文档库 最新最全的文档下载
当前位置:文档库 › 计量经济学大纲

计量经济学大纲

计量经济学大纲
计量经济学大纲

《计量经济学》课程教学大纲

编写说明

一、课程名称:计量经济学

二、课时及学分:

课时:72课时学分: 4学分

三、先修课程:

《西方经济学》、《微积分》、《线性代数》、《概率论与数理统计》等。

四、教学方法要求:

采用多媒体教学与传统板书教学相结合的方式。以多媒体教学为主,授课过程中在必要时辅以板书讲解。

学生要求在实验室上机实习和完成作业。

五、教材及参考书:

1.教材:《经济计量学精要》(第二版)(美)达莫达尔N.古亚拉提著,张涛译,北京:机械工业出版社,2000年

2.主要参考书:

(1)《计量经济分析方法与建模》高铁梅,北京:清华大学出版社,2006年

(2)《计量经济学》李子奈,北京:高等教育出版社,2000年

(3)《计量经济学——方法与应用》李子奈,北京:清华大学出版社,1992年

(4)《经济计量学》张保法,郑州:河南人民出版社,1992年

(5)《经济计量学》李长风,上海:上海财经大学出版社,1996年

3.教科书简介:《经济计量学精要》是一本标准的教科书。全书共分为四个部分,第一部分详细介绍了标准统计的内容,这是计量经济方法的理论基础;第二部分着重介绍了计量经济学的基础工具——线性回归方程;第三部分对古典线性回归方程的若干假设进行了详细的阐述;第四部分简要介绍了联立方程技术。通览本书,具有以下两个突出的特点:一是基础性。本书是一本计量经济学初级教科书。主要以理论分析为主,没有涉及复杂的数学计算、推导和证明,通过宏观经济、微观经济中的典型实例向初学者通俗、形象地介绍单方程技术,再到联立方程技术,全面反映了计量经济学研究的主要内容,并介绍了计量经济学研究的最新成果。可以预见,该书将对计量经济学的教学和研究起到有益的作用。

六、课程的性质、目的、内容和任务:

《计量经济学》是教育部确定的高等学校经济学门类各专业8门共同核心课程之一,是经济类专业的必修课,管理学类专业的选修课。本课程属于综合性交叉学科,涉及西方经济学、数理统计及高等数学的基本知识。本课程是一门以经济理论为前提,利用数学、数理统计方法及计算技术,根据实际观测资料来研究经济现象,分析经济过程,探讨经济规律,对反映经济现象本质的经济数量关系进行研究的学科。内容主要包括计量经济学的基本知识、基本理论、基本方法和计量经济学模型的主要应用。基本知识包括计量经济学的涵义、计量经济学研究的内容和方法以及给出计量经济学的全貌、基本理论和基本方法。课程的主要特点是理论与实际应用并重,既要认真学习基本理论知识,又要注重经济计量方法在实践中的应用。本书抛开了复杂的数学计算以及繁琐的推导和证明,将深入浅出的理论分析贯彻始终。同时,计量经济学还是计算机、经济学等多门学科相互联系的交叉学科,在社会生活各个领域都起到了很大的作用,是各类高级人才必备的一门方法论工具。该课程目的是:通过学习、掌握计量经济学的基本原理和常用方法,研究经济中的有关问题,训练学生运用计

量方法、经济计量模型进行创造的思维方法。掌握计量经济学的学科性质和研究内容,了解计量经济学发展简史;掌握计量经济学与其它学科之间的关系;掌握计量经济研究的运用步骤;了解计量经济学内容体系。并在此基础上,培养学生利用计量经济学的方法,学习和实践现代经济学的基本理论以及用定量的方法分析、解决实际经济生活中有关经济学问题的能力。此外,通过该学科的学习,使学生对其他学科的学习和深入研究做好充分的方法论准备,使学生形成有效的学习迁移。

本课程的内容简介:本课程讲述计量经济学的一些基础知识,内容包括:一、线性回归和多元线性回归的基本原理,重点是一元线性回归的回归方程和最小二乘法,误差以及线性回归的显著性检验;多元线性回归模型及参数估计、假设检验和回归预测;逐步回归、多项式回归和最小二乘解。二、虚拟变量回归模型。重点是虚拟变量作自变量的模型设定和检验。

三、异方差和自相关广义线性模型。重点是(同时也是难点)异方差的检验、广义最小二乘法、残差一阶自回归模型、权矩阵的最佳选择等。四、联立方程模型与二阶段最小二乘法。

五、回归方法专题,包括滞后变量回归模型等。本课程融计量经济学理论方法与应用模型为一体;以初级水平为主,适当引入中级水平的内容;以经典线性模型为主,适当介绍一些适用的扩展模型。课程将详细介绍经典的单方程计量经济学模型和联立方程计量经济学模型的理论方法。在应用软件中,课程主要介绍Excel软件和Eviews软件在计量经济分析方面的具体操作和应用。

采用的教学方法指导思想:以课堂讲授计量经济方法原理为主,由经济管理或经济研究案例引出对经济计量方法的需求,从而激起学生对方法的学习兴趣。教师根据教学进度给出软件操作指南,使学生在学习方法的同时,掌握相应工具的使用。教师把软件操作指南放在校园网上,供学生随时查阅。同时,把理论和实践相结合,开展当今热点问题的讨论,激发学生的研究兴趣,学习如何发现、分析和提炼自己的观点,把握写作的技巧等实际应用问题。

七、其它说明

该大纲用于72课时本科计量经济学课程,54课时本科计量经济学课程的内容授课内容为:第一章至第十三章。

课时分配表

注:计划课时为72学时,其中有2学时用于期中考试。

第一章经济计量学的特征及研究范围

一、学习要求

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十分必要的。这个领域的研究也因此变得十分流行。本章的目的旨在给初学者一个经济计量学的概貌。

通过本章的学习,要求学生了解经济计量学的基本概念、内容体系和本课程涉及的内容,以及经济计量学的主要应用和建立与应用经济计量学模型的工作步骤;理解经济计量学是一门经济学科以及在经济学科中的地位。

本章要了解各种基本概念,理解经济计量学的研究对象和内容。本章的重点是经济计量学中的基本概念的理解,建立与应用计量模型的工作步骤等。

二、课程内容

1、教学内容:

(1)计量经济学与计量经济学模型的概念

主要介绍计量经济学的产生、计量经济学的发展、计量经济学在中国的发展。并在介绍计量经济学的概念发展以及在此基础上形成的经济数学模型、数理经济模型以及计量经济模型的概念。

(2)计量经济学的内容体系

简单介绍了广义计量经济学和狭义计量经济学的含义和计量经济学建模理论与方法的发展历程以及理论计量经济学和应用计量经济学研究的主要内容。

(3)计量经济学是一门经济学科

从不同的角度论述了计量经济学是一门经济学科,并简单阐明了计量经济学在经济学科中的地位。

(4)理论模型的设计

详细介绍理论模型设计的具体步骤,并指出在选择变量时常见的几类错误。

(5)样本数据的收集

介绍了几种常用的样本数据及其特点。

(6)模型参数的估计和模型的检验

简单介绍模型参数估计和检验的方法及其步骤。

(7)计量经济学模型成功的三要素及相关问题

着重介绍了计量经济学模型成功的三个要素及相关分析、回归分析和因果分析的涵义。

(8)计量经济学应用软件介绍

主要介绍了计量经济学中常用的几种计量经济分析软件包。

(9)计量经济学模型的应用

简单介绍了计量经济学模型应用的四个方面。

2、重点与难点:

(1)了解计量经济学的相关概念、研究内容、研究对象,理解和掌握理论模型设计的步骤、参数估计和模型的检验等概念的发展过程,以及在此过程中统计专业软件的发展概况。

(2)掌握计量经济学模型成功的三要素和模型应用的四个方面,考试时这一章一般只出名词解释、填空或选择题。因此要加强概念的记忆。

(3)怎样理解产生于西方国家的计量经济学能够在中国的经济理论研究和现代化建设中发挥重要作用?

第二章基本统计概念的回顾

一、学习要求

回顾了概率、概率密度、和随机变量等基本概念。主要是为了帮助那些没有学过概率论的同学积累一些基本知识,以便后面的学习能够顺利进行。通过本章的学习,要求学生能够有一定的概率论基础,对基本的统计概念熟练掌握。并且能够掌握基本的概率运算技能。由于我们的目的并不是传授统计学,而是复习和回顾在本书后面头轮中所必需了解的一些基本统计概念,因此,对这些概念的讨论更多的是直观的。

本章介绍了一些重要公式。要学会利用这些公式计算随即变量的概率以及如何估计概率分布的数字特征,比如期望值、方差、协方差、相关系数、条件期望值等等。在介绍公式的同时,我们会仔细区分总体矩和样本矩,并给出相应的计算公式。另一方面,在统计学中,总体和样本的两分性非常重要,因为在许多实际运用过程中,我们仅有来自于总体的一两个样本,而且常常是通过这些样本矩来推断总体矩。如何利用样本对总体进行推断,我们将在随后的两章中讨论。

二、课程内容

1、教学内容:

(1)一些基本符号

介绍一些常用的基本数学符号:求和符号。以及这些符号的性质。

(2)试验、样本空间、样本点、事件

介绍试验、样本空间、样本点、事件的基本概念和性质。并通过实际的例子来说明它们

的表征和识别技巧。

(3)随机变量与概率

介绍随机变量的概念和分类,概率的古典定义。

(4)随机变量与概率密度函数

介绍离散随机变量和连续随机变量的概率密度函数、累计分布函数的定义和数学表达式。通过首先介绍离散型随机变量的概率密度函数来过渡到连续随机变量的情形。并且详细讲解了它们的分布函数图像的解释和特征。

(5)多元随机变量的概率密度函数

将单变量或一元随机变量的概率密度函数扩展到多元的概率密度函数,主要介绍双变量联合概率密度函数、边缘概率密度函数、条件概率密度函数以及统计的独立性。并且通过实例来的讲解来加深印象。

(6)概率密度的特征

介绍期望的定义和性质,方差的定义和性质,协方差的定义和性质。定义相关系数的数学表达式及其性质。介绍相关变量的方差、条件期望。介绍样本的基本统计量。并通过图解的方式来形象地展现各个统计量的特征。

2、重点与难点:

(1)熟练掌握概率、概率密度、和随机变量等基本概念。

(2)能够运用概率论计算随机变量的概率。

(3)能够通过概率密度函数求解不同类型随机事件的概率。

(4)会求样本的基本统计量。

第三章一些重要的概率分布

一、学习要求

在前面的章节中我们讲到随机变量可以用其概率密度函数的一些数字特征(或矩)来描述,比如期望值和方差。但是,由于随机变量种类繁多,因此假设知道其概率密度实际上是较高的要求。但在实际中,一些随即变量经常发生,因此统计学家能够确定其概率密度函数并归纳出其性质。这里,我们主要关注的是一些基本的概率密度函数。但是,在任何一本标准统计教科书上,你都会发现统计学家还对其他的一些概率密度函数作了仔细的研究。

