计量经济学
—理论·方法·EViews应用
郭存芝 杜延军 李春吉 编著
电子教案
本章将主要介绍经典单方程计量经济学模型中滞后解释变量或(和)滞后被解
释变量的问题，并在此基础上对建立单方程计量经济学模型的方法论进行简
单的总结与讨论。
第九章 滞后变量模型
在前面几章中，主要介绍了经典线性回归模型及其在若干基本假定
下的估计问题，并分析了一个或多个假定不满足时所产生的后果及其可
能的改进措施。还探讨了虚拟变量模型问题。然而上述方法还不能解决
经济生活中遇到的全部问题。
某变量的过去行为是怎样影响变量当前变动路线的？？
例如：
◆ 学习目的
了解滞后变量、滞后效应、滞后变量模型、分布滞后模型、
自回归模型等概念及滞后效应产生的原因，掌握分布滞后模型和
自回归模型的建立及参数估计方法。
◆ 基本要求
1）认识到滞后效应、滞后变量模型是计量经济学建模经常会遇到的问题；
2）了解滞后变量、滞后效应、滞后变量模型、分布滞后模型、自回归模型
等概念；
3）掌握分布滞后模型和自回归模型建模方法、参数估计及应用。
第九章 滞后变量模型
◆ 滞后变量模型
◆ 分布滞后模型
◆ 自回归模型
◆ 格兰杰因果关系检验
第九章 滞后变量模型
第一节 滞后变量模型
三个基本概念：
在经济活动中，广泛存在着时间滞后效应，即动态性。某些经济变
量不仅受到同期各种因素的影响，而且也受到过去某些时期的各种因素
甚至自身的过去值的影响。
把这种过去时期的具有滞后作用的变量叫做滞后变量(1agged variable ) 。
含有滞后变量的模型称为滞后变量模型。
滞后变量模型考虑了时间因素的作用，使静态分析的问题有可能成
为动态分析。含有滞后被解释变量的模型，又称动态模型(dynamic models)。
一、滞后效应与产生滞后效应的原因
滞后效应的概念：
一般说来，被解释变量与解释变量的因果关系不一定就在瞬时发生，可
能存在时间上的滞后，或者说解释变量的变化可能需要经过一段时间才能完
全对被解释变量产生影响。同样地，被解释变量当前的变化也可能受其自身
过去水平的影响，这种被解释变量受到自身或另一解释变量的前几期值影响
的现象称为滞后效应，表示前几期值的变量称为滞后变量 。
例如：
在研究消费函数时，通常认为，本期的消费除了受本期的收入水平
影响之外，还受前一期收入以及前一期消费水平的影响
设Ct、Yt分别是t时的消费和收入，则消费函数为
(9-1)
这就是含有滞后变量的模型，Yt-1、Ct-1为滞后变量。
又如：
对耐用品的需求(Yt)不仅取决于现在的收入(Xt )、过去的收入水平(Xt-s )，
还取决于耐用品的存量或过去得到的耐用品数量(Yt-1)、价格(Pt )等等。
可设定需求函数为
(9-2)
产生滞后效应的原因主要有以下几个方面：
1．客观原因
（1）技术原因
在现实经济运行中，从生产到流通再到使用，每一个环节都需要
一段时间，从而形成时滞。
1)工业生产中，当年的产出在某种程度上依赖于过去若干期内投资形
成的固定资产。
2)当年农产品产量主要取决于过去一年价格的高低。
3)生产者扩大生产规模和改进产品质量会受到工艺技术水平和生产 能
力的限制，生产者将产品的产量调整到最佳水平，需要一定时间来
增加设备和改进工艺技术，这段时间长短决定于调整速度，
例如：
产生滞后效应的原因主要有以下几个方面：
1．客观原因
（2）制度原因
例如：
a)契约、管理制度等因素也会造成经济行为一定程度的滞后。
1)企业要改变它的产品结构或产量，会受到过去签订的供货合同的制约；
2)定期存款到期才能提取，造成了它对社会购买力的影响具有滞后性；
b)管理层次过多、管理的低效率也会造成滞后效应。
这些情况说明，当一种变量发生变化时，另一变量由于制度方面
的原因，需经过一定时期才能做出相应的变动，从而形成滞后现象。
2．主观原因
例如：
经济活动离不开人的参与，人们往往对于信息了解不全面或者受心
