|
为了进一步分析，我们有必要以上述序列为基础，构造平稳序列。对于消费，我们知道经过一阶差分后就已经是平稳序列了，所以只需要处理RO、RW和TR。
经过多次分析，我们得到下述序列是平稳序列：
COMT=COM-COM(-1)
RWT=ΔRWt-ΔRWt-1
ROT=Ln（|ROt-ROt-1|）
TRT=ΔTRTt-ΔTRTt-1
经过上述调整，我们损失了两个观测数据，从而数据减少为27个，但仍然满足回归分析要求。为了寻找主方程，我们分别用上述三个序列对COMT进行回归分析，结果如下：
COMT = -141.55 + 34.99*ROT （式1）
t （-2.96） （5.22）
R=0.49 F=27.21 D-W=1.41
COMT = 91.41 + 1.20*RWT （式2）
t （4.81） （2.41）
R=0.16 F=5.82 D-W=0.88
COMT = 96.91 + 2.84*TRT （式3）
t （4.85） （1.47）
R=0.04 F=2.17 D-W=0.71
通过对三个回归结果的比较，我们发现式1的参数完全通过5%显著水平的检验，模型设计正确，决定系数最高，而且不存在自相关，可以作为主方程。TRT对COMT的回归结果参数不显著，存在自相关，而决定系数非常小，实际上可以略去。这样我们将RWT带入式1进行二元回归分析，结果如下：
COMT = -161.66 + 36.45*ROT + 1.23*RWT （式4）
t （-3.96） （6.47） （4.01）
R=0.70，R=0.68 F=28.59 D-W=1.81
式4显著地提高了决定系数，而且明显地避免了自相关问题，所有参数均通过5%显著水平的检验，式4是拟合得非常好的结果。 |
