计量经济学与实验经济学的若干新近发展及展望

计量经济学与实验经济学的若干新近发展及展望

一、引言

经济研究的方法在于总结典型的经验特征与收集数据,并在此基础上建立相应的经济理论或经济模型。经济研究的科学性在很大程度上取决于经济理论或经济模型的可验证性,即能否通过数据实证检验相关的经济理论与经济模型来解释事实,并预测未来的经济变动趋势以及提供科学的政策建议。计量经济学和实验经济学则犹如硬币的双面,从不同的角度为经济学的实证分析提供重要的方法论基础。计量经济学以实际经济数据的建模与分析为主要研究对象。当实际数据不可得,或实际数据过于复杂而导致因果关系不易梳理时,实验经济学则有可能从另一个角度出发,通过可控的实验数据代替实际数据,成为实证经济分析的又一个有利工具。

计量经济学是由经济学、统计学、数学、计算机科学等学科交叉产生而又独立于其中任何一个学科。计量经济学产生于对经济理论的实证分析,经济系统的建模和国民经济投入产出法的计算等经济学问题,经过近一个多世纪的发展,已经成为了一个成熟而且被广泛运用的学科。计量经济学可以分为理论计量经济学和应用计量经济学。其中理论计量经济学主要关注计量经济模型的建立,包括针对不同数据类型、随机实验和不可控随机误差的分布形式、经济学模型和实际问题而进行的假设,从而对该模型进行参数、非参数等的估计、统计推断和预测,并给出其具体的理论性质,例如无偏性,渐进分布、统计有效性、预测误差等等。应用计量经济学则侧重于实际问题,其内容基本涵盖凡是有数据支持的经济学理论的各个分支,并用经济数据来对经济理论进行检验,或是对某些经济变量的因果关系进行量化研究,或是利用金融数据进行风险估计等实证研究。例如对环境经济学、教育经济学、金融经济学、国际贸易理论、经济增长理论等都可以通过数据进行实证分析,在计量经济学理论的指导下进行计算。计量经济学的理论研究和实证分析相辅相成,对现实生活中某种类型经济数据的实证分析往往成为发现理论研究新方向的动力,同时理论研究的成果也通过计量模型被广泛应用到各种实际问题中去。

计量经济学是现代经济学理论体系的一个核心组成部分,可以说如果没有计量经济学,经济学理论就像纯数学理论一样只有象牙塔式的研究价值而不能被数据所证实或者应用证伪。在过去的诺贝尔经济学奖获奖人当中,第一届

诺贝尔经济学奖就授予了两位计量经济学研究的先驱弗利希(RagnarFrisch, 1969)和丁伯根(JanTinbergen, 1969),表明了计量经济学在推动整个经济学研究科学化进程中的重要性。早期因从事计量经济学研究而荣膺诺贝尔经济学奖的还包括李昂惕夫(WassilyLeontief, 1973)、克莱因(Lawrence , 1980)和哈维尔莫(TrygveHaavelmo, 1989)等。计量经济学的发展日益与经济学各分支学科的发展紧密结合,并反过来极大促进了经济学各分支学科的发展。诺贝尔经济学奖获得者麦克法登(Daniel , 20XX)、赫克曼(JamesHeckman, 20XX)、格兰杰(Clive , 20XX)、恩格尔(Robert , 20XX)与汉森(Lars PeterHansen, 20XX)都是因为提出新的计量方法促进了劳动经济学、产业经济学、宏观经济学、金融学等相关经济学分支学科的发展而获此殊荣。在现代经济学的教学与研究体系中,计量经济学已经成为与微观经济学、宏观经济学并列的三大学科,成为经济学各分支学科最核心的方法论基础。

实验经济学则是最近四十余年兴起的一门新的交叉学科,结合认知心理学、神经科学、社会学和人类学的相关研究方法,涵盖了决策论、经济学、金融学、博弈论、

管理科学、市场营销或政治学等多个研究领域。实验经济学以模拟实体经济决策环境和验证理论模型为目的,通过仿真方法创造与实际经济相似的实验室环境,观察分析受到物质报酬激励的受试对象如何在一定规则下进行决策,从而研究人们行为决策。经济学家通过调整实验参数以及对不同参数下产生的实验数据进行整理、加工与分析来检验已有的经济理论及其前提假设,或者发现新的理论,或者为一些决策提供理论分析的基础。

