11种计量模型
第9章、ARMA模型和ARIMA模型
第9章、ARMA模型和ARIMA模型计量经济学的重点在于解释，而不是预测。
但是，对于某些具体的问题，人们对预测的兴趣仍然很大。
如对GDP、人口等宏观经济变量的预测：什么时候超英赶美。
常见的4种预测模型为：1.单方程回归模型2.联立方程回归模型3.ARIMA模型（自回归积分移动平均模型）4.V AR模型（向量自回归模型）前面两种预测模型的特点：优点：经济学理论作为计量分析的基础。
缺点：Lucas批判（Lucas Critique）指出，使用历史数据估计的计量模型的参数依赖于历史的宏观经济政策。
如果宏观经济政策发生变动，这些参数也会变动。
据此而实施的预测必然误差很大，特别是长期预测。
例子：根据过去几年数据建立的IS－LM模型，难以预测中国宏观调控后和利率提高后的宏观经济。
后面两种预测模型的特点：优点：Box－Jenkins方法的重点不是寻找解释y的解释变量，而是使用滞后的y来构造生产y的动力系统。
所使用的y是平稳序列，即y的均值、方差和自协方差与时间的绝对水平无关，那么分布特征不变，可以适用不同经济环境。
短期预测能力较强。
缺点：为预测而预测。
是泛理论的（a－theoretic），缺乏经济理论基础，很难解释计量结果的经济含义。
当然可以整合这两类方法的优点。
ARMAX模型。
§1、ARIMA模型ARIMA模型(自回归积分移动平均模型，autoregressive integrated movingaverage) 推广了如下模型：AR 模型、MA 模型和ARMA 模型。
1、AR 模型 （1）定义称平稳序列y t 服从AR(p)模型，如果可以表示为11...t t p t p t y y y μααε−−=++++其中t ε是白噪声（均值为0，同方差，无自相关）。
AR 模型的特点：除了滞后的y 之外，没有其他的解释变量。
（2）AR 模型的平稳条件记L 为滞后算子(lag operator)，Ly t ＝y t －1。
空间计量方法模型
空间计量方法模型空间经济计量模型主要解决回归模型中复杂的空间相互作用与空间依存性结构问题（Anselin ，1988）。
长期以来，在主流的经济学理论中，空间事物无关联及均质性假定的局限，以及普遍使用忽视空间效应的普通最小二乘法 (OLS)进行模型估计，使得在实际应用中往往存在模型的设定偏差问题，进而导致经济学研究得出的各种结果和推论不够完整、科学，缺乏应有的解释力(吴玉鸣，2007)。
空间计量经济学 (Anselin ，1988)理论认为一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上同一现象或属性值是相关的。
几乎所有的空间数据都具有空间依赖性或空间自相关性的特征，空间依赖的存在打破了大多数经典统计和计量分析中相互独立的基本假设。
也就是说，各区域之间的数据存在与时间序列相关、相对应的空间相关。
根据空间计量经济学方法原理，空间计量分析的思路如下：首先采用空间统计分析Moran 指数法检验因变量是否存在空间自相关性；如果存在空间自相关性，则以空间计量经济学理论方法为基础，建立空间计量经济模型，进行空间计量估计和检验。
1.空间自相关性检验空间相关性存在与否，实际应用研究中常常使用空间自相关指数Moran’I ，其计算公式如下所示：∑∑∑∑==-==---=ni nj ijj ni nj i ijW S Y Y Y Y WI Moran 11211,)()( （3）其中，∑∑=-=-=-=ni i n i i Y n Y Y Y n S 1121;)(1，i Y 表示第i 地区的观测值；n 为地区总数(本文为28)；ij W 为二进制的邻接空间权值矩阵，表示其中的任一元素，采用邻接标准或距离标准，其目的是定义空间对象的相互邻接关系，便于把地理信息系统(GIS)数据库中的有关属性放到所研究的地理空间上来对比。
一般邻接标准的ij W 为：⎩⎨⎧=不相邻；区域和当区域相邻；区域和当区域j i j i W ij 01 。
计量经济学
