1、总复习第一章第一章 总论总论一一.了解计量经济学的一般问题了解计量经济学的一般问题:计量经济学由来和计量经济学由来和 定义、学科性质、计量经济学的内容体系定义、学科性质、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(时,间序列数据与横截面数据),、变量间的数量关系,、,计量经济学模型;,三.理解并掌握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,.第一章第一章 总论总论第一节第一节 计量经济学的一般问题计量经济学的一般问题一、计量经济学由来和定义一、计量经济学由来和定义二、计量经济学的学科性质二、计量经济学的学科性质三、计量
2、经济学的内容体系三、计量经济学的内容体系四、从诺奖看计量经济学四、从诺奖看计量经济学第二节第二节 计量经济学的研究对象计量经济学的研究对象 变量变量经济数据的结构经济数据的结构 变量间的数量关系变量间的数量关系 计量经济学模型计量经济学模型 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
3、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
4、。,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。countryYear12345678910 11.12.3 1.
5、3 2.14.12.63.24.63.85.6 21.22.1 1.5 3.13.22.74.61.22.32.3 203.22.5 4.2 3.55.33.93.62.31.23.8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。,obsnocityyearmurders popuunem police 111986 53500008.7440 211990 83592007.2471 321986 2 64300 5.475 421990 165100 5.575 2991501986 2
6、55430004.35203001501990 325462005.2493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,2rs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)SK.M.
7、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：,),(uxfy 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
8、需要理论抽象，一切从实际背景出发(二二)确定变量以及函数形式确定变量以及函数形式 确定模型包含的变量确定模型包含的变量 根据经济学理论和经济行为分析。根据经济学理论和经济行为分析。考虑数据的可得性。考虑数据的可得性。考虑入选变量之间的关系。考虑入选变量之间的关系。要求变量间互相独立。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(三三)、对样本数据进行收集与整理、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
9、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、模型的检验三、模型的检验 经济意义检验：最基本的检验经济意义检验：最基本的检验 统计检验统计检验由数理统计理论决定的，其目的在于评定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。模型参数估计值的可靠性。计量经济学检验计量经济学检验 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。济学性质。模型预测检验模型预测检验 由模型的应用要求决定，主要检验参数估计量的由模型的应用要求决定，主要检验参数估计量的稳定性及相对样本容
10、量变化时的灵敏度，确定模型是稳定性及相对样本容量变化时的灵敏度，确定模型是否可用于样本观测值以外的范围否可用于样本观测值以外的范围 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：四四、模型的应用模型的应用（一）、验证与发展经济理论（一）、验证与发展经济理论:1.按照某种理按照某种理论建立模型论建立模型,用已发生的经济活动的样本数用已发生的经济活动的样本数据去拟和据去拟和,拟和地好该理论即得到检验拟和地好该理论即得到检验;2.用用已发生的经济活动的样本数据去拟和各
11、种已发生的经济活动的样本数据去拟和各种模型模型,拟和最好的模型所体现的即经济规律拟和最好的模型所体现的即经济规律.（二）（二）、结构分析结构分析:是运用估计出来的模型对是运用估计出来的模型对经济关系进行定量的测量经济关系进行定量的测量,包括验证包括验证,比较与比较与同一经济现象相应的几种假说同一经济现象相应的几种假说.即经济系统即经济系统的定量研究工作的定量研究工作.四四、模型的应用模型的应用（三）、经济预测（三）、经济预测:运用已经估计出来的计量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而为宏观调控和经营管理提
12、供依据（四）、政策评价（四）、政策评价:从许多不同政策中选择从许多不同政策中选择 较好的予以实行较好的予以实行,或者说研究不同政策对经或者说研究不同政策对经济目标所产生的影响济目标所产生的影响.第一章第一章 总论总论一一.了解计量经济学的一般问题了解计量经济学的一般问题:计量经济学由来和计量经济学由来和 定义、学科性质、计量经济学的内容体系定义、学科性质、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(时,间序列数据与横截面数据),、变量间的数量关系,、,计量经济学模型;,三.理解并掌握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
13、内容,.理解一元、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。,会用矩阵形式表示多元线性回归模型，知道其中每个矩阵的含义。并能用矩阵表示该模型的普通最小二乘参数估计量。,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.,（=
14、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;,回归分析残差总计df(1)(2)(3)SS1127.259(4)(5)MS(6)3.814982736F(7)Significance F6.43419E-11方差分析表Eviews分析结果Dependent Variable:YIncluded observations:23VariableCX2X3X4X5R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson statCoefficient37.