实验经济学之所以产生和发展的一个重要原因是因为基于可控实验而得到的数据能够很好地避免数据的内生性问题(-endogeneity)。众所周知,因果关系研究是自然科学研究和社会科学研究的一个核心内容。相对于现实环境下自然产生的经济决策实际数据而言,实验经济学数据是在事前已经尽可能控制了各种干扰混淆因素条件下产生的,从而数据相对比较整洁,有利于经济学研究人员发现并研究经济因素之间的因果关系。实验研究方法已经成为微观经济学、宏观经济学、公共经济学、金融经济学、劳动经济学、金融学、市场学、组织行为学、会计学和管理科学等领域的核心研究方法。这些领域国际最顶尖学术期刊都会定期发表一些运用实验技术完成的研究成果。目前已有卡纳曼(DanielKahneman, 20XX)、史密斯(Vernon , 20XX)和罗斯(Alvin , 20XX)三位经济学家因其在实验经济学方面的贡献而荣膺诺贝尔经济学奖。

在下文中,我们首先对计量经济学与实验经济学在最近一二十年来

的发展做一简单介绍。作为与实证研究和应用研究密切相关的学科,计量经济学与实验经济学的发展从来就受到两方面需求的推动,其一是理论发展与政策分析的需求,其二是数据特征与数据可得性的需求。之后,对国内计量经济学与实验经济学发展的现状做一简单评述,最后对一些亟需发展的计量经济学与实验经济学研究领域提出若干建议。

二、计量经济学的若干最新发展

(一)面板数据计量经济学

面板数据(panel data)是将截面数据和时间序列数据综合起来的一种新的数据类型。和单一的时间序列数据相比,面板数据能够提供不同个体在同一时点的横截面信息;和纯粹的截面数据相比,面板数据又能够提供同一个体在不同时间点的动态变化。因此,和传统的横截面模型与时间序列模型相比,面板数据模型在模型估计、假设检验和管理科学应用等方面具有明显的优势。国内外高质量面板数据的出现极大推动了面板数据计量经济学的发展,在宏观经济学和应用微观计量经济学等各个领域都有非常重要的应用。面板数据计量经济学的最新发展主要集中在三个部分,其一是非线性面板数据建模的发展,包括各类非参数半参数条件均值模型、条件分位数模型和离散数据模型等。函数系数模型(Cai et al.,20XX; Cai et al., 20XX)采取可加模型的形式,解释变量的系数可以是其他随机变量的函数(称之为光滑变量,smoothingvariable),而光滑变量的选择由经济理论决定。函数系数模型不仅能够提供更好的数据模拟能力,而且在非参数模型中融入了经济学的解释,因而近年来有不少研究将函数系数模型结合到面板数据中。其二是非平稳面板数据模型的发展,包括面板数据单位根检验与协整分析,以及包含非平稳变量和未知时间趋势的估计与检验等;其三是包含横截面相关(cross-sectional dependence)的面板数据建模。面板数据通常包含两个维度,行为个体与时间维度。行为个体可以是微观层面的家庭、个人或,也可以是宏观层面的国家、产业或地区。传统的面板数据建模通常假设面板数据各行为主体之间是完全独立的(横截面独立假设,cross-sectionalindependence),这就完全排除了行为个体之间可能存在的相互影响,从而导致模型估计与检验的一系列问题。横截面相关性已成为面板数据领域最为活跃的科研方向之一。目

前文献中处理横截面相关的方法主要有三种:其一是通过因子模型(factormodel)描述横截面相关性,然后通过模型中可观测变量的横截面平均作为因子模型中不可观测的共同因子的代理变量,用以解决因共同因子不可观测性而带来的内生性问题(Pesaran,20XX; Pesaran & Tosetti, 20XX等);其二是交