名词解释1、 因果效应：在理想化随机对照实验中得到的，某一给定的行为或处理对结果的影响2、 实验数据：来源于为评价某种处理（某项政策）抑或某种因果效应而设计的实验3、 观测数据：通过观察实验之外的实际行为而获得的数据4、 截面数据：对不同个体如工人、消费者、公司或政府机关等在某一特定时间段内收集到的数据5、 时间序列数据：对同一个体（个人、公司、国家等）在多个时期内收集到的数据6、 面板数据：即纵向数据，是多个个体分别在两个或多个时期内观测到的数据7、 离散型随机变量：一些随机变量是离散的连续型随机变量：一些随机变量是连续的8、 期望值：随机变量经过多次重复实验出现的长期平均值，记作E （Y ）9、 期望：Y 的长期平均值，记作μY10、方差：是Y 距离其均值的偏差平方的期望值，记作var （Y ）11、标准差：方差的平方根来表示偏差程度，记作σY12、独立性：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息13、标准正态分布：指那些均值102==σμ、方差的正态分布，记作N （0，1）14、简单随机抽样：n 个对象从总体中抽取，且总体中的每一个个体都有相等的可能性被选入样本15、独立分布：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息，那么这两个变量X 和Y 独立分布 16、偏差：设Y Y E Y Y μμμμ-ˆˆ）（为的一个估计量，则偏差是； 一致性：当样本容量增大时，Y μˆ落入真实值Y μ的微小领域区间内的概率接近于1，即Y Y μμ与ˆ是一致的 有效性：如果Y μˆ的方差比Y μ~更小，那么可以说Y Y μμ~ˆ比更有效 17、最小二乘估计量：21)(m ini -Y ∑=最小化误差m -i Y 平方和的估计量m 18、P 值：即显著性概率，指原假设为真的情况下，抽取到的统计量与原假设之间的差异程度至少等于样本计算值与 原假设之间差异程度的概率19、第一类错误：拒绝了实际上为真的原假设20、一元线性回归模型：i i 10i μββ+X +=Y ；1β代表1X 变化一个单位所导致Y 的变化量21、普通最小二乘（OLS ）估：选择使得估计的回归线与观测数据尽可能接近的回归系数，其中近似程度用给定X 时预 测Y 的误差的平方和来度量22、回归2R ：可以由i X 解释（或预测）的i Y 样本方差的比例，即TSSSSR TSS ESS R -==12 23、最小二乘假设：①给定i X 时误差项i μ的条件均值为零：0)(i i =X μE ；②从联合总体中抽取的，，，，），，（n ...21i i i =Y X 满足独立同分布；③大异常值不存在：即i i Y X 和具有非零有限的四阶距24、1β置信区间：以95%的概率包含1β真值的区间，即在所有可能随机抽取的样本中有95%包含了1β的真值25、同方差：若对于任意i=1，2，...，n ，给定）（条件分布的方差时χμμ=X X i i i i var 为常数且不依赖于χ，则 称误差项i μ是同方差26、异方差：若对于任意i=1，2，...，n ，给定）（条件分布的方差时χμμ=X X i i i i var 为常数且依赖于χ，则称 误差项i μ是异方差27、遗漏变量偏差：指OLS 估计量中存在的偏差，它是在回归变量X 与遗漏变量相关时产生的28、多元回归模型：n ...1i ...i k i k i 22i 110i ，，，=+X ++X +X +=Y μββββ；1β代表在其他影响Y 的因素2X 不变的 前提下，1X 变化一个单位所导致Y 的变化量29、调整2R （2R ）:是2R 的一种修正形式，由于加入新变量后2R 不一定增大，即22ˆ211-k -n 1-n 1Y s s TSS SSR R μ-=⨯-= 30、虚拟变量陷阱：如果有G 个二元变量，且每个观测都只属于其中一类，又如果回归中包含截距项以及所有G 个二 元变量，则会因为完全多重共线性而无法进行回归31、控制变量：回归中保持某些因素不变的回归量32、二次回归模型：i 2i 2i 10i ncome ncome core est μβββ+++=I I S T 33、非线性回归函数：i k i i 2i 1i ...f μ+X X X =），，，（Y ，i=1，...，n ；其中f （k i i 2i 1...X X X ，，，）为非线性回归函数 34、多项式回归模型：i r i r 2i 2i 10i ...