《779编号计量经济学课程总结》由会员分享，可在线阅读，更多相关《779编号计量经济学课程总结（30页珍藏版）》请在金锄头文库上搜索。
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。 研究的主体（出发点、归宿、核心）： 经济现象及数量变化规律 研究的工具（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,计量经济学研究的三个方面,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
2、,计量经济学研究的基本概述：,准 备 阶 段 计 量 过 程 运 用 阶 段,根据数据 运用方法 对模型估 计、检验,结构分析,经济预测,政策评价,经济计量 模型,经济 模型,数量化,经济 理论,加工的 数据,统计 数据,经济计 量方法,数理 统计,事 实,反映为,补充改造,计量经济学的研究方法,计量经济学的研究步骤（四个阶段）： 选择变量和数学关系式 模型设定 确定变量间的数量关系 估计参数 检验所得结论的可靠性 模型检验 作经济分析和经济预测 模型应用,设定计量经济模型的基本要求,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
3、用性 两种不好的模型： 太过复杂真实但不实用 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，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、其它估计方法,模型检验,为什么要检验？
4、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。 统计推断检验 方程的拟合优度检验、方程显著性检验、变量显著性检验。 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 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
5、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） 理论的检验与发展,经济理论,实际经济活动,搜集统计数据,设定计量模型,参数估计,模型检验,是否符合标准,模型应用,经济预测,结构分析,政策评价,修订模型,符合,不符合,计量经济学的研究过程,理论的检验与发展,当代计量经济模型体系,14,内容框架,第二章 一元线性回归模型,第七
6、章 多重共线性,第五章 异方差,第四章 非线性回归模型的线性化,第三章 多元线性回归模型,第六章 自相关,第八章 模型中特殊解释变量,第九章 联立方程模型,第十一章 模型的诊断与检验,第十二章 时间序列模型,经典回归理论分析,违背经典假定问题- 模型诊断,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X）的已知或设定值，去估计和（或）预测前者(被解释变量Y)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；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1：零均值假定 假定2：同方差假定 假定3：无自相关假定 假
7、定4：随机扰动与解释变量不相关 假定5：对随机扰动项分布的正态性假定 假定6：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,回归参数的检验,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
8、、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相互相关，就称为存在序列相关性 检验的总体思路：首先采用普通最小二乘法估计模型，以求得随机干扰
9、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 D-W统计量的适用范围及判别规则； LM检验的特点 序列相关的解决方法广义差分法法,多重共线性 多重共线性：如果某两个或
10、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
11、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。 虚拟变量的设置方法 当定性变量含有m个类别时，最多只能引入m -1 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
12、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 待识别方程的被斥变量系数矩阵的秩 = （联立方程模型中方程个数 1） 联立方程模型的估计方法 单一方程估计法：间接最小二乘法、工具变量法、两阶段最小二乘法 方程组估计法系统估计法（没有讲）,第四部分：时间序列模型,时间序列模型的分类 自回归模型（AR） 移动平均过程（MA） 自回归移动平均过程（ARMA） 单整自回归移动平均过程（ARDMA） 各类时间序列模型的特点及参数（p,q,d）识别,最后预祝大家考试顺利寒假愉快！,
