资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,总复习,第一章 总论,一,.,计量经济学的一般问题,:,了解,计量经济学由来和发展，,理解把握计量经济学的定义、学科性质和特点,、了解计量经济学的内容体系,;,二,.,理解计量经济学的研究对象,:,变量,、,数据及分类,、,变量间的数量关系,、,计量经济学模型,;,三,.,理解,计量经济学的研究步骤,:,模型设定，参数估计，,模型检验，模型应用；,能简述,每一步骤的主要内容。,第一章 总论,第一节,计量经济学的一般问题,一、计量经济学由来和定义,二、计量经济学的学科性质,三、计量经济学的内容体系,四、从诺奖看计量经济学,计量经济学定义,Frish,:“,统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说，都是必要的，然而单独一方面的观点则又是不充分的，三者结合起来，就是力量，这种结合便构成了计量经济学。”,计量经济学,是以,经济理论,为指导，以经济事实为依据，以,数学、统计学,为方法，以,计算机处理,为主要手段，从事经济关系与经济活动的数量规律及其应用的研究，并以经济计量模型的建立和应用为核心的一门,应用性经济学科,。,计量经济学学科性质和特点,计量经济学是一门经济学科，经济理论既是出发点又是归宿，而且自始至终都是计量经济学的核心，统计数据和数学方法要服务并服从经济理论。所以，经济计量学属于应用经济学科。,第二节 计量经济学的研究对象,变量,经济数据的结构,变量间的数量关系,计量经济学模型,经济计量分析的核心是对经济问题内在规律的实证研究,(empirical analysis),有的书译作：,经验分析。,实证分析：就是利用数据来检验某个理论或估计某个关系,而要进行这一工作，首先要构建反映经济变量,特定关系的经济模型,计量经济学的研究对象的核心是反映经济关系和经济规律的数学模型,计量经济,模型。,确定经济,变量，,占有充足和准确的,经济数据,是经济计量分析的前提条件。,一,.,变量,变量,(Variable),是反映国民经济整体及各个侧面的水平、规模、状态等数量特征的概念和范畴。根据分类标志的不同，可以有不同的分类。,宏观经济变量和微观经济变量根据测度对象的大小或相关经济问题属于宏观范畴还是微观范畴,离散变量和连续变量,随机变量和非随机变量,流量和存量,数值变量和分类变量,内生变量和外生变量,二、数据：变量的具体取值称为数据，根据形式不同，数据分为：,时间序列数据，横截面数据，合并数据,1.,横,截面数据,(Cross Sectional data,又译为截面数据,),在,同一时间,，,对不同统计单位,(,如个人、家庭、城市、企业、州、国家或一系列其他单位,),的相同统计指标采集的样本所构成的数据。,横截面数据是按统计单位排列,排序不影响计量分析；截面数据要求统计的,时间相同。,obsno,wage,educ,exper,female,1,3.10,11,2,1,2,3.24,12,22,1,3,3.00,11,2,0,4,6.00,8,44,0,525,11.56,16,5,0,526,3.50,14,5,1,下表以缩略形式给出了年个工人的截面数据,表有关工资和其他个人特征的截面数据集,其中变量包括工资,wage,（美元小时），受教育年数,edu,，,工作经历年数,exper,，性别,female,（表女性，表男性）,;,obsno,：每个人的观测序号，不是个人特征,时间序列数据（,Time series data,）,是由一个或几个变量不同时间的观测值按时间顺序列排列而成的。比如股票价格、货币供给、政府赤字等。,时间序列数据,按时间先后排序,，这种排序也传递了潜在的重要信息,合并数据,(Pooled data),有时又称混合横截面数据：,Pooled Cross section Data,既有时间序列数据又有横截面数据。,例如，收集,20,年间,10,个国家有关失业率方面的数据,那么，这个数据集合就是一个合并数据,.,每个国家,20,年间的失业率数据是时间序列数据,;,而,10,个不同国家每年的失业率数据又组成横截面数据。,country,Year,1,2,3,4,5,6,7,8,9,10,1,1.1,2.3,1.3,2.1,4.1,2.6,3.2,4.6,3.8,5.6,2,1.2,2.1,1.5,3.1,3.2,2.7,4.6,1.2,2.3,2.3,20,3.2,2.5,4.2,3.5,5.3,3.9,3.6,2.3,1.2,3.8,面板数据,(panel data),又译作纵向数据,或综列,数据。,特殊的合并数据，即同一个横截面单位，比如说，一个家庭或一个公司，在不同时期的调查数据。,obsno,city,year,murders,popu,unem,police,1,1,1986,5,350000,8.7,440,2,1,1990,8,359200,7.2,471,3,2,1986,2,64300,5.4,75,4,2,1990,1,65100,5.5,75,299,150,1986,25,543000,4.3,520,300,150,1990,32,546200,5.2,493,表,1.2,城市犯罪统计量的一个两年综列数据集,三,.,变量之间的数量关系,函数关系,:,即确定性关系,如,相关关系,:,即不严格的数量依存关系,因果关系,:,如果一个（组）变量的取值直接决定或影响另外一个（组）变量的取值，则称两个（组）变量之间存在因果关系。其中前者是原因，后者是结果,.,单向因果关系,:,是指某一个或某几个变量决定或影响其他变量，而其他变量并不决定或影响这一个或几个变量，即关系是不可逆的。,双向因果关系,:,是互为因果关系。