計量經(jīng)濟學 學習指導

《計量經(jīng)濟學 學習指導》由會員分享，可在線閱讀，更多相關《計量經(jīng)濟學 學習指導（20頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、《計量經(jīng)濟學》學習指導 1 計量經(jīng)濟學模型 1.1 計量經(jīng)濟學 1.1.1 計量經(jīng)濟學 計量經(jīng)濟學是以一定的經(jīng)濟理論和統(tǒng)計資料為基礎，運用數(shù)學、統(tǒng)計學方法與計算技術，以建立計量經(jīng)濟模型為主要手段，定量分析研究具有隨機性特性的經(jīng)濟變量關系。主要內(nèi)容包括理論計量經(jīng)濟學和應用經(jīng)濟計量學。 理論經(jīng)濟計量學主要研究如何運用、改造和發(fā)展數(shù)理統(tǒng)計的方法，使之成為隨機經(jīng)濟關系測定的特殊方法。 應用計量經(jīng)濟學是在一定的經(jīng)濟理論的指導下，以反映事實的統(tǒng)計數(shù)據(jù)為依據(jù)，用經(jīng)濟計量方法研究經(jīng)濟數(shù)學模型的實用化或探索實證經(jīng)濟規(guī)律。 1.1.2 計量經(jīng)濟學模型 計量經(jīng)濟模型包括一個或一個以上的隨機方程

2、式，它簡潔有效地描述、概括了某個真實經(jīng)濟系統(tǒng)的數(shù)量關系特征，更深刻地揭示出該經(jīng)濟系統(tǒng)的數(shù)量變化規(guī)律。是由方程或方程組組成，其中方程由變量和系數(shù)組成。 　　計量經(jīng)濟模型揭示經(jīng)濟活動中各個因素之間的定量關系，用隨機性的數(shù)學方程加以描述。 1.1.3計量經(jīng)濟學的內(nèi)容體系 1.2 計量經(jīng)濟建模 1.2.1 建模程序 1.2.2 建模要素 高效成功地建立計量經(jīng)濟學模型需要具有三個要素：理論、方法、數(shù)據(jù)。 從上述建立計量經(jīng)濟學模型的步驟中，不難看出，任何一項計量經(jīng)濟學研究、任何一個計量經(jīng)濟學模型賴以成功的要素應該有三個：理論、方法和數(shù)據(jù)。 （1）理論，即

3、經(jīng)濟理論，所研究的經(jīng)濟現(xiàn)象的行為理論，是計量經(jīng)濟學研究的基礎。 （2）方法，主要包括模型方法和計算方法，是計量經(jīng)濟學研究的工具與手段，是計量經(jīng)濟學不同于其他經(jīng)濟學分支學科的主要特征。 （3）數(shù)據(jù)，反映研究對象的活動水平、相互間聯(lián)系以及外部環(huán)境的數(shù)據(jù)，或更廣義講是信息，是計量經(jīng)濟學研究的原料。這三方面缺一不可。 　一般情況下，在計量經(jīng)濟學研究中，方法的研究是人們關注的重點，方法的水平往往成為衡量一項研究成果水平的主要依據(jù)。這是正常的。計量經(jīng)濟學理論方法的研究是計量經(jīng)濟學研究工作者義不容辭的義務。但是，不能因此而忽視對經(jīng)濟學理論的探討，一個不懂得經(jīng)濟學理論、不了解經(jīng)濟行為的人，是無法從

4、事計量經(jīng)濟學研究工作的，是不可能建立起一個哪怕是極其簡單的計量經(jīng)濟學模型的。所以，計量經(jīng)濟學家首先應該是一個經(jīng)濟學家。相比之下，人們對數(shù)據(jù)，尤其是數(shù)據(jù)質(zhì)量問題的重視更顯不足，在申請一項研究項目或評審一項研究成果時，對數(shù)據(jù)的可得性、可用性、可靠性缺乏認真的推敲；在研究過程中出現(xiàn)問題時，較少從數(shù)據(jù)質(zhì)量方面去找原因。而目前的實際情況是，數(shù)據(jù)已經(jīng)成為制約計量經(jīng)濟學發(fā)展的重要問題。 2 EViews數(shù)據(jù)分析基礎 1. 工作文件 2. 對象 3. 數(shù)據(jù)處理 3數(shù)據(jù)統(tǒng)計分析 3.1 描述統(tǒng)計 3.2 假設檢驗 4 經(jīng)典多元回歸分析與修正——OLS 4.1經(jīng)典多元線性回歸分析

