面板数据模型及金融相关案例分析.pptx
- 文档编号:18686928
- 上传时间:2023-09-09
- 格式:PPTX
- 页数:122
- 大小:6.15MB
面板数据模型及金融相关案例分析.pptx
《面板数据模型及金融相关案例分析.pptx》由会员分享,可在线阅读,更多相关《面板数据模型及金融相关案例分析.pptx(122页珍藏版)》请在冰点文库上搜索。
王中昭制作王中昭制作案例2:
储蓄案例4:
利用VAR模型对我国货币政策的有效性进行检验。
案例5:
面板数据及其应用案例1,货币供应量模型的建立与分析案例3:
银行革新措施的效果分析案例6:
中国税收增长分析王中昭制作王中昭制作案例1,货币供应量模型建立与分析体现货币总量的指标有体现货币总量的指标有M0,M1,M2,M3等等M0-现金;现金;M1-M0+活期存款,反映了社会的直活期存款,反映了社会的直接购买能力,是狭义货币供应量;接购买能力,是狭义货币供应量;M2-M1+定期存定期存款,非支票性储蓄存款,反映了现实的购买力,也反映款,非支票性储蓄存款,反映了现实的购买力,也反映了潜在的购买力,广义货币供应量;了潜在的购买力,广义货币供应量;M3-M2+私有机私有机构和公司的大额定期存款,构和公司的大额定期存款,L-M3+各种有价证券。
各种有价证券。
影响货币供应量的变动因素取:
居民消费物价指数影响货币供应量的变动因素取:
居民消费物价指数(1978=100)CPI,全国城乡人民币储蓄存款余额,全国城乡人民币储蓄存款余额(cky单位:
亿元),国内信贷(单位:
亿元),国内信贷(Gsd,亿元),国,亿元),国内生产总值(内生产总值(gdp,亿元),选取,亿元),选取1990-2003年。
年。
数据文件数据文件al5.wf1。
王中昭制作王中昭制作一、模型的选择下面仅考下面仅考察广义货察广义货币供量币供量M2与与gdp,gsd,ckycpi的的关系。
分关系。
分别用这四别用这四个变量与个变量与M2的散的散点图,如点图,如下,前者下,前者三个均为三个均为线性关系线性关系,而最后,而最后一个不是一个不是。
王中昭制作王中昭制作故初步选取模型如下:
M2t=0+1gdpt+2gsdt+3ckyt+4cpi2t+tGsd系数为负,与理论不符,而且T检验也没通过。
王中昭制作王中昭制作进一步检验可知gsd和cky存在严重多重共线性。
从下图可知gsd的VIF值达到500多,故去掉cky再计算。
王中昭制作王中昭制作下面的模型基本上合理。
GDP每增加一个亿会使M2增加1.347亿,这是乘数的作用,对于国内信贷也有同样的解释。
也可以用广义差分进一步修改(见下页)。
王中昭制作王中昭制作广义差分模型。
广义差分模型。
命令方式:
命令方式:
Lsm2-0.106*m2(-1)cgsd-0.106*gsd(-1)gdp-0.106*gdp(-1)cpi2-0.106*cpi(-1)2结果没有多大改善,也可用结果没有多大改善,也可用AR(I)来处理。
异方差来处理。
异方差检验?
检验?
