(完整word版)高级计量经济学复习精要汇总
高级计量经济学复习精要
一、简答题（10分×2）：
（一）多重共线性问题：（主要看修正方法）
1、多重共线性是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。
2、产生原因主要有3各方面：（1）经济变量相关的共同趋势；（2）滞后变量的引入；（3）样本资料的限制。
3、造成的后果：（1）完全共线性下参数估计量不存在；（2）近似共线性下OLS 估计量非有效；（3）参数估计量经济含义不合理；（4）变量的显著性检验失去意义；（5）模型的预测功能失效。
4、识别方法：（1）经验识别：对模型估计后，R 2
极高，多个变量不显著，出现与理论预期相悖的情况，有理由怀疑存在多重共线性。（2）相关系数法：计算变量间两两相关系数。只要其中一个大等于0.6或0.7，则表明可能存在严重的共线性。（3）膨胀因子法：计算每个解释变量的VIF ，若某一个VIF ≥10, 则表明存在严重的共线性。
5、修正方法：（※※※）根据潘老师讲课内容进行整理
共线性的修正方法有很多，按照优劣程度排序，主要有五种方法：
方法1：扩充样本以减弱共线性。主要通过增加自由度来提高精度，如将时序数据或截面数据变为面板数据，从而将一维数据变为二维。
评价：这种方法最理想，但存在的缺点是：①效果不定；②不可行。 方法2：工具变量法（IV ）。主要通过工具变量，运用两阶段最小二乘完成。
评价：这种方法目前最受欢迎，高质量的期刊论文通常都采用该方法。缺点是：①由于相关关系具有传导性，工具变量S 很难找；②用S 替代X ，有时经济正当性不足。
方法3：变量变换法。可以通过对数变换、绝对转相对和方程变换进行变量变换。 评价：这种方法最简单易行，但存在的缺点是：①简单相关系数描述的是线性关系，而对数是非线性化过程；②功效不足；③不是所有变量都能用来做变换，必须有明确的经济学指代。
方法4：逐步回归法。主要是通过降维减少变量来减弱共线性。
评价：这种方法要慎用，最大的缺点是：虽然能很好地解决共线性问题，但是却引发了更严重的内生性问题。
方法5：主成份分析法或因子分析法。具有降维的作用，主要用于多指标评价。
评价：该方法很好地消除了共线性。但这种方法要慎用，最大的缺点是：经济含义伤害过大。
（二）内生性问题
1、内生性是指：模型中的解释变量与扰动项相关。通常我们做古典假设①i
ε为白噪声，
E(ε)=0，var （
i
ε）=2
σ，cov(
i εj
ε)=0；②X 是非随机变量（微观可以通过固定抽样得到
解决，宏观则不可），则cov （X,ε）=0成立。但是当cov （X, ε）≠0时上述假设便不再成立，我们称之为内生性，进而导致OLS 失效，是非一致性的。
2、内生性产生的原因：①X 与Y 存在双向因果，即X 影响Y 的同时，Y 也影响X ；如金融发展与经济增长；外商直接投资FDI 与经济增长；犯罪率与警备投入。②模型遗漏重要解释变量。无论是缺失重要解释变量导致，还是无法获取数据导致，被遗漏的重要变量进
入了残差项，如果与其他解释变量相关，就会出现cov(U t ,X t )≠0，也就是内生性问题。③度量误差：由于关键变量的度量上存在误差，使其与真实值之间存在偏差，这种偏差可能会成为回归误差的一部分，从而导致内生性问题。（潘老师上课没讲③）
3、解决方法：
针对双向因果产生的内生性问题，比较容易解决，通过联立方程组即可。 难处理的是遗漏重要解释变量的情况，通常采用的方法有： ①工具变量法（IV ）：就是找到一个变量和内生化变量相关，但是和残差项不相关。通常采用2SLS 方法进行回归。这种方法是找到影响内生变量的外生变量，连同其他已有的外生变量一起回归，得到内生变量的估计值，以此作为IV ，放到原来的回归方程中进行回归。
（假如我们考察一个工资决定模型012i salary educ abli u βββ=+++
首先，用Probit 模型估计()(,)p work f educ abli =，得到?i p 其次，构建模型012?i i salary educ abli p
v βββδ=++++进行估计） ②得分匹配与DID 模型（双差分模型）：思想是按照一定的标准，找到与样本match 的控制组。在假设外在冲击同时影响两个组别的情况下，做差来剔除掉外界冲击的影响。
第一步，该方法关键在于得分匹配的确定，配对样本的选择原则是保证两个样本随时间自然变化的部分是相同的，一般根据距离最近作为配对的样本点的方法进行匹配得分。
第二步是估计方法，采用双重差分法（DID ）。在假设外在冲击同时影响两个组别的情况下，做差来剔除掉外界冲击的影响。
（在样本选择上，控制不可观测变量，然后利用双差分模型进行估计 Eg ：012i salary educ abli u βββ=+++
（1）样本抽取时，将ablity 相等或相近的观测值进行配对（匹配标准IQ/双胞胎） （2）用双差分模型（DID ）进行参数估计
01ln(-ln(-+i salary salary educ educ αα=+对照组对照组得分组得分组））v
估计出1?α，等价于原模型中的1
?β 不足：样本要求非常大，尤其是用多重标准进行匹配时，样本要求更大。） 潘老师举得例子
二、虚拟变量：（20分）（给出实际经济问题，根据目标设计虚拟变量，写出模
型。考察一种群体异质。完整考察如何设计，如何运用到模型中。）
注意事项：1、模型设计时一定要有截距项，虚拟变量引入原则一定要满足m-1原则。m 为互斥类型的定性因素。2、要掌握虚拟变量引入模型的三种方法，即加法模型、乘法模型和既加又乘模型。
1、举例说明如何引进加法模式和乘法模式建立虚拟变量模型。
答案：设Y 为个人消费支出；X 表示可支配收入，定义
如果设定模型为
此时模型仅影响截距项，差异表现为截距项的和，因此也称为加法模型。
如果设定模型为
此时模型不仅影响截距项，而且还影响斜率项。差异表现为截距和斜率的双重变化，因此也称为乘法模型。
2、考虑下面的模型：其中，Y表示大学教师的年薪收入，X表示工龄。为了研究大学教师的年薪是否受到性别（男、女）、学历（本科、硕士、博士）的影响。按照下面的方式引入虚拟变量：
3、考虑下面的模型：其中，Y表示大学教师的年薪收入，X表示工龄。为了研究大学教师的年薪是否受到性别、学历的影响。按照下面的方式引入虚拟变量：（10分）
1. 基准类是什么？
2. 解释各系数所代表的含义，并预期各系数的符号。
3. 若B4>B3，你得出什么结论？
答案：1. 基准类是本科学历的女教师。
2.B0表示刚参加工作的本科学历女教师的收入，所以B0的符号为正。
B1表示在其他条件不变时，工龄变化一个单位所引起的收入的变化，所以B1的符号为正。
B2表示男教师与女教师的工资差异，所以B2的符号为正。
B3表示硕士学历与本科学历对工资收入的影响，所以B3的符号为正。
B4表示博士学历与本科学历对工资收入的影响，所以B4的符号为正。
3. 若B4>B3，说明博士学历的大学教师比硕士学历的大学教师收入要高。
4、性别因素可能对年薪和工龄之间的关系产生影响。试问这种影响可能有几种形式，并设定出相应的计量经济模型。
性别因素可能对年薪和工龄之间的关系的影响有三种方式。
第一种，性别只影响职工的初始年薪，设定模型为：
5、考虑下面的模型：
其中，Y——MBA毕业生收入，X——工龄。所有毕业生均来自清华大学，东北财经大学，沈阳工业大学。
（1）基准类是什么？
基准类是东北财经大学MBA毕业生。
你预期各系数的符号如何？
预期B1的符号为正；B2的符号为正；B3的符号为负。
（2）如何解释截距B2 B3？截距B2反应了清华大学MBA毕业生相对于东北财经大学MBA毕业生收入的差别；截距B3反应了沈阳工业大学MBA毕业生相对于东北财经大学MBA毕业生收入的差别。）
（3）若B2>B3，你得出什么结论？
（4）如果B2>B3，我们可以判断清华大学MBA毕业生的收入平均高于沈阳工业大学MBA毕业生的收入。
三、异方差问题（25分）
模型，如果出现
，对于不同的样本点，随机扰动项的方差不再是常数，而且
互不相同，则认为出现了异方差。
1、异方差的三大后果：一是最小二乘估计不再是有效估计量；二是相关参数的t检验、模型F检验失效；三是估计量的方差是有偏的，参数或因变量预测的置信区间的估计精度下降（甚至这种区间估计是失效的）。
2、异方差的检验识别：
White检验的具体步骤如下。以二元回归模型为例，
y t = β0 +β1 x t1+β2 x t2+ u t(1)
①首先对上式进行OLS回归，求残差
t
u?。
②做如下辅助回归式，（包括截距项、一次项、平方项、交叉项）
2
?