互效应(interactive effect)模型,通过PCA的方法直接估计不可观测的共同因子(monfactor)与因子系数(factorloading),通常使用的估计方法包括QMLE和最小二乘法(Bai, 20XX, 20XX等);其三是使用一系列距约束条件描述横截面弱相关性,不需要借助于常见的因子结构(Chen etal., 20XX等)。最近几年,这一领域的发展主要集中在将横截面相关性与半参数或非参数模型相结合,研究模型的估计与检验方法,这也是目前最为活跃的研究领域之一。

(二)微观计量经济学与政策评估

因果分析与政策效应评估是经济分析最为关注的核心问题,其主要难点在于经济事件与经济政策的内生性问题,以及虚拟事实的不可观测性。社会经济系统作为一个有机的整体,各类因素各种事件往往存在复杂的相互。由于巨大的社会成本与经济成本,社会经济政策无法使用类似于自然科学中常用的模拟实验的方法。为了解决内生性问题,经济分析通常借助于所谓的“准实验”(quasi-experiment)机会,使用工具变量方法,以及在工具变量方法上发展起来的一系列估计政策处理效应(treatmenteffect)的方法。工具变量必须同时满足相关性与外生性的要求。所谓相关性,是指工具变量必须与内生的结构变量高度相关,否则便称之为弱工具变量(weakinstruments)。所谓外生性,是指工具变量仅通过内生的结构变量影响回归模型中的被解释变量,而不存在其他独立的影响渠道。九十年代中期以来,计量经济学家发现当存在弱工具变量的情况下,无论是小样本还是大样本,常见的工具变量估计方法,包括两阶段最小二乘估计与有限信息最大似然估计都无法得到一致性的估计量。这一时期大量的研究主要集中在工具变量质量的检验,以及存在弱工具变量情况下不同的统计检验方法。最近十年中,计量经济学家更加关注工具变量的外生性问题,讨论在工具变量严格外生性条件无法满足的情况下对统计检验的影响。目前较有影响的做法是采用再抽样(resampling;Berkowitz et al., 20XX)或贝叶斯的方法校正近似外生性的影响(Conley etal., 20XX; Kraay, 20XX)。随着大数据时代的来临,计量经济学家也开始关注在存在大量工具变量的情况下工具变量的选择问题。目前主要的做法分为两类,一类是在工具变量中加入稀疏性(sparcity)假设,采用LASSO等变量选择的方法在第一阶段选择有效的工具变量;另一类是不采取稀疏性假设,通过主成分分析或岭回归等降维的正则化(regularization)方法处理估计中的问题(Hansen et al.,20XX; Okui, 20XX; Carrasco, 20XX; Hansen & Kozbur, 20XX 等)。

当工具变量仅是简单的二元变量时,工具变量法就和政策处理效应的一系列估计方法建立了,这部分是近几年来发展最为迅速的研究领域之一。倍差法(difference indifference, Card & Krueger, 1994; Bertrand et al., 20XX;

Athey &Imbens, 20XX等)是最为常见的处理效应估计方法。当某一经济政策实施以后,尽管我们可以同时观察到处理组中政策前后的变化,但这个变化同时包含了具体政策的处理效应和不可观测的时间趋势的变化。如果假设时间趋势在处理组和对照组的变化是相同的,那么我们可以采取两次差分的方式,将共同的时间趋势剔除出去,从而得到平均处理效应的估计值。倍差法的主要优势在于计算简便,可以接受某种形式的选择性误差(-selectionon unobservables),但主要问题在于处理组和对照组之间必须保持相同时间趋势的假设有时不符合现实,且较难检验。也有研究者发展一些半参数的倍差法试图放松相同时间趋势的假设(Abadie,20XX)。匹配(matching,Rubin, 1973)是另一种较为常见的处理效应的估计方法。和倍差法不同,使用匹配法的一个重要假设是条件独立性(conditionalindependence或unconfoundednesscondi