15、232360.005011-0.6111740.1984090.069503(10)(11)1.95319868.66969-45.214441.065034Std.Error3.7176950.0048930.1628490.063721(9)Mean dependent var S.D.dependent var Akaike info criterio Schwarz criterion F-statistic Prob(F-statistic)t-Statistic10.01490(8)-3.7530103.1137341.363144Prob.0.00000.31940.00150.
16、00600.189639.669577.3729504.3664734.61332073.870520.000000练习:下面是一些案例的分析结果（局部）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;方差分析表回归分析残差总计df(1)(2)(3)SS(4)1515833(5)MS49822411(6)F(7)Significance F2.54166E-15,Eviews分析结果Dependent Variable:YMethod:Least SquaresIncluded observations:
17、19VariableCX1X2Coefficient315.17800.0643211.382753Std.Error116.93260.007278(9)t-Statistic2.695382(8)1.389738Prob.0.01590.00000.1836()R-squared0.985016Mean dependent var3329.789Adjusted R-squared(10)S.D.dependent var2370.662S.E.of regression307.7979 Akaike info criterion14.44070Sum squared resid15158
18、33.Schwarz criterion14.58983Log likelihood-134.1867 F-statistic525.8882Durbin-Watson stat0.777752 Prob(F-statistic)0.000000Dependent Variable:YMethod:Least SquaresDate:12/23/07 Time:15:22Sample:1 10Included observations:10()Variable Coefficient Std.Error t-Statistic Prob.C 12.5845(1)3.76510.0000X1(2
19、)11.46780.08960.8564X2 15.442116.9987(3)0.4432R-squared 0.9562Mean dependent var 1265748Adjusted R-squared(4)S.D.dependent var 138280S.E.of regression 42356Akaike info criterion 22.8895Sum squared resid 7.44E+08Schwarz criterion 24.2631Log likelihood-119.85F-statistic 58.6556Durbin-Watson stat 0.963
20、5Prob(F-statistic)0.000033Dependent Variable:YMethod:Least SquaresIncluded observations:31VariableCX1X2R-squaredAdjusted R-squaredCoefficient877036.50.33033215.766670.944633（2）Std.Error28738.501.4685448.149030 Mean dependent var S.D.dependent vart-Statistic30.51782（1）1.934791Prob.0.00000.82370.06321
21、160401.126784.5(),R-squared0.944633 Mean dependent var1160401.Adjusted R-squared0.940678 S.D.dependent var126784.5S.E.of regression30879.72 Akaike info criterion23.60535Sum squared resid2.67E+10 Schwarz criterion23.74413Log likelihood-362.8830 F-statistic238.8582Durbin-Watson stat0.956102 Prob(F-sta
22、tistic)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；（)85.1,86.0,05.0uldd()Dependent Vari
23、able:YMethod:Least SquaresIncluded observations:19VariableCX1X2X3X4R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson statCoefficient-139.15720.036397（2）7.5054610.2122160.988977(4)282.22161115086.-131.26991.890784Std.Error232.63740.0142171.467469（3）0.142629 Mean
24、 dependent var S.D.dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)t-Statistic-0.598172（1）1.0979130.7855041.487891Prob.0.55930.02270.29080.44520.15903329.7892370.66214.3442014.59273314.02010.000000White Heteroskedasticity Test:F-statisticObs*R-squaredTest Equation:
25、Dependent Variable:RESID2Method:Least SquaresIncluded observations:19VariableCX1Coefficient-80010.104.6563292.63362812.88458Std.Error106191.314.88223 Probability Probabilityt-Statistic-0.7534520.3128780.0766980.115883Prob.0.46850.7608X12X2X22X3X32X4X42R-squaredAdjusted R-squaredS.E.of regressionSum
26、squared residLog likelihoodDurbin-Watson stat6.53E-05-117.8830-0.6221133006.499-16.639401.825724-0.0090940.6781360.42064553750.832.89E+10-227.81242.9908260.000149903.44511.0526386347.71528.9875765.471750.008874 Mean dependent var S.D.dependent var Akaike info criterion Schwarz criterion F-statistic
27、Prob(F-statistic)0.437255-0.130482-0.5910040.473635-0.5740180.027886-1.0248480.67120.89880.56760.64590.57860.97830.329658688.7570617.5524.9276225.374992.6336280.0766981.,由分析结果可以看出,该模型具有多重共线性的”经典”,特征:R2,=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.,41.85uuddd3回归模型随机误差项的自相关检验DW检验H
28、0：,=0,H1：0（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,Dependent Variable:YMethod:Least SquaresIncluded observations:18VariableCX1X2X3X4X5R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson statCoefficient-12815.966.2121400.421373-0.166253-0.097726-0.