t
u= α0 +α1 x t1 +α2x t2 + α3 x t12 +α4x t22 + α5 x t1x t2 + v t(2)
即用2?
t
u对原回归式（1）中的各解释变量、解释变量的平方项、交叉积项进行OLS回归。求辅助回归式(2)的可决系数R2。
③White检验的零假设和备择假设是
H0: (1)式中的u t不存在异方差，
H1: （1)式中的u t存在异方差
④在不存在异方差假设条件下构造LM统计量或F统计量
LM=n R 2 ~χ2(5)
或F=
/5
R
)6
/(
)
R
-
(1
2
2
___
-
n
~F（5，n-6）
其中n表示样本容量，R2是辅助回归式(2)的OLS估计式的可决系数。自由度5表示辅助回归式(2)中解释变量项数（注意，不计算常数项）,n-6是样本量减参数个数（因此可以扩展到K个解释变量的情形）。nR 2属于LM统计量。
⑤判别规则是
若n R 2≤ χ2α (5), 接受H0（u t 具有同方差）
若nR 2 > χ2α (5), 拒绝H0（u t 具有异方差）
或F ≤ Fα（5，n-6），接受H0（u t 具有同方差）反之拒绝
3、异方差的消除（WLS：加权最小二乘估计）
关键在于权重的选择，我们考的是采用残差作为权重，即采用（1）式中估计的1/|
u?|为权
t
重，将残差的绝对值除（1）式的左右两边，然后对转换后的（1）式进行OLS。
1、什么是异方差性?举例说明经济现象中的异方差性。
1）模型，如果出现
，对于不同的样本点，随机扰动项的方差不再是常数，而且互不相同，则认为出现了异方差。
2）在现实经济中，异方差性经常出现，尤其是采用截面数据作样本的计量经济学问题。例如：工业企业的研究与发展费用支出同企业的销售和利润之间关系的函数模型；服装需求量与季节、收入之间关系的函数模型；个人储蓄与个人可支配收入之间关系的函数模型等。检验异方差的主要思路就是检验随机扰动项的方差与解释变量观察值的某种函数形式之间是否存在相关性。
2、下面是一个回归模型的检验结果。
White Heteroskedasticity Test:
F-statistic 19.41659 Probability 0.000022
Obs*R-squared 16.01986 Probability 0.006788
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/31/06 Time: 10:54
Sample: 1 18
Included observations: 18
Variable Coefficient Std. Error t-Statistic Prob.
C 693735.7 2652973. 0.261494 0.7981
X1 135.0044 107.7244 1.253239 0.2340
X1^2 -0.002708 0.000790 -3.427009 0.0050
X1*X2 0.050110 0.020745 2.415467 0.0326
X2 -1965.712 1297.758 -1.514698 0.1557
X2^2 -0.116387 0.146629 -0.793752 0.4428
R-squared 0.889992 Mean dependent var 6167356.
Adjusted R-squared 0.844155 S.D. dependent var 13040908
S.E. of regression 5148181. Akaike info criterion 34.00739
Sum squared resid 3.18E+14 Schwarz criterion 34.30418
Log likelihood -300.0665 F-statistic 19.41659
Durbin-Watson stat 2.127414 Prob(F-statistic) 0.000022
1）写出原回归模型？
2）检验结果说明什么问题？
异方差问题。
3）如何修正？
加权最小二乘法，做变量变换。
3、试述异方差的后果及其补救措施。
答案：后果：OLS估计量是线性无偏的，不是有效的，估计量方差的估计有偏。建立在t分布和F分布之上的置信区间和假设检验是不可靠的。
补救措施：加权最小二乘法（WLS）
1．假设已知，则对模型进行如下变换：
2．如果未知
（1）误差与成比例：平方根变换。
可见，此时模型同方差，从而可以利用OLS估计和假设检验。
（2）误差方差和成比例。即
3．重新设定模型：
若在模型：中存在下列形式的异方差：，你如何估计参数
由于，所以式(2)所表示的模型不再存在异方差问题，故可利用普通最小二乘法对其进行估计，求得参数的估计值。
四、面板数据问题（20分）
1. 模型形式的选择（混合模型、变截距模型及变系数模型的选择问题）：F检验
混合模型形式：针对不同截面个体和时点，截距项相等和斜率项也相等
（1）
变截距模型：不同截面个体的截距项不同，但斜率项相同
（2）
变系数模型：所有参数在不同截面个体间不一样
（3）
所以F检验的目的在于对截距参数和斜率参数进行检验
假设：
H1: b1=b2=…=b N
H2: a1=a2=…=a N; b1=b2=…=b N
如果接受H2，则应该选择混合模型，如果拒绝H2,然后检验H1，若接受H1,则选择变截距模型，否则选择变系数模型。
F检验的基本思想：
记变系数模型（6）的残差平方和S1，变截距模型的残差平方和为S2，混合模型的残差平
方和为S3。
在H2下检验统计量F2服从相应自由度下的F分布，即
如果F2的值小于给定显著性水平下的临界值F
?
（（N-1((k+1),N(T-K-1)),（K为解释变量的个数）。则接受H2，即选择混合模型；若大于临界值，则继续检验H1.
在H1下检验统计量F1也服从相应自由度下F分布，即
若F1的值小于给定显著性水平下的临界值F
?