,恒等关系,:,变量的定义式，是连接变量关系的桥梁,.,如,:,(,总收入,)Y=(,消费,)C+(,储蓄,)S,K.M.Keynes,四,.,计量经济模型,模型,:,对现实的描述和模拟,用不同方法对现实进行描述和模拟，就构成各种不同的模,型，如文字逻辑模型、几何模型、数学模型、计算机模,拟模型等,计量经济模型：,就是经济变量之间所存在的随机关系的一种数学表达式，其一般表达式为：,模型由经济变量（,y,和,x,）、 随机误差项（,u,）、参数（,）和及方程的形式,f(),等四个要素构成。,计量经济学的研究步骤,计量经济学的研究步骤可分为四个连续的阶段：,模型设定，参数估计，模型检验，模型应用。,一、模型的设定,依据一定的经济理论或经验，先验地用一个或一组数学方程式表示被研究系统内经济变量之间的关系。,(,一,).,研究有关经济理论；,建立模型需要理论抽象，一切从实际背景出发,(,二,),确定变量以及函数形式,确定模型包含的变量,根据经济学理论和经济行为分析。,考虑数据的可得性。,考虑入选变量之间的关系。,要求变量间互相独立。,(2),确定模型包括几个参数，符号如何,模型中待估计参数的理论期望值区间,符号、大小、 关系,（）,确定模型的数学形式,利用经济学和数理经济学的成果,根据样本数据作出的变量关系图,选择可能的形式试模拟,(,三,),、对样本数据进行收集与整理,变量确定之后，就要全面收集统计数据，这是模型构建的基础工作,二、模型参数的估计,模型设定后，应根据可用的统计数据资料，选择适当,的方法，求出模型参数的估计值,三、模型的检验,经济意义检验：最基本的检验, 统计检验,由数理统计理论决定的，其目的在于评定模型参数估计值的可靠性。, 计量经济学检验,由计量经济学理论决定，目的在于检验模型的计量经济学性质。,模型是否符合实际，能否解释实际经济过程还需要进行检验检验就是对部分或全部参数估计值加以评定，确定它们在理论上是否有意义，在统计上是否显著只有通过检验的模型才能用于经济实际检验包括：,四,、,模型的应用,（一）、验证与发展经济理论,:,1.,按照某种理论建立模型,用已发生的经济活动的样本数据去拟和,拟和地好该理论即得到检验,;2.,用已发生的经济活动的样本数据去拟和各种模型,拟和最好的模型所体现的即经济规律,.,（二）,、,结构分析,:,是运用估计出来的模型对经济关系进行定量的测量,包括验证,比较与同一经济现象相应的几种假说,.,即经济系统的定量研究工作,.,四,、,模型的应用,（三）、经济预测,:,运用已经估计出来的计量模型对经济发展未来的趋势作出判断，从而为宏观调控和经营管理提供依据,（四）、政策评价,:,从许多不同政策中选择,较好的予以实行,或者说研究不同政策对经济目标所产生的影响,.,第一章 总论,一,.,计量经济学的一般问题,:,了解,计量经济学由来和发展，,理解把握计量经济学的定义、学科性质和特点,、了解计量经济学的内容体系,;,二,.,理解计量经济学的研究对象,:,变量,、,数据及分类,、,变量间的数量关系,、,计量经济学模型,;,三,.,理解,计量经济学的研究步骤,:,模型设定，参数估计，,模型检验，模型应用；,能简述,每一步骤的主要内容。,.,理解把握,一元,、,多元线性回归模型中的随机项需满足的基本假定及相关知识可以结合第四章进行总结,第二章、第三章,.,理解,什么是,最小二乘法，记住,并会用常用的各有,关公式进行简单的计算。,3,会看结果,：回归结果的,标准记法,，各系数经,济含义，,掌握,结果中各有关变量的内在关系,理解掌,握,统计显著性检验的原理与步骤。,例,:,下面是某案例的方差分析表和,Eviews,分析结果（局部）,Y,为因变量,自变量为,: X2,、,X3,、,X4,、,X5,样本容量为,23,根据输出结果完成：,请把所缺数字填上，用标准记法写出样本回归方程；,2.,（,=0.05,）对回归方程进行,F,检验,;,3.,对,X2,、,X3,进行系数的显著性检验,;,df,SS,MS,F,Significance F,回归分析,(1),1127.259,(6),(7),6.43419E-11,残差,(2),(4),3.814982736,总计,(3),(5),方差分析表,Eviews,分析结果,Dependent Variable: Y,Included observations: 23,Variable,Coefficient,Std. Error,t-Statistic,Prob.,C,37.23236,3.717695,10.01490,0.0000,X2,0.005011,0.004893,(8),0.3194,X3,-0.611174,0.162849,-3.753010,0.0015,X4,0.198409,0.063721,3.113734,0.0060,X5,0.069503,(9),1.363144,0.1896,R-squared,（,10,）,Mean dependent,var,39.66957,Adjusted R-squared,(11),S.D. dependent,var,7.372950,S.E. of regression,1.953198,Akaike,info,criterio,4.366473,Sum squared,resid,68.66969,Schwarz criterion,4.613320,Log likelihood,-45.21444,F-statistic,73.87052,Durbin-Watson stat,1.065034,Prob(F,-statistic),0.000000,练习,:,下面是一些案例的,Eviews,分析结果（局部）、方差分析表,根据输出结果完成：,请把所缺数字填上，用标准记法写出样本回归方程；,2.,（,=0.05,）,对回归方程进行显著性检验,;,对变量进行系数的显著性检验,;,方差分析表,df,SS,MS,F,Significance F,回归分析,(1),(4),49822411,(7),2.54166E-15,残差,(2),1515833,(6),总计,(3),(5),Eviews,分析结果,Dependent Variable: Y,Method: Least Squares,Included observations: 