王中昭制作王中昭制作改革开放以来,随着经济的发展中国城乡居民的收入快速增长,同时城乡居民的储蓄存款也迅速增长。
经济学界的一种观点认为,20世纪90年代以后由于经济体制、住房、医疗、养老等社会保障体制的变化,使居民的储蓄行为发生了明显改变。
为了考察改革开放以来中国居民的储蓄存款与收入的关系是否已发生变化,以城乡居民人民币储蓄存款年底余额代表居民储蓄(Y),以国民总收入GNI代表城乡居民收入,分析居民收入对储蓄存款影响的数量关系。
案例2:
储蓄储蓄王中昭制作王中昭制作数据如下:
下表为1978-2003年中国的国民总收入GNI和城乡居民人民币储蓄存款年底余额Y及增加额YY的数据。
单位:
亿元。
数据来源:
中国统计年鉴2004。
表中“城乡居民人民币储蓄存款年增加额”为年鉴数值,与用年底余额计算的数值有差异。
数据文件al1.wf1年GNIYYY年GNIYYY19783624.1210.6199121662.59241.62121.819794038.228170.4199226651.911759.42517.819804517.8399.5118.5199334560.515203.53444.119814860.3532.7124.219944667021518.86315.319825301.8675.4151.7199557494.929662.38143.519835957.4892.5217.1199666850.538520.88858.519847206.71214.7322.2199773142.746279.8775919858989.11622.6407.9199876967.253407.57615.4198610201.42237.6615199980579.459621.86253198711954.53073.3835.720008825464332.44976.7198814922.33801.5728.2200195727.973762.49457.6198916917.85146.91374.22002103935.386910.613233.2199018598.47119.81923.42003116603.2103617.716631.9王中昭制作王中昭制作为了研究为了研究1978200319782003年期间城乡居民储蓄存款年期间城乡居民储蓄存款随收入的变化规律是否有变化随收入的变化规律是否有变化,考证城乡居民储蓄考证城乡居民储蓄存款、国民总收入随时间的变化情况,如下图所存款、国民总收入随时间的变化情况,如下图所示:
从图中尚无法得到居民的储蓄行为发生明显改示:
从图中尚无法得到居民的储蓄行为发生明显改变的详尽信息。
若取居民储蓄的增量(变的详尽信息。
若取居民储蓄的增量(YYYY),并作),并作时序图。
见下页。
时序图。
见下页。
王中昭制作王中昭制作从居民储蓄增量图可以看出,城乡居民的储蓄行为表现出了明显的阶段特征:
在1996年和2000年有两个明显的转折点。
再从城乡居民储蓄存款增量与国民总收入之间关系的散布图看,也呈现出了相同的阶段性特征。
为了分析居民储蓄行为在1996年前后和2000年前后三个阶段的数量关系,引入虚拟变量D1和D2。
D1和D2的选择,是以1996、2000年两个转折点作为依据,并设定了如下以加法和乘法两种方式同时引入虚拟变量的的模型:
王中昭制作王中昭制作计算结果如下:
计算结果如下:
tttttttDGNIDGNIDDGNIYY2514231210*t0)2001(2001t1t020001996t121为其它年份包括年以后为其它年份年年至ttD,D王中昭制作王中昭制作思考:
1、根据下面结果如何进行分析?
这表明三个时期居民储蓄增加额的回归方程在统计意义上确实是不相同的。
1996年以前收入每增加1亿元,居民储蓄存款的增加额为0.14568亿元;在1996-2000年,则为-0.197523亿元,2001年后为0.337256亿元。
已发生了很大变化。
上述模型与城乡居民储蓄存款与国民总收入之间的散布图是吻合的,与当时中国的实际经济运行状况也是相符的。
需要指出的是,在需要指出的是,在上述建模过程中,上述建模过程中,主要是从教学的目主要是从教学的目的出发运用虚拟变的出发运用虚拟变量法则,没有考虑量法则,没有考虑通货膨胀因素。
而通货膨胀因素。
而在实证分析中,储在实证分析中,储蓄函数还应当考虑蓄函数还应当考虑通货膨胀因通货膨胀因素。
素。
2、其它形式、其它形式的模型呢?
如乘法的模型呢?
如乘法和加法?
和加法?