（（N-1）k,N(T-K-1))，则接受H1，应建立变截距模型，否则建立变系数模型。
[以下不需要记，仅供大家理解，公式看着复杂，其实理解F检验的思想就好记了（方便大家记忆，给出个人对F检验的理解）：F检验是在给定约束条件下（即原假设），比较两个模型的好坏，判断好坏的一个标准就是看哪个模型的残差平方和较小（很显然模型拟合的结果显示残差平方和最小，表明解释变量量越能解释因变量的变异程度）就选该模型（要小到如何程度或大到如何程度呢，所以需要在给定一个显著性水平下的临界值比较），但不同模型的自由度不一样，所以应该比较平均残差平方和（术语叫做均方误），用含约束的模型的残差平方和原模型（即不含约束或假设的模型）的残差平方差和之差再除以自由度之差即分子，
分母就是原模型的均方误(记不住自由度，可以投机取巧：如分子的自由度表示为q
r -q
ur
,
分别注明为约束方程残差平方和的自由度与不存在约束的方程的残差平方和的自由度（注意
指出哪个是约束方程哪个不是约束方程），分母自由度为q
ur
)]。
1、变截距模型中固定效应（FE：fixed effect）和随机效应（RE: random effect）的检
验:Hausman检验（豪斯曼检验）
首先将变截距模型变形为：
[如下不需要记：方便大家理解，个人总结理解（理解这些，hausman检验的假设就不需要记）：变形的目的在于将截距项分成不随截面个体变化的共同截距成分和随不同截面个体变化的部分，这就是变截距模型的实质，如果分离出的随截面个体变化的截距成分与样本有关，
即与X 有关，则这些因素是由样本或自变量决定的，是可由样本控制或可观测或可确定（为什么称为“固定效应”呢？原因就在于此，该效应在给定样本下是确定的）的成分，如果是不能由样本决定则其是不受控制或不可观测的成分，即由其他样本之外的随机因素决定，则该成分与样本是无关的]，这就构成了如下Hausman 检验的假设条件： H 0：cov(x it ,v i )=0 (RE) H 1: cov(x it ,v i )≠0(FE) Hausman 检验统计量为：
其中GLS cv b OLS ^
^b 参数估计，变换为固定效应模型的离差
为随机效应模型的参数估计。在原假设成立下，W 服从自由度为K （解释变量的个数）的卡方分布，所以在给定显著性水平下与临界值X ）（K ?2
进行比较，若大于卡方临界值则拒绝H1，应该建立固定效应模型，反之则建立随机效应模型。
[不需要记忆，仅供大家理解，理解Hausman 检验的思想：如果截距项与解释变量是不相关的，实际上这种随机成分可以归入误差项，则采用两种估计参数的方法得到的估计量均还是一致估计量，因为残差项与解释变量不相关，所以两种估计方法的参数估计之差应该是很小的，若H0不成立，即截距项与解释变量相关，则GLS 将不是一致估计，则参数之差应比较
大。]
2、 FE 和RE 的参数估计方法（离差变换OLS 估计和FGLS 估计） （1） FE 的参数估计：离差变换OLS
即分别对因变量和各解释变量取平均值，并对原模型进行离差转换，此时无截距项，如下： 变换的方程为)()(/
i it i it it u u X X y y -
-
-
-+-=-β 然后采用OLS 对该方程进行估计。
（2） RE 效应模型的FGLS 估计大家看伍德里奇书上第468-469页
五、给定经济现象，请选择解释变量，设定模型。（15分）
主要考点：①被解释变量②解释变量有哪些③为什么引入这些变量④解释变量如何度量？（虚拟 or 数值）⑤写出具体的模型形式。⑥判断经济显著性，即预期符号。
举例子：博学楼6：00-9：00自习室上座率。
1、变量选取和数据获得
被解释变量：
y ——博学楼6：00-9：00自习室上座率
y=上自习人数/座位数*100%
调查取得；
X1——在校研究生人数（博士+硕士）
X1=在校博士生人数+在校硕士生人数
选取理由：因为博学楼主要是研究生的学习场所
根据入学注册人数-毕业人数-辍学人数；
X2——居住地离博学楼距离
选取理由：在校研究生分为住校和不住校，原则上居住地离学校过远，则一般情况不会选择来博学楼上自习
X2=具体里程数
调查取得；
D1——是否假期
选取理由：与学期相比，假期在校的学生人数明显减少；
1 正常学期
D1= 0 寒暑假
根据学校校历
D2——是否临近考试
选取理由：临近考试，自习室上座率会增加
1 每学期16周-19周 D2= 0 其他 根据学校校历 2、 模型构建 构建模型如下：
0112231425162151622i Y=+()()X X D D D D X D D X βββββββββμ++++++++
3、 判断经济显著性，即预期符号：
X1: 预期符号为正，理论上在校研究生人数越多，上座率越高； X2: 预期符号为负，理论上居住地离博学楼距离越远，上座率越低； D1: 预期符号为正，理论上正常学期与假期相比，上座率高； D2: 预期符号为正，理论上越是临近考试，上座率越高。
（差不多应该这种形式）
根据下面例子练习一下：
试指出在目前建立中国宏观计量经济模型时，下列内生变量应由哪些变量来解释，简单说明理由，并拟定关于每个解释变量的待估参数的正负号。
⑴ 轻工业增加值 ⑵ 衣着类商品价格指数 ⑶农业生产资料进口额 答： ⑴ 轻工业增加值应该由反映需求的变量解释。包括居民收入（反映居民对轻工业的消费需求，参数符号为正）、国际市场轻工业品交易总额（反映国际市场对轻工业的需求，参数符号为正）等。
⑵ 衣着类商品价格指数应该由反映需求和反映成本的两类变量解释。主要包括居民收入（反映居民对衣着类商品的消费需求，参数符号为正）、国际市场衣着类商品交易总额（反映国际市场对衣着类商品的需求，参数符号为正）、棉花的收购价格指数（反映成本对价格
的影响，参数符号为正）等。
⑶ 农业生产资料进口额应该由国内第一产业增加值（反映国内需求，参数符号为正）、国内农业生产资料生产部门增加值（反映国内供给，参数符号为负）、国际市场价格（参数
符号为负）、出口额（反映外汇支付能力，参数符号为正）等变量解释。
《经济计量学精要》笔记和课后习题详解
《经济计量学精要》笔记和课后习题详解 第一章经济计量学的特征及研究范围 1.1复习笔记 一、什么是经济计量学 经济计量学是利用经济理论、数学、统计推断等工具对经济现象进行分析一门社会科学。 经济计量学运用数理统计学分析经济数据，对构建于数理经济学基础之上的模型进行实证分析，得出数值结果。 二、为什么要学习经济计量学 经济计量学涉及经济理论、数理经济学、经济统计学（即经济数据）以及数理统计学。然而，它又是一门有独立研究方向的学科，原因如下： 1．经济理论所提出的命题和假说，多以定性描述为主。但是，经济理论本身却无法定量测度这两个变量之间的强度关系，经济计量学家的任务就是提供这样的数值估计。经济计量学依据观测或试验，对大多数经济理论给出经验解释。 2．数理经济学主要是用数学形式或方程（或模型）描述经济理论，而不考虑对经济理论的测度和经验验证。而经济计量学主要关注的却是对经济理论的经验验证。经济计量学家通常采用数理经济学家提出的数学模型，只不过是把这些模型转换成可以用于经验验证的形式。 3．经济统计学主要涉及经济数据的收集、处理、绘图、制表。经济统计学家的工作是收集GDP、失业、就业、价格等数据，而不是利用这些数据来验证经济理论。但这些数据恰恰是经济计量分析的原始数据。 虽然数理统计学提供了许多分析工具，但由于经济数据独特的性质（大多数经济数据的生成并非可控试验的结果），因此，经济计量学经常需要使用特殊方法。 三、经济计量学方法论 1．建立一个理论假说 首先要了解经济理论对这一问题是怎样阐述的，然后是对这个理论进行验证。 2．收集数据 一般来说，有三类数据可用于实证分析： （1）时间序列数据：时间序列数据是按时间跨度收集得到的。比如GDP、失业、就业、货币供给、政府赤字等，这些数据是按照规则的时间间隔收集得到的。这些数据可能是定量的，也可能是定性的。 （2）截面数据：截面数据是指一个或多个变量在某一时点上的数据集合。例如美国人口调查局每十年进行的人口普查。 （3）合并数据（时间序列数据与截面数据的组合）：合并数据既包括时间序列数据又包括截面数据。例如，20年间10个国家的失业率数据，那么这个数据集就是一个合并数据——每个国家20年间的失业率构成时间序列数据，而10个不同国家每年的失业率又组成截面数据。 （4）面板数据：面板数据是一种特殊类型的合并数据，也称纵向数据或微观面板数据。即同一个横截面单位（比如某个家庭或某个公司）的跨期调查数据。 与自然科学不同，许多收集的经济数据（比如GDP、货币供给、道琼斯指数、汽车销售量等）是非试验性的，也就是说，数据收集机构（比如政府）并不直接监控这些数据。 3．设定劳动力参与率的数学模型 根据变量之间的散点图确定变量之间的数学模型。 4．设定统计或经济计量模型 经济变量之间的关系往往不是数学模型中那么精确的函数关系，还受到其他未知因素的影响，因此需要设定计量模型，将一些未知因素包含在模型中。 5．估计经济计量模型参数 利用所获得的经济数据，通过一定的统计方法估计出模型中未知参数。 6．核查模型的适用性：模型设定检验
