《计量经济学-中国人民大学,赵国庆》由会员分享，可在线阅读，更多相关《计量经济学-中国人民大学,赵国庆（193页珍藏版）》请在金锄头文库上搜索。
1、计量经济学赵国庆 教授中国人民大学 信息学院主要内容n计量经济学导论 n一元线性回归模型 n多元线性回归模型 n模型中误差项假定的诸问题 n线性模型的扩展 n联立方程组模型的估计 第一章：计量经济学导论一、什么是计量经济学二、计量经济模型化过程分析第一章：计量经济学导论一、什么是计量经济学1消费函数考虑绝对收入假说的消费函数（Keynes functions ）Y：某国家（地区）消费X：收入第一章：计量经济学导论一、什么是计量经济学计量经济学的主要工作 （1）估计参数（2）检验上述关系式是否成立定义：计量经济学是一门根据现实的统计数据，具体 地估计由经济理论给出的变量之间的关系式，进而根 据估
2、计结果进行预策和政策评价的科学。第一章：计量经济学导论一、什么是计量经济学2. 计量经济学的发展史1930年在美国成立计量经济学学会，1933年学会创 立杂志 Econometrica AER（American Economic Review） JPE（Journal of Political Economy） QJE（Quarterly Journal of Economics）第一章：计量经济学导论二、计量经济模型化过程分析模型的检验 估计模型的参数 收集适当的资料(数据)理论的计量经济模型不 合 格合格政策评价预测第一章：计量经济学导论消费函数中参数 （边际消费倾向），投资乘 数（M）定
3、义如下：如果 ,则 . 关于投资乘数的解释：一个单位投资的增加可以带来 5个单位的国民收入的增加.第一章：计量经济学导论预备知识：高等数学、线性代数、概率论与数理统计基础、宏观经济学、微观经济学。 参考书目：赵国庆：（第二版），中国人民大学出版社，2005赵国庆，杨健：（TSP入门），中国金融出版社，2003Gujarati,D.N ：,中国人民大学出版社，2004Pindyck, R. S. and Rubinfeld, D.L： ,机械工业出版社, 1999第二章:一元线性回归模型 2.1 模型的假定 2.2 参数的最小二乘估计 2.3 最小二乘估计量的性质 2.4 系数的显著性检验 2.
4、5 预测误差和预测区间2.1 模型的假定2.1 模型的假定2.2参数的最小二乘估计 2.2参数的最小二乘估计 2.2参数的最小二乘估计 2.2参数的最小二乘估计 2.2参数的最小二乘估计 t12345678910 X19202224293137404042 Y18192021242830333736例 2-12.2参数的最小二乘估计 2.2参数的最小二乘估计 2.2参数的最小二乘估计 2.3最小二乘估计量的性质1. 线性特性（Linear） 2.3最小二乘估计量的性质2. 无偏性（unbiased） 2.3最小二乘估计量的性质3. 有效性（efficiency） 2.3最小二乘估计量的性质3.
5、 有效性（efficiency） 2.3最小二乘估计量的性质3. 有效性（efficiency） 2.3最小二乘估计量的性质3. 有效性（efficiency） 2.3最小二乘估计量的性质3. 有效性（efficiency） 2.3最小二乘估计量的性质3. 有效性（efficiency） GaussMarkov定理：满足性质1、2、3的最小二乘 估计量是最优线性无偏估计量（best linear unbiased estimator：BLUE）2.3最小二乘估计量的性质3. 有效性（efficiency） 2.3最小二乘估计量的性质3. 有效性（efficiency） 2.4 系数的显著性检验
6、定理1 2.4 系数的显著性检验定理1 2.4 系数的显著性检验定理 2 2.4 系数的显著性检验证明：2.4 系数的显著性检验2.4 系数的显著性检验最小二乘估计量的大样本性质： 2.4 系数的显著性检验2.4 系数的显著性检验2.4 系数的显著性检验2.4 系数的显著性检验2.4 系数的显著性检验2.4 系数的显著性检验2.4 系数的显著性检验2.5 预测误差和预测区间2.5 预测误差和预测区间2.5 预测误差和预测区间2.5 预测误差和预测区间第三章:多元线性回归模型 3.1 模型的假定 3.2 最小二乘估计 3.3 最小二乘估计的性质 3.4 模型的离差形式和决定系数 3.5 参数估计
7、的分布性质 3.6 多重共线性 3.1 模型的假定3.1 模型的假定3.2最小二乘估计 3.2最小二乘估计 3.3最小二乘估计的性质 3.3最小二乘估计的性质 3.3最小二乘估计的性质3.3最小二乘估计的性质 3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数
8、3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.4模型的离差形式和决定系数3.5 参数估计的分布性质3.5 参数估计的分布性质式中C是一等幂矩阵，且存在一正交变换矩阵P 使 3.5 参数估计的分布性质3.5 参数估计的分布性质3.5 参数估计的分布性质3.5 参数估计的分布性质3.5 参数估计的分布性质3.5 参数估计的分布性质3.5 参数估计的分布性质3.5 参数估计的分布性质3.5 参数估计的分布性质3.5 参数估计的分布性质3.6 多重共线性 一、多重共线性存在的后果 二、多重共线性的判别尺度 三、多重共线性的解决方法 3.6 多重共线性一、多重共线性存在的后果 3.6
