《李子奈计量经济学课堂笔记》由会员分享，可在线阅读，更多相关《李子奈计量经济学课堂笔记（30页珍藏版）》请在金锄头文库上搜索。
1、计量经济学模型的各种检验经济意义检验：检验求得的经济模型的参数估计值的符号和大小是否符合经验和经济理论。统计检验：检验参数估计值的可靠性，包括拟合优度检验、回归效果的检验。拟合优度检验反映了解释变量的变化可以解释被解释变量R2%的变动；回归效果的检验主要检验方程显著性、解释变量是否对被解释变量具有显著性影响。计量经济学检验：包括随机干扰项的异方差性、序列相关性，解释变量的多重共线性，模型设定的偏误性检验。模型的预测检验：检验模型参数估计量的稳定性及其在样本量变化时的灵敏度。一元线性回归模型普通最小二乘估计(ordinary least squares，OLS)：使用OLS方法需要满足的假设有：
2、对于随机干扰项，零均值、同方差、无序列相关性、服从正态分布；对于解释变量，应具有非随机性、如果是随机的不能与随机干扰项相关、各解释变量间不存在线性相关性。最大似然估计=最大或然估计(maximum likelihood，ML) 拟合优度检验：检验模型对样本观测值的拟合程度，其统计量是可决系数R2，R2直接由回归结果给出。但是R2只是比较模糊的推测，不能给出严格的统计结论。变量的显著性检验：考察解释变量是否对被解释变量有显著的线性影响，假设参数为0。使用t统计量检验，可以直接依据回归结果给出的P值判断(Pa 时显著)。在一元回归中，变量的显著性检验与方程总体线性的显著性检验一致，因为只有一个解释
3、变量。参数的置信区间：Eviews5中，函数C(1)返回系数参数的估计值，C(2)返回截距参数的估计值，分别等于Eviews5输出结果中的Coefficient。置信度95%的置信区间的上下限为C(i)stderrs(i)*qtdist(0.975, n-2)(i=1，2)，其中stderrs(i)(standard errors)为第i个解释变量的标准误差，等于Eviews5输出结果中的Std. Error；stderrs(i)*qtdist(0.975, n-2)(i=1，2)为估计误差。参数置信区间Eviews5操作：把置信区间保存为矩阵，建一个2行3列的矩阵，步骤：（1）使用matri
4、x(2,3) para_conf_intval，创建一个存放置信区间的2行3列的矩阵（2）打开回归方程，使用scalar tinv=qtdist(0.975, regobs-2)创建并保存t分布临界值的标量tinv，因为下面的方法禁止使用二维数组形式的括号，所以上式无法合并到下式（3）打开回归方程，使用para_conf_intval.fill 1,2,C(1)-stderrs(1)*tinv,C(2)-stderrs(2)*tinv,C(1)+stderrs(1)* tinv,C(2)+stderrs(2)* tinv，按先列后行的顺序填充矩阵。矩阵中的结果即为参数的置信区间，形式为(第几个
5、参数，估计值下限，估计值上限)，其中参数显示的顺序与回归结果中的变量顺序一致。均值或个别值的估计值或预测值Eviews5操作：（1）使用scalar X0=解释变量的新观测值，将自变量的取值存放到标量X0中（2）由Y0=C(2)+C(1)*X0(X0为解释变量的取值)，打开回归方程，使用scalar forecast_value=C(1)+C(2)*X0(注意：C(1)为截距系数)，将Y0预测值存放到标量forecast_value中。 均值预测值的置信区间=预测值均值预测值的估计误差，均值预测值的估计误差=t临界值均值预测值的估计误差，均值预测值的估计误差=残差标准误差sqrt(1/n+X0
6、的离差方X的总离差方和)。Eviews5中的均值预测值95%置信区间公式为：Y0qtdist(0.975, n2)sesqrt(1/n+(X0mean(X)2/(nvar(X)，其中，X0为解释变量X的样本观测值；函数se返回残差标准误差(也称回归标准误差或随机干扰项标准差，其值等于Eviews5结果中的S.E. of regression，即s2的估计值)；(X0mean(X) 2是X0的离差方；nvar(X) 返回X的总离差方和。此问题必须在方程被显示的情况下进行。均值预测值置信区间Eviews5操作：把均值预测值的置信区间保存为矩阵，建一个1行2列的矩阵，步骤：（1）使用matrix(1
7、,2) mean_forecast_intval，创建一个存放置信区间的2行3列的矩阵（2）打开回归方程，使用mean_forecast_intval.fill forecast_value-tinv*se*sqrt(1/regobs+(X0-mean(X)2/(regobs*var(X), forecast_value+tinv*se*sqrt(1/regobs+(X0-mean(X)2/(regobs*var(X)，按先列后行的顺序填充矩阵。矩阵中的结果即为参数的置信区间，形式为（第几个参数，估计值下限，估计值上限），其中参数显示的顺序与回归结果中的变量顺序一致。个别值预测值的置信区间=预
8、测值个别值预测值的估计误差，个别值预测值的估计误差=t临界值个别值预测值的估计误差，个别值预测值的估计误差=残差标准误差sqrt(1+1/n+X0的离差方X的总离差方和)。Eviews5中的个别值预测值95%置信区间公式为：Y0qtdist(0.975, n2)sesqrt(1+1/n+(X0mean(X)2/(nvar(X) (注意：sqrt中要加1)。其中，X0为解释变量X的新观测值；函数se返回残差标准误差（也称回归标准误差，其值等于Eviews5结果中的S.E. of regression）；(X0mean(X) 2是X0的离差方；nvar(X) 返回X的总离差方和。此问题必须在方程被