高级计量经济学复习精要
高级计量经济学复习精要 一、简答题（10分x 2）: （一）多重共线性问题：（主要看修正方法） 1、多重共线性是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系 而使模型估计失真或难以估计准确。完全共线性的情况并不多见，一般岀现的是在一定程度上的 共线性，即近似共线性。 2、产生原因主要有3各方面：（1）经济变量相关的共同趋势；（2）滞后变量的引入；（3）样本资料的限制。 3、造成的后果：（1）完全共线性下参数估计量不存在；（ 2）近似共线性下 OLS估计量非有效；（3）参数估计量经济含义不合理；（ 4）变量的显着性检验失去意义；（ 5）模型的预测功能失效。 4、识别方法：（1）经验识别：对模型估计后，R1 2 3极高，多个变量不显着，出现与理论预期 相悖的情况，有理由怀疑存在多重共线性。（2）相关系数法：计算变量间两两相关系数。只要 其中一个大等于 0.6或0.7，则表明可能存在严重的共线性。（3）膨胀因子法：计算每个解释 变量的VIF，若某一个 VIF > 10,则表明存在严重的共线性。 5、修正方法［（※※※［根据潘老师讲课内容进行整理 共线性的修正方法有很多，按照优劣程度排序，主要有五种方法： 方法1:扩充样本以减弱共线性。主要通过增加自由度来提高精度，如将时序数据或截面数 据变为面板数据，从而将一维数据变为二维。 评价：这种方法最理想，但存在的缺点是：①效果不定；②不可行。 方法2：工具变量法（IV）。主要通过工具变量，运用两阶段最小二乘完成。 评价：这种方法目前最受欢迎，高质量的期刊论文通常都采用该方法。缺点是：①由于相关 关系具有传导性，工具变量S很难找；②用S替代X,有时经济正当性不足。 方法3:变量变换法。可以通过对数变换、绝对转相对和方程变换进行变量变换。 评价：这种方法最简单易行，但存在的缺点是：①简单相关系数描述的是线性关系，而对数 是非线性化过程；②功效不足；③不是所有变量都能用来做变换，必须有明确的经济学指代。 方法4:逐步回归法。主要是通过降维减少变量来减弱共线性。 评价：这种方法要慎用，最大的缺点是：虽然能很好地解决共线性问题，但是却引发了更严 重的内生性问题。 方法5:主成份分析法或因子分析法。具有降维的作用，主要用于多指标评价。 评价：该方法很好地消除了共线性。但这种方法要慎用，最大的缺点是：经济含义伤害过大。 （二）内生性问题 2内生性是指：模型中的解释变量与扰动项相关。通常我们做古典假设①；i为白噪声， _ 2 叮叮 E（；）=0，var （） =；- ，cov（j）=0 :②X是非随机变量（微观可以通过固定抽样得到 解决，宏观则不可），贝U cov （X, ）=0成立。但是当cov （X,'、丰0时上述假设便不再成立，我们称之为内生性，进而导致OLS失效，是非一致性的。 3 内生性产生的原因：①X与丫存在双向因果，即 X影响丫的同时，丫也影响X;如金融发展与经济增长；外商直接投资FDI与经济增长；犯罪率与警备投入。②模型遗漏重要解释变量。无论是缺失重要解释变量导致，还是无法获取数据导致，被遗漏的重要变量进入了残差项， 如果与其他解释变量相关，就会岀现 cov（U t,X t）工0,也就是内生性问题。③度量误差：由于关键变量的度量上存在误差，使其与真实值之间存在偏差，这种偏差可能会成为回归误差的一部分，
计量经济学课程实验教学大纲
计量经济学课程实验教学大纲 课程编号：0102069 课程名称：计量经济学 课程英文名称：Econometrics 总学时：56 理论学时：48 实验学时：8 课外学时：0 学分：3.5 先修课程要求：高等数学、概率论与数理统计、线性代数、微观经济学宏观经济学 课程属性：非独立设课 实验学时：8 课外学时：0 实验项目数：4 适用专业：金融学应用统计学 参考教材：李子奈，潘文卿：《计量经济学》（第三版），高等教育出版社，2010。 教学参考书： [1] 郭存芝，杜延军，李春吉：《计量经济学——理论、方法、Eviews应用》，科学出版社，2009 [2] 李子奈：《计量经济学》，高等教育出版社，2000 [3] 张晓峒：《计量经济学基础》（第2版），南开大学出版社，2005 [4] （美）Ramu Ramanathan 著，薛菁睿译：《应用经济计量学》（原书第5版），机械工业出版社，2003 [5] （美）古扎拉蒂著，张涛译：《经济计量学精要》（原书第3版），机械工业出版社，2006 一、课程简介和基本要求 课程介绍：本课程是面向金融学、应用统计学专业的一门专业平台课。 内容涉及经典单方程计量经济学模型、联立方程模型、扩展的单方程计量经济学模型、时间序列模型及计量经济学应用模型。 基本要求：通过讲授经济计量学的基础知识及经济计量模型的建立、估计、检验等基本方法，培养学生掌握将经济学、统计学、数学三者结合起来建立模型的方法，以及运用计算机技术，对一般的经济模型进行数量分析的基本技能，并为学生学习金融、财政、产业经济、贸易经济等专业课程的定性与定量分析打下良好的基础。 二、课程实验目的与要求 实验目的：使学生将前修课的知识有机地联系起来，通过实践培养学生综合运用知识的初步能力。 实验要求： 1. 学生应独立完成规定的上机习题；
计量经济学精要习题参考答案(第四版)
计量经济学（第四版） 习题参考答案 第一章 绪论 1.1 一般说来，计量经济分析按照以下步骤进行： （1）陈述理论（或假说） （2）建立计量经济模型 （3）收集数据 （4）估计参数 （5）假设检验 （6）预测和政策分析 1.2 我们在计量经济模型中列出了影响因变量的解释变量，但它（它们）仅是影响因变量的主要因素，还有很多对因变量有影响的因素，它们相对而言不那么重要，因而未被包括在模型中。为了使模型更现实，我们有必要在模型中引进扰动项u 来代表所有影响因变量的其它因素，这些因素包括相对而言不重要因而未被引入模型的变量，以及纯粹的随机因素。 1.3时间序列数据是按时间周期（即按固定的时间间隔）收集的数据，如年度或季度的国民生产总值、就业、货币供给、财政赤字或某人一生中每年的收入都是时间序列的例子。 横截面数据是在同一时点收集的不同个体（如个人、公司、国家等）的数据。如人口普查数据、世界各国2000年国民生产总值、全班学生计量经济学成绩等都是横截面数据的例子。 1.4 估计量是指一个公式或方法，它告诉人们怎样用手中样本所提供的信息去估计总体参数。在一项应用中，依据估计量算出的一个具体的数值，称为估计值。如Y 就是一个估计 量，1 n i i Y Y n == ∑。现有一样本，共4个数，100，104，96，130，则根据这个样本的数据运用 均值估计量得出的均值估计值为 5.1074 130 96104100=+++。 第二章 计量经济分析的统计学基础 2.1 略，参考教材。 2.2 N S S x = = 4 5 =1.25 用α=0.05，N-1=15个自由度查表得005.0t =2.947，故99%置信限为 x S t X 005.0± =174±2.947×1.25=174±3.684 也就是说，根据样本，我们有99%的把握说，北京男高中生的平均身高在170.316至177.684厘米之间。 2.3 原假设 120:0=μH 备择假设 120:1≠μH 检验统计量
