研究生计量经济学第一章 绪论

1、研究生计量经济学第一章 绪论2第一章 绪论课程教学大纲计量经济学的地位、应用和局限性计量经济学的基础知识 3计量经济学教学大纲 课程 计量经济学 学分：3 课程性质：必修4 教师 主讲教师：林光华 办公地点：逸夫楼5060 5 课程说明 教学目的 经济学是一门科学，实证的方法，尤其是数量分析方法是经济学研究的基本方法论。通过该门课程教学，使学生掌握计量经济学的基本理论与方法，并能够建立实用的计量经济学应用模型。 先修课程 中级微观经济学、中级宏观经济学、经济统计学、微积分、线性代数、概率论与数理统计、应用数理统计6 教材及参考书初级Basic Econometrics,Damodar N. G

2、ujarrati经济计量学，J.H. Stock,M.W.Waston 计量经济学导论现代观点,Wooldridge计量经济学，李子奈，高等教育出版社，7 教材及参考书中高级计量经济理论和方法，Davidson，Mackinnon横截面与面板数据的计量分析,Wooldridge计量经济分析，Greene计量经济学,林文夫 Hayashi和相关课程关系易福金老师的高级计量经济学孙顶强老师的高级计量经济学II89课程内容提纲及学时安排计量经济学的统计学基础回归分析模型的建立与估计中的问题及对策（多重共线性、异方差性、序列相关性）内生性问题，联立方程组模型的估计离散选择模型面板数据分析时间序列分析1

3、0课程成绩 平时作业： 30分 课堂表现： 10分 期末考核： 60分11计量经济学的地位、应用和局限性现代经济学的特征 计量经济学与数理经济学、数理统计学及经济统计学的区别计量经济学的应用计量经济学的局限性12现代经济学的特征现代经济学研究的一般方法可归纳为以下几 个步骤:一、收集数据和总结经验特征事实(empirical stylized facts)：一般从观察到的经济数据中提炼出来。例：恩格尔曲线、菲利普斯曲线、市场波动聚集。高处重量轻。二、建立经济理论或模型：解释这些经验特征事实。气温下降，重量减少？三、实证检验：把经济理论或模型转化为可用数据检验的计量经济模型。经济理论或模型通常只

4、指出经济变量之间的因果关系和数量关系,没有给出确切的函数形式。从经济数学模型到计量经济模型的转化过程中,需要对函数形式做出假设,然后利用观测到的数据,估计未知参数值,并进一步验证计量经济模型的设定是否正确。四、应用：预测未来经济的变动趋势以及提供政策建议13现代经济学的特征1.对经济理论数学建模Modelization/Mathematization2.对经济现象进行实证分析EmpiricalizationWhat is science?Logical consistency and coherency in theory;Consistency between theory and styl

5、ized facts.14实证分析如何验证经济理论是否可以解释现实呢?实际上,几乎不可能或很难用经济数据检验经济理论的前提假设是否正确。但是,我们可以通过考察经济理论的推论与观测到的数据之间是否一致来检验。在经济学发展的早期阶段,实证研究通常是使用案例分析或间接验证的方法。比如,亚当斯密在国富论中就是用案例分析方法来解释专业化分工的优势所在。严格的实证分析需要使用计量经济学方法15计量经济学与数理经济学、数理统计学及经济统计学的区别计量经济学和数理经济学的作用不同。数理经济学家的主要任务是用数学工具研究经济理论问题并将经济理论表述为严谨的数学模型形式,而不必考虑经济理论的实证问题。要检验经济理

6、论是否可以解释经济现实,需计量经济学的方法和工具。16计量经济学与数理经济学、数理统计学及经济统计学的区别计量经济学不等同于经济统计学经济统计学是对经济数据的统计分析,特别是经济数据调查、收集、整理并分析经济变量之间的数量关系及其统计显著程度。 “菲利普斯曲线”就是经济统计学所揭示的一个重要的经济特征事实计量经济学也是研究经济变量之间的数量关系,但更主要的是关注经济变量之间的因果关系,以揭示经济运行规律。17数理经济学是运用数学研究有关经济理论数理统计学是运用数学研究统计问题经济统计学是对经济现象的统计研究计量经济学是经济学、统计学、数学三者结合在一起的交叉学科。经济学 统计学数学 数 理统计