理因素的影响，因而对于新的变化了的情况反应迟钝。人们受习惯势力
的影响，往往不能迅速调整自己的行为使之适合于新的环境。由于人们
固有的心理定势和行为习惯，其行为方式往往滞后于经济形势的变化。
1)中彩票的人不可能很快改变其生活方式。因此，以往的行为延续
产生了滞后效应。
2)消费，人们对某种商品的消费量不仅受商品当前价格影响，而且
还受预期价格影响，当人们预期价格上涨时，就会加快当期的购买，
而当人们预期价格要下降时，就会持币观望，减少当期的购买，由
于对将来的预期要依据过去的经验，因此在一定条件下，这种“预
期”因素的影响可转化为滞后效应。
二、滞后变量模型
以滞后变量作为解释变量，就得到滞后变量模型。
它的一般形式为：
Yt=β0+β1Yt-1+β2Yt-2+…+βqYt-q+α0Xt+α1Xt-1 +…+αsXt-s+μt (9-3)
其中，q、s为滞后时间间隔，称为滞后期，Yt-q为被解释变量Y的第q期滞后，
Xt-s为解释变量X的第s期滞后。
由于模型既含有Y对自身滞后变量的回归，还包括着解释变量X分布在不同
时期的滞后变量，因此一般称为自回归分布滞后模型(ADL)。
若滞后期长度有限，称模型为有限自回归分布滞后模型：若滞后期无限，
称模型为无限自回归分布滞后模型。
第二节 分布滞后模型
一、分布滞后模型
如果滞后变量模型中没有滞后被解释变量，仅有解释变量X的当期
值及其若干期的滞后值，则称为分布滞后模型(distributed-lag model),
也称为外生滞后变量模型。
概念：
分布滞后模型的一般形式为：
（9-4）
分布滞后模型的各系数体现了解释变量的当期值和各期滞后值对被解释
变量的不同影响程度，因此也称为乘数(multiplier)。
——称为短期或即期乘数，表示本期X变化一个单位对Y平均值的影响程度。
——称为动态乘数或延迟系数，表示各滞后期X的变动对Y
的平均值影响的大小。
(i=1，2，…, s)
——称为长期或均衡乘数，表示X变动一个单位，由于滞后效应而形成
的对Y平均值总影响的大小。
（9-4）
由(9-4)式知，如果各期的X值保持不变，则X与Y间的长期或均衡关系即为
（9-5）
二、分布滞后模型的参数估计
1．分布滞后模型估计的困难
2．分布滞后模型的修正估计方法
1．分布滞后模型估计的困难
对模型（9-4），如果是无限期的分布滞后模型，由于样本观测值的
有限性，使得无法直接对其进行估计。如果是有限期的分布滞后模型，
普通最小二乘回归也会遇到如下问题：
(1) 没有先验准则确定滞后期长度；
(2) 如果滞后期较长，而样本数较小，将缺乏足够的自由度进行传统的
统计检验；
(3) 同名变量滞后值之间可能存在高度线性相关，即模型会存在高度的
多重共线性。
2．分布滞后模型的修正估计方法
基本思想
通过对各滞后变量加权，组成线性合成变量而有目的地减少滞后
变量的数目，以缓解多重共线性，保证自由度。
(1) 经验加权法
(2) 阿尔蒙(Almon)多项式法
(3) 科伊克(Koyck)方法 略
(4) 帕斯卡（Pascal）方法 略
四种常用方法
(1) 经验加权法
对于有限期分布滞后模型，往往根据实际问题的特点，以及人们的
经验给各滞后变量指定权数，并按权数构成各滞后变量的线性组合，形
成新的变量，再进行估计。
权数的类型有以下三类：
第一类，递减型。
第三类，倒V型。
第二类，矩型。
第一类，递减型。
例如：
消费函数中，收入的近期值对消费的影响显然大于远期值的影响。
一个滞后期为3的一组权数可取值如下：
则新的线性组合变量为
W1t= Xt+ Xt-1+ Xt-2+ Xt-3
，， ，
第二类，矩型。
即认为权数是相等的，X的逐期滞后值对Y的影响相同。
例如：
对滞后期为3的分布滞后模型，可指定相等权数为1/4，则新的线
性组合变量为
W2t= Xt+ Xt-1+ Xt-2+ Xt-3