计量经济学精要(第四版)重点
计量经济学精要重点 什么是OLS估计？原理ols估计是指样本回归函数尽可能好的拟合这组织，即样本回归线上的点与真实观测点的总体误差尽可能小的估计方法。 一、什么是计量经济学？ 答：计量经济学以经济理论为指导，以事实为依据，以数学和统计学为方法，以电脑技术为工具，从事经济关系与及经济活动数量规律的研究，并以建立和应用随机性的经济计量模型为核心的一门经济学科。 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，用随机性的数量方程加以描述。 二、建立计量经济学模型的步骤和要点 1.理论模型的设计（确定模型所包含的变量，确定模型的数量形式，拟定理论模型中的待估参数的理论期望值） 2.样本数据的收集（常用的样本数据：时间序列数据，截面数据，虚变量数据） 3.模型参数的估计（选择模型参数估计方法，应用软件的使用） 4.模型的检验 模型的检验包括几个方面？其具体含义是什么？ 答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。 经济意义检验——需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合； 统计检验——需要检验模型参数估计值的可靠性，即检验模型的统计学性质； 计量经济学检验——需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等； 模型的预测检验——主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。 5.模型成功的三要素：理论、方法、数据 三、计量经济学模型的应用方面（功能） 答：结构分析，经济预测，政策评价，检验与发展经济理论 四、引入随机干扰项的原因，内容？ 原因：1.代表未知的影响因素2.代表数据观测误差3.代表残缺数据4.代表模型设定误差5.代表众多细小影响因素6.变量的内在随机性 内容：1.被遗漏的影响因素（由于研究者对客观经济现象了解不充分，或是由于经济理论上的不完善，以至于使研究者在建立模型时遗漏了一些对被解释变量有重要影响的变量）；2.变量的测量误差（在观察和测量变量时，种种原因使观测值并不等于他的真实值而造成的误差）；3.随机误差（在影响被解释变量的诸因素中，还有一些不能控制的因素）；4.模型的设定误差（在建立模型时，由于把非线性关系线性化，或者略去模型） 五、什么是随机误差项和残差，他们之间的区别是什么 随机误差项u=Y-E(Y/X)，而总体回归函数Y=Y^+e，其中e就是残差,利用Y^估计Y时带来的误差e=Y-Y^是对随机变量u的估计 六、一元线性回归模型的基本假设主要有哪些？违背基本假设是否就不能进行估计 1.回归模型是正确设定的； 2.解释变量X是确定性变量不是随机变量；在重复抽样中取固定值。 3.解释变量在x所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X的样本方差趋于一个非零的有限常数。 4.随机误差项u具有给定X条件下的零均值，同方差以及不序列相关性，即E(ui/Xi)=0； Var (ui/Xi)=sm2；Cov(ui，uj/ Xi，Xj)=0 5. 随机误差项与解释变量之间不相关：Cov(Xi, Ui)=0
经济计量学精要(第4版)(美)古扎拉蒂
??经济计量学精要(第4版)/(美)古扎拉蒂 大佬点个赞支持一下呗ヽ(′▽｀)ノヽ(′▽｀)ノヽ(′▽｀)ノ 经济计量学精要(第4版)/(美)古扎拉蒂 ? 综述 1.1 什么是经济计量学 1.2 为什么要学习经济计量学 1.3 经济计量学方法论 经济计量分析步骤： (1)建立一个理论假说 (2)收集数据 (3)设定数学模型 线性回归模型为例 线性回归模型中，等式左边的变量称为应变量，等式右边的变量称为自变量或解释变量。线性回归分析的主要目标就是解释一个变量(应变量)与其他一个或多个变量(解释变量)之间的行为关系。 简单数学模型 ? (4)设立统计或经济计量模型 误差项u
? u代表随机误差项，简称误差项。u包括了X以外其他所有影响Y，但并未在模型中具体体现的因素以及纯随机影响。 (5)估计经济计量模型参数 线性回归模型常用最小二乘法估计模型中的参数 ^读做"帽"，表示某的估计值 (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：假设检验 (8)利用模型进行预测 数据类型 时间序列数据：按时间跨度收集得到的 截面数据：一个或多个变量在某一时间点上的数据集合 合并数据：既包括时间序列数据又包括截面数据 面板数据：也称纵向数据、围观面板数据，即同一个横截面单位的跨期调查数据 模型因果关系 统计关系无论有多强，有多紧密，也决不能建立起因果关系，如果两变量存在因果关系，则一定建立在某个统计学之外的经济理论基础之上。 第一部分线性回归模型 2.1回归的含义 回归分析的主要目的：根据样本回归函数SRF估计总体回归函数PRF 2.2总体回归函数(PRF)：假想一例 总体回归线给出了对应于自变量的每个取值相应的应变量的均值。（总体回归线表明了Y的均值与每个X的变动关系）PRL ? E(Y|xi)表示与给定x值相对应的Y的均值。下标i代表第i个子总体。 B1、B2称为参数，也称为回归系数。B1称为截距，B2称为斜率。斜率系数度量了X每变动一单位，Y( 条件)均值的变化率。 2.3总体回归函数的统计或随机设定 随机或统计回归总体函数PRF ? ui随机误差项，其值无法先验确定，通常用概率分布描述随机变量。 2.4 随机误差项的性质 误差项代表了未纳入模型变量的影响； 即使模型中包括了决定数学分数的所有变量，其内在随机性也不可避免；人类行为并不是完全可预测的或完全理性的。 因而，u反映了人类行为的这种内在随机性。 u还代表了度量误差，如数据的四舍五入； “奥卡姆剃刀原则”：描述应当尽量简单，只要不遗漏重要的信息。即使知道其他变量可能会对Y有影响，但这些变量的综合影响是有限的、非确定性的，可以把这些次要因素归人随机项u。 2.5 样本回归函数 样本回归函数SRF
一分钟看懂计量经济学资料讲解
一分钟看完计量经济学！！！------开学后的计量笔记 建模是计量的灵魂，所以就从建模开始。 一、 建模步骤：A，理论模型的设计: a，选择变量b，确定变量关系c，拟定参数范围 B，样本数据的收集: a，数据的类型b，数据的质量 C，样本参数的估计: a，模型的识别b，估价方法选择 D，模型的检验 a，经济意义的检验1正相关 2反相关等等 b，统计检验：1检验样本回归函数和样本的拟合优度，R的平方即其修正检验 2样本回归函数和总体回归函数的接近程度:单个解释变量显著性即t检验，函数显著性即F检验，接近程度的区间检验 c，模型预测检验1解释变量条件条件均值与个值的预测
2预测置信空间变化 d，参数的线性约束检验：1参数线性约束的检验 2模型增加或减少变量的检验 3参数的稳定性检验：邹氏参数稳定性检验，邹氏预测检验----------主要方法是以 F检验受约束前后模型的差异 e，参数的非线性约束检验：1最大似然比检验 2沃尔德检验 3拉格朗日乘数检验---------主要方法使用 X平方分布检验统计量分布特征 f，计量经济学检验 1，异方差性问题：特征：无偏，一致但标准差偏误。检测方法：图示法，Park与Gleiser检验法，Goldfeld-Quandt检验法，White检验法-------用WLS修正异方差 2，序列相关性问题：特征：无偏，一致，但检验不可靠，预测无效。检测方法：图示法，回归检验法，Durbin-Waston检验法，Lagrange乘子检验法-------用GLS或广义差分法修正序列相关性 3，多重共线性问题：特征：无偏，一致但标准差过大，t减小，正负号混乱。检测方法：先检验 多重共线性是否存在，再检验多重共线性的范围-------------用逐步回归法，差分法或使用额外信息，增大样本容量可以修正。