19,Variable,Coefficient,Std. Error,t-Statistic,Prob.,C,315.1780,116.9326,2.695382,0.0159,X1,0.064321,0.007278,(8),0.0000,X2,1.382753,(9),1.389738,0.1836,(),R-squared,0.985016,Mean dependent,var,3329.789,Adjusted R-squared,(10),S.D. dependent,var,2370.662,S.E. of regression,307.7979,Akaike,info criterion,14.44070,Sum squared,resid,1515833.,Schwarz criterion,14.58983,Log likelihood,-134.1867,F-statistic,525.8882,Durbin-Watson stat,0.777752,Prob(F,-statistic),0.000000,Dependent Variable: Y,Method: Least Squares,Date: 12/23/07 Time: 15:22,Sample: 1 10,Included observations: 10,(),Variable,Coefficient,Std. Error,t-Statistic,Prob.,C,12.5845,(1),3.7651,0.0000,X1,(2),11.4678,0.0896,0.8564,X2,15.4421,16.9987,(3),0.4432,R-squared,0.9562,Mean dependent,var,1265748,Adjusted R-squared,(4),S.D. dependent,var,138280,S.E. of regression,42356,Akaike,info criterion,22.8895,Sum squared,resid,7.44E+08,Schwarz criterion,24.2631,Log likelihood,-119.85,F-statistic,58.6556,Durbin-Watson stat,0.9635,Prob(F,-statistic),0.000033,Dependent Variable: Y,Method: Least Squares,Included observations: 31,Variable,Coefficient,Std. Error,t-Statistic,Prob.,C,877036.5,28738.50,30.51782,0.0000,X1,0.330332,1.468544,（,1,）,0.8237,X2,15.76667,8.149030,1.934791,0.0632,R-squared,0.944633,Mean dependent,var,1160401.,Adjusted R-squared,（,2,）,S.D. dependent,var,126784.5,(),R-squared,0.944633,Mean dependent,var,1160401.,Adjusted R-squared,0.940678,S.D. dependent,var,126784.5,S.E. of regression,30879.72,Akaike,info criterion,23.60535,Sum squared,resid,2.67E+10,Schwarz criterion,23.74413,Log likelihood,-362.8830,F-statistic,238.8582,Durbin-Watson stat,0.956102,Prob(F,-statistic),0.000000,理解把握,本章的主要内容：,什么是,？,在模型中,存在,可能造成哪些不利后果,？,检验,存在的方法有哪,些,其中需要重点掌握的是什么,方法,(,重点掌握,:,常用的,检验方法,会,根据,具体的,分析结果,检验,),？,消除,的方,法,有哪些,?,第四章,练习,:,下面各结果分别是一些案例的,Eviews,分析结果（部分）,根据输出结果完成下列要求（写出判断或检验的依据）,;,1,说明模型是否存在多重共线性,(,如果可以计算方差扩大因子,请计算扩大因子。,),2.,对模型进行异方差检验，说明模型是否存在异方差；,3,对模型进行自相关检验，说明模型是否存在序列自相关；,（,(),Dependent Variable: Y,Method: Least Squares,Included observations: 19,Variable,Coefficient,Std. Error,t-Statistic,Prob.,C,-139.1572,232.6374,-0.598172,0.5593,X1,0.036397,0.014217,（,1,）,0.0227,X2,（,2,）,1.467469,1.097913,0.2908,X3,7.505461,（,3,）,0.785504,0.4452,X4,0.212216,0.142629,1.487891,0.1590,R-squared,0.988977,Mean dependent,var,3329.789,Adjusted R-squared,(4),S.D. dependent,var,2370.662,S.E. of regression,282.2216,Akaike,info criterion,14.34420,Sum squared,resid,1115086.,Schwarz criterion,14.59273,Log likelihood,-131.2699,F-statistic,314.0201,Durbin-Watson