7、学经济统计学数理经济学计量经济学18计量经济学的应用1、结构分析2、经济预测3、政策评价4、理论检验与发展19计量经济学的应用例1：结构分析：凯恩斯理论、乘数效应和政策建议Yt = Ct + It + GtCt = + Yt +政府需要知道每年发行多少国债最为合适,这就需要知道值。经济理论只阐述收入和消费之间存在正相关关系,但没有提及各个国家值究竟是多少。勿庸置疑,民族历史文化会影响一国居民的消费习惯,即由于文化的差异,不同国家的值必然不同。而且,同一个国家在不同经济发展阶段的值也可能不同。计量经济学家已提出针对各种消费数据一致估计这一重要结构参数值的计量方法。实际上,仅仅通过经济理论,我们甚

8、至无法知道具体消费函数形式。设定消费函数为线性关系仅是为了理论上的方便。尽管消费函数形式未知,计量经济学家还是提出了用观测数据一致估计消费函数的可行方法,即非参数方法(Pagan and Ullah ,1999)20计量经济学的应用例2：生产函数和规模报酬不变假设第i 家企业有劳动Li 和资本存量Ki 两种要素,产出为Yi ,则其生产函数是投入( Li , Ki )到产出( Yi ) 的映射:Yi = exp (i ) F(Li , Ki )其中,i 是随机扰动项(若Yi 是农业产出的话,i 表示天气条件等不确定性因素) 。我们说生产技术具有规模报酬不变(constant return to

9、scale ,简称为CRS) 性质,如果对所有实数 0 ,有F ( Li ,Ki ) = F(Li ,Ki ) 。CRS 是完全竞争市场经济存在长期均衡的必要条件。如果某一行业不满足CRS ,生产技术具有规模报酬递增(increasing return to scale) 性质,则该行业将出现自然垄断。在这种情形下,为保护消费者利益,政府必须采取规制措施。因此,检验一个行业是否具有CRS 性质具有重要的政策含义。21计量经济学的应用检验CRS 的常用方法是假设生产函数为柯布- 道格拉斯生产函数,即F( L , K ) = AL K 。这样,CRS 就变成关于参数(,) 的约束条件H0 :+=

10、1。如果+ 1 ,则表明存在规模报酬递增。注意：CRS 与H0 :+= 1 等价是以真实生产函数为柯布- 道格拉斯函数形式为前提的。该生产函数形式的设定是一个附加假设,并不属于CRS 这一经济假说的一个组成部分。如果该附加假设不正确,那CRS 与统计假说H0 :+= 1 就不等价。因此,生产函数模型设定正确是计量经济学推论正确的前提条件。22计量经济学的应用例3：转型经济的改革效果检验我们考虑一个广义的柯布- 道格拉斯生产函数(求对数后) :ln Yit = lnAit + lnLit + ln Kit + lnBONUSit + CONTRACTit +it这里i = 1 , , n , t

11、 = 1 , , T ,其中下标i 表示第i 家企业,下标t 表示第t 期, BONUSit 是企业工资总支出中奖金的比例, CONTRACTit表示企业职工中有固定期限(如三年) 的合同工的比例。这是一个面板数据模型(Hsiao ,2003) 。23计量经济学的应用在20 世纪80 年代,发放奖金和实行合同工制度是中国国有企业改革的两个主要激励措施。改革前,中国国有企业采取固定工资制和终身聘任制。经济理论告诉我们,引入奖金和合同工制度将激励工人努力工作,从而提高企业的劳动生产率。为了检验这两个改革措施的成效,我们考虑如下的原假设H0 := 0。在这里,即使我们假定存在条件同方差,传统的t 检