tion),是指在控制各种变量以后,处理效应的结果不再受到是否接受处理(treatment)的影响。在条件变量较多的情况下,事实上无法做到严格匹配,倾向匹配得分(propensityscore)是用来处理降低匹配维度的主要方法,一些非参数方法也被广泛用来完成处理组和对照组之间的匹配(Heckman etal., 1997, 1998; Hahn, 1998; Hahn et al., 20XX; Imbens, 20XX; Lechner, 20XX;Abadie&Imbens, 20XX等)。当是否接受处理效应的概率成为一个非连续函数时,断点回归(regressiondiscontinuity design, RDD; Trochim, 1984; Lee & Card, 20XX 等)成为近年来非常热门的估计“准实验”政策处理效应的方法。当选择变量(-selectionvariable)与是否接受处理效应的关系是确定时,经济学家通常使用精确断点回归(sharp RDD)。当选择变量与是否接受处理效应存在随机关系时,也就是是否接受处理效应的同时受到一些不可观测的选择变量影响时,经济学家使用所谓的模糊断点回归(fuzzy RDD),这是一个类似于两步法处理工具变量的估计方法。除平均处理效应(averagetreatment effect on treated, ATET)之外,也有越来越多的文献在讨论局部平均处理效应(local average treatment effect, LATE,Imbens & Angrist, 1994等)、边际处理效应(marginaltreatment effect, MTE)和分位数处理效应(quantiletreatment effect)等。这些政策评估方法被广泛地用于各种社会经济政策的评估,如最低工资效应、反歧视法、失业救济等。

(三)大数据(高维)计量经济学

在目前大数据时代,数据的可得性和多样性导致样本量无限增大,同时变量个数无限增多,从而对分析大数据特点的计量经济学方法有了新的要

求。例如,现在流行的电子购物数据中,每个消费者在电脑前点击的次数以及内容体现了丰富的反映购物行为的信息。又例如,许多人口普查数据、政策评估调查数据等等都有非常多的变量数目。另外,变量数目即使有限,因为研究模型不一定是线性形式,许多方程变换、级数展开等等处理方式也使得变量维度增加。从文本、视频、音频中提取有用变量等等方式也成为高维度数据的重要来源。一方面,数据本身的可得性增加,另一方面,现代高性能计算机群(HPC)的计算性能和存储功能也使得处理这些大数据成为可能。21世纪是大数据的世纪,云计算、存储等争相从科技领域进入人们日常生活中。

高维度计量经济学就是研究经济变量数目非常大,有时候甚至大于样本量的情况。例如在资产定价的研究中,资产数目很大,有研究者(Fan et al.,20XX)用因子模型去估计资产回报的相关性,其中资产回报的协方差矩阵的维度也随着样本量而增长,因此如何处理高维度数据在资产投资组合等领域是一个至关重要的问题。计量经济理论在处理高维度数据时,所面临的主要问题包括如何选择重要的变量以及如何对变量进行选择,以使得模型的预测性能更强,对模型的估计有更好的性质。在高维计量经济学建模中,一般假设真实模型只包括一部分有限的变量。高维度计量经济学包括了经典的线性和非线性非参数模型。

在很多实证研究中,一般假设模型是一个比较简单的线性形式,变量是根据经验或者共识来选择。而高维度计量经济学的方法是通过数据本身来探究其重要性,从而进行变量选择。在经典岭回归思想的启发下,一系列带惩罚项的估计方法被提出并广泛应用在基因学、统计学、经济学等各学科中。例如套索估计量(LASSO,Frank & Friedman, 1993; Tibshirani, 1996)的先驱性研究首先提出用一个惩罚项加在经典的最小二乘损失函数上,再用一个调节参数来控制惩罚的力度。套索估计量可以在变量选择的同时进行参数估计,并且在变量个数较大的情况下解决了传统模型选择方法例如信息准则等的不可计算的问题,减小了模型选择的不确定性。套索方法有很多良好的性质,其中一个就是可以用来处理变量个数超过样本量的情况,并且能够选择变量。在过去的二十年中,高维度