stat,1.890784,Prob(F,-statistic),0.000000,White,Heteroskedasticity,Test:,F-statistic,2.633628,Probability,0.076698,Obs,*R-squared,12.88458,Probability,0.115883,Test Equation:,Dependent Variable: RESID2,Method: Least Squares,Included observations: 19,Variable,Coefficient,Std. Error,t-Statistic,Prob.,C,-80010.10,106191.3,-0.753452,0.4685,X1,4.656329,14.88223,0.312878,0.7608,X12,6.53E-05,0.000149,0.437255,0.6712,X2,-117.8830,903.4451,-0.130482,0.8988,X22,-0.622113,1.052638,-0.591004,0.5676,X3,3006.499,6347.715,0.473635,0.6459,X32,-16.63940,28.98757,-0.574018,0.5786,X4,1.825724,65.47175,0.027886,0.9783,X42,-0.009094,0.008874,-1.024848,0.3296,R-squared,0.678136,Mean dependent,var,58688.75,Adjusted R-squared,0.420645,S.D. dependent,var,70617.55,S.E. of regression,53750.83,Akaike,info criterion,24.92762,Sum squared,resid,2.89E+10,Schwarz criterion,25.37499,Log likelihood,-227.8124,F-statistic,2.633628,Durbin-Watson stat,2.990826,Prob(F,-statistic),0.076698,1.,由分析结果可以看出,该模型具有多重共线性的”经典”,特征,:R,2,=0.988977,较高，,Prob(F,-statistic)=0.0000000.05,所以不能拒绝原假设,认为该模型不存在异方差性,.,3,回归模型随机误差项的自相关检验,DW,检验,H,0,：,=0,H,1,：,0,（随机误差项存在自相关）,因此，不能,拒绝原假设，认为该回归模型随机误差项不存,在一阶自相关。,d=1.8908,由于,根据中国粮食产量,Y(,万吨,),、化肥施用量,X1,（万千克）、粮食播种面积,X2,（千公顷）、成灾面积,X3,（公顷）、农业机械总动力,X4(,万千瓦,),与农业劳动力,X5,（万人）,18,年的统计数据资料进行分析，下面是其,Eviews,的分析结果,根据输出结果完成上述要求,:,() (,Dependent Variable: Y,Method: Least Squares,Included observations: 18,Variable,Coefficient,Std. Error,t-Statistic,Prob.,C,-12815.96,14076.42,-0.910456,0.3805,X1,6.212140,0.740809,8.385619,0.0000,X2,0.421373,0.126897,3.320580,0.0061,X3,-0.166253,0.059222,-2.807271,0.0158,X4,-0.097726,0.067638,-1.444840,0.1741,X5,-0.028403,0.202333,-0.140379,0.8907,R-squared,0.982801,Mean dependent,var,44127.11,Adjusted R-squared,0.975635,S.D. dependent,var,4409.100,S.E. of regression,688.2328,Akaike,info criterion,16.16733,Sum squared,resid,5683973.,Schwarz criterion,16.46412,Log likelihood,-139.5060,F-statistic,137.1430,Durbin-Watson stat,3.405930,Prob(F,-statistic),0.000000,(,White,Heteroskedasticity,Test:,F-statistic,1.109456,Probability,0.459143,Obs,*R-squared,11.03658,Probability,0.354675,Test Equation:,Dependent Variable: RESID2,Method: Least Squares,Included observations: 18,Variable,Coefficient,Std. Error,t-Statistic,Prob.,C,3.49E+08,9.56E+08,0.365207,0.7257,X1,8408.804,9356.773,0.898686,0.3987,X12,-1.145278,1.445158,-0.792493,0.4541,X2,-10576.50,16836.58,-0.628186,0.5498,X22,0.047685,0.075673,0.630138,0.5486,X3,474.4214,369.7506,1.283085,0.2403,X32,-0.009578,0.007231,-1.324559,0.2269,X4,-926.4577,599.5460,-1.545265,0.1662,X42,0.010993,0.007680,1.431525,0.1954,X5,14742.43,9595.393,1.536407,0.1683,X52,-0.230682,0.147639,-1.562468,0.1622,R-squared,0.613143,Mean