第三类，倒 V 型。
假定权数先递增后递减呈倒“V”型。
例如：
在一个较长建设周期的投资中，历年投资X对产出Y的影响，往往
是周期期中的投资额最大，因此对产出的贡献最大。
设滞后期为4，则一组权数可取为
于是新变量为
W3t= Xt+ Xt-1+ Xt-2+ Xt-3 + Xt-4
，， ， ，
一般来说，经验加权法的优点是简单易行，缺点是设置权数的随意
性较大。研究者不仅指定了滞后变量的一般形式(递减、矩形、倒V形)
，而且指定了权数的实际数值。确定了不同的Wt项之后，研究者就用
包含每个Wt的函数依次作为单一解释变量进行试验。
例如：
对下述模型应用OLS法
等等。从这些备择模型中根据各统计检验(R2检验，F检验，t检验，
.检验)，从中选择最佳估计式，有时也试图根据经济原理来考虑
这种选择的合理化。
例9-1：
已知1955~1974年美国制造业库存量Y和销售量X的统计资料如表 9-1所示，
设定有限分布滞后模型为
运用经验加权法，选择下列三种权数（1）1，1/2，1/4，1/8；
（2）1/4，1/2，2/3，1/4； （3）1/4，1/4，1/4，1/4；
分别估计上述模型，并从中选择最佳的方程
表9-1 1955—1974年美国制造业库存量Y和销售量X 单位：亿美元
年份 Y X 年份 Y X
1955
1956
1957
1658
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
解：
W1t= Xt+ Xt-1+ Xt-2+ Xt-3 W2t= Xt+ Xt-1+ Xt-2+ Xt-3
W3t= Xt+ Xt-1+ Xt-2+ Xt-3
在EViews中，输入X和Y的数据，根据X的数据，由上述公式生成线
性组合变量W1t、W2t、W3t的数据。
记新的线性组合变量分别为
k=1,2,3
然后分别估计如下经验加权模型
回归分析结果整理如下
模型9-1
（） （）
R2=，.=， F=2592
() （）
R2=，.=， F=1396
() （）
R2=，.=， F=1496
模型9-2
模型9-3
最佳的方程是模型9-1
(2) 阿尔蒙(Almon)多项式法
针对有限滞后期模型，通过阿尔蒙变换，定义新变量，以减少
解释变量个数，然后用OLS法估计参数。
第一步，阿尔蒙变换
主要思想：
主要步骤：
第二步，模型的OLS估计
第一步，阿尔蒙变换
对于分布滞后模型
(9-7)
假定其回归系数 可用一个关于滞后期 i 的适当阶数的多项式来表示，即
(9-8)
其中
阿尔蒙变换要求先验地确定适当阶数m，如取m=2，得
(9-9)
将(9-9)式代入(9-7)式得
定义新变量
将原模型转换为
(9-10)
第二步，模型的OLS估计
对变换后的模型(9-10)式进行OLS估计。
将得到的参数估计值 代入(9-9)式
求出滞后分布模型参数的估计值
由于 ，可以认为原模型存在的自由度不足和多重共线性问题已
得到改善。
达不到减少变量个数的目的。
在实际估计中，阿尔蒙多项式的阶数m一般取2或3，不超过4，否则
注意：
(3) 科伊克(Koyck)方法
将无限分布滞后模型转换为自回归模型，然后进行估计。
对于无限分布滞后模型
(9-11)
科伊克变换假设偏回归系数βi随滞后期 i 按几何级数衰减：
(9-12)
其中 ，
——称为分布滞后衰减率
——称为调整速率(speed of adjustment)
科伊克变换的具体做法是：
将科伊克变换(9-12)式代入模型(9-11)式，得
(9-13)
将(9-13)式滞后一期并乘以 得
(9-14)
将(9-13)式减去(9-14)式得科伊克变换模型
(9-15)
整理得科伊克模型的一般形式
(9-16)
其中，设
（9-17）
模型（9-16）变为
(9-18)
如果由（9-18）获得参数估计值 ，那么由（9-17）可得