9、多重共线性由上机实验数据表1、2 3.6 多重共线性3.6 多重共线性多重共线性存在产生的后果： 1. 估计精度下降。 2. 估计结果（包括方差、协方差）对数据 的极小变化很敏感。 3.可以得到一个较高的决定系数R2，但系 数估计在统计上很少显著。 3.6 多重共线性二、多重共线性的判别尺度 分析在什么样的情况下，多重共线性对估计结果影响太 大，以至于不得不考虑它们的存在。3.6 多重共线性3.6 多重共线性VIF称为方差扩大因子（Variance Inflation Factor）,利 用它来描述变量之间的共线程度3.6 多重共线性3.6 多重共线性三、多重共线性的解决方法 1岭回归（Rid
10、ge Regression） 2对模型不作任何调整 3增加样本信息 4对数据作变换 3.6 多重共线性1岭回归（Ridge Regression）3.6 多重共线性3.6 多重共线性3.6 多重共线性2对模型不作任何调整现有库存调整模型的估计结果： 3.6 多重共线性3.6 多重共线性3增加样本信息Brown消费函数估计结果如下： 3.6 多重共线性3.6 多重共线性3.6 多重共线性3.6 多重共线性3.6 多重共线性3.6 多重共线性4对数据作变换第四章 模型中误差项假 定的诸问题4.1 广义最小二乘估计 4.2 异方差性 4.3 序列相关4.1 广义最小二乘估计4.1 广义最小二乘估计4
11、.1 广义最小二乘估计4.1 广义最小二乘估计4.1 广义最小二乘估计4.1 广义最小二乘估计4.1 广义最小二乘估计4.2 异方差性式中括号内数值为参数估计的标准差，X 表示收入 ，Y 表示消费。当收入较小时，收入用来购买生活必需 品的比例较大，消费变动的幅度较小。随着收入的增大 ，用于购买生活必需之外的部分增大，选择的范围也变 大，带来消费变动幅度的增大。这时我们怀疑误差项的 方差是否等于一个常量？ 4.2 异方差性4.2 异方差性4.2 异方差性4.2 异方差性4.2 异方差性4.2 异方差性异方差性的检验： 1图示法。 2根据所讨论问题的性质。 3 BreuschPagan检验 4.3
12、 序列相关一、误差项序列相关存在的原因 二、序列相关存在模型估计的影响 三、序列相关的DW检验 四、模型的估计 4.3 序列相关一、误差项序列相关存在的原因模型设定的偏误经济行为的惯性 4.3 序列相关二、序列相关存在模型估计的影响4.3 序列相关二、序列相关存在模型估计的影响4.3 序列相关二、序列相关存在模型估计的影响4.3 序列相关三、序列相关的DW检验 4.3 序列相关三、序列相关的DW检验 4.3 序列相关三、序列相关的DW检验 4.3 序列相关三、序列相关的DW检验 4.3 序列相关三、序列相关的DW检验 DW 检验区域示意图 4.3 序列相关四、模型的估计4.3 序列相关四、模型
13、的估计4.3 序列相关四、模型的估计4.3 序列相关四、模型的估计4.3 序列相关四、模型的估计4.3 序列相关四、模型的估计4.3 序列相关四、模型的估计4.3 序列相关四、模型的估计4.3 序列相关四、模型的估计4.3 序列相关四、模型的估计第五章 线性模型的扩展n5.1 模型的类型与变换n5.2 虚拟变量n5.3 结构变化的检验n5.4 分布滞后模型5.1 模型的类型与变换phillips曲线：5.1 模型的类型与变换5.2 虚拟变量一、一时期的虚拟变量 （异常值的处理） YDX 120350 230400 3355004355505385606405707704005.2 虚拟变量5.
14、2 虚拟变量5.2 虚拟变量5.2 虚拟变量5.2 虚拟变量5.2 虚拟变量5.2 虚拟变量5.2 虚拟变量5.3 结构变化的检验5.3 结构变化的检验5.4 分布滞后模型 5.4 分布滞后模型 5.4 分布滞后模型 5.4 分布滞后模型 5.4 分布滞后模型 5.4 分布滞后模型 5.4 分布滞后模型 5.4 分布滞后模型 5.4 分布滞后模型 5.4 分布滞后模型 第六章 联立方程组模型的估计 6.1 联立方程组模型及其简化式 6.2 联立方程的bias 6.3 间接最小二乘估计 6.4 两阶段最小二乘估计 6.1 联立方程组及其简化式6.1 联立方程组及其简化式6.1 联立方程组及其简化
15、式联立方程组模型涉及主要问题：6.1 联立方程组及其简化式6.2 联立方程的bias 6.2 联立方程的bias 6.2 联立方程的bias 6.3 间接最小二乘法 （ILS：indirect Least Squares） 6.3 间接最小二乘法 6.3 间接最小二乘法6.3 间接最小二乘法6.3 间接最小二乘法6.3 间接最小二乘法6.3 间接最小二乘法6.3 间接最小二乘法即只得出供给函数的个参数估计，此时称供给函 数是可识别的，需求函数是不可识别的。6.3 间接最小二乘法6.3 间接最小二乘法6.3 间接最小二乘法结构模型可识别条件（次数条件order condition）： 6.3 间接最小二乘法6.3 间接最小二乘法6.3 间接最小二乘法6.3 间接最小二乘法识别的充要条件，必须讨论结构模型 中参数所形成矩阵的秩，实证分析时 不容易讨论。 6.4 两阶段最小二乘法（TSLS：Two Stage Least Squares） 6.4 两阶段最小二乘法由于 ，不能直接对消费函数用最小二乘 估计，可用间接最小二乘估计，但要求所讨论 方程恰好识别。 第一阶段：求该模型的简化式，对简化式用OLS 。 6.4 两阶段最小二乘法第二阶段： 6.4 两阶段最小二乘法