本章讨论了计量经济学中广泛应用的4个重要概率分布:(1)正态分布;(2)X2分部;(3)t分布;(4)F分布。概括了上述4个分布的主要特征。通过几个具体例子阐明了这些分布是构建许多统计理论及实践的基础。通过本章的学习,能够辨别不同概率分布的使用条件,能够熟练掌握使用各种概率分布表。在随后的章节中,将会介绍这四种概率分布在整个经济计量理论和实践中的重要作用。因此,对这四种概率分布的熟练掌握将是学习下面内容的基础,学生可以在今后的学习过程,不时地翻回本章,仔细考虑这些分布的特殊之处。

二、课程内容

1、教学内容:

(1)正态分布

介绍最重要的一种分布:正态分布。给出了它的定义、五条性质和密度函数。讲解了标准正态分布的概念和标准化的方法以及和一般正态分布的关系。并且详细分析了正态分布的分布图,以及它在实际经济生活中的广泛应用。

(2)样本均值的概率分布

由于样本均值是依据某一给定样本而定,因此其值也会因随机样本的不同而变化。也就

是说,样本均值也可以看作随机变量。由此给出了样本均值的概率分布函数的表达式。随后介绍了中心极限定理。

(3)X2分布、t分布、F分布

介绍了统计学中另一个常用的概率分布:X2分布。给出了它的定义、四条性质和密度函数的图形;介绍了本书中最常用的一个概率分布:t分布。给出了它的定义、两条性质和密度函数的图形;介绍了又一个重要的概率分布:F分布。给出了它的定义、三条性质和密度函数的图形。

(4)t分布、F分布、 X2分布与正态分布的关系

从五个方面介绍了t分布、F分布、 X2分布与正态分布的转换和渐近关系。

2、重点与难点:

(1)能够熟练画出不同概率分布的密度函数图形。

(2)能够熟练掌握各个分布的重要性质。

(3)能够熟练应用概率分布表。

(4)能够理解各种分布在实际经济活动中的应用。

第四章统计推断:估计与假设检验

一、学习要求

具备了概率、随机变量、概率密度、概率密度的特征(比如期望值、方差、协方差、相关系数、条件期望值)的基础知识后,我们将要讨论统计学中另一个重要内容:统计推断。一般的说,统计推断是根据来自总体的样本对总体(概率密度函数)的种种统计特征做出判断。前面已经讲过,总体和样本在统计学中是两个非常重要的概念。总体是指我们所关注现象出现的可能结果的全体;样本是总体的一个子集。更宽泛地说,统计推断研究的是总体与来自总体的样本之间的关系,本章将列举具体的实例来说明统计推断的含义。

本章介绍了古典统计学的两大重要分支:估计与假设检验。学习文本章后应该做到对这两个概念能够正确理解,能够熟练应用这两个方法解决实际问题。

二、课程内容

1、教学内容:

(1)统计推断的含义

前面已经讨论了总体和样本这两个非常重要的概念。而统计推断则是研究总体与来自总体的样本之间的关系。并应用具体的实例说明统计推断的含义。

(2)估计和假设检验:统计推断的两个孪生分支

估计是统计推断的一个方面,假设检验是统计推断的另一个方面。介绍了两者的区别和联系,以及在实际应用中应注意的问题。

(3)参数估计

介绍参数估计的概念及其分类,具体介绍每一类估计方法的概念和应用。

(4)点估计量的性质

分别介绍点估计量的性质:线性、无偏性、有效性、最优线性无偏估计量、一致性。

(5)假设检验

更深入的讨论假设检验的重要属性,讨论单边和双边检验;分别介绍不同的检验方法,比如置信区间法,显著性检验方法及检验的P值。区别了第一类错误和第二类错误。以及如何选择显著性水平和P值。最后讨论了不同分布检验统计量的构造。

2、重点与难点:

(1)能够清晰理解参数估计和假设检验的概念。

(2)能够正确运用合适的估计方法和构造相应的统计量。

(3)能够正确建立原假设和备择假设及相应的检验统计量。

(4)能够对估计和检验结果做出符合实际的正确判断。

(5)能够正确理解估计与假设检验之间的联系与区别。

第五章线性回归的基本思想:双变量模型

一、学习要求

本章介绍了回归的基本思想。从总体回归函数开始,引入了线性总体回归模型的概念。这也是本书所关注的主要内容。线性回归是指参数是线性的,而不论变量线性与否。我们还介绍了随机的总体回归函数,并且详细讨论了随机扰动项的一些特性及作用。当然,总体回归函数只是建立在理论上的,或者说是理论化的,因为在实际中,我们仅仅可能从某一总体中获得一个或若干个样本。这也正是讨论样本回归函数的重要意义所在。本章还讨论了如何获得样本回归函数。在此介绍了最常用的普通最小二乘法,并给出估计总体回归函数的相应计算公式。同时本章将利用若干具体实例阐述最小二乘法。下一步工作是如何判定OLS法得到的样本回归函数的优度,这也正是下一章所要讨论的内容。

该章是课程的重点和主要内容之一。通过本章的学习,要求学生熟练掌握线性单方程计量经济学模型的理论与方法,能够运用矩阵描述、推导和证明与普通最小二乘法有关的过程和结论;能够独立完成建立线性单方程计量经济学模型的全过程工作,能够应用计量经济学软件实现线性回归模型的拟合,并能够正确判断模型的效果。

学习时,注意课堂讲授与课外练习的结合,有助于内容的学习和掌握。

二、课程内容

1、教学内容:

(1)回归的含义

介绍回归分析的含义以及回归分析的用途,经济变量间的函数关系;经济变量间的相关关系;简单相关与多重相关;线性相关与非线性相关;正相关与负相关;总体相关系数与样本相关系数;复相关系数与偏相关系数;相关分析的注意事项。回归的古典意义;回归的现代意义;回归直线与回归曲线;回归分析与相关分析的联系与区别。

(2)总体回归函数

举例说明回归分析的用途,之后定义了总体回归直线及其参数。总体回归函数的意义;总体回归函数的设定;线性总体回归函数的含义。

(3)总体回归函数误差的设定

介绍由于样本的随机性和其它不可度量的不可测随机因素而产生的总体回归模型中的随机误差项。

(4)随机误差项的性质

介绍随机误差项的四条性质:对未包括变量影响的代表、反映人类行为的一些内在随机性、代表测量误差、剃刀原则。随机扰动项的意义;随机扰动项产生的原因;随机扰动项的概率分布性质。

(5)样本回归函数

介绍样本回归函数的定义,如何应用样本回归函数对因变量进行预测,样本回归函数同总体回归模型的区别,“线性”回归的特殊含义,解释变量和参数的线性。以及如何从双

变量线性回归模型扩展到多元线性回归。样本回归线的描述;样本回归函数;Y 的样本条件均值;样本剩余项;样本回归函数与总体回归函数的关系。

(6)参数估计:普通最小二乘法

着重介绍了参数估计的任务和参数估计的两种方法:普通最小二乘法和最大似然法,着重介绍普通最小二乘法的基本原理以及在具体实例中的应用。

2、重点与难点:

(1)能够辨别什么情况适合应用回归分析。

(2)能够清晰辨别样本回归函数同总体回归模型的区别。

(3)能够熟练应用普通最小二乘法对总体回归参数进行估计和符合实际的解释。

(4)能够熟练运用相应软件进行线性回归模型的建立和检验,解决实际问题。

第六章双变量线性回归模型的假设检验

一、学习要求

在前面一章里,我们介绍了最小二乘法得到样本估计回归方程,这是统计推断的阶段,现在我们把注意力转向统计推断的另一个阶段-----假设检验。我们要回答一个重要问题:样本估计回归方程的“优度”如何?也就是说,怎样判断它确实是真实的总体回归函数的一个好的估计量呢?如何仅仅根据一个样本来确定估计的回归函数确实是真实总体回归函数的一个好的近似呢?我们无法清楚地回答这个问题,除非对总体回归函数知道的更多一些。所有这些都意味着:只有假定随机误差项是如何生成的,才能判定样本回归函数对真实回归函数拟合的好坏。否则,假设检验将无法进行。

本章主要讨论了如何对估计的模型进行假设检验。虽然双变量模型是简单的线性回归模型,但在这章介绍的基本思想是后面要讨论的多元回归模型的基础。我们将会发现,在许多方面,多元回归模型是双变量模型的推广。因此学习双变量模型对于今后模型变量的扩展是非常重要的。在学习过程中,不仅要学习模型的推导和检验过程,还要注重模型的经济理论基础,或是实际含义,保证模型的可用性。

二、课程内容

1、教学内容:

(1)古典线性回归模型的基本假定

详细介绍了线性回归模型的特征与普遍性,并举例说明。同时,着重论述了线性回归模型的五个基本假设及其意义。与此同时用图解的方式更加形象地讲解各个假设的含义。

(2)普通最小二乘估计量的方差与标准差

根据上述假设,给出普通最小二乘估计量的方差与标准差的数学表达式以及对具体实例的应用。由此介绍估计量的抽样差异性,即它们的值随着样本的变化是如何变化的。以及这种抽样差异性如何用估计量的方差或其标准差来衡量。

(3)普通最小二乘估计量的性质以及概率分布

介绍若满足古典线性回归模型的基本假定,则ols估计量具有如下性质:线性、无偏性、最小方差性和一致性。以及相应的无偏性检验:蒙特卡罗检验。将介绍这些性质的计算公式以及所代表的实际经济含义。

(4)ols估计量的抽样分布或概率分布

在了解了如何计算ols估计量的方差与标准差,也对这些估计量的统计量的统计性质进行了研究,接下来介绍如何求出这些估计量的抽样分布。如果不具备上述知识,就无法辨别

这些估计量接近统计真实值的程度如何。本章将详细介绍它们的推导和经济含义。

(5)假设检验(对系数和方差的检验)

分别用置信区间法和显著性检验法对回归参数和回归方差的显著性进行检验和分析。并用实际的例子说明假设检验在判别方程系数显著性和方程优度时的应用和经验法则。

(6)拟合优度检验:判定系数r2

在估计的斜率和截距均为统计显著的后,介绍如何计算判定系数r2,以及如何进行拟合优度检验,从而辨别估计的回归线拟合真实Y值的优劣。

(7)回归分析结果的报告

介绍如何撰写正规的回归分析结果报告。包括正式报告的格式,内容等方面的要求和技巧。以及如何在报告中正确使用图表来说明结论和丰富内容。

(8)正态性检验

介绍正态性检验的重要性和不同的正态性检验方法:残差直方图、正态概率图和Jarque-Bera检验。

(9)预测

应用通过检验的回归直线对应变量进行预测。包括点预测和区间预测,讨论两者的区别和联系,以及如何把握在实际应用中精度和费用的关系。

2、重点与难点:

(1)能够对参数估计量进行正确的检验。

(2)能够对检验结果进行符合实际的分析和判断。

(3)能够通过多种检验对回归效果做出总体评价。

(4)能够在模型检验不通过时有效合理调整模型。

第七章多元线性回归模型的估计与假设检验

一、学习要求

在双变量线性回归模型中,我们仅考虑了一个自变量或解释变量。本章将把模型扩展到有多个解释变量影响因变量的情形。毋庸置疑,我们可以举出许许多多多元回归的例子,实际上,它们都是多元回归模型,因为很少有经济现象能够仅用一个解释变量就能够解释清楚。本章我们将讨论最简单的多元回归模型,三变量线性回归模型—一个因变量,两个解释变量。虽然在许多方面,三变量模型是双变量模型的直接扩展,但是通过三变量模型,我们会接触到一些新的概念,比如偏回归系数,校正的和非校正的多元判定系数,多种共线性等。就多元回归参数估计而言,我们仍然是在普通最小二乘法估计的框架下进行参数估计的。与双变量模型相同,其估计量仍然具有很好的统计性质----最优线性无偏估计的高斯-马尔科夫性质。这两个模型的区别在于对模型的假设检验不同,我们将通过一些具体的数字例子来说明。

本章将把模型扩展到有多个解释变量影响因变量的回归模型。通过本章的学习,希望能够掌握如何估计多元回归模型,搞清多元回归模型的估计过程、假设过程与双变量模型的不同之处,以及如何解决多元回归模型中解释变量的个数问题。更重要的是掌握多元线形回归模型在实际经济生活和研究领域内的应用,因为在现实生活中,大部分经济关系都是多变量的,换句话说影响某个经济行为的因素是多元的,因此,要学会如何选择主要矛盾,而忽略次要矛盾,如何把复杂的经济现象模型化。

二、课程内容

1、教学内容:

(1)三变量线性回归模型

为了回答上面的问题,首先考虑最简单的三变量线性回归模型以及偏回归系数的含义。将详细对比双变量线性回归模型和三变量线性回归模型之间的联系和区别。

(2)多元线性回归模型的若干假定

逐一介绍多元线性回归模型的六条假定:解释变量与扰动项不相关假定,扰动项零均值

假定,同方差假定,无自相关假定,解释变量之间无线性相关的假定,扰动项服从),0(2S N 。

并对比双变量线性回归模型来发现这些古典假设有什么变化。

(3)多元回归参数的估计

介绍多元线性回归模型的一般形式以及参数估计的方法和过程,并以实例加以说明。同时,描述了参数估计量的性质、正规方程与样本容量问题。

(4)估计多元回归方程的拟合优度

介绍如何计算多元判定系数R 2

,以及如何进行拟合优度检验,从而辨别估计的回归直线拟合真实Y 值的优劣。从计算公式上来理解多元线性回归模型假设检验的步骤、各个偏回归系数之间的关系以及各检验与双变量线性回归模型检验的区别。

(5)对多元回归参数的假设检验

主要介绍了多元线性回归模型统计参数检验的两种方法:置信区间法和显著性检验法,并介绍如何对回归参数进行检验和分析,以及拟合优度检验的一般过程。

(6)对联合假设的检验

介绍了联合假设的原假设和备择假设的一般形式,回归方程显著性检验F 检验的一般过程以及F 检验和多元判定系数R 2的关系。

(7)从多元线性回归模型到双变量模型:设定误差

定义设定误差并讨论其产生的原因;讨论建立线性模型的注意点,以及在现实经济活动中如何有效减少和避免设定误差的一些经验法则。

(8)两个不同的R 2比较:校正的判定系数

定义校正的判定系数的计算式,并讨论两个不同的判定系数的优缺点。同时强调双变量和多元线性回归模型分别适用的判定系数。

(9)回归模型的结构稳定性检验:Chow 检验

介绍检验回归模型的结构稳定性的方法:Chow 检验的定义及应用的一般过程和实例研究。

2、重点与难点:

(1)能够理解并掌握多元线性回归模型一般形式,正确建立多元线性回归模型。

(2)能够应用多元线性回归模型的参数估计方法对模型参数进行正确估计。

(3)能够对多元线性回归模型进行各种统计检验过程以及对结果做出合适的解释。

第八章 回归方程的函数形式

一、学习要求

到目前为止,我们已经讨论了参数线性模型和变量线性模型。但是,在本书我们所关注的是参数线性模型,而不是要求因变量和解释变量是线性的。本章我们将会看到,实际上用以描述许多经济现象的参数线性/变量线性回归模型可能并不是十分准确的。在第五章中,我们已经讨论过参数之间是线性的模型和变量之间是线性的模型的定义。扼要地说。对于变量之间是线性的模型来说,解释变量每变动一个单位,因变量的变化率为一常数,但对于变量之间是非线性的回归模型来说,斜率并不是保持不变的。

本章讨论了几种参数之间是线性的模型还是或是可通过适当的变形成参数线性的模型(但变量之间并不一定是线性的)。这些不同的模型都有其自己特殊的性质和特征。

学完本章应该能够将不同形式的模型联合起来得到多元回归模型,初步具备建立经济计量模型的能力。当我们研究了这些不同模型的性质,并给出了不同模型的使用条件,无需赘言,我们将在本书后面的章节中遇到这些模型。

通过本章的学习应该学会在选择模型的时候不过分强调而且不要仅仅根据一个统计量来判定模型的好坏。模型的建立需要正确的理论,合适有用的数据,对各种不同模型统计性质的完整的理解以及经验判断。由于理论本身不是完美的,因此也就没有完美的模型,我们只期望选择模型时能够合理地权衡上述各项标准。

二、课程内容

1、教学内容:

(1)对数线性模型

介绍了双对数模型,对数-线性模型,线性-对数模型的一般形式,弹性的概念,对数线性模型的假设检验,以及线性模型和对数线性模型的比较。通过图形的对比来深入理解不同形式的模型的趋势特征,从而在实际应用中能有效应用趋势图来选择合适的模型形式。

(2)多元对数线性模型

将一元对数线性模型扩展到多元对数线性模型,列举实例:柯布-道格拉斯生产函数。详细讲解该生产函数的一些经典性质和广泛的引用。

(3)半对数模型

介绍测度增长率的模型:半对数模型。介绍了单利增长率和复利增长率以及线性趋势模型的一般形式。尤其对单利和复利的概念的区别。

(4)双曲函数模型

介绍了双曲函数模型的一般形式和由于参数符号不同所导致的不同分布图,列举了恩格尔消费曲线和宏观经济学中著名的菲利普斯曲线。

(5)多项式回归模型

介绍了多项式回归模型的一般形式和应用。尤其将重点讨论多项式回归模型阶数的确定方法和多项式回归模型的一些重要的性质。

2、重点与难点:

(1)能够理解不同模型的特殊性质和适用条件。

(2)能够根据具体情况建立合适的模型并进行参数估计及检验。

(3)能够把经济理论和计量模型有机的结合起来,培养建模能力。

第九章包含虚拟变量的回归模型

一、学习要求

到目前为止,在我们所考虑的线性回归模型中,解释变量都是定量变量。但是,情况并非总是这样,有时候解释变量却是定性的变量;我们把这类变量称为虚拟变量。本章我们将介绍如何将虚拟变量引入模型并使模型更加丰富和完善。

本章介绍了取值为0、1的虚拟变量是如何引入到回归模型中的。我们通过不同的例子说明了虚拟变量本质上是“变量分类器”,它根据样本的属性将样本分为各个不同的子群并对每个子群进行回归分析。学习完本章应该能够掌握以下知识点:第一,如果回归模型包括了一个常数项,那么虚拟变量的个数必须比每个定性变量的分类数少一个;第二,虚拟变量

的系数必须与基准类相关——取值为零的一类。第三,若模型中包括多个虚拟变量,且每个虚拟变量都有多个分类,则引入模型的虚拟变量的个数不能超过样本观测值的个数。

本章我们讨论了模型设定偏差的情况,也即用错误的模型拟合了样本数据。如果各个子群体的截距和斜率都不同,那么我们应当建立一个斜率和截距均不同的模型。在这种情况下,如果仅仅是截距不同将很可能导致设定误差。因此,在具体的分析中经验是至关重要的,尤其在缺乏经济理论的情况下。有关设定误差的进一步讨论后面将讲到。

二、课程内容

1、教学内容:

(1)虚拟变量的性质

介绍了虚拟变量的性质以及方差分析模型和协方差分析模型。重点讲解如何将定性变量进行编码,以及引进虚拟变量的重要原因和意义。

(2)虚拟变量在回归模型中的应用

介绍了包含一个定量变量,一个两分定性变量的回归模型;虚拟变量有多种分类的情况;一个定量变量,两个定性变量的回归模型,给出了它们的一般形式和应用。

(3)回归模型中的结构稳定性

介绍了变量之间由于结构变动导致回归模型变动的解决方法:虚拟变量法,并且给出了不同的引入方式。重点介绍了三种不同的虚拟变量引入方法,强调引入虚拟变量个数的准则。

(4)虚拟变量在季节分析中的应用

介绍了在分析许多用月度或季度数据表示的经济时间序列时,如何应用虚拟变量法解决由于季节变化导致的回归直线截距和斜率的变化。重点是如何通过数据的时间序列图来选择虚拟变量的引入形式。

2、重点与难点:

(1)能够理解虚拟变量的性质。

(2)能够正确引入虚拟变量。

(3)能够正确估计虚拟变量的系数。

(4)能够熟练应用虚拟变量的方法解决实际定性变量引入回归模型的问题。

第十章多重共线性

一、学习要求

古典假设回归模型的一个重要假设是:解释变量之间不存在完全的线性关系,或称多重共线性。尽管在实际中很少有完全多重共线性,但接近或者高度多重共线性情形却经常发生。因此,在实践中多重共线性这一术语是指两个或多个变量高度线性相关。本章我们介绍几种检测多重共线性的方法,并指出它们各自的优缺点。我们也将讨论各种用来“解决”多重共线性问题的补救措施并指出它们各自的优劣之处。由于多重共线性是样本的特征,因此我们无法预知哪些检测多重共线性的方法或者哪种补救措施在任何情况下均适用。

本章讨论了多重共线性----两个或多个解释变量相关时所发生的情形。回顾古典线性回归模型的假定之一:解释变量与其他解释变量不完全线性相关。学习完本章应该掌握引起多重共线性的原因以及解决方法,并且理解本章的中心思想:只要解释变量不完全线性相关,普通最小二乘法估计量仍然是最优线性无偏估计量。此外,还要掌握多重共线性在不同情况下的容忍度,即在什么情况下可以容忍多重共线性,什么情况下是不允许的。

