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:
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。
(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:
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,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。
迭代式CO估计法的FGLS结果如下:
(8)使用CO估计法得到的系数估计值与OLS相差较大,但样本容量降为51,经过模型转换后DW=1.607886
迭代式PW估计法的FGLS结果如下:
(9)使用PW估计法DW=1.624943,且使得lpnc、lpuc的系数估计值与理论预期相反且不显著,似乎PW估计法反而不如OLS稳健。
将被解释变量lgasq的一阶滞后作为解释变量加入回归方程,结果如下:
(10)由上述图示结果发现lgasq的一阶滞后项高度显著,且其它变量均变为显著。
对修改后的模型使用BG与Q检验,结果如下:
(11)对修改后的模型BG检验得Prob>Chi2为0.4603,故不拒绝“无自相关”的原假设,认为修改后的模型不存在自相关,Q检验得Prob>Chi2(23)=0.3380,故同样不拒绝“无自相关”的原假设,认为修改后模型不存在自相关。