μββββ+X ++X +X +=Y35、双对数模型：i i 10i ln ln μββ+X +=Y ）（）（填空题1、 计量经济学提供了利用观测数据（而非实验数据）或者来自现实世界不太完美的实验数据估计因果效应的方法2、 截面数据 是多个个体在同一时间点上收集到的数据；时间序列数据是一个个体在多个时间点上收集到的数据；面板数据 是多个个体分别在多个时间点上收集到的数据3、 随机变量Y 的期望值（也可称为均值，μY ）记作E （Y ），是变量的概率加权平均值；Y 的方差为[]2)(2Y Y E μσ-=Y ,Y 的标准差是方差的平方根4、 两个随机变量X 和Y 的联合概率由它们的联合概率分布所表示；给定X=χ下Y 的条件概率分布是指给定X 取值为χ的条件时，Y 的概率分布5、 正态分布随机变量具有钟形概率密度；若要计算有关正态随机变量的概率，首先需要对其标准化，然后再查阅附录表1的标准正态累积分布表6、 简单随机抽样可以产生n 个随机观测值1Y ，...，n Y ，它们是独立分布的7、 样本均值n 1...Y Y Y Y ，，的估计量；当是总体均值μ为独立分布时，有： ①Y 的抽样分布均值为n 22Y=Y Y σσμ，方差为；②Y 是无偏的；③根据大数定律，Y 是一致的； ④根据中心极限定理，当样本容量较大时，Y 的抽样分布是近似正态的8、 t 统计量可以用来计算和原假设相关的p 值；较小的p 值意味着原假设是错误的9、 Y μ的95%置信区间是指在95%全部可能样本中包含Y μ真值的区间10、样本相关系数是总体相关系数的估计量，它度量了两个变量之间的线性关系—它们的散点图究竟有多近似于一条直线11、总体回归线X X +是10ββ的函数，表示Y 的均值：斜率1β表示X 变化一个单位时对应Y 的预期变化；截距0β决定了回归线的水平（或高低）12、利用样本观测数据(i i Y X ，),i=1，2，... ，n 使用普通最小二乘法可以估计总体回归线；回归截距和斜率的OLS 估计量分别记为10ˆˆββ和 13、2R 和回归标准误差（SER ）度量了i Y 与总体回归线的接近程度；其中2R 的取值范围为0到1；2R 取值较大表明i Y 接近总体回归线；回归标准误差是回归误差的标准差的估计量14、线性回归模型中有三个重要假设：①给定i X 时误差项i μ的条件均值为零：0)(i i =X μE ； ②从联合总体中抽取的，，，，），，（n ...21i i i =Y X 满足独立同分布；③大异常值不存在：即i i Y X 和具有非零有限的四阶距；若这些假设成立，则OLS 估计量10ˆˆββ和是①无偏的②一致的③大样本时服从正态分布 15、对回归系数的假设检验类似于对总体均值的假设检验，都是利用t 统计量来计算p 值，从而确定是接受还是拒绝 原假设；类似于总体均值的置信区间，回归系数的95%置信区间为估计量±1.96标准误差16、如果三个最小二乘假设成立，回归误差同方差并且服从正态分布，则利用同方差适用标准误差计算的t 统计量在原假设下服从学生t 分布；当样本容量足够大时，学生t 分布和正态分布之间的差异可忽略不计17、若遗漏变量（1）与回归中的回归变量相关；（2）是Y 的决定因素之一，则会产生遗漏变量偏差（同时满足）18、多元回归模型是包含多个回归变量的线性回归模型，，，k 21...X X X ，每个回归变量都对应一个回归系数 ，，，，k 21...βββ其中系数1β表示在其他回归变量不变的情况下，1X 变化一个单位时Y 的预期变化，其他回归系数的解释与之类似19、可通过OLS 估计多元回归中的系数；当满足四个最小二乘假设时，OLS 估计量是无偏一致估计量，并且在i 大样本 下服从正态分布①给定i k i i 2i 1...μ时，，，X X X 的条件均值为零，即0...k i i 2i 1i =X X X ），，，（μE ；②从联合分布中抽取的i Y ),...i k i i 2i 1，，，，（X X X =1，...