二、课程内容

1、教学内容:

(1)多重共线性的性质

介绍了不同情况的多重共线性的不同性质:完全多重共线性的情况、接近或不完全多重共线性的情况。重点讲解不完全多重共线性的形成原因和性质。

(2)多重共线性的理论和实际后果

分别讨论了多重共线性的理论后果和在实际应用时产生的后果。

(3)多重共线性的测定

首先介绍多重共线性存在的客观必然性,然后具体介绍了几种不同的多重共线性测定方法。最后举例具体实例进行练习。

(4)多重共线性的补救措施

分别介绍了几种不同对多重共线性的补救措施:删除法,增加数据法,重新建模法,利用先验信息法以及变量变换法的具体应用过程。

2、重点与难点:

(1)能够从理论上理解多重共线性的性质和存在的客观性。

(2)能够熟练掌握不同的多重共线性检验方法。

(3)能够应用合适的方法对多重共线性进行补救。

第十一章异方差

一、学习要求

古典线性模型强调同方差假定,但是在实际操作中我们无法保证这一假设总能满足。因此,本章主要讨论当同方差假定不满足时会发生什么情况。特别是如果忽视异方差的存在,而继续使用最小二乘法进行参数估计、建立置信区间和进行假设检验时将会得到什么样的偏差。同时还将介绍几种检验和补救措施来帮助我们发现和消除异方差对建模的影响。

本章讨论了当古典线性回归模型的一个重要假设即同方差假定不满足时,方程参数估计量的性质会有哪些影响,通过本章的学习应该掌握如何检验方程异方差以及选用合适的方法消除异方差。

二、课程内容

1、教学内容:

(1)异方差的性质

从产生的原因来阐述异方差的表现形式及其具有的性质。尤其是讲解当存在异方差时残差的表现趋势。

(2)异方差的后果

讨论了由于异方差所导致的后果:失去有效性,方差有偏,参数检验失效。从而说明其对回归模型的严重影响。

(3)异方差的检验

介绍了检验异方差的几种方法:图形检验法,帕克检验法,Glejser检验法,White检验法等等。其基本思想是根据问题的性质来判断。

(4)异方差的补救措施

介绍了当确认方程存在异方差时,可以采用的几种常用的解决方法:加权最小二乘法,

重新设定模型法。最后通过实例来进行深入讲解。

2、重点与难点:

(1)能够辨别什么是异方差以及方差的性质。

(2)能够选用合适的方法进行检验。

(3)能够选用合适的方法消除异方差。

(4)能够在实际应用中正确判断异方差,并能有效消除异方差的影响。

第十二章自相关

一、学习要求

在上一章中,我们对放松古典线性回归模型假设之一——同方差假定的后果进行了考察。本章我们将考虑放松古典线性回归模型的另一个假设---总体回归模型的扰动项无序列相关或自相关。本章将深入讨论这一问题。

本章讨论了当自相关存在时,方程参数估计量的性质有哪些变化,并且介绍了相应的检验方法和解决方法。通过本章的学习应该能够理解自相关的成因以及相应的检验方法,能够通过适当的方式消除自相关。

二、课程内容

1、教学内容:

(1)自相关的性质

介绍了自相关的定义,自相关的产生原因:惯性,模型设定误差,蛛网现象和数据加工等原因,并由此得出自相关的性质。

(2)自相关的理论和实际后果

介绍了自相关的后果:参数估计失去有效性,方差估计有偏,参数检验失效,可决系数有偏。

(3)自相关的诊断

介绍了几种常用的自相关检验方法:图形法,游程检验,杜宾-瓦尔森检验(一阶自相关)的一般过程。

(4)自相关的补救措施

介绍了几种常用的自相关补救措施:一阶差分法,杜宾两步法,迭代法的一般过程和实例讲解。尤其是要讨论一阶自相关和高阶自相关时应采取的补救措施。

2、重点与难点:

(1)能够理解自相关的性质及成因。

(2)能够选用合适的方法对自相关进行检验。

(3)能够选用合适的方法消除自相关。

第十三章模型的选择:标准与检验

一、学习要求

在前面几章中我们考虑了单方程线性回归模型,在给出这些模型时,我们隐含地假定了所选择的模型时“对现实的真实反映”;也就是说,它正确地反映了所要研究的现象。更专业地说,我们假定所选模型中不存在设定误差或者设定偏差。设定误差的产生是由于估计了

“不正确”的模型,尽管是不经意的。然而,在实践中,我们可能永远都无法知道真实的模型是什么,我们所希望的是寻找一个能够“相对”精确反映现实的模型。正是由于实践的重要性,我们需要对如何建立经济计量模型进行深入探讨。

本章讨论了古典模型假设的无设定偏差和无设定误差,当存在设定偏差和无设定误差时模型参数估计量的性质,学习完本章要理解设定偏差和无设定误差的含义和产生的原因,要牢记几个实践标准:第一,节俭;第二,可识别;第三,拟合优度;第四,理论一致性;第五,预测能力。

二、课程内容

1、教学内容:

(1)“好”的和“正确的”模型具有的特性

分别解释了著名经济学家哈维提出的五条检验模型好坏的标准。以及这些标准和含义和如何量化来检验。

(2)设定误差的类型

本节介绍了几种导致模型失效的设定误差:“过低拟合”模型;“过度拟合”模型;不正确的函数形式。重点讨论导致设定误差的原因。

(3)设定误差的检验

本节讨论了根据不同情况如何检验设定误差:诊断非相关变量的存在;对遗漏变量和不正确的函数形式的检验;残差检验以及其他检验设定误差的方法。

(4)用于预测的模型选择

本节讨论了用于预测的模型选择有哪些标准。介绍了最常用的AIC和SIC信息标准。

2、重点与难点:

(1)能够理解模型正确设定的含义。

(2)能够应用不同的诊断方法对设定误差进行检验。

(3)能够对模型预测能力进行评价。

第十四章单方程回归模型:几个补充专题

一、学习要求

在这一章里,我们讨论了四个很有实践意义的专题。第一个专题是有限最小二乘法。如果经济理论表明回归模型的一个或者多个参数必须满足一个或多个线性约束,有限最小二乘法把这类约束直接加到估计过程中;第二个专题是动态建模,就是把时间或者滞后因素引入模型。在这类模型中,被解释变量的当前值依赖于一个或多个解释变量的滞后值。这种依赖可能是由于心理、技术或者制度等等原因。通常称这种模型位分布滞后模型。在讨论动态模型时,我们指出了它们是如何帮助我们估计解释变量对被解释变量的短期和长期影响;第三个专题是取值为0,1的虚拟变量。尽管这类模型可以用OLS法加以估计(这种情况下,称作线性概率模型),但我们建议最好不用,因为这类模型估计得到的概率有时可能为负或大于1。因此,通常用分对数模型或概率模型来估计;我们所讨论的最后一个专题是伪回归现象,即当我们用一个或多个非平稳随机变量来回归另一个非平稳随机变量时,就产生了伪回归。此外我们还引入了协整的概念。两个或多个时间序列被称作是协整的,如果尽管单独来看两个时间序列是非平稳的,但它们之间却存在着稳定的、长期的关系。如果是这样的话,则根据这样的时间序列得到的回归结果就不是虚假的。最后我们介绍了带或者不带漂移的随机游走模型。许多金融时间序列都认为是服从随机游走的,也就是说,它们是非平稳的,这

或者反映在它们的均值上,或者反映在它们的方差上,或者两者都有反映。具有这些特征的变量被称为服从随机趋势。通过本章的学习要掌握每一种模型的设定形式和应用环境,根据具体问题应用不同的经济计量模型并且能够根据数据的特征对模型进行合理的修改。

二、课程内容

1、教学内容:

(1)有限最小二乘法

本节介绍了如果经济理论表明回归模型的一个或多个参数必须满足一个或多个线性约束,有限最小二乘法把这类约束直接加入到估计过程中。我们把有限最小二乘法的估计结果同普通最小二乘法的估计结果进行比较,在通过相应的检验做出对这些约束的取舍。

(2)动态经济模型:自回归模型和分布滞后模型

本节介绍了自回归模型和分布滞后模型的定义和各自的模型一般形式以及对于不同的模型应该应用什么有效的估计方法以保证估计量的最优性质。讨论了动态模型如何帮助我们估计解释变量和被解释变量的短期和长期影响。

(3)用于分布滞后模型的方法

介绍了一种既能减少分布滞后模型中滞后项个数又能解决多重共线性问题的创造性方法:夸克所采用的适应性预期模型和部分或存量调整模型的一般形式和应用。

(4)被解释变量是虚拟变量的情形

在第九章中我们详细讨论了一个或多个解释变量是虚拟变量,但因变量是定量变量的回归模型,在本节考虑的模型中,被解释变量也是虚拟变量;而解释变量或是虚拟变量,或是定量变量,或是两者都有。

(5)分对数模型

介绍了分对数模型和概率模型的一般形式和估计过程。以及在实践中的应用。

(6)伪回归现象

本节介绍了时间序列的稳定性的含义以及当稳定性被破坏时即出现伪回归现象时的应对办法,比如单位根检验可以判断平稳性,单整、协整的内涵和检验过程,论述了误差修正模型的定义及其与协整的关系。

2、重点与难点:

(1)理解并掌握变参数单方程计量经济学模型、非线性单方程计量经济学模型、非因果关系的单方程模型和误差修正模型的含义、一般形式。

(2)掌握各类单方程计量经济学模型的参数估计方法和检验方法及其步骤。

第十五章联立方程模型

一、学习要求:

本书前三部分主要讨论了单方程回归模型,这些模型在经济和商业领域的实际工作中得到广泛的应用。这种模型中变量之间的关系是单向的因果关系,但是,有些时候经济变量之间的影响却是双向的。也就是说,一个经济变量影响另一个经济变量,反过来,又受到其它经济变量的影响。也即变量之间的影响是相互的。在第四部分中,我们简单介绍了联立方程模型的基本知识,这一章将要讨论联立的含义并指出为什么在前面的章节中广泛应用的最小二乘法在估计联立方程模型的参数是不适用的。我们介绍估计联立方程模型参数的两种不同方法,以及模型识别的问题。本章我们仍将用一些数字例子和具体的经济实例来说明在本章出现的一些概念和技术方法。

通过本章的学习,要求学生理解线性联立方程计量经济学模型的基本概念和有关模型识别、检验的理论与方法;熟练掌握几种主要的单方程估计方法,能够运用矩阵描述、推导和证明与这些方法有关的过程和结论;能够独立完成由3—5个方程组成的简单联立方程模型的建模全过程工作;能够应用计量经济学软件。

二、课程内容:

1、教学内容:

(1)联立方程计量经济学模型的提出

着重论述了经济研究中和计量经济学方法中的联立方程计量经济学问题。强调变量系统的建模过程,以及在现实经济活动中经济变量系统的含义。

(2)联立方程计量经济学模型的若干基本概念

介绍变量的种类和概念,结构式模型和简化式模型的概念及其一般形式,以及参数关系体系的内涵。尤其要讲解结构模型到简化模型的矩阵推导过程,从而理解两种模型中系数的关系。

(3)联立方程计量经济学模型的识别

介绍识别的概念,结构式识别条件和简化式识别条件的内容,及其在实际应用中的经验方法。

(4)一种特殊的联立方程模型——递归系统模型

简单介绍递归系统模型的建立及其参数估计的方法和过程。

(5)联立方程计量经济学模型的单方程估计方法(一)

着重介绍联立方程计量经济学模型的三种单方程估计方法:狭义的工具变量法、间接最小二乘法和二阶段最小二乘法的涵义,估计过程及其在简单宏观经济模型中的应用。

(6)联立方程计量经济学模型估计方法的比较

简单介绍大样本估计特性的比较,小样本估计特性的onte Carlo试验,详细论述了普通最小二乘法被普遍采用的原因。

(7)联立方程计量经济学模型的检验

着重介绍联立方程计量经济学模型的四种检验:拟合效果检验、预测性能检验、方程间误差传递检验和样本点误差传递检验。

2、重点与难点:

(1)理解联立方程计量经济学模型的相关概念。

(2)掌握联立方程计量经济学模型的识别条件和估计方法及其检验。

(3)能够有效利用联立方程模型进行显示政策模拟等复杂经济活动的建模。

第十六章计量经济学软件包Eviews使用说明

一、学习要求

通过本章的学习,要求学生熟悉计量经济学软件包Eviews的窗口构成及其各部分的功能与作用,并能熟练应用Eviews软件包解决计量经济学中遇到的实际问题。

二、课程内容

1、教学内容:

(1)Eviews的简单介绍

简单介绍Eviews软件包的启动步骤,创建工作文件和输入、编辑数据的方法与过程以及查看组内序列的数据特征的方法。

(2)Eviews的应用

详细介绍Eviews在计量经济学问题中的应用:回归分析——估计消费函数,单方程预测,异方差检验,White 异方差校正功能和加权最小二乘法,一阶(高阶)序列相关校正,趋势转折点检验和两阶段最小二乘法。

2、重点与难点:

熟悉Eviews的窗口构成及其功能,掌握运用Eviews软件包解决计量经济学问题的方法和步骤。

《计量经济学教学大纲》

一.课程名称:计量经济学Econometrics

二.课程编码:

三.课时与学分:54+10(上机)/4

四.先修课程:中级宏观经济学中级微观经济学概率论与数理统计学

五.课程教学目标:

1.通过本课程的学习,使学生理解和应用计量经济学的主要内容和若干前沿以及相应的应

用技能,与此同时,使学生建立一个全面和先进的计量经济学的知识结构和框架;特别是具有进一步学习计量经济学的能力和兴趣,

2.将计量经济学的理论教学与应用相结合,特别强调通过教学软件(EVIEWS)的使用和研发,

使学生通过应用和仿真实验强化对计量经济学的理解, 提高应用能力,培养学生的自我学习能力和学习兴趣;

3.为学生今后更深入地学习和研究经济学和计量经济问题打下坚实的基础。

六.适用学科专业:经济学实验班(原经济学-数学双学士班)

七.基本教学内容与学时安排

·引言:什么是计量经济学; 回归分析的性质(4学时)

·双变量回归分析:一些基本概念; 双变量回归模型:估计问题(8学时)

·经典正态线性回归模型;双变量回归:区间估计和假设检验I(4学时)

·假设检验II;双变量线性回归模型的延伸;多元回归分析估计问题(8学时)

·多元回归分析:推断问题;线性回归模型的矩阵方法(4学时)

·基于矩阵的估计与检验及其估计量的性质; 多重共线性与微数缺测性;异方差.(8学时)·自相关;计量经济建模:模型设定和诊断I(4学时)

·设定问题; 虚拟变量;联立方程(8学时)

·识别和外生性检验;联立模型的估计(ILS)I(4学时)

·续第20章:联立模型的估计(TSLS)II;课程总结(4学时)

八.教学方法:实行启发式教学: 以课堂讲授为主,讲授过程中注重问题的提出,基本原理和

问题的进一步深入与应用, 启发学生从理论或方法论本身如何理解问题的实质,如何直观的理解, 进而结合课堂提问进行研讨式教学。上机实验由在学生在机房或自已利用课后时间完成, 优秀学生的习题和仿真实检将被选在课堂上进行报告,教师进行点评以引导学生进行研讨,并在课下适当安排习题和答疑。

九.教材及参考书

该课程所选用的教材是美国著名计量经济学古扎拉蒂所编写的教材《计量经济学》(第三版)。

十.课程考核方式

平时练习和报告20%,期末考试(闭卷)80%

《计量经济学》复习重点及答案

各位同学:请大家按照这个复习重点进行认真复习,考试时请大家带上计算器,平时成绩占30%,期末占70%。 考试题型: 一、名词解释题(每小题4分,共20分) 计量经济学:一门由经济学、统计学和数学结合而成的交叉学科. 经济学提供理论基础,统计学提供资料依据,数学提供研究方法 总体回归函数:被解释变量的均值同一个或者多个解释变量之间的关系 样本回归函数:是总体回归函数的近似 OLS 估计量 :以残差平方和最小的原则对回归模型中的系数进行估计的方法。普通最小二乘法估计量 OLS 估计量可以由观测值计算 OLS 估计量是点估计量 一旦从样本数据取得OLS 估计值,就可以画出样本回归线 BLUE 估计量、BLUE :最优线性无偏估计量, 其估计量是无偏估计量,且在所有的无偏估计量中其方差最小。 拟合优度、衡量了解释变量能解释的离差占被解释变量的百分比。 拟合优度R 2(被解释部分在总平方和(SST)中所占的比例) 虚拟变量陷阱、 带有截距项的回归模型,如果有m 个定性变量,只能引入m-1个虚拟变量。如果引入了m 个,就将陷入虚拟变量陷阱。既模型中存在完全共线性,使得模型无法估计 方差分析模型、解释变量仅包含定性变量或虚拟变量的模型。 协方差分析模型、回归模型中的解释变量有些是定性的有些是定量的。 多重共线性 多重共线性是指解释变量之间存在完全的线性关系或近似的线性关系. 分为完全多重共线性和不完全多重共线性 ??)X |E(Y ?) )X |E(Y ( ??? :SRF 2211i 21i 21的估计量。是的估计量;是的估计量;是其中相对于ββββββββi i i i Y X X Y +=+=∑∑==2 22?i i y y TSS ESS R

《计量经济学》课程教学大纲.

《计量经济学》课程教学大纲 课程名称:经济计量学 / Econometrics 课程代码:030230 学时:32 学分:2 讲课学时:328 上机/实验学时:0 考核方式:考试 先修课程:经济学、微积分、线性代数、概率统计、计算机基础 适用专业:金融学及相关专业 开课院系:管理学院投机金融系 教材:赵国庆. 计量经济学. 中国人民大学出版社,2002年 主要参考书: [1] 李子奈.计量经济学.高等教育出版社,2000年7月 [2] 李长风.经济计量学.上海财经大学出版社, 1996.5 [3] 刘振亚.计量经济学教程.中国人民大学出版社,1999 [4](美)格林著.计量经济分析.科学技术出版社,1999年 [5](美)Robert S. Pindyck, Daniel L. Rubinfeld 著,钱小军等译. 计量经济模型与经济预测. 机械工业出版社,1999.11 [6] 张保法.经济计量学(第四版).经济科学出版社,2000年1 [7] 孙敬水主编。计量经济学.清华大学出版社,2004年9月 [8] 庞皓主编.计量经济学.西南财经大学出版社,2002年8月 一、课程的性质和任务 计量经济学是经济学类的一门核心课程。该课程是以经济理论为指导,统计为基础,数学为手段,考察现代经济社会中的各种经济数量关系、预测经济发展趋势、检验经济政策效果的工具。本课程的主要特点是:理论知识与实际应用并重。要求理论与实际相结合,定性与定量相结合。学习过程中,既要认真学习计量经济学的基础理论知识,又要注重经济计量方法在实践中的应用。本课程的主要任务是:在本课程的教学中,要求学生学习、掌握计量经济学的基本原理和计量方法,培养学生在现代经济学的理论基础上,运用经济计量方法、经济计量模型定量分析与定量研究经济学中的有关问题,提高分析和解决有关实际经济问题的能力。 二、教学内容和基本要求 教学内容: 第一章绪论 1.1 计量经济学的有关概念 1.1.1 计量经济学的产生和发展 1.1.2 计量经济学的内容体系 1.1.3 计量经济学与相关学科的关系 1.2 计量经济学模型的特点与建模步骤 1.2.1 计量经济学模型的特点 1.2.2 计量经济学模型建模前的分析 1.2.3计量经济学模型的特建模步骤 1.3 计量经济学中常用概率分布基础 1.3.1 随机变量的概率分布与分布特征 1.3.2 常用概率分布及其特征 1.3.3 常用样本统计量与抽样分布

计量经济学重点知识整理

计量经济学重点知识整理 1一般性定义 计量经济学是以经济理论和经济数据的事实为依据,运用数学和统计学的方法,通过建立数学模型来研究经济数量关系和规律的一门经济学科。 研究的主体(出发点、归宿、核心): 经济现象及数量变化规律 研究的工具(手段): 模型数学和统计方法 必须明确: 方法手段要服从研究对象的本质特征(与数学不同),方法是为经济问题服务 2注意:计量经济研究的三个方面 理论:即说明所研究对象经济行为的经济理论——计量经济研究的基础 数据:对所研究对象经济行为观测所得到的信息——计量经济研究的原料或依据 方法:模型的方法与估计、检验、分析的方法——计量经济研究的工具与手段 三者缺一不可 3计量经济学的学科类型 ●理论计量经济学 研究经济计量的理论和方法 ●应用计量经济学:应用计量经济方法研究某些领域的具体经济问题 4区别: ●经济理论重在定性分析,并不对经济关系提供数量上的具体度量 ●计量经济学对经济关系要作出定量的估计,对经济理论提出经验的内容 5计量经济学与经济统计学的关系 联系: ●经济统计侧重于对社会经济现象的描述性计量 ●经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据 ●经济现象不能作实验,只能被动地观测客观经济现象变动的既成事实,只能依赖于经济统计数据 6计量经济学与数理统计学的关系 联系: ●数理统计学是计量经济学的方法论基础 区别: ●数理统计学是在标准假定条件下抽象地研究一 般的随机变量的统计规律性; ●计量经济学是从经济模型出发,研究模型参数 的估计和推断,参数有特定的经济意义,标准 假定条件经常不能满足,需要建立一些专门的 经济计量方法 3、计量经济学的特点:

计量经济学考试必备公式大纲

学习用途,考试专用,请用完删除自己总结1159952047 1、异方差性: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。类型:单调递增型,单调递减型,复杂型。原因:⑴模型中遗漏了随时间变化影响逐渐增大的因素。(即测量误差变化)⑵模型函数形式设定误差。⑶随机因素的影响。(即截面数据中总体各单位的差异)后果:1.参数估计量非有效2.变量的显著性检验失去意义3.模型的预测失效检验:图示检验法,戈德菲尔德-匡特检验,怀特检验,帕克检验和戈里瑟检验处理:变异方差为同方差,或尽量缓解方差变异的程度。(加权最小二乘法(WLS),异方差稳健标准误法) 2、序列相关性:如果模型的随机干扰项违背了相互独立的基本假设,则称为存在... 原因:经济数据序列惯性;模型设定的偏误;滞后效应;蛛网现象;数据的编造后果:1.参数估计量非有效;2.变量的显著性检验失去意义;3.模型的预测失效检验方法:图示法;回归检验法;D.W.检验法;拉格朗日乘数检验补救方法:广义最小二乘法(GLS),广义差分法,随机干扰项相关系数的估计,广义差分法在计量经济学软件中的实现,序列相关稳健标准误法。 3、多重共线性:如果模型的解释变量之间存在着较强的相关关系,则称模型存在多重共线性。 原因:经济变量相关的共同趋势、滞后变量的引入、样本资料的限制后果(一)完全:1、参数估计值不确定。 2、参数估计值的方差会无限大。( 二)不完全:1、有可能求出参数的估计值,但估计值很不稳定。2、参数估计值的方差会随多重共线性(近似)程度的提高而增大。3、对总体参数的区间估计将会降低精确度(置信区间变宽)。评价区间估计的两个标准: (1)估计的可靠度。(2)估计的精确度 .4、对总体参数的显著性检验(t检验)在统计上将会不显著。检验:1.检验多重共线性是否存在2.判明存在多重共线性的范围克服方法:1.排除引起共线性的变量2.差分法3.见笑参数估计量的方差 4、●经典假定:1、零均值假定。2、同方差假定。3、无自相关假定。4、解释变量与随机误差项不相关。 5、无多重共线性假定。 6、正态性假定。●多元线性回归模型的基本假定:零均值假定、同方差和无自相关(条件方差不变、条件自相关等于0)、随机扰动项与解释变量不相关、无多重共线性、正态性假定独立同分布,且~ N (0,σ2) 5、拟和直线的优度-判定系数r2。TSS为总离差平方和,反映Y的样本观测值的平均差异程度;ESS 为Y的估计值与均值的离差平方和,反映解释变量的变化所引起的对Y的波动大小,即解释变量在模型中存在的重要程度;RSS为残差平方和,反映Y依据回归直线没有得到解释的变差。 6、F检验的意义(1)检验的不足。尽管具有对模型整体拟合状况的判断,但它并不能得到到底要多大时回归方程才算通过了拟合优度检验。虽然R2能够给出评价模型拟合好坏的度量,但它只是对样本的拟合程度进行评价,不能回答总体的真实状况。(2)F检验的目的。对于总体多元线性回归模型,从整体上看,多个解释变量与被解释变量之间是否存在显著的线性关系,或者说 Y 的变动是否依赖于这些解释变量的变化。由F统计量的构成可以看出(ESS服从自由度为k-1,RSS服从n-k 的分布),如果ESS显著地大于RSS,则表明不能认为所有的全为零,这时在很大程度上要拒绝。则在该意义下,说明回归方程中的所有解释变量对应变量存在显著性影响。F 检验的一般步骤是:(1)构造 F 统计量,即。(2)给定显著性水平,查F分布表,得临界值,其中k为参数的个数,n为样本容量。(3)比较判断。若F﹥,则拒绝原假使,表明回归函数从整体上看是显著的,即所有解释变量对应变量有显著性影响。 7、t 检验在多元线性回归模型里与一元的情况是一致的。需要注意的是在多元线性回归模型对参数的 t 检验中,即~ t(n-k) (在成立下)这里是服从自由度为 (n-k) 的 t 分布。因此,在多元的情况下,运用 t 检验的操作过程如下(1)提出假设(2)构造检验统计量在H 0 成立的情况下,有:~t(n-k)(3)计算t统计量值,。(4)根据t分布,给定显著性水平,查表得临界值。(5)比较判断,若,则拒绝 H 0 ,同时接受 H 1 。表明第 j 个解释变量 X j 对被解释变量 Y 存在显著性影响;否则,表明第 j 个解释变量 X j 对被解释变量 Y 不存在显著性影响。 8、

中级计量经济学第四章习题以及解答思路

第4章 习题一 表1给出了1965~1970年美国制造业利润和销售额的季度数据。假定利润不仅与销售额有关,而且和季度因素有关。要求对下列二种情况分别估计利润模型:(1)如果认为季度影响使利润平均值发生变异,应如何引入虚拟变量 (2)如果认为季度影响使利润对销售额的变化率发生变异,如何引入虚拟变量 表1 Quarterly 65-70 Quick- Equation Estimation Y c x @seas(1) @seas(2) @seas(3) Dependent Variable: Y Method: Least Squares Date: 11/26/14 Time: 18:38 Sample: 1965Q1 1970Q4 Included observations: 24 Variable Coefficie nt Std. Error t-Statistic Prob.?? C X @SEAS(1) @SEAS(2) @SEAS(3)

R-squared????Mean dependent var Adjusted R-squared????. dependent var . of regression????Akaike info criterion Sum squared resid????Schwarz criterion Log likelihood????F-statistic Durbin-Watson stat????Prob(F-statistic) T和P在5%情况下都不通过,第二季度相对还好一点 假设第二季度显着,结果的经济含义是什么 Y c x @seas(2) @seas(3) @seas(4) Dependent Variable: Y Method: Least Squares Date: 11/26/14 Time: 18:47 Sample: 1965Q1 1970Q4 Included observations: 24 Variable Coefficie nt Std. Error t-Statistic Prob.?? C X @SEAS(2) @SEAS(3) @SEAS(4) R-squared????Mean dependent var Adjusted R-squared????. dependent var . of regression????Akaike info criterion Sum squared resid????Schwarz criterion Log likelihood????F-statistic Durbin-Watson stat????Prob(F-statistic) 第二季度依旧显着影响 四种都试一下(去掉一个季节),选一个最显着的 124 Dependent Variable: Y Method: Least Squares Date: 11/26/14 Time: 18:51 Sample: 1965Q1 1970Q4 Included observations: 24

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 {}n i Y X i i ,2,1:),(?=,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∧ i 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i k i i X X X Y μββββ++?+++=i k 22110i , 其基本假设之一是解释变量X 1,X 2,…,Xk 是相互独立的。如果某两个或多个解释

计量经济学-期末考试-简答题教学提纲

计量经济学期末考试简答题 1.简述计量经济学与经济学、统计学、数理统计学学科间的关系。 2.计量经济模型有哪些应用? 3.简述建立与应用计量经济模型的主要步骤。 4.对计量经济模型的检验应从几个方面入手? 5.计量经济学应用的数据是怎样进行分类的? 6.在计量经济模型中,为什么会存在随机误差项? 7.古典线性回归模型的基本假定是什么? 8.总体回归模型与样本回归模型的区别与联系。 9.试述回归分析与相关分析的联系和区别。 10.在满足古典假定条件下,一元线性回归模型的普通最小二乘估计量有哪些统计性质?11.简述BLUE的含义。 12.对于多元线性回归模型,为什么在进行了总体显著性F检验之后,还要对每个回归系数进行是否为0的t检验? 13.给定二元回归模型:,请叙述模型的古典假定。 14.在多元线性回归分析中,为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度? 15.修正的决定系数及其作用。 16.常见的非线性回归模型有几种情况? 17. 18观察下列方程并判断其变量是否呈线性,系数是否呈线性,或都是或都不是。 19.什么是异方差性?试举例说明经济现象中的异方差性。 20.产生异方差性的原因及异方差性对模型的OLS估计有何影响。 21.检验异方差性的方法有哪些? 22.异方差性的解决方法有哪些? 23.什么是加权最小二乘法?它的基本思想是什么? 24.样本分段法(即戈德菲尔特——匡特检验)检验异方差性的基本原理及其使用条件。25.简述DW检验的局限性。 26.序列相关性的后果。 27.简述序列相关性的几种检验方法。 28.广义最小二乘法(GLS)的基本思想是什么? 29.解决序列相关性的问题主要有哪几种方法? 30.差分法的基本思想是什么? 31.差分法和广义差分法主要区别是什么? 32.请简述什么是虚假序列相关。 33.序列相关和自相关的概念和范畴是否是一个意思? 34.DW值与一阶自相关系数的关系是什么? 35.什么是多重共线性?产生多重共线性的原因是什么? 36.什么是完全多重共线性?什么是不完全多重共线性? 37.完全多重共线性对OLS估计量的影响有哪些? 38.不完全多重共线性对OLS估计量的影响有哪些? 39.从哪些症状中可以判断可能存在多重共线性? 40.什么是方差膨胀因子检验法? 41.模型中引入虚拟变量的作用是什么? 42.虚拟变量引入的原则是什么? 43.虚拟变量引入的方式及每种方式的作用是什么? 44.判断计量经济模型优劣的基本原则是什么? 45.模型设定误差的类型有那些? 46.工具变量选择必须满足的条件是什么? 47.设定误差产生的主要原因是什么? 48.在建立计量经济学模型时,什么时候,为什么要引入虚拟变量? 49.估计有限分布滞后模型会遇到哪些困难 50.什么是滞后现像?产生滞后现像的原因主要有哪些? 51.简述koyck模型的特点。 52.简述联立方程的类型有哪几种 53.简述联立方程的变量有哪几种类型

计量经济学实验报告 (3)

1.背景 经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中,常以一国生产的商品和劳务总量的增加来表示,即以国民生产总值(GDP)和国内生产总值的的增长来计算。 古典经济增长理论以社会财富的增长为中心,指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。 从古典增长理论到新增长理论,都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而,由于资本服务流量难以测度,在这里我们用全社会固定资产投资总额(亿元)来衡量物质资本。中国拥有十三亿人口,为经济增长提供了丰富的劳动力资源。因此本文用总就业人数(万人)来衡量劳动力。居民消费需求也是经济增长的主要因素。 经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31年中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。 本文将以中国经济增长作为研究对象,选择时间序列数据的计量经济学模型方法,将中国国内生产总值与和其相关的经济变量联系起来,建立多元线性回归模型,研究我国中国经济增长变动趋势,以及重要的影响因素,并根据所得的结论提出相关的建议与意见。用计量经济学的方法进行数据的分析将得到更加具有说服力和更加具体的指标,可以更好的帮助我们进行预测与决策。因此,对我国经济增长的计量经济学研究是有意义同时也是很必要的。 2.模型的建立 2.1 假设模型