29、0284030.9828010.975635688.23285683973.-139.50603.405930Std.Error14076.420.7408090.1268970.0592220.0676380.202333 Mean dependent var S.D.dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)t-Statistic-0.9104568.3856193.320580-2.807271-1.444840-0.140379Prob.0.38050.00000
30、.00610.01580.17410.890744127.114409.10016.1673316.46412137.14300.000000)06.2,71.0,05.0uldd(),(,White Heteroskedasticity Test:F-statisticObs*R-squaredTest Equation:Dependent Variable:RESID2Method:Least SquaresIncluded observations:18VariableCX1X12X2X221.10945611.03658Coefficient3.49E+088408.804-1.145
31、278-10576.500.047685 Probability ProbabilityStd.Error9.56E+089356.7731.44515816836.580.075673t-Statistic0.3652070.898686-0.792493-0.6281860.6301380.4591430.354675Prob.0.72570.39870.45410.54980.5486X3X32X4X42X5X52R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson
32、 stat474.4214-0.009578-926.45770.01099314742.43-0.2306820.6131430.060491517025.21.87E+12-253.84602.375909369.75060.007231599.54600.0076809595.3930.147639 Mean dependent var S.D.dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)1.283085-1.324559-1.5452651.4315251.5364
33、07-1.5624680.24030.22690.16620.19540.16830.1622315844.5533410.129.4273329.971451.1094560.459143Dependent Variable:YIncluded observations:37VariableCX1X2X4X5R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson statCoefficient-0.577678-0.0002230.0002373.712255-0.000
34、2690.9330130.9246400.63604312.94562-33.072761.169853Std.Error1.3406584.29E-054.17E-050.4671575.83E-05 Mean dependent var S.D.dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)t-Statistic-0.430891-5.1920195.6652407.946477-4.623162Prob.0.66940.00000.00000.00000.00013.2
35、108112.3169402.0579872.275679111.42610.000000)72.1,25.1,05.0uldd(),(,White Heteroskedasticity Test:F-statisticObs*R-squaredTest Equation:Dependent Variable:RESID2Included observations:37VariableCX1X12X2X22Coefficient4.9496812.83E-059.28E-11-0.0001871.67E-100.7336516.411747Std.Error15.050910.0003531.