的估计值
进而由式（9-12）可得参数 的估计。
（9-19）
于是将原模型（9-11）转换为等价形式（9-18），解释变量为Xt、Yt-1。
科伊克模型的两个特点：
1）以一个滞后被解释变量Yt-1代替了大量的滞后解释变量Xt-i，最大限度
地节省了自由度，解决了滞后期长度s难以确定的问题；
2）由于滞后一期的被解释变量Yt-1与Xt的线性相关程度可以肯定小于X的
各期滞后值之间的相关程度，从而缓解了多重共线性。
科伊克模型的两个问题：
1）模型存在随机干扰项νt的一阶自相关性；
2）滞后被解释变量Yt-1与随机项νt不独立，即Cov(Yt-1，νt)≠0。
(4) 帕斯卡（Pascal）方法
现象：
经济现象中有一种经济变量受某种因素影响，
随着时间滞后逐渐增大，当过了某一时刻后，这种
影响又逐渐变小，呈现一种“∧”形滞后分布。
例如：
模型(9-11)可以写成以权数ωi表示的形式:
(9-20)
该权数ωi的分布形式为
(9-21)
其中 为先验的任意选择的某一正整数， 为待估参数。于是模型变为
(9-22)
当 =1时， ，则帕斯卡变换简化为柯依克几何分布变换。
只要 >1，形成的权数分布图就是“∧”形滞后分布。
令 =，则
=1
=2
=3
随滞后期i的变化情况
如图9-1所示。
三种情况下，权数
r=1
r=2
r=3
j
ω
i
图9-1
帕斯卡模型的参数估计
(9-23)
对于不同的 r 值，可以得到不同类型的权数分布。如果假设 =2，
模型(9-22)变为
把上式滞后一个时期乘以 ，加上 乘以 ，再加上式(9-22)得：
(9-24)
这也是一个自回归模型。这个模型我们也可以估计出它的参数，
进而由式(9-21)就可估计出权数 。
分布滞后模型参数估计带有很大的经验成份，这是由于经济理论不
能对经济现象调整过程的长度作出令人满意的阐述而引起的。经济理论
即使认识到时间滞后的重要性，也从未提出在函数中应该包含的滞后的
精确数目。相反，滞后类型是根据可资利用的样本观测值，通过包括各
种滞后类型的试验方法来探索和决定的，然后从中选择一种产生最佳统
计拟合的滞后类型。研究者用包含不同滞后类型(几何滞后、“∧”形滞后
等)的模型进行试验，并根据统计准则(主要的)，从中选出最令人满意的
一种模型。
小结：
第三节 自回归模型
一、自回归模型
如果滞后变量模型中的解释变量仅包含X的当期值与被解释变量Y
的一个或多个滞后值，则称为自回归模型(autoregressive model)，
也称为内生滞后变量模型。
概念：
第三节 自回归模型
一、自回归模型
一般形式：
(9-25)
其中，滞后期长度q也称为自回归模型的阶数(order)。而
(9-26)
称为一阶自回归模型(first-order autoregressive model)。
二、自回归模型的参数估计
1．自回归模型的构造
一个无限期分布滞后模型可以通过科伊克变换转化为自回归模型。
事实上，许多滞后变量模型都可以转化为自回归模型。
(1) 自适应预期(adaptive expectation)模型
(2) 局部调整(partial adjustment)模型
下面我们以下两个模型为例进行说明。
(1) 自适应预期模型
最初的表现形式是：
(9-27)
由于预期变量是不可实际观测的，往往作如下自适应预期假定：
(9-28)
其中γ为预期系数(coefficient of expectation)，0≤γ≤1。
该式的经济含义——“经济行为者将根据过去的经验修改他们的预期”
这个假定还可写成
(9-29)
将(9-29)式代入(9-27)式得
(9-30)
将(9-27)式滞后一期并乘以 ，得
(9-31)
以(9-30)式减去(9-31)式，整理得
(9-32)
可见自适应预期模型转化为一个自回归模型。
其中，
(2) 局部调整模型
局部调整模型的最初的表现形式是：