方法有了长足的发展。继套索估计量之后,SCAD估计量、Dantzig估计量、弹性(Elastic Net)估计量等相继发表在顶尖统计学和计量经济学期刊中。在经济学中,高维度计量经济学的一个重要应用就是处理多工具变量选择的情况。Belloni,Chemozhukov & Hansen(20XX)提出了用改进的套索方法选择工具变量的方法并提供了理论依据。另外,Bai &Ng(20XX)用主成分分析,Caner & Fan(20XX)用可适性套索方法进行工具变量的估计和选择。

大数据计量经济学是一个方兴未艾的研究方向,统计学、计算机科学等其他学科的交叉发展也势必进一步推动大数据分析的发展。

(四)金融计量经济学

金融计量学主要是指对金融市场数据,包括金融市场各种交易变量(如价格、交易量、波动率等)进行相应统计分析和计量建模的学科。作为联接金融理论和实证证据的桥梁,金融计量学在现代金融学中处于一个非常重要的地位,它可以用于检验经济学假说和金融理论,解释金融现象,并对金融市场行为建模和预测。一方面,金融计量学的发展对现代金融和投资管理产生了深远的影响。另一方面,金融市场的进一步发展又对金融计量学的研究提出了新的挑战。

金融计量学最早关注的一个问题是如何检验金融市场的有效性,即金融市场价格是否可以被预测。关于这个问题,最早的文献甚至可以追溯到Working(1934)和Cowles(1933, 1944)。他们主要通过检验股票价格序列是否服从随机游走过程来检验市场的有效性。Fama(1970)对有效市场理论和实证研究进行了一个很好的综述,他认为市场的有效性假设有三类,即弱有效,半强有效和强有效,而对应的价格走势往往只是一个鞅过程。这样说来,检验市场的有效性就等价于检验一个时间序列是否为鞅过程。Hong(1999)提出了一个基于广义谱函数的检验方法,非常有效地解决了这个问题。该方法不但能够捕捉变量之间存在的线性关系,同时也能够甄别出数据中的非线性关系,因此可被推广并应用来检验经济和金融时间序列数据是否存在相关关系或者是否独立,从而为对这些数据进一步分析建模提供依据(Hong &Lee, 20XX, 20XX; Hong & McCloud, 20XX; Hong & Chen, 20XX)。

与金融市场有效性检验密切相关的一个研究领域是提出各种模型对金融时间数据进行预测,或者是对各种预测模型进行评价。这些预测模型大多基于各种经济学理论,包括行为经济学、实验经济学等。研究人员构造了不同的预测模型来对金融市场进行预测,例如Hong et al.(20XX)研究了随机游走模型是否能够对外汇走势提供更好的样本外预测。Hong et al.(20XX)也检验了多种时间序列模型在分析中国的短期利率走势的有效性。

在有效市场理论检验问题之外,资产定价以及与之密切相关的投资组合理论一直也是金融计量学关注的一个重要问题。自Markowitz(1952)提出了投资组合理论以来,许多资产定价模型相继被提出来,包括Sharpe(1964)针对股票市场提出的资产定价模型(CapitalAsset Pricing Model,CAPM),Ross(1976)提出的套利定价模型(APT),以及Heath et al.(1992)提出的针对固定资产收益证券定价的HJM模型。将这些定价理论模型应用到实践需要对相关的模型参数进行准确估计,而金融计量学家在这个过程中发挥了重要作用。一个最重要的估计

方法即由20XX年诺贝尔经济学奖得主Hansen(1982)提出的,Hansen& Singleton(1982)则将此推广应用到资产定价模型的动态广义矩方法(Dynamic GMM)。金融计量学关注的另一个重大问题是对波动率的建模,其中一个重要的原因是波动率被广泛认为是风险测度指标之一,但如何对风险进行有效管理的一个前提是对其进行准确建模。最早的波动率模型包括Engle(1982)提出的ARCH模型以及Taylor(1982)提出的随机波动率模型(stochasticvolatility model),Bollerslev(1986)进一步发展了GARCH模型。基于这些模型,一些重要问题相继得到研究,比如波动率溢出效应(Hong, 20XX)、金融风险的传染(Hong et al., 20XX)等。