dependent,var,315844.5,Adjusted R-squared,0.060491,S.D. dependent,var,533410.1,S.E. of regression,517025.2,Akaike,info criterion,29.42733,Sum squared,resid,1.87E+12,Schwarz criterion,29.97145,Log likelihood,-253.8460,F-statistic,1.109456,Durbin-Watson stat,2.375909,Prob(F,-statistic),0.459143,Dependent Variable: Y,Included observations: 37,Variable,Coefficient,Std. Error,t-Statistic,Prob.,C,-0.577678,1.340658,-0.430891,0.6694,X1,-0.000223,4.29E-05,-5.192019,0.0000,X2,0.000237,4.17E-05,5.665240,0.0000,X4,3.712255,0.467157,7.946477,0.0000,X5,-0.000269,5.83E-05,-4.623162,0.0001,R-squared,0.933013,Mean dependent,var,3.210811,Adjusted R-squared,0.924640,S.D. dependent,var,2.316940,S.E. of regression,0.636043,Akaike,info criterion,2.057987,Sum squared,resid,12.94562,Schwarz criterion,2.275679,Log likelihood,-33.07276,F-statistic,111.4261,Durbin-Watson stat,1.169853,Prob(F,-statistic),0.000000,(,) (,White,Heteroskedasticity,Test:,F-statistic,0.733651,Probability,0.661241,Obs,*R-squared,6.411747,Probability,0.601212,Test Equation:,Dependent Variable: RESID2,Included observations: 37,Variable,Coefficient,Std. Error,t-Statistic,Prob.,C,4.949681,15.05091,0.328863,0.7447,X1,2.83E-05,0.000353,0.080227,0.9366,X12,9.28E-11,1.37E-09,0.067508,0.9467,X2,-0.000187,0.000304,-0.617307,0.5420,X22,1.67E-10,4.37E-10,0.382603,0.7049,X4,-1.106546,3.628180,-0.304987,0.7626,X42,0.183076,0.559889,0.326986,0.7461,X5,0.000241,0.000467,0.515204,0.6105,X52,-3.47E-10,1.06E-09,-0.329079,0.7445,R-squared,0.173290,Mean dependent,var,0.349882,Adjusted R-squared,-0.062912,S.D. dependent,var,0.458806,S.E. of regression,0.473018,Akaike,info criterion,1.548406,Sum squared,resid,6.264886,Schwarz criterion,1.940251,Log likelihood,-19.64551,F-statistic,0.733651,Durbin-Watson stat,1.907876,Prob(F,-statistic),0.661241,Dependent Variable: X5,Method: Least Squares,Included observations: 37,Variable,Coefficient,Std. Error,t-Statistic,Prob.,C,11773.36,3442.277,3.420225,0.0017,X2,0.673131,0.042826,15.71799,0.0000,X4,-986.8967,1385.364,-0.712373,0.4812,X1,-0.110513,0.126620,-0.872792,0.3891,R-squared,0.996572,Mean dependent,var,231448.5,Adjusted R-squared,0.996261,S.D. dependent,var,31081.75,R-squared,0.996572,Mean dependent,var,231448.5,Adjusted R-squared,0.996261,S.D. dependent,var,31081.75,S.E. of regression,1900.646,Akaike,info criterion,18.03958,Sum squared,resid,1.19E+08,Schwarz criterion,18.21373,Log likelihood,-329.7322,F-statistic,3198.149,Durbin-Watson stat,0.508196,Prob(F,-statistic),0.000000,
展开阅读全文