5、 4.1.1 經(jīng)典回歸分析 4.1.2 回歸模型檢驗 4.1.3 模型檢驗總結(jié) 1、模型統(tǒng)計經(jīng)驗 表 模型統(tǒng)計經(jīng)驗 檢驗名稱 作 用 原假設 判 斷 （拒絕原假設） 拒絕原假設的經(jīng)濟意義 估計方法/模型修正 擬合優(yōu)度檢驗 擬合程度好壞 0~1，越大越好 F檢驗 方程顯著性經(jīng)驗 全部解釋變量參數(shù)同時等于零 P值小于某一顯著水平 在某一顯著水平上方程是顯著的 T檢驗 變量顯著性檢驗 解釋變量參數(shù)等于零 P值小于某一顯著水平 在某一顯著水平上變量是顯著的 2、殘差正態(tài)性與解釋變量多重共線性假設的檢

6、驗 表 殘差正態(tài)性與解釋變量多重共線性假設的檢驗 檢驗名稱 作 用 原假設 判 斷 （拒絕原假設） 拒絕原假設的經(jīng)濟意義 估計方法/模型修正 J-B統(tǒng)計量 殘差正態(tài)性經(jīng)驗 服從某理論分布 P值小于某一顯著水平 數(shù)據(jù)分布不服從選擇的理論分布 廣義自回歸條件異方差GARCH模型中的隨機項分布假設 Q-Q圖 服從某理論分布 理論分布與數(shù)據(jù)分布的分位數(shù)散點圖不在同一條直線上 數(shù)據(jù)分布不服從選擇的理論分布 經(jīng)驗分布檢驗 服從某理論分布 P值小于某一顯著水平 數(shù)據(jù)分布不服從選擇的理論分布 相關系數(shù)矩陣 多重共線性檢驗 不存在多重共線性 相關系數(shù)絕

7、對值接近于1 這兩個變量存在多重共線性 逐步回歸剔除法； （時序）差分法 逐步回歸法 多重共線性檢驗 不存在多重共線性 增減解釋變量時擬合優(yōu)度變化很大 新引進變量與其他變量存在多重共線性 3、殘差序列相關假設的檢驗 表 殘差序列相關假設的檢驗 檢驗名稱 作 用 原假設 判 斷 （拒絕原假設） 拒絕原假設的經(jīng)濟意義 估計方法/模型修正 DW統(tǒng)計量檢驗 殘差一階序列相關檢驗 序列相關參數(shù)等于0 P值小于某一顯著水平； DW≠2,一階自相關； DW<1.5,較強的正一階自相關； DW<2,正一階自相關；DW=2,不一階自相關；2

8、負一階自相關； 廣義最小二乘法GLS； 廣義差分法GDM； 單整自回歸移動平均模型ARIMA 相關圖+AC、PAC相關系數(shù) 殘差序列相關檢驗 AC、PAC=0，序列不相關 Q統(tǒng)計量檢驗 殘差序列相關檢驗 殘差序列中不存在p階自相關 P值小于某一顯著水平 序列存在p階自相關 LM檢驗 F統(tǒng)計量 殘差序列相關檢驗 殘差序列中直到p階滯后都不存在自相關 P值小于某一顯著水平 序列存在p階自相關 T×R2 殘差序列相關檢驗 P值小于某一顯著水平 序列存在p階自相關  4、殘差異方差檢驗 檢驗名稱 作 用 原假設 判 斷 （拒絕原假設