随着金融市场的进一步发展,交易日趋复杂,一些新的问题随之出现并急需解决。比如说在高频数据的建模中,如何处理市场微观噪音及市场由于一些突发事件带来的跳跃现象是金融计量学关注的另一个重点,相关的文献包括Chan &Maheu(20XX)和Ait-Sahalia &Jacod(20XX)。而对金融市场中一些非线性和非对称的现象进行研究也成为一个重要研究方向。比如说在考虑非线性情况下,如何检验市场的有效性,如何对资产定价模型进行稳健、准确的估计等。此外,人们观察到金融数据普遍呈现厚尾现象,正态分布不再适用于刻画这些数据,在这种情况下,评价极端风险(extremerisk)不可以再用方差来度量。所以,当分布存在厚尾时,如何来度量风险(包括系统性风险)依然是金融计量学关注的重要问题之一。

(五)动态一般均衡模型的宏观计量经济学

传统实证宏观计量经济学用向量自回归等方法对总体经济变量例如总产出、总消费、总投资、失业率、通胀率等进行分析,其思想起源于凯恩斯经济学。而真实经济周期模型往往通过模型校准来描述实体经济,在量化研究方面其方法显得更为严格。动态一般均衡模型则是从宏观经济的微观基础出发,从消费者、生产者、中间厂商和政府部门等的动态最优化决策过程来推导一般均衡结果。用动态随机一般均衡模型可以增强模型的解释力和经济学含义,并使得过去宏观经济学和微观经济学的两分法问题得到解决。通过计量经济模型的估计和推断使我们对宏观变量的随机过程得以加深了解,并对模型本身的有效性进行评估。在过去的三十多年中,从宏观经济学的微观基础出发,研究利率、失业率等宏观变量成为实证宏观计量经济学的新范式。从政策制定者的角度来说,欧洲中央银行也正式使用动态一般均衡模型作为基础模型并把其预测结果作为指定货币

政策的一个重要的参考指标。尽管在宏观经济学中,不少变量通过加总去掉了很多噪声,向量自回归等传统方法在预测性能上优于以微观基础起步的宏观计量模型,但微观结构模型方面的研究在逐渐放松假设、贴近实体经济方面也有了长足进步。目前以似然函数方法为基础的动态随机一般均衡模型在样本外预测上的表现可以和向量自回归等方法相比较。动态随机一般均衡模型从个人、厂商、政府、中央银行等分别最大化其全部时间段内的效用、利润及财政、货币政策目标(例如弥补产出缺口、保持产出增长率等),得到消费、产出、利率和通货膨胀率等变量需满足的最优化条件,再由市场一般均衡的条件推导出欧拉公式,用对数线性化的方法得到简化式和状态空间形式。动态随机一般均衡模型通过引入外部冲击来模拟现实经济中的经济周期和日常波动。外部冲击可以有多种形式,例如生产技术冲击、需求冲击、财政支出冲击、货币政策冲击、外贸冲击等,通过这些外部冲击得到模型的随机性。另外,通过引入工资、价格粘性、消费习惯形成和投资调整成本等假设,模型也更加接近现实经济。在模型的估计方面,动态一般均衡模型多采用贝叶斯方法进行估计,由前面一般均衡条件得到的公式加上测度方程,即引入经济系统中的随机冲击,得到似然函数。首先通过把均衡条件进行对数线性化,然后用蒙特卡洛马尔科夫链抽样方法估计模型参数。根据模型参数设定的不同,可能出现为一解、无解或多解的情况,研究者要对其进行分析或者约束。近年来动态随机一般均衡模型在计算和引入新的冲击、放宽模型假设(例如允许厂商和消费者的异质性)等方面有很多进展。进一步放宽模型的假设,减少模型校准和更好地估计高阶非线性模型从而最终提高模型的预测能力是该方法未来需要解决的问题。