王中昭制作王中昭制作案例3:
银行革新措施的效果分析Y是某一银行提出某项革新措施直到革新技术被采用是某一银行提出某项革新措施直到革新技术被采用的间隔月数,的间隔月数,X是银行总资产,是银行总资产,D1是定性(虚拟)变是定性(虚拟)变量,表示:
量,表示:
1是股份制银行,是股份制银行,0是农村信用社。
数据如是农村信用社。
数据如下表。
研究采取某项银行革新措施的速度下表。
研究采取某项银行革新措施的速度Y与银行的与银行的规模规模X和银行类型的关系。
数据文件和银行类型的关系。
数据文件al6.wf1。
YXD1YXD1171510281641269201527212117501129513031038681221040318510277021224112210020166119120013305142900301241162380142461王中昭制作王中昭制作要求建立虚拟变量模型,三种形式都要考虑找到比较好要求建立虚拟变量模型,三种形式都要考虑找到比较好的模型,并分析系数的含义。
的模型,并分析系数的含义。
从加法模型知:
从加法模型知:
银行类型对采纳革新技术平均所需时间银行类型对采纳革新技术平均所需时间的差异表现为的差异表现为DD1的系数,它的值为的系数,它的值为8.055,表明信用表明信用社采取革新技术平均比股份制银行少社采取革新技术平均比股份制银行少8个月多。
个月多。
王中昭制作王中昭制作从乘法模型可知:
银行总资产与采纳革新技术所需时间成反比。
资产规模越大,则采纳革新技术措施间隔时间就越长,同时也表明,股份制银行总资产系数为-0.082285,而农村信用社为-0.119044,这说明农村信用社总资产对采纳革新技术所需时间的影响要比股份制银行大(负向影响大)。
王中昭制作王中昭制作混合模型效果不好。
王中昭制作王中昭制作案例案例4:
利用:
利用VAR模型对我国模型对我国货币政策的有效性进行检验。
货币政策的有效性进行检验。
1、数据来源:
取我国狭义货币供应量M1,商品零售物价指数CPI(1994年1季度为100),以及代表产出水平的国内生产总值GDP的季度数据,时间为1994年第一季度到2004年第二季度。
文件aL3.wf1王中昭制作王中昭制作滞后期滞后期b=1b=2b=3b=4AIC39.5639.4339.1438.95SC40.140.3140.4240.632、建模。
、建模。
在选择滞后项时,应用信息准则,根据金融理论,在选择滞后项时,应用信息准则,根据金融理论,货币效应时滞在一年左右,所以我们选择最大货币效应时滞在一年左右,所以我们选择最大4阶。
阶。
根据根据AIC信息准则,我们应选择滞后项为信息准则,我们应选择滞后项为4,根据,根据SC信息准则,我们应选择滞后项为信息准则,我们应选择滞后项为2或或3,考虑到,考虑到3阶后阶后AIC值下降较缓,以及结合模型的值下降较缓,以及结合模型的R2和和DeterminantResidualCovariance的值,最后选择滞的值,最后选择滞后项为后项为3。
或者由。
或者由Eviews5.1可得到(在可得到(在VAR模型估模型估计结果窗口中点计结果窗口中点view再选取再选取lagstructure,laglengthCriteria):
王中昭制作王中昭制作在五个评价指标中有4个认为滞后期应为3(见系统自动标出的结果,即*号处)。
王中昭制作王中昭制作本例选择结果如下:
设置滞后期,必须配对出现,例如,1258则每个方程所包含的变量的滞后期均为:
yt-1,yt-2,yt-5,yt-6,yt-7yt-8,是否需要常是否需要常数项。
不需数项。
不需要去掉要去掉c。
王中昭制作王中昭制作变量下面第变量下面第1和和2括号值分别标准差和括号值分别标准差和T统计量,在同一变量不同统计量,在同一变量不同的滞后项,有的是显著的,有的是不显著的,有的符号是相反的,验证了我们的滞后项,有的是显著的,有的是不显著的,有的符号是相反的,验证了我们所说的所说的VAR模型是缺乏理论依据的。
模型是缺乏理论依据的。