9、） 拒絕原假設的經(jīng)濟意義 估計方法/模型修正 ARCH LM檢驗 F統(tǒng)計量 殘差異方差檢驗 殘差序列中直到p階滯后都不存在ARCH效應 P值小于某一顯著水平 序列存在p階異方差 加權最小二乘法WLS； 自回歸條件異方差ARCH模型； 廣義自回歸條件異方差GARCH模型 T×R2 殘差異方差檢驗 P值小于某一顯著水平 序列存在p階異方差 殘差平方相關圖 殘差異方差檢驗 AC、PAC=0，序列不存在ARCH效應 序列存在p階后異方差 殘差平方Q統(tǒng)計量檢驗 殘差異方差檢驗 P值小于某一顯著水平 序列存在ARCH效應 White檢驗 殘差異方差檢驗

10、 不存在異方差 輔助回歸方程的F統(tǒng)計量、LM統(tǒng)計量、卡方檢驗P值小于某一顯著水平 序列存在ARCH效應 5、模型設定與穩(wěn)定性檢驗 表 模型設定的系數(shù)與穩(wěn)定性檢驗 作 用 檢驗名稱 原假設 判 斷 （拒絕原假設） 拒絕原假設的經(jīng)濟意義 估計方法/模型修正 模型設定誤差檢驗， 只適用于OLS估計 Ramsey RESET檢驗 模型不存在設定誤差 F統(tǒng)計量、LR統(tǒng)計量P值小于某一顯著水平 模型是合適的 補充缺失變量； 修正方程形式； 替代隨機解釋變量； 參數(shù)約束條件經(jīng)驗 Wald檢驗 參數(shù)約束條件方程成立 P值小于某一顯著水平 不附加

11、參數(shù)約束條件 受約束回歸 遺漏變量、多余變量經(jīng)驗 F檢驗 添加/多余的變量參數(shù)等于0 P值小于某一顯著水平 添加的變量沒有顯著解釋貢獻； 多余變量具有顯著解釋貢獻 遺漏的變量加進模型； 多余的變量從模型中剔除 似然比（LR）檢驗 添加/多余的變量參數(shù)等于0 P值小于某一顯著水平 模型穩(wěn)定性檢驗 鄒氏（Chow）分割點檢驗 模型無顯著結(jié)構變化 F統(tǒng)計量、LR統(tǒng)計量P值小于某一顯著水平 模型發(fā)生顯著的結(jié)構變化 鄒氏（Chow）預測檢驗 模型無顯著結(jié)構變化 F統(tǒng)計量、LR統(tǒng)計量P值小于某一顯著水平 模型發(fā)生顯著的結(jié)構變化 4.2 經(jīng)典假設的不滿足

12、及模型修正 4.2.1 經(jīng)典假設 對于經(jīng)典多元線性回歸模型 經(jīng)典假設： 1. 解釋變量是非隨機的或固定的，且相互之間互不相關，即無多重共線性； 2. 隨機項具有零均值，同方差及不序列相關性，即： 3. 隨機項滿足正態(tài)分布，即 4. 解釋變量與隨機項不相關，即 5. 樣本容量趨于無窮時，各解釋變量的方差趨于有界常數(shù)； 6. 回歸模型的設定是正確的。 4.2.2 經(jīng)典假設的不滿足與模型修正 異方差 序列相關 多重共線性 隨機解釋變量 經(jīng)典假設 確定性解釋變量 定義 三種： 與隨機項獨

13、立； 同期無關但異期相關； 同期相關 產(chǎn)生原因 橫截面數(shù)據(jù)作為樣本 經(jīng)濟變量固有的慣性； 模型設定的偏誤； 數(shù)據(jù)的編造； 時間序列數(shù)據(jù) 經(jīng)濟變量相關的共同趨勢； 滯后變量的引入； 樣本資料的限制 滯后被解釋變量作為模型的解釋變量 后果 參數(shù)估計量不有效； 變量的顯著性檢驗失去意義； 模型的預測失效； 參數(shù)估計量不有效； 變量的顯著性檢驗失去意義； 模型的預測失效； 完全共線性下參數(shù)估計量不存在； 參數(shù)估計量的方差變動； 參數(shù)估計量經(jīng)濟含義不合理； 顯著性檢驗、模型預測失去意義； OLS估計值失效 檢驗 圖示檢驗法； white異方差檢驗