计量经济学学习感悟
计量经济学学习感悟 时间总是在不经意间匆匆离去，昨天仿佛还是雨过荷花满院香，沉李浮瓜冰雪凉的阴阴盛夏，转眼已经到了未若柳絮因风起，坐看青竹变琼枝的猎猎寒冬，而我们关于计量经济学的学习也到了尾声，在这个学期的学习过程中我有思索，有感悟，有收获，也有迷茫，有疑惑，有不解，但是更多的是对老师的谆谆教诲的感悟，对同学热情探讨的怀念。 计量经济学学习之感悟篇： 本学期的计量经济学是作为一个限选课出现在我们视野中的，开学伊始孙一老师就告诫我们，老师如同金库，学生像是矿工，能带走多少黄金就看每一个矿工的勤奋程度。听往届的同学介绍，孙一老师的计量课讲的很哲学，一开始很不以为然，到了自己亲手去作案例，去听不同同学，不同小组的讲解的时候，才有点悟到孙老师确实讲出了计量经济学的精髓，是自己太肤浅了。平时在和一些师兄师姐交流中，发现他们把问题说得很清楚，他们之所以如此优秀，是因为他们有一种“系统思维的方式”，能够提纲挈领地把握问题。自己则习惯于零星地思维，以致到现在还是经济学的门外汉，在这里就不过多涉及高深的专业知识，只是谈一些在课后分工学习中对计量经济学学习一些感悟，我一直相信学问是来源于生活的，学问的本质也是生活的本质。计量经济学的精髓和本质在于用有限的样本数据来推断规律和检验规律。计量经济学的每一个样本包含了总体的很多信息，我们能够利用有限的样本来推断总体，并且坚信样本越是紊乱和无序，我们就越能得到一个稳定的总体规律。 我们生活的这个世界是极端复杂的，我们对它的认识永远不能穷尽。比如，如果我们有一种信念，相信我们能够通过努力成为一个书法家。那么应该怎么做呢？计量经济学和书法家们都会这样建议你：先选取百十个大师的字来，集中精力把这百十个字练好，通过对这些“样本”的深刻把握和领会，你就能够发现写好字的要领。我们不能够把这个世界上的字都练习到，因此只能够由“样本”来推断所有字的写法。这就是计量经济学的智慧。我们几乎可以将这种计量经济学的思想推广到生活的各个方面，并且用以指导我们的生活。无论是学习、应试、还是搞艺术，都可以应用这种思想。“样本”往往是窥看世界本质的窗口！ 计量经济学就像从一个古老神谕里蹦出来的智慧精灵，它几乎全面地改变了我们对于脚踏实地的看法！掌握一种过硬的分析数据的能力，无疑会全面地改变一个人的工作方式和效率。这在每个人的职业生涯中极其重要。经济理论有时被批评为是一门空洞无用的理论，这是在未有数据之前做出分析的常见批评。先验和演绎的方法，很多人认为，不能够对社会科学的研究有什么意义。但是，有了计量经济学就完全不一样了。我们可以从数据出发来进行分析和预测，这种工作方式无疑有利于培养踏实做人的人品。并且因为处理问题的独特技巧和思维，掌握计量工具的人会得到青睐——来自上司和运气。计量经济学出现，使学者们对经济理论的实用价值保持着积极的乐观。 计量经济学还对我们的人生哲学有指导意义。人，不过是苍茫宇宙中的一粒尘埃，如果这个宇宙尚且遵循着从无序走向有序，那么是不是可以将这个信念加以演绎到每个人的人生中呢？！其实我们每个人的人生也只是在一个随机行走的世界中的随机行走过程。我们永远不会知道，在下一个时段，会经历什么、会遇到什么，甚至我们对未来的规划都是不确定的。这个过程是随机的、紊乱的、偶
第1章 计量经济学 导论
计量经济学课程教案
第1章导论 在经济学、金融学、管理学、营销学以及一些相关学科的研究中，定量分析用得越来越多，对于这些领域的初学者来说，掌握一至两门经济计量方面的课程是必要的—这个领域的研究变得十分流行。本章的目的旨在给初学者一个经济计量学的概貌。 1.1 什么是经济计量学 简单地说，经济计量学(Econometrics)就是经济的计量。虽然，对诸如国民生产总值(GNP)、失业、通货膨胀、进口、出口等经济概念的定量分析十分重要，但从下面的定义中，我们不难看出经济计量学的研究范围更为宽泛： 经济计量学是利用经济理论、数学、统计推断等工具对经济现象进行分析的一门社会科学。 经济计量学运用数理统计知识分析经济数据，对构建于数理经济学基础之上的数学模型提供经验支持，并得出数量结果。 1.2 为什么要学习经济计量学 从上述定义我们知道经济计量学涉及经济理论、数理经济学、经济统计学(即经济数据)，以及数理统计学等相关学科，但它是一门有其自己研究方向的一门独立学科。 从本质上说，经济理论所提出的命题和假说，多以定性描述为主。例如，微观经济理论中提到的：在其他条件不变的情况下(经济学中著名的Ceteris paribus从句)，一种商品价格的上升会引起该商品需求量的减少。因而得出结论：商品的价格与该商品的需求量呈反方向变动—这就是著名的向下倾斜的需求曲线，简称需求法则。但是，该理论本身却无法度量价格和需求量这两个变量之间的数量关系，也就是说，它不能告诉我们商品的价格发生某一变动时，该商品的需求量增加或减少了多少。经济计量学家的任务就是提供这样的数量估计。换一种说法，经济计量学是依据观测和试验，对大多数经济理论给出经验的解释。如果在研究或试验中发现，当每单位商品的价格上升一美元，引起该商品需求量的下降，比如说下降100个单位，那么，我们不仅验证了需求法则，而且还提供了价格和需求量这两个变量之间的数量估计。 数理经济学(mathematical economics)主要关心的是用数学公式或数学模型来描述经济理论，而不考虑对经济理论的度量和经验解释。而经济计量学家感兴趣的却是对经济理论的经验确认。下面我们将会讲到，经济计量学家通常采用数理经济学家提供的数学模型，但把它们用于经验检验。经济统计学家主要关心的是收集、处理经济数据并将这些数据绘制成图表的形式。这是经济统计学家的工作：他或她收集GNP、失业、就业、价格等数据，这些数据就成为经济计量分析的原始数据。但经济统计学家却不关心用这些收集到的数据来检验经济理论。 虽然，数理统计学提供了许多分析工具，但由于经济数据独特的性质，即许多数据的生成并非可控制试验的结果，因此，经济计量学经常需要使用特殊的方法。类似于气象学，经济计量学所依据的数据不能直接控制。所以，由公共和私人机构收集的消费、收入、投资、储蓄、价格等方面的数据从本质上说是非试验性的。这就产生了数理统计学不能正常解决的一些特殊问题。而且，这些数据很可能包含了测量的误差，或是遗漏数据或是丢失数据。这就要求经济计量学家去运用特殊的方法来处理这些测量误差。 对于主修经济学和商业专业的学生来说，学习经济计量学有实用性。毕业以后，在其工作中，或许被要求去预测销售量、利息率、货币供给量或是估计商品的需求函数、
计量经济学重点
计量经济学复习资料 一、名词解释 1.广义计经济学:利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析 方法、投入产出分析方法、时间序列分析方法等。 2.狭义计经济学以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。 3.总体回归函数:指在给定Xi下Y分布的总体均值与Xi所形成的函数关系(或者说总体被解释变量的条 件期望表示为解释变量的某种函数)。 4.样本回归函数:指从总体中抽出的关于Y, x的若干组值形成的样本所建立的回归函数。6、随机的总体 回归函数:含有随机千扰项的总体回归函数(是相对于条件期望形式而言的)。 5.线性回归模型:既指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以他们的I次方 出现。 6.随机干扰项:即随机误差项，是一个随机变量，是针对总体回归函数而言的。9、残差项:是一随机变量， 是针对样本回归函数而言的。 7.条件期望:即条件均值，指X取特定值Xi时Y的期望值。 8.回归系数:回归模型中βo, β1等未知但却是固定的参数。 9.回归系教的估计量:指用β 0^ β1^等表示的用已知样本提供的信息所估计出来总体未知参数的结果。 10.