，n 满足独立同分布； ③不存在大异常值，即具有及，，i k i i 1...Y X X 非零有限四阶距； ④不存在完全多重共线性20、在多元回归中，当某个回归变量是其他回归变量的完全线性组合时就产生了完全多重共线性，通常是有选择回归变量时的错误引起的，因此处理完全多重共线性的方法是改变回归变量集21、回归标准误差、22R R 及都表示多元回归模型的拟合优度22、当系数涉及多个约束时的假设称为联合假设，可利用F 统计量进行检验23、在非线性回归中，总体回归函数的斜率依赖于一个或多个解释变量的取值24、两个变量的乘积项称为交互项，在回归中加入交互项可以使其中一个变量的回归斜率依赖于另一个变量的取值计算题P41 2.2 使用表2-2中的概率密度计算E（Y）和E（X）Pr（X=0）=0.30 Pr（X=1）=0.70Pr（Y=0）=0.20 Pr（Y=1）=0.78E（X）=0*0.30+1*0.70=0.70E（Y）=0*0.22+1*0.78=0.782.6下面的表格给出了基于2008年美国适龄人口从业状况和接受大学教育的联合分布（1）E（Y）=0*0.046+1*0.954=0.954（2）失业率=Pr（Y=0）=0.046（3）E（Y丨X=1）=0*Pr（Y=0丨X=1）+1*Pr（Y=1丨X=1）=0.332/0.341=0.9736E（Y丨X=0）=0*Pr（Y=0丨X=0）+1*Pr（Y=1丨X=0）=0.622/0.659=0.94385（4）大学毕业生的失业率=1-E（Y丨X=1）=1-0.9736=0.0264非大学毕业生的失业率=1-E（Y丨X=0）=1-0.94385=0.5615（5）Pr（X=1丨Y=0）=0.009/0.046=0.196Pr（X=0丨Y=0）=0.037/0.046=0.804（6）P（X=Xi，Y=Yi）=P（X=Xi）*P（Y=Yi）独立反之不独立P71 3.8对1000个随机抽取的高三学生安排一项新版的SAT测试。
计量经济学名词解释与简答
1、完全共线性：对于多元线性回归模型，其基本假设之一是解释变量1x ，2x ，…，k x 是相互独立的，如果存在02211=+++ki k i i x c x c x c ，i=1，2，…，n ，其中c 不全为0，即某一个解释变量可以用其他解释变量的线性组合表示，则称为完全共线性。
2、虚假序列相关：由于随机干扰项的序列相关往往是在模型设定中遗漏了重要的解释变量或对模型的函数形式设定有误时而导致的序列相关。
3、残差项：是指对每个样本点，样本观测值与模型估计值之间的差值。
4、多重共线性：在经典回归模型中总是假设解释变量之间是相互独立的。
如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。
5、无偏性：是指参数估计量的均值（期望）等于模型的参数值。
6、工具变量：是在模型估计过程中被作为工具使用，以替代模型中与随机误差项相关的随机解释变量的变量。
7、结构分析：经济学中所说的结构分析是指对经济现象中变量之间关系的研究。
8、虚假回归（伪回归）：如果两列时间序列数据表现出一致的变化趋势（非平稳），即它们之间没有任何经济关系，但进行回归也会表现出较高的可决系数。
9、异方差性：即相对于不同的样本点，也就是相对于不同的解释变量观测值，随机干扰项具有不同的方差。
10、计量经济学：它是经济学的一个分支学科，以揭示经济活动中客观存在的数量关系为内容的分支学科。
11、计量经济学模型：揭示经济活动中各种因素之间的定量关系，用随机性的数学方程加以描述。
12、截面数据：是一批发生在同一时间截面上的数据。
13、回归分析：是研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论，其目的在于通过后者的已知和设定值，去估计和（或）预测前者的（总体）均值。
14、随机误差项：观察值围绕它的期望值的离差就是随机误差项。
15、最佳线性无偏估计量（高斯-马尔可夫定理）：普通最小二乘估计量具有线性性、无偏性和有效性等优良性质，是最佳线性无偏估计量，这就是著名的高斯-马尔可夫定理。
计量经济学名词解释
1．经济变量2解释变量3被解释变量4．内生变量5．外生变量6．滞后变量7．前定变量8．控制变量9．计量经济模型10．函数关系11．相关关系12．最小二乘法13．高斯－马尔可夫定理14．总变量（总离差平方和）15．回归变差（回归平方和）16．剩余变差（残差平方和）17．估计标准误差18．样本决定系数19．点预测20．拟合优度21．残差22．显著性检验23.回归变差24.剩余变差25.多重决定系数26.调整后的决定系数27.偏相关系数28.异方差性29.格德菲尔特-匡特检验30.怀特检验31.戈里瑟检验和帕克检验32.序列相关性33.虚假序列相关34.差分法35.广义差分法36.自回归模型37.广义最小二乘法38.DW检验39.科克伦-奥克特跌代法40.Durbin两步法41.相关系数42.多重共线性43.方差膨胀因子44．虚拟变量45．模型设定误差46．工具变量47．工具变量法48．变参数模型49．分段线性回归模型50．分布滞后模型51．有限分布滞后模型52．无限分布滞后模型53．几何分布滞后模型54．联立方程模型55．结构式模型56．简化式模型57．结构式参数58．简化式参数59．识别60．不可识别61．识别的阶条件62．识别的秩条件63．间接最小二乘法64，随机误差1．经济变量：经济变量是用来描述经济因素数量水平的指标。
