文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 经管营销 > 房地产价格指数与居民消费价格指数关系的实证检验
侵权投诉

房地产价格指数与居民消费价格指数关系的实证检验

房地产价格指数与居民消费价格指数关系的实证检验

模型的形式为:

Yt=θ1Yt-1+θ2Yt-2+…+θpYt-p+Vt

其中,Vt是白噪声,设m是模型真实滞后长度p的上限,判断滞后长度p的常用准则有FPE准则、AIC准则、改进的AIC准则-AICC准则。Hurvich等人发现,当样本数较少或滞后长度占总样本的比例较大时,采用AIC等渐近有效的方法会出现较大的估计偏差。为此,在AIC准则的基础上,他提出了一种专门适用于小样本预测方程滞后长度的AICC准则。其表达式如下:

AICC(k)=T(lnσ2

k+(T+k)/T-k-2)

应用以上准则,预测方程滞后长度p的估计值,应满足:

…m}

经过模特卡罗检验,利用AICC准则可以大大提高小样本情况下真实滞后长度p的选中率。但是在小样本情况下采用自回归模型会占去较多的自由度,而采用自回归移动平均模型,可以大大减少自变量个数提高方程拟合优度,又可以尽可能提高方程的自由度。因此本文选择将AICC准则推广到自回归移动平均模型,在此基础上建立适用于小样本的最优预测模型。

自回归移动平均模型ARMA(p,q)可表示为:

Yt=θ1Yt-1+θ2Yt-2+…+θpYt-p+Vt+α1Vt-1+α2Vt-2+…+αqVt-q

式中,p和q是模型真实的滞后长度。

设p和q的上限为m,则p和q的选择应满足:

1,k2)|k1=1,2,…m,k2=1,2,…m}

式中,AICC(k1,k2)=T(lnσ2(k1,k2)+(T+k1+k2)/(T-k1-k2-2))首先假定p和q的最大值为m,对所有的自变量,首先计算只有一个自变量存在时的AICC,记其中最小值为

AICC1,然后计算任意两个,最小值为AICC2,以此类推,直至

计算所有自变量存在时的AICC2m。选出AICC1、AICC2等中的最小值AICCmin,对应于AICCmin的模型即是基于ARMA模式的适用于小样本的最优预测模型。

利用本文建立的最优预测模型,进行小样本因果关系检测的步骤如下:

设Xt与Yt是任意两个随机变量,如果要检测Xt是否为

Yt的原因,则

①检测Xt与Yt是否为稳定的随机过程,对于不稳定的

随机过程,需要经过差分处理,直至成为稳定的随机过程。

②对于稳定的随机过程,需要再进行零均值处理,使得

随机变量样本值的平均值为零。

③选取最大样本长度m,一般情况下,可取最大样本长

度为T/5,T为样本总数。

④以Yt-1,Yt-2,…,Yt-m,Vt-1,Vt-2,…Vt-m为候选自变量,利用最

小AICC准则,按照上文的方法,建立关于Yt的最优预测模型,假设对应于此最优预测模型的AICC是AICCu。

⑤以Xt作为Yt的输入,建立以Xt,Xt-1,…Xt-m,Yt-1,Yt-2,…Yt-m,Vt-1,Vt-2,…Vt-m为候选自变量,利用最小AICC准则,按照

上文提出的方法,建立以Xt作为Yt输入时的最优预测模型,

假设对应于此最优预测模型的AICC为AICCm,AICC数值的大小综合考虑了预测方程的预测误差和估计误差。它是反映预测能力强弱的一个较为理想的指标。数值越小,表明模型预测能力越强,如果一个变量能使得另一个变量的AICC值变小,则说明这个变量能够提高那个变量的预测能力。因此,本文定义一个因果关系强弱的指标-因果关系强度系数CE,

CE=AICCu/AICCm,如果CE<1,说明Xt没有提高Yt的预测能

力,Xt不能构成Yt的原因。如果CE>1,说明Xt提高了Yt的预测能力,Xt构成Yt的原因。CE数值越大,表明因果关系的强度越大。

(2)协整关系检验

本文在小样本因果关系检验的基础上,利用协整关系和误差修正模型进一步分析房屋销售价格指数和CPI的长短期均衡关系。该方法在第四节实证分析部分有详细步骤,在此不作过多介绍。

2实证分析

2.1

平稳性检验

对CPI进行平稳性检验为非平稳序列,其一阶差分的检

验结果如表1:

表1

△CPI的平稳性检验

T统计量

概率值

ADF统计量-3.1254000.0375

显著性水平

1%level-3.7240705%level-2.98622510%level-2.632604

结果显示,CPI的一阶差分为非平稳序列的概率为

0.0375,在5%的显著性水平下拒绝原假设,说明△CPI为平

稳序列。再对SI进行平稳性检验为非平稳序列,其一阶差分为非平稳序列的概率为0.0266,在5%的显著性水平下拒绝原假设,说明△SI为平稳序列。

表2

△SI的平稳性检验

T统计量

概率值

ADF统计量

-3.285773显著性水平

1%level-3.7240705%level-2.98622510%level-2.632604

2.2小样本因果关系检验

(1)在没有任何其他输入时,△CPI的ARMA最优预测模

型为:

△CPI=-0.383△CPI(-1)+0.144△△CPI(-5)+2.12MA(1)

(1)

(-1.259)

(0.7)

(3.77)

R2=0.7826

DW=1.677AICC=1.462

(2)以房地产价格指数△SI为输入时,△CPI的最优预测模型为:

△CPI=0.568△SI+0.12△SI(-1)-0.039△CPI(-1)-0.626

(3.32)(0.84)(-0.141)

△CPI(-5)-2.04MA(1)

(2)

(-3.3)

(-2.84)

统计与决策2010年第20期(总第320期)

123

上一页第2页

你可能喜欢

  • 房价影响因素
  • 房地产价格宏观经济
  • 房地产价格模型
  • ARMA模型
  • 居民消费价格指数
  • 房地产相关
  • 通货膨胀的影响

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email