最小二乘法:又称最小平方法，指根据使估计的剩余平方和最小的原则确定样本回归函数的方法。 11.最大似然法:又称最大或然法，指用生产该样本概率最大的原则去确定样本回归函数的方法。 12.估计的标准差:度量一个变量变化大小的测量值。 13.总离差平方和:用TSS表示，用以度量被解释变量的总变动。 14.回归平方和:用ESS表示:度量由解释变量变化引起的被解释变量的变化部分。 15.残差平方和:用RSS表示:度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被 解释变量变化的部分。 16.协方差:用Cov(X, Y)表示，度量XY两个变量关联程度的统计量。 17.拟合优度检验:检验模型对样本观测值的拟合程度，用R2表示，该值越接近1,模型对样木观测值拟合 得越好。 18.t检验是针对每个解释变量进行的显著性检验，即构适一个t统计量，如果该统计量的值落在置信区 间外,就拒绝原假设。 19.相关分析:研究随机变量间的相关形式 20.回归分析: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。 21.多元线性回归模型:在现实经济活动中往往存在一个变量受到其他多个变量的影响的现象，表现为在线 性回归模型中有多个解释变量，这样的模型成为多元线性回归模型，多元指多个变量。 22.偏回归系数:在多元回归模型中，每一个解释变量前的参数即为偏回归系数。它测度了当其他解释变量
研究生计量经济学考点精要(李子奈)教学提纲
计量经济学（2012-1-6） 1.计量经济学是经济学的一个分支学科，是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。 2.区分数理经济模型和计量经济模型：（1）数理经济模型揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。（2）计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。 3.计量经济学的内容体系分类 （1）计量经济学有广义和狭义之分： 广义计量经济学：是利用经济理论、数学以及统计学定量研究经济现象的经济计量方法的统称。包括回归分析方法、投入产出分析方法、时间序列分析方法等。 狭义计量经济学：也就是我们通常所说的计量经济学，以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。 （2）根据研究对象和内容侧重面不同，可以分为理论计量经济学和应用计量经济学。 （3）按数据类型划分为：截面(cross-section)分析；时间序列(time-series)分析；平行数据(panel data)分析；离散数据(discrete data)分析；模糊数据(fuzzy data)分析。 （4）按模型类型划分：单方程模型与联立方程模型（单方程模型的研究对象是单一经济现象，揭示存在其中的单向因果关系。联立方程模型的研究对象是一个经济系统，揭示存在其中的复杂的因果关系。）；线性模型与非线性模型；静态模型与动态模型；参数模型与非参数模型。 （5）按估计方法划分：从最小二乘原理出发的估计方法；从最大似然原理出发的估计方法；矩估计方法；非样本信息估计方法。 4.建立计量经济学模型的步骤： （1）理论模型的设计；（主要包含三部分工作：即选择变量、确定变量之间的数学关系、拟定模型中待估计参数的数值范围） （2）样本数据的收集；（样本数据的质量问题大体上可以概括为完整性、准确性、可比性和一致性） （3）模型参数的估计；（模型参数的估计方法，是计量经济学的核心内容） （4）模型的检验。（经济意义检验、统计学检验、计量经济学检验和预测检验） 5.计量经济学模型成功的三要素：理论、方法和数据。 理论：即经济理论，所研究的经济现象的行为理论，是计量经济学研究的基础。 方法：主要包括模型方法和计算方法，是计量经济学研究的工具与手段，是计量经济学不同于其它经济学分支学科的主要特征。 数据：反映研究对象的活动水平、相互间联系以及外部环境的数据，或更广义讲是信息，是计量经济学研究的原料。 6.经典计量经济学方法的核心是采用回归分析的方法揭示变量之间的因果关系。 7.计量经济学模型的应用大体可以被概括为四个方面：结构分析、经济预测、政策评价、检验与发展经济理论。 结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。 8.经济变量之间的关系，大体可分为两类： 确定性关系或函数关系：研究的是确定性现象非随机变量间的关系。 统计依赖关系或相关关系：研究的是非确定性现象随机变量间的关系。 9. 回归分析是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。 其中：前一个变量被称为被解释变量（Explained V ariable ）或因变量（Dependent Variable ）。 后一个（些）变量被称为解释变量（Explanatory Variable ）或自变量（Independent Variable ）。 10.总体回归函数： 给定解释变量X 的某个确定值Xi ，与之统计相关的被解释变量Y 的总体均值（期望值）可以表示为： 上式说明了被解释变量Y 平均地说随解释变量X 变化的规律，一般称为 ()()i i E Y X f X
关于计量经济学的主要参考
计量经济学课程学习参考附录 计量经济学著作： 12345 12 123 123 1
1 2 3 1 2 3 1. Analysis of financial time series, 2nd edition,
面板数据著作 12 123 关于计量经济学的主要刊物： 1. Econometrica , 双月刊，美国计量经济学会主办，1933年创刊。 2. Journal of Econometrics , 双月刊，瑞士出版，1973年创刊。 3. Journal of Applied Econometrics ，双月刊，美国John Wiley&Sons 出版社，1986年创刊。 4. Econometric Theory , 每年五期，英国剑桥大学出版社，1985年创刊。 5. Oxford Bulletin of Econometrics and Statistics , 季刊，牛津大学经济与统计研究所主办，1936年创刊。 6. Journal of the American Statistical Association , 季刊，美国统计协会主办，1888年创刊。 7. The Japanese Economic Review , 季刊，日本经济与计量经济协会主办，1950年创刊。 8. 《数量经济技术经济研究》，月刊，中国数量经济学会主办。 9. 《经济研究》，月刊，中国社会科学院经济研究所主办。 10. 《统计研究》，月刊，国家统计局，中国统计学会主办。
