计量经济学课程总结

1、计量经济学课程总结12.17计量经济学的概念计量经济学是以经济理论和经济数据的事实为依据， 运用数学和统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。研老的主体（出发点、归宿、核心）:经济现象及数量变化规律研克的工具（手段）：模型数学和统计方法必须明确：方法手段要服从研究对象的本质特征（与数学不同），方法是为经济问 题服务计量经济学研克的三个方面理论：即说明所研究对象经济行为的经济理论计量经济研究的基础数据:对所研究对象经济行为观测所得到的信息计量经济研究的原料或依据方法：模型的方法与估计、检验、分析的方法计量经济研究的工具与手段三者缺一不可计量经济学研黑的基本概述:经济

2、 理込数理 统计数量化I经济II I事实反映为.补充改造：丿结构分析I 经济预测政策评价I 准备阶段计翼过程运用阶段计量经济学的研老方出计量经济学的研究步骤（四个阶段）:选择变量和数学关系式确定变量间的数量关系检验所得结论的可靠性作经济分析和经济预测模型段走 估计参数 模型检脸 模型应用役定计量经济旗型的基本要求要有科学的理论依据选择适当的数学形式 类型：单一方程、联立方程 线性形式、非线性形式模型要兼顾真实性和实用性两种不好的模型：太过复杂一真实但不实用 过分简单不真实包含随机误差项经济模型与计量经济模型的重要区别方程中的变量要具有可观测性估计参数为什么要对参数作估计?一般来说参数是未知的，

3、又是不可直接观测的。由于随机项的存在，参数也不能通过变量值去 精确计算。只能通过变量样本观测值选择适当 方法去估计。（如何通过变量样本观测值去科学地估计总体模 型的参数是计量经济学的核心内容）两个概念参数的估计值：所估计参数的具体数值参数的估计式：估计参数数值的公式 参数估计的常用方法普通最小二乘、广义最小二乘、极大似然估计、二阶段最小二乘、三阶段最小二乘、其它估计方栈型检殓为什么要检验？建模的理论依据可能不充分 统计数据或其他信息可能不可靠 样本可能较小，结论只是抽样的某种偶然结果可能违反计量经济方法的某些基本假定 对模型检验什么？对模型和所估计的参数加以评判，判定在理 论上是否有意义，在统

4、计上是否可靠对计量经济模型检验的方式»经济意义检验模型参数估计值的大小.方向.相互关系在经济意义 上的合理性。A统计推断检验方程的拟合优度检验、方程显著性检验.变量显著 性检恵0»计量经济学检验是否符合计量经济方法的基本假定：异方差.自相 关.多重共线性A预测检验将模型参数估计值的稳定性.对样本数据的灵敏性四、模型应用经济结构分析分析变量之间的数量比例关系（如：边际分析、弹性分析、乘数分析）经济预测由预先测定的解释变量去预测应变量在样本以外的数据（动态预 测、空间预测）。这是经济计量学利用模型所要解决的最重要内容， 也是最困难的内容。经济计量学的发展史就是谋求对经济变量做出

5、 更精确预测的发展史。政策评价用模型对政策方案作模拟测算，对政策方案作评价把计量经济模型作 为经济活动的实验室）A理论的检验与发展计量经济学的研究过程单位根检验蒙特卡罗模拟技术当代计量经济模型体系时间序列的X12季节调整IMA (）模型时间序列的X12季节调整时间序列的X12季节调整SARIMA （季节时间序列）模型GAR （广义自回归）模型BL （双线性）模厂tar. star （门限自回归.平滑转移）模型ARCH、GARCH （自回归条件异方差）模型SV （随机波动）模型ACD、SCD （自回归、随机条件久期）模型fVAR、VEC （向量自回归、误差修正）模型|1单方程（线性、非线性）、分

6、位数回嬴联立方程模型（结构、简化型、遽坦掾型一fPANEL （面板数据）模型、空间计量模型-DS （离散选择）模型、有序响应、计数模型1LDV （受限因变量）模型（删失、截断模型）经典回归 理论分析违背经典假定问题模型诊断第二章一元线性回归模型第三章多元线性回归模型第四章 非线性回归模型的线性化第五章异方差第六章自相关第七章多重共线性第八章 模型中特殊解释变量第十一章模型的诊断与检验 第九章联立方程模型 第十二章时间序列模型第一部分：线性回归模型回归分析的实质通过后者（解释变量胆 的已知或设定值，去 估计和（或）预测前者（被解释变量。的（总体） 均值为何要引入随机干扰项?回归模型中缺省的变量；