12、验和F 检验也不能使用。这是因为, Yit 和BONUSit 之间很可能存在某种因果关联,即生产率高的企业,无论工人是否努力工作,都会付给工人较高的奖金,这会导致扰动项it 与奖金BONUSit之间存在相关,因而OLS 估计量不能一致估计真实参数值, t 检验和F 检验也因此不能使用。24计量经济学的应用计量经济学家提出了一种重要的估计方法（工具变量法）可有效地过滤掉从产出到奖金的因果关系所产生的影响,从而获得参数值的一致估计。在评估经济改革成效时,如果统计假设H0 := 0 未被拒绝,我们并不能马上下结论说改革没有成效。这是因为上述加入改革变量的广义生产函数模型,仅是检验改革成效的方法之一。

13、还存在很多其他可能性,比如改革可能影响劳动和资本的边际产出(即通过劳动和资本的系数表示) ,这些可能性并没有被检验。所以,如果统计假设H0 := 0 未被拒绝,我们只能说未找到证据推翻改革没有成效这一经济假说。25计量经济学的应用例4：理性预期和动态资产定价人们发现，根据理性预期理论，基于美国经济数据的实证研究表明,风险厌恶参数的实际估计值常常太小,不足以解释美国股票市场和债券市场收益率之间的差异(Mehra and Prescott ,1985) 。这就是有名的风险溢价之谜(risk premium puzzle) 。为解决这个难题,需要提出新的能够获得较大值的资产定价模型,以反映风险厌恶的

14、可能时变性和经济人对高风险的厌恶。后来的Campbell and Cochrance (1999) 提出的基于消费的资产定价模型就是这样一个理论。由这个例子可以看出,以计量经济学为基础的实证分析是如何推动经济理论向前发展的。26计量经济学分析的局限性绝大多数的经济数据在本质上都不是实验数据,这导致了计量经济学分析的若干局限性：1、经济理论或模型作为对复杂现实经济的简化抽象,只能刻画主要的或重要的经济因素。有些因素是未知的或不可观测的,没有包括在经济模型中,因此反映不出它们的影响。不是所有经济问题都有类似工具变量法的方法可以用来一致估计模型因素的影响。27计量经济学分析的局限性2、很多经济变量并

15、不满足“平稳性”或“同质性”假设。所谓“平稳性”就是指经济关系和经济结构不随时间变化,或者说经济系统的概率分布(至少是概率分布的一些重要方面) 不随时间变化。在平稳性假设条件下,不同年份的GDP Yt 可视为具有同样的概率分布,且它们之间的“关系”不随时间变化。因此我们就可以将不同GDP 变量 Yt 的观测值看作是从同一个概率分布产生出来的随机数,因而可以进行统计分析。所谓“同质性”,是指不同的个体(如消费者、企业等) 拥有同样的概率分布,或者至少他们的概率分布具有某些重要的共同特征。这样,不同个体的经济变量的观测值就可以看作是由同一个或类似的概率分布产生出来的随机数。28计量经济学分析的局限

16、性3、渐进式结构变化可造成经济实证研究的很大困难。技术变革、人口结构变化、金融危机会导致体制演变和结构调整。这些变动将引起经济人行为的变化,从而造成经济关系和经济结构具有时变性。当经济结构发生改变时,即使能很好地解释过去历史的经济模型,也不一定能对未来做出较准确的预测。29计量经济学分析的局限性4、数据质量经济数据可能存在测量误差,可能存在样本的选择偏差( selectionbias) ,数据与经济模型中的变量的定义可能不相符,一些经济变量数据缺失,甚至在本质上是不可观测的(如幸福指数或痛苦指数) ,等等。这些数据缺陷所造成的困难有些是可以克服的。有一些数据缺陷所造成的困难是不可能或很难克服的

