.570.570.570.570.570.570.570.660.660.660.660.660.660.660.66573.09573.09573.09573.09573.09573.09573.09573.09557.50557.50561.89561.89588.03588.03701.46701.46683.42683.42673.37673.37707.47707.47792.78792.78第四年第四年 1313 1414 1515 1616第五年第五年 1717 1818 1919 2020第六年第六年 2121 2222 2323 2424433.27433.27421.97421.97467.28467.28529.78529.78511.19511.19490.84490.84587.20587.20792.11792.11787.59787.59757.50757.50827.12827.12987.83987.830.660.660.660.660.660.660.660.660.660.660.660.660.660.660.660.660.660.660.690.690.780.780.780.78779.62779.62795.37795.37805.94805.94921.65921.65911.28911.28920.48920.481045.661045.661414.311414.311381.971381.971254.891254.891355.821355.822071.532071.53121 考虑长期货币流通需求量（考虑长期货币流通需求量（考虑长期货币流通需求量（考虑长期货币流通需求量（ＹＹＹＹ* * * *）模型）模型）模型）模型或或或或（（（（7.477.477.477.47））））再设再设再设再设Y Y Y Yt t t t＝实际季度货币流通量。
＝实际季度货币流通量＝实际季度货币流通量＝实际季度货币流通量122 这表明，每一季度货币流通量的调整值，这表明，每一季度货币流通量的调整值，只是预期调整的一部分只是预期调整的一部分 由于由于 不可直接观测，故作不可直接观测，故作Nerlove部部分调整分调整（（（（7.487.487.487.48））））123 将式（将式（7.487.48）代入式（）代入式（7.477.47））, ,即可导出短期即可导出短期货币流通量需求模型货币流通量需求模型（（（（7.497.497.497.49））））这是一个自回归模型这是一个自回归模型124 要求：要求： (1) 估计短期货币流通量需求模型估计短期货币流通量需求模型（（7.49）及长期货币流通量需求模型（）及长期货币流通量需求模型（7.47）；）； (2) 进行进行Durbin—Watson h检验检验, 判定模判定模型中是否有序列相关型中是否有序列相关125 解：利用解：利用Eviews3.1Eviews3.1对模型对模型(7.49)(7.49)使使用普通最小二乘法，得到短期货币流通量用普通最小二乘法，得到短期货币流通量需求模型为需求模型为（（（（7.507.507.507.50））））126 EViewsEViewsEViewsEViews输出结果为输出结果为输出结果为输出结果为Dependent Variable: LOG(Y)Method: Least SquaresDate: 04/13/05 Time: 10:12Sample(adjusted): 2 24Included observations: 23 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-1.0544700.427522-2.4664720.0233LOG(X1)-0.3338050.197409-1.6909320.1072LOG(X2)0.7858610.0911438.6223000.0000LOG(Y(-1))0.2900320.0981282.9556500.0081R-squared0.983945 Mean dependent var6.156140Adjusted R-squared0.981409 S.D. dependent var0.347562Log likelihood39.69688 F-statistic388.1320Durbin-Watson stat2.110307 Prob(F-statistic)0.000000127 式式(7.50)(7.50)中，中， , ,于是有于是有取显著性水平取显著性水平 ，查正态分，查正态分布表得临界值布表得临界值 ，因为，因为 ，故模型的随机误差项，故模型的随机误差项ut不存在一阶自相关。