经济计量学常用软件： 1.TSP (Time Series Processor) ，(Palo Alto, California,USA) 2.EViews (Econometric Views)，（美国QMS公司的软件产品） 3.PcGive (Personal Computer, General Instrumental Variable Estimation) (J.A. Doomik and D.F. Hendry) 4．PcFiml (Personal Computer, Full Information Maximum Likelihood Estimation) 5．RATS (时间序列分析，协整分析，ARCH, GARCH模型) 6．Microfit (H. Pesaran and B. Pesaran, Oxford University) 7．Mathematica（处理各种数学运算） 8．S-PLUS（包括回归分析、方差分析、判别分析、聚类分析、试验设计、非参数方法、生存分析、时间序列分析、谱分析、投影寻踪等。） 9．Ox（多用于蒙特卡罗模拟） 10．GAUSS（多用于蒙特卡罗模拟）(Kent, Washengton, USA) 11．SPSS, SAS（主要用于统计分析） 相关数据网站： 中国国家统计局：https://www.360docs.net/doc/d5433443.html, 美国：https://www.360docs.net/doc/d5433443.html, 上海统计局：https://www.360docs.net/doc/d5433443.html, 美国人口普查局：https://www.360docs.net/doc/d5433443.html, 信息产业部：https://www.360docs.net/doc/d5433443.html,/mii/hyzw 美国会图书馆：https://www.360docs.net/doc/d5433443.html,/ 国家外汇管理局：https://www.360docs.net/doc/d5433443.html, 美国商业部：https://www.360docs.net/doc/d5433443.html,/ 国际货币基金组织数据库：https://www.360docs.net/doc/d5433443.html, 亚洲东盟网站：https://www.360docs.net/doc/d5433443.html, 经合组织数据库：https://www.360docs.net/doc/d5433443.html, APEC网站：https://www.360docs.net/doc/d5433443.html,.sg 国信证券：https://www.360docs.net/doc/d5433443.html, 美国IBM公司：https://www.360docs.net/doc/d5433443.html,/investor 中国人民银行网：https://www.360docs.net/doc/d5433443.html, 美国：https://www.360docs.net/doc/d5433443.html, 经济杂志网：https://www.360docs.net/doc/d5433443.html, 美国纳斯达克网：https://www.360docs.net/doc/d5433443.html, 北京大学网：https://www.360docs.net/doc/d5433443.html,/dataset/yearbook 搜索网站：https://www.360docs.net/doc/d5433443.html, 中国疾病预防控制中心： 英文书搜索网站：https://www.360docs.net/doc/d5433443.html, https://www.360docs.net/doc/d5433443.html,/feiyan/default1.asp
计量经济学精要第四版课后习题答案
5.14 （1） Y 对X ，即 12?i i Y b b X =+ Dependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 20:58 Sample: 1971 1987 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. X 0.260878 0.016664 15.65490 0.0000 C 38.96907 3.856351 10.10517 0.0000 R-squared 0.942325 Mean dependent var 96.41176 Adjusted R-squared 0.938480 S.D. dependent var 19.72216 S.E. of regression 4.891751 Akaike info criterion 6.123109 Sum squared resid 358.9385 Schwarz criterion 6.221134 Log likelihood -50.04642 Hannan-Quinn criter. 6.132853 F-statistic 245.0760 Durbin-Watson stat 0.629301 Prob(F-statistic) 0.000000 9423 .0) 655.15)(105.10(2609.09690.382 ==+=∧ r x t y t
（2）InY 对InX ，即 12?i i InY b b InX =+ 9642.0) 090.20)(954.8(ln 5890.04041.1ln 2 ==+=∧ r x t y t Dependent Variable: LNY Method: Least Squares Date: 11/13/17 Time: 21:40 Sample: 1971 1987 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C 1.404051 0.156813 8.953649 0.0000 LNX 0.588965 0.029317 20.08981 0.0000 R-squared 0.964166 Mean dependent var 4.547848 Adjusted R-squared 0.961777 S.D. dependent var 0.213165 S.E. of regression 0.041675 Akaike info criterion -3.407698 Sum squared resid 0.026052 Schwarz criterion -3.309673 Log likelihood 30.96543 Hannan-Quinn criter. -3.397954 F-statistic 403.6007 Durbin-Watson stat 0.734161 Prob(F-statistic) 0.000000
我国GDP增长与快递包裹数量的关系 简单计量经济学方法
我国GDP增长与快递包裹数量的关系王三军 一．背景 随着我国经济不断快速发展，快递行业迎来了快速发展的阶段。特别是近几年来，快递包裹数连创新高，甚至达到了爆棚的地步。甚至催生了新的白领阶层——快递员。然而，究竟我们GDP与近年来的快递业繁荣是否有着紧密的联系呢？ 二．研究目的 我们运用计量经济学模型，即一元线性回归模型，采用线性回归的计量经济学方法，通过Eviews软件对近年来快递包裹数量和GDP的关系进行了回归分析，得出初步结论，分析了国内快递包裹数量与GDP之间的关系。 三．数据来源与处理 国家统计局发布1990~2011年度国内快递包裹数量KD及GDP. Year KD（万件）GDP(万亿) 1990343.318667.82238 1991566.721781.49941 1992959.226923.47645 19932156.235333.92471 19944019.548197.85644 19955562.760793.72921 19967096.671176.59165 19976878.978973.035 19987667.784402.27977 19999091.389677.05475 200011031.499214.55431 200112652.7109655.1706 200214036.2120332.6893 200317237.8135822.7561 200419771.9159878.3379 200522880.3184937.369 200626988.04216314.4259 2007120189.6265810.3058 2008151329.3314045.4271 2009185785.81340902.8126 2010233891.99401512.7952 2011367311.08472881.5578 由Eivews作出散点图如下：