计量经济学及Stata应用陈强第八章自相关习题8.3

最新推荐文章于 2022-11-28 21:03:38 发布

希斯克利

最新推荐文章于 2022-11-28 21:03:38 发布

阅读量3.1w

点赞数 53

文章标签：学习方法经验分享

本文链接：https://blog.csdn.net/weixin_57956137/article/details/127952372

版权

8.3使用数据集gasoline.dta估计美国1953-2004年的汽油需求函数。考虑如下回归：

$lgasq_{t}=\beta _{1}+\beta _{2}lincome_{t}+\beta _{3}lgasp_{t}+\beta _{4}lpnc_{t}+\beta _{5}lpuc_{t}+\varepsilon _{t}$

其中，被解释变量lgasq为人均汽油消费量的对数，解释变量lincome为人均收入的对数，lgasp为汽油价格指数的对数，lpnc为新车价格指数的对数，lpuc为二手车价格指数的对数。

（1）使用OLS估计方程，评论各变量系数的符号、显著性与经济意义。

（2）计算残差，并记为e1。将残差与其一阶滞后的散点图与线性拟合图画在一起。根据此图，是否可能存在自相关？

（3）画残差的自相关图。

（4）使用BG检验，检验扰动项是否存在自相关。

（5）使用Q检验，检验扰动项是否存在自相关。

（6）计算DW统计量。

（7）使用HAC标准误进行回归，将截断参数设为 $n^{1/4}$ 。

（8）使用迭代式CO估计法进行FGLS估计。

（9）使用迭代式PW估计法进行FGLS估计。

（10）考虑到消费可能存在惯性，将被解释变量lgasq的一阶滞后作为解释变量，加入回归方程，此滞后项是否显著？

（11）对于修改后的模型，再次进行BG检验与Q检验，是否还存在自相关？

解答如下：

在Stata中导入数据集gasoline.dta，在命令窗口输入如下命令：

代码：

reg lgasq lincome lgasp lpnc lpuc #OLS估计方程
predict e1,r #计算残差记为e1
twoway scatter e1 L.e1||lfit e1 L.e1 #残差与其一阶滞后散点图与线性拟合图一起
ac e1 #残差的自相关图
estat bgodfrey,lags(2)
estat bgodfrey,lags(2) nomiss0 #BG检验
wntestq e1
corrgram e1 #Q检验
estat dwatson #DW统计量
newey lgasq lincome lgasp lpnc lpuc,lag(3)
newey lgasq lincome lgasp lpnc lpuc,lag(6) #HAC标准误回归
prais lgasq lincome lgasp lpnc lpuc,corc #迭代式CO估计法FGLS估计
prais lgasq lincome lgasp lpnc lpuc,nolog #迭代式PW估计法FGLS估计
reg lgasq L.lgasq lincome lgasp lpnc lpuc #加入lgasq的一阶滞后
estat bgodfrey
predict e2,r
wntestq e2 #再次BG与Q检验

结果如下：

OLS回归结果如下：

（1）由上图结果得到OLS回归方程：

$lgasq_{t}=1.095874lincome_{t}-0.0212072lgasp_{t}-0.3736126lpnc_{t}+0.0200343lpuc_{t}-21.21109$

lincome的系数为1.095874，表明在其它条件不变的情况下，lincome增加1%，lgasq平均增加1.095874%个单位（反之减少），且高度显著。

lgasp的系数并不显著（P值为0.630）

lpnc的系数为-0.3736126，表明在其它条件不变的情况下，lpnc每增加1%，lgasq平均降低0.3736126%个单位（反之增加），在5%的水平上显著。

lpuc的系数并不显著（P值为0.847）

画残差与其一阶滞后的散点图与线性拟合图一起如下：

（2）残差与其一阶滞后的散点图与线性拟合图画在一起显示，散点分布大致在一条斜率为正的直线上，故扰动项很可能存在一阶自相关。

画残差自相关图如下：

（3）通过残差自相关图发现，二阶自相关系数很接近置信区间边界，但在阴影边界之外，故怀疑存在二阶自相关，而更高阶自相关可大致忽略。

BG检验结果如下：

（4）经过BG检验，以及不以0取代缺失值的BG检验得P值均为0.0000，故拒绝“无自相关”的原假设，而认为存在自相关。

Q检验结果如下：

各阶Q统计量的计算结果略

（5）经过Q 检验，以及各阶Q统计量计算，得Prob>Chi2(24)=0.0000，默认滞后阶数为24阶，且强烈拒绝“无自相关”的原假设，而认为存在自相关（结果与BG检验一致）。

DW统计量计算结果如下：

（6）DW=0.2486854，离2很远且靠近0，故大致判断存在正自相关。

HAC标准误回归结果如下：

（7）由DW统计量计算结果知n=52，由 $n^{1/4}=52^{1/4}\approx 2.68$ ，故取Newey-West估计量的滞后阶数p=3。HAC标准误回归发现Newey-West标准误与OLS标准误相差不多（略大），考察Newey-West标准误对截断参数是否敏感，将滞后阶数增加一倍变为6，重新估计发现标准误变化不大。