9、显示的情况下进行。个值预测值置信区间Eviews5操作：把个别值预测值的置信区间保存为矩阵，建一个1行2列的矩阵，步骤：（1）使用matrix(1,2) single_forecast_intval，创建一个存放置信区间的2行3列的矩阵（2）打开回归方程，使用single_forecast_intval.fill forecast_value-tinv*se*sqrt(1+1/regobs+(X0-mean(X)2/(regobs*var(X), forecast_value+tinv*se*sqrt(1+1/regobs+(X0-mean(X)2/(regobs*var(X)，按先列后行的顺
10、序填充矩阵。矩阵中的结果即为参数的置信区间，形式为（第几个参数，估计值下限，估计值上限），其中参数显示的顺序与回归结果中的变量顺序一致。多元线性回归模型矩估计（moment method，MM）工具变量方法（intstrumental variables，IV）广义矩估计法（generalized moment method，GMM）拟合优度检验：统计量是可决系数R2，常使用调整的可决系数（Adjusted R-squared）。赤池信息准则（Akaike information criterion，AIC）：用于比较所含解释变量个数不同的多元回归的拟合优度。如果增加变量后使得AIC减少，说明
11、该增加的变量具有解释能力，则在模型中增加该解释变量。AIC由Eviews5直接输出。施瓦茨准则（Schwarz criterion，SC）：用于比较所含解释变量个数不同的多元回归的拟合优度。如果增加变量后使得SC减少，说明该增加的变量具有解释能力，则在模型中增加该解释变量。SC由Eviews5直接输出。方程总体线性显著性检验：简称方程显著性检验，假设方程总体不呈线性。使用F统计量（F-statistic）检验，可以直接依据回归结果给出的P值（Prob(F-statistic)）判断（Pa 时显著）。变量的显著性检验：考察解释变量是否对被解释变量有显著的线性影响，以决定相应的解释变量能否被保留在
12、模型中，当某解释变量的影响不显著时，应当将该变量从模型中剔除。假设参数为0。使用t统计量（t-Statistic）检验，可以直接依据回归结果给出的P值判断（Pa 时显著）。参数的置信区间：Eviews5中，使用函数C(i)获得第i个参数的估计值（i=1，2，k+1），等于Eviews5输出结果中的Coefficient，C(k+1)为截距的估计值，k为解释变量的个数，不含常数项，k+1为参数的个数。置信度95%的置信区间的上下限等于C(i)stderrs(i)qtdist(0.975, n-k)（i=1，2，k+1），其中stderrs(i)（standard errors）为第i个解释变量或
13、截距的标准误差，等于Eviews5输出结果中的Std. Error；stderrs(i)qtdist(0.975，n-k)为估计误差。参数的置信区间Eviews5操作：把置信区间保存为矩阵，建一个k行3列的矩阵，步骤：（1）打开回归方程，使用scalar n=regobs将样本容量存放到标量n中（2）使用scalar k=ncoef将参数个数存放到标量k中（3）使用scalar tinv=qtdist(0.975, n-k)创建并保存t分布临界值的标量tinv，因为下面的方法禁止使用二维数组形式的括号（4）使用matrix(k,3) para_conf_intval，创建一个存放置信区间的k行
14、3列的矩阵（5）回归方程具有3个参数时，可使用para_conf_intval.fill 1,2,3,C(1)-stderrs(1)*tinv,C(2)-stderrs(2)*tinv,C(3)-stderrs(3)*tinv,C(1)+stderrs(1)*tinv,C(2)+stderrs(2)*tinv,C(3)+stderrs(3)*tinv，按先列后行的顺序填充矩阵。矩阵中的结果即为参数的置信区间，形式为（第几个参数，估计值下限，估计值上限），其中参数显示的顺序与回归结果中的变量顺序一致。均值或个别值的估计值或预测值：由Y0=C(k+1)C(1)X10C(2)X20C(k)Xk0，其
15、中，X10，X20，Xk0为解释变量X1，X2，Xk的观测值；C(k+1)为常数项；k为解释变量的个数，不含常数项，故参数个数为k+1。均值与个值的估计值Eviews5操作：（1）使用scalar x10=X1的观测值，scalar x20=X2的观测值scalar xk0=Xk的观测值，将k个解释变量的观测值存放到标量中（2）使用matrix forecast_value=C(1)+C(2)*X10+C(3)*X20+C(k)*Xm0（注意：k=ncoef为参数个数，m=k-1），将预测值Y0存放到矩阵forecast_value中。均值预测值的置信区间：多元回归的置信区间较麻烦，需使用矩阵。均值的置信区间Eviews5操作：（1）使用命令：group gx 1 x1 x2 （注意：只用空格间隔，开头没有等号，1为常数列向量，X1，X2为两个解释变量序列），将常数项和解释变量的列向量合并为n行k列的组（不是矩阵，此处的k是参数个数）（2）：使用命令：stom(gx, x)将组gx转化为矩阵X（3）使用命令：matrix(1, k) x0（此处的k=ncoef是参数个数）创建一个1行k列的矩阵x0，表示新的观测值矩阵（4）使用命令：x0.fill 1, X10, X20,（注意有逗号，有常数项列向量1，Xk0表示第k