14、圖示檢驗法； D.W統(tǒng)計量檢驗； 相關圖與Q統(tǒng)計量檢驗 LM檢驗 是否存在： 相關系數(shù)判斷； 綜合統(tǒng)計檢驗法 存在范圍： 判斷系數(shù)檢驗法； 逐步回歸法 修正、補救、克服 加權最小二乘法WLS 廣義最小二乘法； 廣義差分法:ARIMA模型； 剔除引起共線性的變量； 差分法； 廣義矩估計法GMM； 工具變量法 5 經(jīng)典回歸模型的拓展 5.1非線性模型的回歸分析 表 多元非線性回歸模型的線性化變換與估計方法總結(jié) 線性化分類 模型特征 線性化變換方式 示例 線性化變換后選用的估計方法 可轉(zhuǎn)換為線性回歸模型 倒數(shù)模型 變量直接

15、置換法：引入替代變量 普通最小二乘法OLS 多項式模型 變量直接置換法：引入替代變量 普通最小二乘法OLS 冪函數(shù)模型、指數(shù)函數(shù)模型 函數(shù)變換法：取對數(shù)+替換 普通最小二乘法OLS 復雜函數(shù) 泰勒級數(shù)展開法 普通最小二乘法OLS 無法線性化模型 —— —— —— 非線性最小二乘法NLS 5.2 特殊解釋變量模型——虛擬解釋變量 5.3 特殊被解釋變量模型——離散及受限被解釋變量 6 單方程模型的其他估計方法 6.1 單方程模型的其他估計方法及適用場合 6.2 單方程模型其他估計方法的選擇邏輯 隨

16、機誤差項 white異方差檢驗 存在 異方差問題 隨機誤差項 序列自相關檢驗 存在 序列自相關 Newey-West一致 協(xié)方差HAC方法 異方差形式已知 異方差形式未知 加權最小二乘估計法WLS white異方差一致 協(xié)方差估計方法 回 歸 估 計 不存在序列自相關，但存在異方差 存在序列自相關，也存在異方差 4、殘差異方差檢驗 檢驗名稱 作 用 原假設 判 斷 （拒絕原假設） 拒絕原假設的經(jīng)濟意義 估計方法/模型修正 ARCH LM檢驗 F統(tǒng)計量 殘差異方差檢驗 殘差序列中直到p階滯后都不存在ARCH效

17、應 P值小于某一顯著水平 序列存在p階異方差 加權最小二乘法WLS； 自回歸條件異方差ARCH模型； 廣義自回歸條件異方差GARCH模型 T×R2 殘差異方差檢驗 P值小于某一顯著水平 序列存在p階異方差 殘差平方相關圖 殘差異方差檢驗 AC、PAC=0，序列不存在ARCH效應 序列存在p階后異方差 殘差平方Q統(tǒng)計量檢驗 殘差異方差檢驗 P值小于某一顯著水平 序列存在ARCH效應 White檢驗 殘差異方差檢驗 不存在異方差 輔助回歸方程的F統(tǒng)計量、LM統(tǒng)計量、卡方檢驗P值小于某一顯著水平 序列存在ARCH效應 5、殘差序列相關假設的檢驗

18、表 殘差序列相關假設的檢驗 檢驗名稱 作 用 原假設 判 斷 （拒絕原假設） 拒絕原假設的經(jīng)濟意義 估計方法/模型修正 DW統(tǒng)計量檢驗 殘差一階序列相關檢驗 序列相關參數(shù)等于0 P值小于某一顯著水平； DW≠2,一階自相關； DW<1.5,較強的正一階自相關； DW<2,正一階自相關；DW=2,不一階自相關；2

19、中不存在p階自相關 P值小于某一顯著水平 序列存在p階自相關 LM檢驗 F統(tǒng)計量 殘差序列相關檢驗 殘差序列中直到p階滯后都不存在自相關 P值小于某一顯著水平 序列存在p階自相關 T×R2 殘差序列相關檢驗 P值小于某一顯著水平 序列存在p階自相關 時間序列模型： d次差分 序列不相關 時間序列 回歸估計 預 測 預測效果判斷 平穩(wěn)時間序列建模 非平穩(wěn)時間序列建模 模型識別 參數(shù)估計 模型驗證 序列相關 平穩(wěn) 不平穩(wěn) 自回歸條件異方差模型： 20 / 20