首先,对于物价首先,对于物价CPI,上一季度的货币供应量对其的影响是显著上一季度的货币供应量对其的影响是显著的,并且系数为正,与理论相符,说明货币供应量的增加将使物价水平上升,的,并且系数为正,与理论相符,说明货币供应量的增加将使物价水平上升,而上第二个季度而上第二个季度M1的对的对CPI的影响是负的,而且更显著,正负交叉影响表现的影响是负的,而且更显著,正负交叉影响表现出出M1和和CPI相互关系的特征。
相互关系的特征。
王中昭制作王中昭制作其次,对于货币供应量来说,上一季度的其次,对于货币供应量来说,上一季度的GDP对其影响不显对其影响不显著,说明货币供应量不受上期的产出但受物价水平的影响显著,说明货币供应量不受上期的产出但受物价水平的影响显著。
但上第著。
但上第2季度的季度的GDP对对M1产生显著负影响。
产生显著负影响。
再次,对于再次,对于GDP,上期的货币供应量对其是显著正影响。
这从上期的货币供应量对其是显著正影响。
这从一个侧面验证了前几年我国实施的稳健的货币政策效果是有效一个侧面验证了前几年我国实施的稳健的货币政策效果是有效的,而上期物价水平则对产出是不显著负影响。
的,而上期物价水平则对产出是不显著负影响。
王中昭制作王中昭制作注:
注:
为了保证序列的平稳性,也可先对所有的数据为了保证序列的平稳性,也可先对所有的数据进行处理再建立进行处理再建立VAR模型,如取它们的自然模型,如取它们的自然对数。
用对数。
用genr功功能。
能。
Lgdp=log(gdp),Lcpi=log(cpi),Lm1=log(m1)。
然后分别对然后分别对Lgdp,Lcpi,Lm1三变量建立三变量建立VAR模型。
或者直接用模型。
或者直接用log(gdp),log(cpi),log(m1)建立建立VAR模型。
模型。
王中昭制作王中昭制作2、预测这是这是Eviews3.1的弹出形式的弹出形式,点这里就可求出拟合值。
,点这里就可求出拟合值。
王中昭制作王中昭制作Eviews5.1形式为,点makemodel后得到:
点Solve得到如下对话框,基本选择有5项:
在模拟种类中有2项,第1为确定性,第2为随机性。
在动态方法中有动态求解等项。
在静态条件下,滞后期是用实际值,而在动态情况下,滞后期用拟合值王中昭制作王中昭制作在Solutionscenarios&output(输出结果保存的序列名),求解得到的序列名是采用原序列加上后缀的方式命名,例如如果选择baseline,则cpah的预测值放在Cpah_0。
在备份序列名,以免在用不同模型进行预测时,冲掉了上一次的预测值。
例如如果选择了scenarios1,则预测值放在Cpah_1中。
注意:
上述两对话框都不能选择Actual(实际值),否则计算不出预测值。
此时必须勾上下面的选择才有效。
王中昭制作王中昭制作在工作文件窗口在工作文件窗口中中cpi和和cpi_0分分别为原始数据及别为原始数据及拟合值,其它同拟合值,其它同理。
理。
可以用可以用Genr命令命令求出每个变量的求出每个变量的残差。
残差。
王中昭制作王中昭制作Baseline为预测值(拟合值)王中昭制作王中昭制作33、脉冲响应、脉冲响应脉冲响应函数是度量来自于每个方程的随脉冲响应函数是度量来自于每个方程的随机误差项的一个标准差新息冲击时被解释机误差项的一个标准差新息冲击时被解释变量的响应程度和持续时间。
变量的响应程度和持续时间。
通过测量脉冲响应,我们能够清通过测量脉冲响应,我们能够清楚地看到随机误差项的一个标准差新息在楚地看到随机误差项的一个标准差新息在某一时期的冲击对未来各期被解释变量的某一时期的冲击对未来各期被解释变量的传导作用。
传导作用。
在方程的输出窗口中点在方程的输出窗口中点viewimpulseResponse得到:
得到:
王中昭制作王中昭制作这是这是Eviews3.1弹出结果。
在弹出对话框中:
左边:
从上到下:
弹出结果。
在弹出对话框中:
左边:
从上到下:
一是变量所在方程随机扰动项的一个标准差的变动的变量(也即一是变量所在方程随机扰动项的一个标准差的变动的变量(也即方程内生变量名)。
二是欲要计算脉冲响应的变量名。
