本文主要讨论了虚拟变量模型和滞后变量模型在实证分析中的应用。首先,通过一个案例分析了中国1980年至2001年居民储蓄与收入的关系。为了研究1991年前后储蓄-收入关系是否发生变化,构建了一个包含虚拟变量的回归模型。模型估计结果显示,虚拟变量的t统计量不显著,表明1991年前后的回归结果无显著差异。通过邹式检验进一步验证了这一结论,即方程结构没有发生变化,1991年不是突变点。
其次,分析了季节性时间序列数据,以中国季度酒销量为例。由于数据呈现出明显的季节性变化,引入季节虚拟变量来描述这种季节特征。通过Eviews软件定义并估计模型,发现某些季度的虚拟变量回归参数不显著,因此从模型中剔除,重新估计得到的模型仅区分第一季度与其他季度,体现了季节性特征。
最后,探讨了多项式分布滞后模型在电力基本建设投资与发电量关系中的应用。由于时滞效应未知,通过试算发现2阶阿尔蒙多项式变换下的6期滞后模型具有较好的经济意义。模型估计结果显示,分布滞后模型能够有效地描述电力投资与发电量之间的关系。
这些例子展示了虚拟变量和滞后变量在处理经济数据变化和时间序列季节性问题上的重要性,以及如何运用统计方法进行实证分析。虚拟变量可以捕捉不连续的变化,而滞后变量则考虑了因变量与自身历史值的关系,这些工具在理解复杂经济现象时非常有用。