7、人们的随机行为；建 立的数学模型形式不够完善；经济变量之间的合 并误差；测量误差；随机误差项的假定条件假定1假定2零均值假定 同方差假定假定3假定4假定5假定6无自相关假定随机扰动与解释变量不相关 对随机扰动项分布的正态性假定 解释变量之间不存在精确的线性相关：不存在多重共线性。参数估计最小二乘(1) 最小二乘估计的原理(2) 最小二乘参数估计量的性质满足基本假定：具有线性、无偏性、有效性; 样本容量逐渐增大：渐进线性、渐进无偏性、 渐进有效性； TSS、RSS、ESS三者之间的关系离差分解 TSS二ESS + RSSR2 =ESSTSSI RSSRSS /(n-k-l)TSS回归参数的检验t

8、(n-k _ 1)e e在多元线性回归模型中，常针光力n k 数0、A、几是否为o的假设进行检验变量显著性检验（t检验）一针对单个解释变量对被解释变量的影响是否显著眇作申检验，检验被检验变量的参数为0是否 显著成立：原假设 h°： 0严0针对所有解释变量对被解释变量的联合影响是否 显著所作的检验，检验#、屈、几都为0 是否显著成立。方程显著性检验（F检验）原假设 0 = 0 02 = 0，A =0ESS IkSss 亦-l)"("i第二部分：违背基本假定问题异方差异方差性：对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。检验的总体

9、思路：检验异方差性，也就是检验随机干 扰项的方差与解释变量观测值之间的相关性检验的常见方法：图示检验法、帕克检验与戈里瑟检 验、G-Q检验、怀特检验数据：截面数据。原因在于在不同样本点上解释变量 以外的其他因素的差异较大；另外，也来源于测量误 差和模型中缺省的一些因素对别解释变量的影响。经 济问题的异方差大多是递增型的。异方差性的后果1、参数估计量非有效（其普通最小二乘法参数估计量 仍具有线性性、无偏性，但不具有有效性）2、变量的显著性检验失去意义3、模型的预测失效异方差的修正方法加权最小二乘序列相关性序列相关性：如果模型的随机干扰性违背了相互独立 的基本假设，即模型的随机干扰项不再相互独立或

10、相 互相关，就称为存在序列相关性检验的总体思路：首先釆用普通最小二乘法估计模型 ,以求得随机干扰项的“近似估计量”，然后，通过 分析这些“近似估计量”之间的相关性以达到判断随 机干扰性是否具有序列相关性的目的。检验的常见方法：图示法、回归检验法、杜宾-瓦森( Durbin-Watson)检验、拉格朗日乘数检验数据：时间序列数据。原因在于：在不同样本点上解 释变量以外的其他因素在时间上的连续性，带来它们 对被解释变量的影响的连续性。序列相关性的后果1、参数估计量非有效（其OLS参数估计量仍 然具有线性无偏性，但不具有有效性）2、变量的显著性检验失去意义 3、模型的预测失效 DW统计量的适用范围及

11、判别规则； LM检验的特点序列相关的解决方一广义差分法法多重共线性多重共线性：如果某两个或多个解释变量之间出 现了相关性，则称为存在多重共线性检验的总体思路：1、检验多重共线性是否存在2、估计多重共线性的范围多重共线性的后果：1、完全共线性下参数估计量不存在2、近似共线性下普通最小二乘法参数估计量的方差变大3、参数估计量经济含义不合理（出现这种情况，首先怀 疑是否存在多重共线性）4、变量的显著性检验和模型的预测功能失去意义多重共线性的检验(1) 相关性检验(2) 参数估计值的经济性检验(3) 参数估计值的稳定性(4) 参数估计值的统计检验多重共线性的修订方法(1)增加样本观测值；(2)删除不重

12、要的解释变量；(3)与被解释变量的滞后项代替解释变量的滞后值；利 用参数和解释变量之间的关系；(4)变换模型的形式 ；(5)数据中心化处理；(6)逐步回归法。虚拟变量为什么引进虚拟变量在实际建模过程中，被解释变量不但受定量变量影响，同时还受定性变量影响。=J=J虚拟变量的设置方法 当定性变量含有加个类别时，最多只能引入加 个虚拟变量。模型的诊断与检验线性约束条件成立的F检验似然比(LR)检验 WALD检验F检验、(LR)检验和WALD检验的原理、特点；区别与 联系拉格朗日检验 Chow突变点检验JB正态性分布检验 Granger因果检验第三部分：联立方程模型联立方程的基本概念为什么要引进联立方程变量的分类内生变量、外生变量、预定变量方程的分类随机方程式和非随机方程式联立方程的识别及识别条件结构方程的阶条件：必要条件不包含在待识别方程中的变量（被斥变量）个数、（联立方程模型中的方程个数_1）结构方程的秩条件：充要条件待识别方程的