17、。一个例子是测量误差存在系统性偏差。例如当调查个人灰色收入时,人们因为担心需要上缴收入税而倾向于低报其收入。计量经济学的数据结构(1)截面数据(cross-sectional data) 是在给定时间，有关个人、家庭、企业、城市、省份、国家或其他单位的样本构成的数据。即发生在同一时间截面上的调查数据。因为在不同的截面上，受到个体的影响，往往容易产生异方差。 2005 Xiamen UniversityObsnoWageEducExperfemale13.10112123.241222133.00112046.00844055.30127052511.5616505263.5014511976年

18、526人的截面数据，包括小时工资(wage)、教育水平(educ)、工作经验(exper)、性别(female) 2005 Xiamen University(2)时间序列数据（Time series data)是一批按时间先后顺序排列的统计数据。时间序列数据的例子：股票价格、货币供应量、消费价格指数（CPI）、GDP等。在时间序列数据中，后一期的数据往往会与前一期的数据有很大的相关关系，这是因为影响今期的因素，有时会同样影响下一期。比如GDP等。时间按频率可以有天、星期、月、季度、年等。在时间序列数据中，时间趋势和周期性比较重要（季节性数据） 2005 Xiamen UniversityOb

19、snoYeargdppopulagdppc119783624.196259379219795038.2417319804517.898705460419814862.4.489519825294.752524200197314.81276277651252002104790.61284538184中国的GDP、人口和人均GDP的数据(3) 混合截面数据（Pooled Cross Sections)即有截面数据的特征，又有时间序列数据的特征。(4)平行数据（panel data)每一个截面单位都有一个时间序列的数据。平行数据是一种特殊的混合截面数据。School of Economics 200

20、5 Xiamen UniversitySchool of Economics-EconometricsobsnoCityYearCrimePoppolice111986535440211990835.9247132198626.437542199016.5175.29915019862554.3052030015019903254.62493Obsno观察值号、city城市编号、year年份、crime犯罪数、pop城市人口数、police城市警察数。33基础知识例子1：E(w|Edu）=beta0+beta1*edu基本概念：回归：一个变量的期望值或者均值与另一个或一些变量值的关系Beta0

21、、beta1的含义被解释变量、解释变量函数形式：本例中为线性真实世界中，函数具体可能为E(W|Edu)=1000+50Edu34基础知识但实际上对研究者而言1000，50为未知数，计量经济学的任务确定性事件：同样的EDU有同样的W可计算beta0、beta1，不要估计同样的EDU不同的W要估计35基础知识同样的EDU不同的W：原因1、影响W的因素还有其他：工作经验、性别2、无法衡量因素：天生能力3、随机因素4、W存在测量误差36基础知识同样EDU不同W的解决方案：随机形式W=0+1Edu+W=0+1Edu+2Exp+3Sex+随机项、误差项、随机扰动、扰动、误差：来源未包含的变量被解释变量的测

22、量误差影响被解释变量的纯随机因素未考虑到被解释变量和解释变量间的非线性关系37基础知识随机项、误差项、随机扰动、扰动、误差：含义某个体W值偏离类似情况个体W的平均值的程度总体和样本E(Wi|Edui)=0+1Edui+2Expi+3Sexi估计值和估计量估计值：通过样本对参数的猜测值，无法评价好坏估计量：估计的方法，可评价38基础知识模型的正确性与否及有用性Models are to be used not to be believed没有没有true的模型：上述两模型都不trueNor is one model always “better” than the other有用性取决于研究目标

23、和数据条件:就像地形图总是有用吗？基础知识例子1告诉我们：函数形式确定性与随机性估计量和估计值估计量性质True model39基础知识例2：恩格尔定律19世纪Ernst Engel：食品支出占收入比重随收入增加而下降。如何检验？方法1、F=B0+B1I+e F/I=B0/I+B1，如果B00,40基础知识一块钱额外收入的食品支出下降。方法2：E（F|I）=B2+B3I+B4I2 检验B30, B40缺点：I很大时2方法3：Log(F)=B5+B6log(I)+w检验B61E(log(F)=0.43+0.87log(I)41基础知识42收入低的样本，噪音更小基础知识例子2告诉我们：函数形式如何检验经济学假设随机项的结构好的估计量取决于随机项的性质样