三是输入方程内生变量名)。
二是欲要计算脉冲响应的变量名。
三是输入VAR模型出现的变量顺序,变量的顺序会对结果产生影响。
四模型出现的变量顺序,变量的顺序会对结果产生影响。
四是计算的期数。
右边:
上面部分是选择结果的显示方式,表、每是计算的期数。
右边:
上面部分是选择结果的显示方式,表、每个脉冲响应函数图、合成图(来自于同一变量冲击的脉冲响应函个脉冲响应函数图、合成图(来自于同一变量冲击的脉冲响应函数图合并显示)。
中间部分是选择计算脉冲响应或还方差分解。
数图合并显示)。
中间部分是选择计算脉冲响应或还方差分解。
下面部分是关于计算脉冲响应函数标准差的方法:
一是不计算,下面部分是关于计算脉冲响应函数标准差的方法:
一是不计算,二是渐近解析法、三是蒙特卡洛法。
二是渐近解析法、三是蒙特卡洛法。
王中昭制作王中昭制作这是这是Eviews5.1结果。
在弹出对话框中本例选择结果如下:
结果。
在弹出对话框中本例选择结果如下:
基本上和基本上和3.1是类似的。
注意:
虽然乔利期基是类似的。
注意:
虽然乔利期基(cholesky)分分解被广泛应用,但是方程的顺序将会强烈地影响脉冲响应。
因为如解被广泛应用,但是方程的顺序将会强烈地影响脉冲响应。
因为如果新信息是相关的话,它们将包含一个不与某特定变量相联系的共果新信息是相关的话,它们将包含一个不与某特定变量相联系的共同成分。
通常将共同成分的效应归属于同成分。
通常将共同成分的效应归属于VAR系统中第一个出现的系统中第一个出现的变量(依照方程顺序),即变量(依照方程顺序),即Cpi、m1、gdp的方程对应的的方程对应的1t,2t,3t的共同成分都归到的共同成分都归到1t,,因此方程的顺序(即变量顺序),因此方程的顺序(即变量顺序)会影响脉冲响应的结果。
但如果两个变量之间的相关性不大时,结会影响脉冲响应的结果。
但如果两个变量之间的相关性不大时,结果与排序无关。
果与排序无关。
积累反应,积累反应,一般不选取一般不选取王中昭制作王中昭制作M1对对M1的一个标准差冲击,的一个标准差冲击,一开始反应敏感,在第一期达到一开始反应敏感,在第一期达到最高值,随后迅速下降到最低点最高值,随后迅速下降到最低点,然后缓慢上升保持不变在,然后缓慢上升保持不变在10期期内都是正的内都是正的。
M1对对gdp的一个标准差冲击的的一个标准差冲击的反应比较弱,几乎在所反应比较弱,几乎在所0左右左右波。
说明货币流通量对经济的波。
说明货币流通量对经济的冲击较弱。
冲击较弱。
M1对对Cpi的一个标准差冲击的的一个标准差冲击的反应敏感,在第一期达到最低值反应敏感,在第一期达到最低值,然后趋于平稳,同时表明,然后趋于平稳,同时表明M1对对CPI的传导作用始终为负。
的传导作用始终为负。
GDP对对Cpi、GDP、m1的一的一个标准差冲击的反应的脉冲响个标准差冲击的反应的脉冲响应函数图。
分析略。
应函数图。
分析略。
王中昭制作王中昭制作根据上面的脉冲响应函数图,可以详根据上面的脉冲响应函数图,可以详细分析各个变量对另一些变量冲击的细分析各个变量对另一些变量冲击的持续效应和持续时间。
持续效应和持续时间。
Cpi分别对分别对cpi、GDP、m1的一的一个标准差冲击的反应的个标准差冲击的反应的脉冲响应函数图。
自己脉冲响应函数图。
自己作分析。
作分析。
王中昭制作王中昭制作对于单个脉冲响应图,Eviews给出一个2S.E的置信区间王中昭制作王中昭制作这是选择顺序为m1,gdp,cpi,其结果和前面的结果有一定的差异,见右图。
王中昭制作王中昭制作广义脉冲响应广义脉冲响应函数广义脉冲响应函数(GeneralizedImpulse)是是Pesaran和和shin在在1998年提出的。
年提出的。
Pesaran和和Shin证明:
证明:
1、广义脉冲响应是唯一的,即消除了变量的顺序会、广义脉冲响应是唯一的,即消除了变量的顺序会影响脉冲响应结果的问题。
并且考虑了观测到的不同影响脉冲响应结果的问题。
并且考虑了观测到的不同形式冲击和它们之间的相关性。
形式冲击和它们之间的相关性。