36、37E-090.0003044.37E-10 Probability Probabilityt-Statistic0.3288630.0802270.067508-0.6173070.3826030.6612410.601212Prob.0.74470.93660.94670.54200.7049X4X42X5X52R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat-1.1065460.1830760.000241-3.47E-100.173290-0.062
37、9120.4730186.264886-19.645511.9078763.6281800.5598890.0004671.06E-09 Mean dependent var S.D.dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)-0.3049870.3269860.515204-0.3290790.76260.74610.61050.74450.3498820.4588061.5484061.9402510.7336510.661241Dependent Variable:
38、X5Method:Least SquaresIncluded observations:37VariableCX2X4X1R-squaredAdjusted R-squaredCoefficient11773.360.673131-986.8967-0.1105130.9965720.996261Std.Error3442.2770.0428261385.3640.126620 Mean dependent var S.D.dependent vart-Statistic3.42022515.71799-0.712373-0.872792Prob.0.00170.00000.48120.389
39、1231448.531081.75R-squaredAdjusted R-squaredS.E.of regressionSum squared residLog likelihoodDurbin-Watson stat0.9965720.9962611900.6461.19E+08-329.73220.508196 Mean dependent var S.D.dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)231448.531081.7518.0395818.2137331
40、98.1490.000000会将典型的非线性模型化为线性，会分析半对数、双对数模型中斜率系数的经济意义第五章建立线性回归模型中的线性是指：,（1）解释变量线性。（2）参数线性。,当解释变量是非线性的，但参数之间是线性的时，可以利用变量直接代换的方法将模型线性化。,非线性回归模型的直接代换1、多项式函数模型2、双曲线模型(Double-curve,Model)3、半对数模型和双对数模型,例：根据1973-1987年美国未偿付消费者信贷的数据，试运用半对数模型进行回归分析，求此期间的未偿付消费者信贷的增长率。uty10ln)95.26)(12.376()0035.0)(0319.0(0946.00
41、07.12ln*tsty解：运用半对数模型,其中，y-未偿付信贷额，t-年份序数。,利用Eviews得到回归方程为：注意：斜率系数的经济意义该模型中，斜率度量了给定解释变量的绝对变化所引起的Y的比例变动或相对变动0.0946:表示1973-1987期间的未偿付消费者信贷的年平均增长率为9.46%.例,：试运用双对数模型对1960-1982经济合作与发展组织(OECD)7个成员国的最终能源需求指数、实际GDP、实际能源价格的数据进行分析，并解释回归结果。解：运用双对数模型uxxy22110lnlnln利用Eviews得到回归方程为：)69.13()35.52()26.17()0243.0()01
42、90.0()08974.0(ln3309.0ln9963.0549.1ln*31tsxxy回归结果表明：能源的需求与收入（用实际GDP度量）正相关，与实际价格负相关收入的弹性估计值为0.9963,表示在其它条件不变的情况下，实际GDP每增加一个百分点，对能源的需求将平均增加0.9963同样地，在其它条件不变的情况下，能源价格每上涨一个百分点，对能源的需求将平均降低0.3309个百分点,非线性回归模型的间接代换在研究经济问题时，我们常遇到如下的指数函数模型：,对（.9）两边取对数（自然对数）可得：uexxy21210(.9)其中，u为随机项，0,1,2为模型参数，很容易看出，模型中参数也是非线性
43、的，因此不能直接进行变量的代换化为线性形式。uxxy22110lnlnlnln(.10)（.10）是双对数函数模型，可利用变量直接代换化为线性形式。这种先取对数后进行变量代换的方法称为间接代换法。著名的柯布道格拉斯（CobbDouglas）生产函数模型：就是这类模型的一个典型，我们用下面的举例说明。,例5-1,：表5-1列出了1955-1974年间墨西哥的产出y（用国内生产总值GDP度量，以1960年不变价格计算，单位为百万比索）、劳动投入x1（用总就业人数度量，单位为千人）以及资本投入x2（用固定资本度量，以1960年不变价格计算，单位业百万比索）的数据，试用回归分析法解释在墨西哥国内生产总
44、值产出中，各要素的贡献及其产出特点。,ueKALQ(.11)表5-1,墨西哥的实际GDP、就业人数和实际固定资本,利用Eviews得回归方程为：,t,=,(-2.73),(1.83),(9.06),p=,(0.0144*),(0.085),(0.000*),R2=0.99521ln9460.0ln3397.06524.1lnxxy,对回归方程解释如下：斜率系数0.3397表示产出对劳动投入的弹性，即表明在资本投入保持不变的条件下，劳动投入每增加一个百分点，平均产出将增加0.3397个百分点。同样地，在劳动投入保持不变的条件下，资本投入每增加一个百分点，产出将平均增加0.8640个百分点。两个弹性系数相加为规模报酬参数，其数值等于1.1857，表明墨西哥经济的特征是规模报酬递增的（如果数值等于1，属于规模报酬不变；小于1，则属于规模报酬递减）。