(9-33)
例如：
局部调整模型主要是用来研究物资储备问题的。
企业为了保证生产和销售，必须保持一定的原材料储备。对应于一定的
产量或销售量Xt，存在着预期的最佳库存 。
显然， 不可观测。
由于生产条件的波动，生产管理方面的原因，库存储备Yt的实际变化量
只是预期变化的一部分。
储备按预定水平逐步进行调整，故有如下局部调整假设：
(9-34)
其中，δ为调整系数，0≤δ≤1。局部调整假设还可写成
(9-35)
可见，局部调整模型可转化为一个自回归模型。
将（9-33）代入（9-35）：得到教材P238页的（9-36）式子
2．自回归模型的参数估计
对于自回归模型(9-25)式，估计时的主要问题在于，滞后被解释变量
的存在可能导致它与随机干扰项相关，以及随机干扰项出现序列相关性。
同时，随机干扰项还是自相关的。而局部调整模型(9-36)式则存在着
滞后被解释变量Yt-1与随机干扰项的异期相关性。
因此，对自回归模型的估计主要需视滞后被解释变量与随机干扰项的
不同关系进行估计。
问题：
下面以一阶自回归模型为例说明。
(1) 工具变量法
在实际估计中，一般用 作为 的工具变量，其中 是X的若干
滞后的线性组合：
(9-38)
由于模型(9-37)式中已假设随机干扰项 与解释变量X及其滞后项不
与 不再线性相关。 存在相关性，因此(9-37)式中的
对于一阶自回归模型：
（9-37）
如果同期相关！如自适应预期模型
(2) 普通最小二乘法
若滞后被解释变量 与随机干扰项
可直接使用OLS法进行估计，扩大样本容量，得到一致估计量。
同期无关(如局部调整模型)，
注意：
上述工具变量法只解决了解释变量与随机干扰项相关对参数估计所造
成的影响，但没有解决 的自相关问题。
事实上，对于自回归模型，随机干扰项的自相关问题始终是存在的，
对于此问题，至今没有完全有效的解决办法。唯一可做的，就是尽可能地
建立“正确”的模型，以使序列相关性的程度减轻。
第四节 格兰杰因果关系检验
许多经济变量有着相互的影响关系。
例如：
GDP的增长能够促进消费的增长，而反过来，消费的变化又是
GDP变化的一个组成部分，因此，消费增加又能促进GDP的增加。
问题：
当两个变量间在时间上有先导—滞后关系时，能否从统计上考察
这种关系是单向的还是双向的？？？即主要是一个变量过去的行为在
影响另一个变量的当前行为呢？还是双方的过去行为在相互影响着对
方的当前行为？
格兰杰提出了一个简单的检验程序，习惯上称为格兰杰因果关系检验。
两变量X和Y，格兰杰因果关系检验要求估计以下回归模型：
(9-39)
(9-40)
可能存在有四种检验结果：教材P240页
(1) X对Y有单向影响
(2) Y对X有单向影响
(3) Y与X间存在双向影响
(4) Y与X间不存在影响
格兰杰检验是通过构造F统计量，利用F检验完成的。
例如：
针对原假设：X不是Y的格兰杰原因，即针对(9-39)式中X滞后项前的
参数整体为零的假设，分别做包含与不包含X滞后项的回归，记前者的
残差平方和为RSSU，后者的残差平方和为RSSR；再计算F统计量：
(9-41)
m——X的滞后项的个数
n——样本容量
k——包含X滞后项的回归模型的
待估参数的个数。
如果计算的F值大于给定显著性水平 下F分布的相应的临界值Fα(m , nk)，
则拒绝原假设，即认为X是Y的格兰杰原因。
注意：
格兰杰因果关系检验对于滞后期长度的选择有时很敏感。不同的滞后
期可能会得到完全不同的检验结果。
由于假设检验的零假设是不存在因果关系，在该假设下F统计量服从
F分布，因此严格地说，该检验应该称为格兰杰非因果关系检验。
因此，一般而言，常进行不同滞后期长度的检验，以检验模型中随机
干扰项不存在序列相关的滞后期长度来选取滞后期。
第五节 案例分析
案例一：分布滞后模型，Almon多项式变
换估计
案例二：格兰杰因果关系检验
