第三章 违反假设条件的处理(模型的变换与GMM估计)

知识回顾(Knowledge review)

第三章  模型的检验(一):https://blog.csdn.net/ChenQihome9/article/details/82818974

第二节 违反假设条件的处理:模型的变换与GMM估计

一、模型的变换

根据上面3个检验可以得出这个模型即存在自相关,又存在异相关,并且随机扰动项不服从正态分布。因此我们可以知道这个模型包含了众多违反假设的问题,显而易见的是模型的设定不妥。于是我们尝试着改变模型的设定使其趋于合理。首先从经济理论分析,货币需求除了受到当期收入利率的影响以外,还受到上一期的货币需求的影响,(即所谓的惯性),同时考虑将模型形式设定为对数。即将模型修改为

lnM_{t}=\beta_{0} + \beta_{1}lnY_{t}+\beta_{2}lni_{t}+\beta_{3}lnM_{t-1}+u

对于含有滞后项的回归,就得在Equation Estimation的Specification的空白处输“lnm(-1)”(注意lnm(-1)表示lnm的滞后一期,这是Eviews的固定用法)

WAY1(如何做对数变换):Quick——Generate Series...——在空白处输入“lnm=log(m)”

继而做第二次检验(正态性检验——自相关性检验——异方差检验)

注意做log变换后:可以采用“as Group——Name”保存好这个group,以及在“as Equation——习惯上必须注意被解释变量后面紧跟着常数项或者直接按照其指定的格式时必须注意常数项C在后面——Name——继续保存这个equation以便后续的分析”

 

新模型正态性检验

 

新模型有交叉乘积项的White异方差检验

 

新模型的二阶自相关结果

 如上三张图都可以看出Prob的值大于0.05,因此新模型具有并没有违反假设条件。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章