（3分）2．解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。
（2分）它对因变量的变动做出解释，表现为方程所描述的因果关系中的“因”。
（1分）3．被解释变量：是作为研究对象的变量。
（1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。
（2分）4．内生变量：是由模型系统内部因素所决定的变量，（2分）表现为具有一定概率分布的随机变量，是模型求解的结果。
（1分）5．外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。
（2分）它影响模型中的内生变量，其数值在模型求解之前就已经确定。
计量经济学重点知识归纳整理
1. 普通最小二乘法(Ordinary Least Squares,OLS):已知一组样本观测值「(Xi,YJ:i =1,2…，n 普通最小二乘法要求样本回归函数尽可以好地拟合这组值，即样本回归线上的点Y与真实观测点Yt的“总体误差”尽可能地小。
普通最小二乘法给出的判断标准是：被解释变量的估计值与实际观测值之差的平方和最小。
2. 广义最小二乘法GLS:加权最小二乘法具有比普通最小二乘法更普遍的意义，或者说普通最小二乘法只是加权最小二乘法中权恒取1时的一种特殊情况。
从此意义看，加权最小二乘法也称为广义最小二乘法。
3. 加权最小二乘法WLS :加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。
4■工具变量法IV :工具变量法是克服解释变量与随机干扰项相关影响的一种参数估计方法。
5.两阶段最小二乘法2SLS, Two Stage Least Squares两阶段最小二乘法是一种既适用于恰好识别的结构方程，以适用于过度识别的结构方程的单方程估计方法。
6■间接最小二乘法ILS :间接最小二乘法是先对关于内生解释变量的简化式方程采用普通小最二乘法估计简化式参数，得到简化式参数估计量，然后过通参数关系体系，计算得到结构式参数的估计量的一种方法。
7. 异方差性Heteroskedasticity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。
8. 序列相关性Serial Correlation：多元线性回归模型的基本假设之一是模型的随机干扰项相互独立或不相关。
如果模型的随机干扰项违背了相互独立的基本假设，称为存在序列相关性。
9. 多重共线性Multicollinearity :对于模型Y i =订「Xn「2X i2 •…「k X ikF，其基本假设之一是解释变量X i,X2,, ,Xk是相互独立的。
如果某两个或多个解释变量之间出现了相关性，则称为存在多重共线性。
计量经济学+重点
计量经济学+重点形式（3）计量经济学与经济统计学经济统计学：涉及经济数据的收集、处理、绘图、制表计量经济学：运用数据验证结论3、进行经济计量的分析步骤（P2-P3）（1）建立一个理论假说（2）收集数据（3）设定数学模型（4）设立统计或经济计量模型（5）估计经济计量模型参数（6）核查模型的适用性：模型设定检验（7）检验源自模型的假设（8）利用模型进行预测4、用于实证分析的三类数据（P3-P4）（1）时间序列数据：按时间跨度收集到的（定性数据、定量数据）；（2）截面数据：一个或多个变量在某一时点上的数据集合；（3）合并数据：包括时间序列数据和截面数据。
（一类特殊的合并数据—面板数据（纵向数据、微观面板数据）：同一个横截面单位的跨期调查数据）第二章线性回归的基本思想：双变量模型1、回归分析（P18）用于研究一个变量（称为被解释变量或应变量）与另一个或多个变量（称为解释变量或自变量）之间的关系2、回归分析的目的（P18-P19）（1）根据自变量的取值，估计应变量的均值；（2）检验（建立在经济理论基础上的）假设；（3）根据样本外自变量的取值，预测应变量的均值；（4）可同时进行上述各项分析。