不存在一阶自相关128 由短期货币流通量需求模型由短期货币流通量需求模型(7.50)可知，可知，储蓄的月利率储蓄的月利率X1对货币需求的影响不显对货币需求的影响不显著，而工业企业存款著，而工业企业存款X2及上一季度的货及上一季度的货币需求却有显著的影响币需求却有显著的影响 129 130 此外，由参数估计及式（此外，由参数估计及式（7.497.49）可得长期）可得长期货币流通量需求模型为货币流通量需求模型为（（（（7.517.517.517.51））））131 式式(7.50)和式和式(7.51)两个估计式两个估计式表明：货币需求对储蓄的月利率的表明：货币需求对储蓄的月利率的弹性，本期为弹性，本期为-0.3338，长期为，长期为-0.4701；对工业企业存款的弹性，；对工业企业存款的弹性，本期为本期为0.7859，长期为，长期为1.1069132 这说明，在现行体制下，工业企业这说明，在现行体制下，工业企业存款每增长存款每增长1％，％， 在本期的影响是使在本期的影响是使货币需求量增长货币需求量增长0.7859％，长期的影％，长期的影响是使货币需求量增长响是使货币需求量增长1.1069％％。
133 据适应性期望假说据适应性期望假说,可得可得【【例例7.3】】1946-1972年美国短期与长期年美国短期与长期总消费函数总消费函数 假定消费假定消费C和永久收入和永久收入X*有线性关系有线性关系 134 据据1946-1972年期间的美国季度数年期间的美国季度数据据, M.C.Lovell得到下面的结果得到下面的结果(总消总消费和总可支配收入数字都经过价格指费和总可支配收入数字都经过价格指数的平缩而转化为实际数量数的平缩而转化为实际数量)135 此回归表明此回归表明,边际消费倾向边际消费倾向(MPC)为为0.2959 就是说就是说, 当前的或观测的可当前的或观测的可支配收入每增加支配收入每增加1元元,消费平均增加消费平均增加0.30元但若收入是持久的元但若收入是持久的, 则这一则这一永久收入的永久收入的MPC最终将是最终将是136 就是说，当消费者有足够的时间调就是说，当消费者有足够的时间调整到与整到与 1 元的收入变化相适应时，元的收入变化相适应时，他们的消费将增加他们的消费将增加0.91137 在这一模型中，永久或长期消费在这一模型中，永久或长期消费C*是是当前或观测的收入的线性函数。
据部分当前或观测的收入的线性函数据部分调整假定，可得调整假定，可得现假定我们的消费函数是现假定我们的消费函数是138 从表面上看，两个模型没有区别从表面上看，两个模型没有区别但两个模型的经济解释却有很大区别但两个模型的经济解释却有很大区别 1.模型的选择依赖于经济理论，如果模型的选择依赖于经济理论，如果习惯或惯性象征着消费行为，则部分调习惯或惯性象征着消费行为，则部分调整模型是适宜的如果消费行为是预期整模型是适宜的如果消费行为是预期性的，即以预期的未来收益为依据的，性的，即以预期的未来收益为依据的，则适应性预期模型是适宜的则适应性预期模型是适宜的139 2. 参数估计方法不同参数估计方法不同 部分调整模型可使用普通最小二乘法，部分调整模型可使用普通最小二乘法，适应性期望模型应使用工具变量法适应性期望模型应使用工具变量法140 一、一、格兰杰因果关系检验的原理格兰杰因果关系检验的原理 从统计上确认两个变量在时间上从统计上确认两个变量在时间上有先后关系有先后关系, Granger提出了一个比提出了一个比较简单的检验方法较简单的检验方法. 第五节第五节 格兰杰因果关系检验格兰杰因果关系检验141 考虑如下两个变量考虑如下两个变量: 国内生产总值国内生产总值GDP和货币发行量和货币发行量M。
有四种结果有四种结果: 1. GDP是是M的原因的原因, M不是不是GDP的原因的原因 2. M是是GDP的原因的原因, GDP不是不是M的原因的原因 3. M和和GDP互为因果互为因果 4. M和和GDP互不相关互不相关142 估计以下的回归估计以下的回归 143 有四种情况有四种情况: 1. 如果如果 , , 则则M是是GDP的原因的原因, GDP不是不是M的原因的原因 2. 如果如果 , , 则则GDP是是M的原因的原因, M不是不是GDP的原因的原因 144 3. 如果如果 , , M和和GDP互为因果互为因果4.如果如果 , , M和和GDP相互独立相互独立145 二、二、格兰杰因果关系检验的步骤格兰杰因果关系检验的步骤 1. 估计如下回归估计如下回归, 得到残差平方和得到残差平方和RSSR, 这是一个有约束的回归这是一个有约束的回归 146 2. 估计有估计有M项的回归项的回归, 这是一个无这是一个无约束的回归约束的回归,得到残差平方和得到残差平方和RSSUR147 3. 原假设为原假设为 H0: , 即滞即滞后后M项不属于此回归项不属于此回归。
4. 应用应用F 检验检验 148 5. 如果如果F >Fα(m, n-k), 则拒拒绝原假原假设, 滞后滞后 M 项属于此回归项属于此回归, M是是GDP的原因的原因149 150 151 。