为了具体分析各要素对我国经济增长影响的大小,我们可以用国内生产总值(Y )这个经济指标作为研究对象;用总就业人员数(1X )衡量劳动力;用固定资产投资总额(2X )衡量资本投入:用价格指数(3X )去代表消费需求。运用这些数据进行回归分析。 这里的被解释变量是,Y :国内生产总值, 与Y-国内生产总值密切相关的经济因素作为模型可能的解释变量,共计3个,它们分别为: 1X 代表社会就业人数, 2X 代表固定资产投资, 3X 代表消费价格指数, μ代表随机干扰项。 模型的建立大致分为理论模型设置、参数估计、模型检验、模型修正几个步骤。如果模型符合实际经济理论并且通过各级检验,那么模型就可以作为最终模型,可以进行结构分析和经济预测。 国内生产总值 经济活动人口 全社会固定资产投资 居民消费价格指数 1992年 26,923.48 66,782.00 8,080.10 106.4 1993年 35,333.92 67,468.00 13,072.30 114.7 1994年 48,197.86 68,135.00 17,042.10 124.1 1995年 60,793.73 68,855.00 20,019.30 117.1 1996年 71,176.59 69,765.00 22,913.50 108.3 1997年 78,973.03 70,800.00 24,941.10 102.8 1998年 84,402.28 72,087.00 28,406.20 99.2 1999年 89,677.05 72,791.00 29,854.70 98.6 2000年 99,214.55 73,992.00 32,917.70 100.4 2001年 109,655.17 73,884.00 37,213.50 100.7 2002年 120,332.69 74,492.00 43,499.90 99.2 2003年 135,822.76 74,911.00 55,566.61 101.2 2004年 159,878.34 75,290.00 70,477.43 103.9 2005年 184,937.37 76,120.00 88,773.61 101.8 2006年 216,314.43 76,315.00 109,998.16 101.5

计量经济学考试重点整理

计量经济学考试重点整理 第一章: P1:什么是计量经济学?由哪三组组成? 定义:“用数学方法探讨经济学可以从好几个方面着手,但任何一个方面都不能和计量经济学混为一谈。计量经济学与经济统计学绝非一码事;它也不同于我们所说的一般经济理论,尽管经济理论大部分具有一定的数量特征;计量经济学也不应视为数学应用于经济学的同义语。经验表明,统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说,都是必要的,但本身并非是充分条件。三者结合起来,就是力量,这种结合便构成了计量经济学。” P9: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。 P12:常用的样本数据:时间序列,截面,虚变量数据 P13:样本数据的质量(4点) 完整性;准确性;可比性;一致性 P15-16:模型的检验(4个检验) 1、经济意义检验 2、统计检验 拟合优度检验 总体显著性检验 变量显著性检验 3、计量经济学检验 异方差性检验 序列相关性检验 共线性检验 4、模型预测检验 稳定性检验:扩大样本重新估计 预测性能检验:对样本外一点进行实际预测 P16计量经济学模型成功的三要素:理论、方法和数据。 P18-20:计量经济学模型的应用 1、结构分析 经济学中的结构分析是对经济现象中变量之间相互关系的研究。 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。 计量经济学模型的功能是揭示经济现象中变量之间的相互关系,即通过模型得到弹性、乘数等。 2、经济预测 计量经济学模型作为一类经济数学模型,是从用于经济预测,特别是短期预测而发展起来的。 计量经济学模型是以模拟历史、从已经发生的经济活动中找出变化规律为主要技术手段。 对于非稳定发展的经济过程,对于缺乏规范行为理论的经济活动,计量经济学模型预测功能失效。 模型理论方法的发展以适应预测的需要。

计量经济学期末复习提纲(红色部分要注意)绝密!!

计量经济学复习提纲 第一章绪论 一、计量经济学的含义 二、计量经济学与其他学科的联系与区别 三、计量经济学的内容体系 四、计量经济学的研究步骤 五、计量经济学的发展概况 需要掌握的主要内容 1.如何理解计量经济学?(研究对象、理论基础、与经济学的区别、所研究变量的特点) 计量经济学是经济学的一个分支,(起因:对经济问题的定量研究名词:1926年弗瑞希仿造出“Biometrics” “Econometrics”标志:1930年成立计量经济学会 1933年创刊《Econometrica》 说明:“计量经济学” “经济计量学”) “用数学方法探讨经济学可以从好几个方面着手,但任何一个方面都不能和计量经济学混为一谈。 计量经济学与经济统计学绝非一码事;它也不同于我们所说的一般经济理论,尽管经济理论大部分具有一定的数量特征;计量经济学也不应视为数学应用于经济学的同义语。经验表明,统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说,都是必要的,但本身并非是充分条件。三者结合起来,就是力量,这种结合便构成了计量经济学。” 2.狭义计量经济学研究的是具有因果关系的经济现象,用的是回归的分析方法。 3.计量经济学的建模步骤? 一、理论模型的设计 : 确定模型包含的变量;确定模型的数学形式;拟定模型中待估计参数的理 论期望值区间二、样本数据的收集三、模型参数的估计四、模型的检验 计量经济学模型成功的三要素 :理论,数据,方法,三者缺一不可. 4.选择解释变量时需要注意的问题:(1)根据经济规律确定变量的数目(2)考虑数据的可得性(3) 考虑所有入选变量的关系,要求各变量独立。---否则会引起多重共线性 5.如何确定模型的数学形式?(1)根据经济理论(2)画散点图(3)试模拟 6.什么是时间序列数据?在不同时间点上收集到的数据,这类数据反映了某一事物、现象等随 时间的变化状态或程度。如我国国内生产总值从1949到2009的变化就是时间序列数据。什么是截面数据?截面数据就是同一时间点上各个主体的数据,比如2007年各省的GDP数据放在一起就是一组截面数据与之相对的是时间序列数据(要求能够判断) 7.数据的要求:完整性、准确性、可比性、一致性。 8.模型的检验内容:(每一项里又具体包括哪些内容?F、t检验步骤是什么?) 经济学检验: 根据拟定的符号、大小、关系以判断其合理性。 统计学检验: 由数理统计理论决定, 包括拟合优度检验(R2), 总体显著性检验(F检验), 变量 显著性检验(t检验) 计量经济学检验: 由计量经济学理论决定, 包括异方差性检验, 序列相关性检验, 多重共线性 检验 模型的预测检验: 由模型的应用要求决定, 包括稳定性检验:扩大样本重新估计,预测性能检验: 对样本外一点进行实际预测 模型应用的四个方面:结构分析、经济预测、政策评价、检验与发展经济理论。 第二章与第三章回归模型(包括一元与多元回归) 第一节回归分析概述 1、回归分析:研究一个变量关于另一个(些)变量的统计以及关系的计算方法和理论,其用意

计量经济学实验报告

计量经济学实验报告 Document number:NOCG-YUNOO-BUYTT-UU986-1986UT

计量经济学实验 基于EViews的 中国能源消费影响因素分析 学院: 班级: 学号: 姓名:

基于EViews的中国能源消费影响因素分析 一、背景资料 能用消费是引是指生产和生活所消耗的能源。能源消费按人平均的占有量是衡量一个国家经济发展和人民生活水平的重要标志。能源是支持经济增长的重要物质基础和生产要素。能源消费量的不断增长,是现代化建设的重要条件。我国能源工业的迅速发展和改革开放政策的实施,促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。随着国民经济的发展和人口的增长,我国能源的供需矛盾日益紧张。同时,煤炭、石油等常规能源的大量使用和核能的发展,又会造成环境的污染和生态平衡的破坏。可以看出,它不仅是一个重大的技术、经济问题,而且以成为一个严重的政治问题。 在20世纪的最后二十年里,中国国内生产总值(GDP)翻了两番,但是能源消费仅翻了一番,平均的能源消费弹性仅为左右。然而自2002年进入新一轮的高速增长周期后,中国能源强度却不断上升,经济发展开始频频受到能源瓶颈问题的困扰。鉴于此,研究能源问题不仅具有必要性和紧迫性,更具有很大的现实意义。由于我国目前面临的所谓“能源危机”,主要是由于需求过大引起的,而我国作为世界上最大的发展中国家,人口众多,所需能源不可能完全依赖进口,所以,研究能源的需求显得更加重要。 二、影响因素设定 根据西方经济学消费需求理论可知,影响消费需求的因素有:商品的价格、消费者收入水平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。对于相关商品价格的替代效应,我们认为其只存在能源品种内部之间,而消费者偏好及消费者对商品价格的预期数据差别较大,不容易进行搜集整理在此暂不涉及。另外,发展经济学认为,来自知识、人力资本的积累水平所体现的技术进步不仅可以带动劳动产出的增长,

计量经济学知识点重点总结

一、一些应该掌握的概念(课都上完以后回顾时候提到的应该知道的一些知识,有可能会出简答题) 1、中心极限定理 2、大数定理 3、正态分布 4、契比雪夫不等式 5、方差,期望 6、协方差及其相关系数, 二、一些基本题型 1、随机变量分布,“离散型100%考,图形不会的补考!”(此为他课上威胁性话语,所以重视程度排在第一位了……不知道是不是真考,《北方工业大学》版本有一个其他的数据的例子,供参考) 例:设对任意x,定义F(x)=P{X≤x}=P{w|X(w)≤x} X 1 2 3 P 1/3 1/3 1/3 求F(x)=P(X≤x)的分布 1)x<1时,F(x)= P(X<1)=0 2)1≤x<2时,F(x)= P(X≤1)=P(X=1)=1/3 3)2≤x<3时,F(x)= P(X≤2) =P(X=1)+ P(X=2)=2/3 4)3≤x时,F(x)= P(X≤3) =P(X=1)+P(X=2)+ P(X=3)=1 图形:次图形为右连续 F(x) 0 1 2 3 x 2、需求量,很容易考(原话) P15的例1.5,实在打不出来,留个地,大家自己写上去吧。 3、联合概率密度(简单被积分数,身高、体重作为随机变量) 例:用X表示身高,Y表示体重,(X,Y)为二维随机变量 定义F(l,w)=P{X≤l1, Y≤w1} 当两个事件相互独立时,得出

F(l,w)=F X(l) * F Y(w) 即同时满足身高、体重条件的概率为满足身高事件的概率与满足体重的概率乘积。 4、古典概型例子 例一:有藏品100个,其中5个次品,求取8个里面最多2个次品的概率?解:书上p6,例1.1 其中应注意公式: n! C m n =---------------------- m!(n-m)! (公式打得难看了一点,但是很有用) 例二:黑球a个,白球b个,放在一起抓阄。1≤k≤a+b,求在第k个位置抓到黑球的概率? 解: a*(a+b-1)! / (a+b)! =a/(a+b) 此用来证明第k次抽签时与前面抽到的概率都相等,(本人认为考的可能性小,哈哈) 例三:n个人坐一圈,求其中2个熟人坐一起的概率 解: P=2/(n-1) 即为,把两个人看作一个整体,与其他n-1个人排列,有n-1种方法,他们之间的座位左右更换,有两个,所以得出上式。太简单了,估计不会考吧? 例四:n个人,至少2个人同生日的概率 如p6,例1.2 P=1 - 365*364*…(365-n+1)/365n 例五:n双不同的鞋,取2k只,(2k