3、总体回归函数（PRF）（P19-P22）（1）概念：反映了被解释变量的均值同一个或多个解释变量之间的关系（2）表达式：）①确定/非随机总体回归函数：E（Y|Xi=B1+B2XiB1：截距；B2：斜率从总体上表明了单个Y同解释变量和随机干扰项之间的关系②随机/统计总体回归函数：Yi =B1+B2Xi+μiμi：随机扰动项（随机误差项、噪声）B1+B2Xi：系统/确定性部分μi：非系统/随机部分4、随机误差项（P22）（1）定义：代表了与被解释变量Y有关但未被纳入模型变量的影响。
每一个随机误差项对于Y 的影响是非常小的，且是随机的。
随机误差项的均值为0（2）性质①误差项代表了未纳入模型变量的影响；②反映人类行为的内在随机性；③代表了度量误差；④反映了模型的次要因素，使得模型描述尽可能简单。
VAR模型分析
yNt
的最大p阶滞后变量为解释变量的方程组模型，方程组模 型中共有N个方程。显然，VAR模型是由单变量AR模型推广到 多变量组成的“向量”自回归模型。
对于两个变量（N=2），Yt ( yt xt )T 时，VAR(2)模型为
2
Yt iYti Ut 1Yt1 2Yt2 Ut i 1
5
用矩阵表示：
显著性改善，则称 xt1 对 yt 存在格兰杰非因果性 关系。
为简便，通常把 xt1 对 yt 存在格兰杰非因果
性关系表述为 xt 对 yt 存在格兰杰非因果关系（
严格讲，这种表述是不正确的）。 顾名思义，格兰杰非因果性关系，也可以用
“格兰杰因果性”概念。
2.格兰杰因果性检验
xt 与 yt 间格兰杰因果关系回归检验式为
7
所以, VAR模型既可用于预测,又可用于结构 分析。近年又提出了结构VAR模型（SVAR： Structural VAR）。 有取代结构联立方程组模 型的趋势。由VAR模型又发展了VEC模型。
2. VAR模型的特点
VAR模型较联立方程组模型有如下特点： （1）VAR模型不以严格的经济理论为依据。 在建模过程中只需明确两件事：第一，哪些变量 应进入模型（要求变量间具有相关关系——格兰 杰因果关系 ）；第二，滞后阶数p的确定（保证 残差刚好不存在自相关）；
10
的自相关。但p值又不能太大。p值过大，待估参数多, 自由度降低严重，直接影响模型参数估计的有效性。 这里介绍两种常用的确定p值的方法。
（1）用赤池信息准则（AIC）和施瓦茨（SC）准 则确定p值。确定p值的方法与原则是在增加p值的过程 中，使AIC和 SC值同时最小。
具体做法是：对年度、季度数据，一般比较到P=4
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一个例子：农村居民人均消费与持久收入（从 事农业生产经营的收入）、瞬时收入（非农收 入）之间的关系研究。
理论分析：
Friedman于1957年分析消费者的消费行为发现：
在消费中有一部分是经常的必须保证的基本消费， 另一部分是非经常的额外消费；
收入也可以分成两部分，一部分是可以预料到的长 久性的、带有常规性的持久收入，另一部分是非连 续性的、带有偶然性的瞬时收入。
1053
1720
1027.8
1905
1293
1375.6
1083.8
1649.2
1352
1990.3
908.2
2703.36
1242.9
1550.62
1068.8
1357.43
1386.7
1475.16
883.2
1497.52
919.3
1098.39
764
1336.25
889.4
1123.71
589.6
Yi Yi p Yit Ci Cip Cit
Ci 0 1Yi p 2Yit i
i 1,2,, n
数据
地区 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
人均消费 从事农业经营
例如：研究学生考试成绩与各影响因素的关系时， 考试成绩最高100分、最低0分。——归并问题
在微观经济社会问题研究中大量存在。 样本的分布和模型的估计构成其主要内容。
选择性样本模型
Heckman的基础性贡献：
“Shadow Prices, Market Wages and Labour Supply”, Econometrica 42 (4), 1974, — 发现并提 出“选择性样本”问题。