2、Pesaran和和Shin还进一步证明了正交分解的脉还进一步证明了正交分解的脉冲响应是广义脉冲分解的特殊形式。
当协方差矩阵是冲响应是广义脉冲分解的特殊形式。
当协方差矩阵是对角阵时,二者是一致的。
对角阵时,二者是一致的。
3、它可应用于非线性多变量模型中,因为它不考虑、它可应用于非线性多变量模型中,因为它不考虑冲击的范围、符号和历史。
冲击的范围、符号和历史。
因此因此,利用广义脉冲响应函数得到的结果更具稳定性利用广义脉冲响应函数得到的结果更具稳定性和说服力。
和说服力。
广义脉冲响应的计算如下:
广义脉冲响应的计算如下:
王中昭制作王中昭制作选择此项,则右边就不会存在变量顺序选择问题。
王中昭制作王中昭制作广义脉冲响应广义脉冲响应王中昭制作王中昭制作4、方差分解通过方差分解可以了解到各个变量的冲击能解释某个变量的份额以及各个变量有没有预测作用,因为方差S.E的变动代表着该变量的变动规律。
在模型的输出窗口中选取Viewvarancedecomposition到方差分解。
注意方差也与变量的顺序有关。
王中昭制作王中昭制作这图是显示这图是显示M1的方差分解的方差分解,显示,显示cpi的冲击从弱到强,的冲击从弱到强,长期来看能解释长期来看能解释m1的的40%-48%,而,而gdp能解释约能解释约6%左右。
左右。
CPI对对M1的冲击是的冲击是明显的。
同时表明明显的。
同时表明CPI对对M1变动的预测作用约变动的预测作用约41.3%.这图是显示这图是显示cpi的方差分解的方差分解,显示,显示gdp的冲击从长期的冲击从长期来看能解释来看能解释cpi的的4%左右左右,而,而m1也是能解释也是能解释4%左左右。
两者相差不大。
右。
两者相差不大。
王中昭制作王中昭制作这图是这图是GDP的方差的方差分解,显示分解,显示cpi的冲的冲击基本上能解释击基本上能解释gdp的的22%左右。
而左右。
而M1冲击从弱到强,冲击从弱到强,平均能解释平均能解释25%左左右。
右。
王中昭制作王中昭制作案例5:
面板数据(Paneldata)及其应用面板数据是同时具有时间和截面性质的数据。
面板数据是同时具有时间和截面性质的数据。
是近是近20年来计量经济学最重要的发展领域之一。
下面年来计量经济学最重要的发展领域之一。
下面从实例来介绍面板数据应用。
从实例来介绍面板数据应用。
一、面板数据模型的类型一、面板数据模型的类型在很多经典的计量经济学模型中所利用的数据在很多经典的计量经济学模型中所利用的数据不是只利用了时间序列数据就是只利用了截面数据,不是只利用了时间序列数据就是只利用了截面数据,而实际上,仅利用了时间序列数据或者截面数据对很而实际上,仅利用了时间序列数据或者截面数据对很多经济问题进行分析是远远不够的。
我们经常碰到在多经济问题进行分析是远远不够的。
我们经常碰到在同一时间包含不同截面的数据信息。
例如各个国家的同一时间包含不同截面的数据信息。
例如各个国家的(或者省份)若干系列的年度(或者省份)若干系列的年度GDP数据,或者是一数据,或者是一段时间不同地区的失业数据。
这类数据既有时间序列段时间不同地区的失业数据。
这类数据既有时间序列特性又包含一定的横截面特点。
因此以前的计量经济特性又包含一定的横截面特点。
因此以前的计量经济学方法就需要调整。
学方法就需要调整。
王中昭制作王中昭制作单方程面板数据的一般形式为:
单方程面板数据的一般形式为:
Yit=i+iXit+it,(i=1,2,N,t=1,2,T)其中其中N表示面板数据中含有表示面板数据中含有N个个体,个个体,T表示时表示时间序列的最大长度,如果固定间序列的最大长度,如果固定t不变,则不变,则Yit(i=1,2,N)是横截面上的是横截面上的N个随机变量个随机变量;如如果固定果固定i不变,则不变,则Yit(t=1,2,T)是纵向面上的是纵向面上的一个时间序列(个体)一个时间序列(个体);k为解释
- 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:
- 面板 数据模型 金融 相关 案例 分析