计量经济学复习提纲—庞皓版

第一章 1.计量分析的四个步骤:模型设定——参数估计——模型检验——模型应用 2.计量模型检验:经济意义检验——统计推断检验——计量经济学检验——模型预测检 验 3.计量模型的应用:结构分析——经济预测——政策评价——检验与发展经济理论 4.正确选择解释变量的原则:符合理论、规律——忽略众多次要因素,突出主要经济变 量——数据可得性——每个解释变量之间是独立的 5.参数的数据类型:时间序列数据——截面数据——面板数据——虚拟变量数据 第二章 1.总体相关系数:ρ=Cov(X,Y)/√Var(X)√Var(Y) 2.样本相关系数:rxy=Σ(Xi-X_)(Yi-Y_)/√Σ(Xi-X_)^2√Σ(Yi-Y_)^2 3.总体回归函数中引入随机扰动项的原因:作为未知影响因素的代表——作为无法取得 数据的已知因素代表——作为众多细小影响因素的综合代表——模型的设定误差——变量的观测误差——经济现象的内在随机性 4.简单线性回归模型的基本假定:1、对变量和模型的假定;2、对随机扰动项ui统计分 布的假定(古典假定):零均值假定——同方差假定——无自相关假定——随机扰动项ui与解释变量Xi不相关——正态性假定 5.违反零均值假定:影响截距上的估计(影响小) 6.违反正态性假定:不影响OLS估计是最佳无偏性,但会使t检验F检验失真(影响大) 7.样本回归函数的离差形式:yi^=β2^*xi 8.OLS估计值的离差表达式:β2^=Σ(Xi-X_)(Yi-Y_)/Σ(Xi-X_)^2=Σxiyi/Σxi^2 β1^=Y_-β2^*X_ 9.OLS回归线的性质:样本回归线过(X_,Y_)——估计值均值等于实际值均值——剩余 项ei的均值为零——Cov(Yi^,ei)=0——Cov(Xi,ei)=0 10.β^的评价标准:无偏性——有效性——一致性 11.β^的统计性质:线性——无偏性——有效性 12.Var(^β1)=?^2/Σxi^2——Var(^β2)=ΣXi^2/n*?^2/Σxi^2 13.^?^2=Σei^2/(n-2) 14.总变差平方和:Σ(Yi-Y_)^2=Σyi^2……TSS……n-1 回归平方和:Σ(Yi^-Y_)^2=Σ^yi^2……ESS……k-1 残差平方和:Σ(Yi-Yi^)^2=Σei^2……RSS……n-k 15.可决系数:R^2=ESS/TSS 16.SE(^β1)=√(?^2ΣXi^2)/(nΣxi^2) SE(^β2)=√?^2/Σxi^2 17.t=(^β1-β1)/^SE(^β1)~t(n-2) t=(^β2-β2)/^SE(^β2)~t(n-2) 18.区间估计: 1.当总体方差?^2已知,α=0.1—±1.645,α=0.05—±1.96,α=0.01—± 2.33, P[-tα

计量经济学实验报告

《计量经济学》实验报告一,数据 二,理论模型的设计 解释变量:可支配收入X 被解释变量:消费性支出Y 软件操作: (1)X与Y散点图

从散点图可以粗略的看出,随着可支配收入的增加,消费性支出也在增加,大致呈线性关系。因此,建立一元线性回归模型: 01i i i Y X ββμ=++ (2)对模型做OLS 估计 OLS 估计结果为 272.36350.7551Y X ∧ =+ 011.705732.3869t t == 20.9831.. 1.30171048.912R DW F === 三,模型检验 从回归估计结果看,模型拟合较好,可决系数为0.98,表明家庭人均年可消费性支出变化的98.31%可由支配性收入的变化来解释。 t 检验:在5%的显著性水平下1β不显著为0,表明可支配收入增加1个单位,消费性支出平均增加0.7551单位。 1,预测 现已知2018年人均年可支配收入为20000元,预测消费支出预测值为 0272.36350.75512000015374.3635Y =+?= E(X)=6222.209,Var(X)=1994.033

则在95%的置信度下,E( Y)的预测区间为(874.28,16041.68) 2,异方差性检验 对于经济发达地区和经济落后地区,消费支出的决定因素不一定相同甚至差异很大。如经济越落后储蓄率越高,可能出现异方差性问题。 G-Q检验 对样本进行处理,X按从大到小排序,去掉中间4个,分为两组数据, 128 n n ==分别回归

1615472.0RSS = 2126528. 3R S S = 于是的F 统计量: ()() 12811 4.86811RSS F RSS --==-- 在5%的想著想水平下,0.050.05(6,6) 4.28,(6,6)F F F =>,即拒绝无异方差性假设,说明模型存在异方差性。

中级计量经济学

中级计量经济学 一、课程编码: 课内学时:48学分:3 二、适用专业:应用经济学,企业管理,管理科学与工程等 三、先修课程:微积分,线性代数,概率论与数理统计,微观经济学,宏观经济学 四、教学目标 1.了解现代经济学的特征,了解经济数量分析课程在经济学课程体系中的地位,了解 经济数量分析在经济学科的发展和实际经济工作中的作用; 2.进一步掌握经济计量经济学的中级理论与方法,了解计量经济学理论与方法和拓展 新发展; 3.能够建立并应用计量经济模型,对现实经济现象中的数量关系进行深入分析; 4.形成在经济学领域熟练应用高等计量经济学工具进行方法研究、数学建模和科学研 究的能力,并为进一步学习高级计量课程打下基础。 五、教学方式: 课堂讲授,材料自学与课堂讨论,穿插案例分析,软件建模学习,撰写计量经济学应用论文。 六、主要内容及学时分配 1.中级计量经济学概述与经典线性计量经济学模型理论方法回顾4学时 1.1计量经济学的基本概述 1.2计量经济学的内容体系 1.3建立与应用计量经济模型的主要步骤 1.4经典线性计量经济学模型理论方法回顾 2.多元回归模型4学时 2.1多元回归模型的估计、检验、预测 2.2多元回归模型的计算过程与案例分析 2.3异方差性专题 2.4自相关性专题 2.5多重共线性专题 2.6非线性回归模型专题 3.EVIEWS软件专题4 学时 3.1计量经济学应用软件概述 3.2EVIEWS操作解析 3.3EVIEWS编程与模型技巧 3.4基于案例的EVIEWS应用概述 4.单方程回归真模型的几个专题3学时 4.1模型中的特殊解释变量概述 4.2随机解释变量 4.3滞后变量

计量经济学复习大纲

计量经济学复习大纲 第一章绪论 1. 建立计量经济学模型的步骤及其要点? (1)如何正确选择解释变量? (2)如何确定模型的基本形式? (3)区分时间序列数据、横截面数据和虚变量数据。(4)何谓经济意义检验?检验的方法? (5)计量经济学模型成功的三要素及其关系。 2. 结合实际例子理解结构分析方法(弹性、乘数的运用及其模型参数解释)。 第二章一元线性回归模型理论与方法 1. 回归分析与相关分析的联系与区别? 2. 回归分析的主要目的和内容? 3. 总体回归函数PRF的内涵和形式(确定和随机)。 4. 随机干扰项的定义及其内涵? 5. 样本回归函数的形式及其与PRF的关系? 6. 线性回归模型的基本假设(结合现实经济例子给予解释说明)。 7. OLS法的原理及其参数估计量的估计方法(推导过程)、正规方程组的导出。 8. OLS估计量的计算公式(离差形式)及其参数经济意义解释(要求掌握回归函数的求解计算过程)。

9. OLS估计量的性质(要求掌握线性性、无偏性、有效性的涵义及其证明过程,基本推论要牢记且理解) 10. BLUE估计量与高斯-马尔可夫定理? 11. 一元参数估计量的概率分布形式、总体方差的无偏估计公式以及样本参数的标准差计算公式(要求牢记公式并熟练运用于计算)。 12. 拟合优度检验的原理(TSS、ESS和RSS的内涵及其关系)? 13. 变量显著性检验的方法原理(t检验) (1)小概率事件原理(零假设必须是一小概率事件)?(2)t统计量的构造? 14.. 缩小置信区间的方法:同等显著性水平下尽可能减小t检验临界值和样本参数的标准差。 一是增大样本容量;二是提高模型的拟合优度。 15. 本章练习题第2、3、7、8、9(样本参数估计量的性质)、11题要求熟练掌握。 第三章多元线性回归模型理论与方法 1. 理解偏回归系数的概念及其应用解释。 2. 多元线性回归模型的基本假定(标量和矩阵形式)。 3. 理解普通最小二乘估计的正规方程组及其参数估计量计算公式。 4. 理解最小样本容量的概念及其原理。 5. 熟练掌握和应用调整可决系数的计算公式及其与R2的关系

《中级计量经济学》非选择题 参考答案.

第3章 多元线性回归模型 3.4.3 简答题、分析与计算题 1.给定二元回归模型:t t t t u x b x b b y +++=22110 (t=1,2,…n) (1) 叙述模型的古典假定;(2)写出总体回归方程、样本回归方程与样本回归模型;(3)写出回归模型的矩阵表示;(4)写出回归系数及随机误差项方差的最小二乘估计量,并叙述参数估计量的性质;(5)试述总离差平方和、回归平方和、残差平方和之间的关系及其自由度之间的关系。 2.在多元线性回归分析中,为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度? 3.决定系数2 R 与总体线性关系显著性F 检验之间的关系;在多元线性回归分析中,F 检验与t 检验有何不同?在一元线性回归分析中二者是否有等价的作用? 4.为什么说对模型施加约束条件后,其回归的残差平方和一定不比未施加约束的残差平方和小?在什么样的条件下,受约束回归与无约束回归的结果相同? 5.观察下列方程并判断其变量是否呈线性,系数是否呈线性,或都是或都不是。 (1) t t t u x b b y ++=310(2) t t t u x b b y ++=log 10(3)t t t u x b b y ++=log log 10 (4) t t t u x b b b y +?+=)(210(5) t t t u x b b y +=)/(10(6) t b t t u x b y +?+=)1(110(7)t t t t u x b x b b y +++=10/22110 6.常见的非线性回归模型有几种情况? 7.指出下列模型中所要求的待估参数的经济意义: (1)食品类需求函数:u P P I Y ++++=231210ln ln ln ln αααα中的321,,ααα(其中Y

相关文档
相关文档 最新文档