支出
的收入
Y
X1
3552.1
579.1
2050.9
1314.6
1429.8
928.8
1221.6
609.8
1554.6
1492.8
1786.3
1254.3
1661.7
1634.6
1604.5
1684.1
4753.2
652.5
2374.7
1177.6
3479.2
985.8
1412.4
1013.1
2503.1
“The Measurement of Urban Travel Demand”, Journal of Public Economics 3, 1974，—离散选 择模型的成功应用
构成微观计量经济学模型的重要部分。
选择性样本模型
模型的被解释变量不是随机抽取的，而是受到 限制的：
例如：研究个人消费与收入的关系时，只在特定的 人群中随机抽取样本。——截断问题
1331.03
614.8
1127.37
621.6
1330.45
803.8
1388.79
859.6
1350.23
1300.1
其他收入
X2 4446.4 2633.1 1674.8 1346.2
480.5 1303.6
547.6 596.2 5218.4 2607.2 3596.6 1006.9 2327.7 1203.8 1511.6 1014.1 1000.1 1391.3 2526.9 875.6 839.8
经典线性联立方程模型
如果研究对象不是单一的经济活动，而是一个 经济系统：
例如宏观经济系统、商品需求系统。 系统中变量互为因果。 需要用一组方程才能描述系统中变量之间复杂的关
系。 模型的识别理论和估计方法构成其主要内容。
经典线性联立方程模型
一个简单的例子：
由国内生产总值Y、居民消费总额C、投资总额I和政 府消费额G等变量构成简单的宏观经济系统。
1088 1067.7
647.8 644.3 814.4
876 887 753.5 963.4 410.3
结果
Ci 317 .7022 0.4545 Yi p 0.6977 Yit i 1,2,,31
经典线性单方程模型Fra bibliotek模型的一般描述：
总体回归模型
Yi 0 1 X1i 2 X 2i k X ki i i=1,2…,n
可以化为线性
C-D生产函数、CES生产函数、需求曲线、…… 变量置换、函数变换、级数展开
不可以化为线性—非线性模型 非线性模型理论方法
经典非线性单方程模型
一般描述
h( yi , ) g(xi , ) ui
i 1,, n
xi x1i x2i xki
其中 h() 和 g() 是非线性函数， 和 是参数。
将政府消费额G由系统外部给定，其他内生。
C
I
t
t
0 0
1Yt 1Yt
1t 2Yt1
2t
Yt Ct I t Gt
离散选择模型
模型的被解释变量不是连续变量，而是表示选 择结果的离散变量：
例如：一种方案的取舍、两种方案的选择、多种无 优劣之分的方案的选择、多种有优劣之分的方案的 选择、嵌套选择。
Yˆi ˆ0 ˆ1 X1i ˆ2 X 2i ˆki X ki
样本回归函数
i=1,2…,n
被解释变量
解释变量 随机扰动项
经典线性单方程模型
Yi 0 1 X1i 2 X 2i k X ki i i=1,2…,n
特征
描述单一的经济活动； 样本为随机抽取的截面数据； 被解释变量为连续的随机变量； 被解释变量与解释变量之间呈现线性关系； 被解释变量的多次重复抽样服从正态分布； 在不同的样本点上随机项是独立的。
经典线性单方程模型
理论方法要点
如何建立理论模型？ 如何采集样本数据？ 如何估计模型参数？ 如何进行模型检验？ 如何正确应用模型？
经典线性单方程模型
大量的经济问题满足上述特征。 很多情况下，研究对象不满足上述特征。
经典非线性单方程模型
如果被解释变量与解释变量之间呈现非线性关 系：
被解释变量取值为0、1或者0、1、2、……。
二元离散选择模型、一般多元离散选择模型、排序 多元离散选择模型、嵌套离散选择模型。
模型解释变量的选取和模型估计方法构成其主要内 容。
离散选择模型
D.L.Mcfadden的基础性贡献：
“Conditional Logit Analysis of Qualitative Chioce Behavior”, Frontiers of Econometrics, Academic Press.1974—经济理论与计量经济方法 的结合