三、实验经济学的若干最新发展

(一)新类型实验数据的收集和利用

传统实验经济学产生的数据主要是经济决策变量数据,例如决策者在个体决策问题中的选项选择,在市场决策问题中的价格选择、投资决策选择和努力水平选择,在博弈论决策问题中的策略行动选择等。近年来,越来越多的实验经济学家认识到收集一些新类型实验数据有助于更好地检验不同的经济学理论以及建立更接近描述决策者行为的新经济学理论。例如传统的经济学理论将决策者的决策过程当作一个黑箱子,只是简单地假设决策者具有特定的偏好和特定的信念并且采取最优的决策,而有意忽略决策的产生过程。最新的一些研究开始讨论决策偏好、决策信息、决策过程的形成,尤其是决策者如何思考决策问题的过程。打开决策过程这个黑箱子意味着我们将从更基本的层面来理解各种经济决策。一方面,研究决策过程所能依赖的数据类型增加了,包括决策思考时间、搜寻次序、眼球

济学两个重点课题。通过重点、重大课题以及各种其他资助项目的设立,对于引导与推动特定学科的发展,具有不可替代的重要作用。

作为相对年轻的经济学分支学科,我国实验经济学研究在最近几年发展迅速。国内的许多重点大学都相继建立了经济学实验室,其他尚未建立实验室的大学也在积极进行实验经济学研究。在人才招聘方面,国内不少大学都从海外招聘了实验经济学学者。特别值得一提的是,为了促进实验经济学在中国的发展以及加强中国实验经济学研究人员和国际同行的交流,厦门大学王亚南经济研究院从20XX年到20XX年已经连续五年举办了实验经济学国际会议。该研讨会每年都邀请实验经济学研究领域的若干名国际一流学者前来做主题演讲、指导,并且吸引了大量国内外实验经济学领域的专家学者参加会议。目前该年度会议已经成为国内最重要的实验经济学研讨会,有力地推动了国内实验经济学研究的发展以及国内外实验经济学研究的交流。

国内计量经济学和实验经济学发展的一个重要任务在于,如何通过重大或重点课题的设立,引导计量经济学和实验经济学方法论的研究满足国家重大需求,推动经济学科整体发展水平的提高。《中共中央关于全面深化改革若干重大问题的决定》提出“推进国家治理体系和治理能力现代化”的要求,是国家未来发展的重大需求。国家治理就是通过配置和运行国家权力,对国家和社会事务进行控制、管理和提供服务,确保国家安全,扞卫国家利益,维护人民权益,保持社会稳定,实现科学发展。有效国家治理的最重要的基础在于政策的制定、实施与评估。目前,我国正处在社会经济转型的关键时期,正努力实现经济增长方式的两个转变(从高速增长转为平稳增长,从规模扩张式发展转向质量效益型发展)与经济结构的优化调整。而要顺利实现这一转变与调整的目标,不但要明察国内外政治经济等形势的变化,把握其未来发展趋势,而且要对已实施的各项国家重要政策尤其经济政策予以正确的评估,以便发现问题、总结经验,及时调整经济政策,制定、实施新的政策与配套措施。因此,经济政策评估非常重要,是实现国家经济治理,乃至政治治理的必然要求与重要保证。但过去在这方面,无论是学术界,还是决策部门,都是对经济政策实施前景预测的多,对经济政策执行效果评估的少。换句话说,评估政策全过程中的有效性与利弊得失,从而制定与实施科学、高效的经济政策,对决策科学化与提高国家治理能力至关重要。计量经济学特别是微观计量经济学近几年来在政策评估方面取得较快的发展,同时由于大数据时代的来临,也面临更多的发展机遇与挑战。大数据背景下计量经济学理论与政策评估不仅符合学术发展的前沿,而且能够满足国家发展的重大需求。

和计量经济学方法相比,实验经济学则在政策设计与政策评估方面发挥重要的补充作用。在政策设计和实施中面临的一个重要问题在于,如果政策影响对象是有限理性的决策人或者具有各种决策行为偏差的决策人,我们该如何合理的进行政策设计来实现政策的目标或者帮助这些人改善决策质量。例如利用现实中人们的现状偏好设计养老金计划来提高他们的养老金储蓄,以及出台相应的政策法规帮助人们避免被商家误导从而做出更符合自己利益的个人金融决策等。而且,实验经济学在市场机制设计和政策设计方面的研究应用有助于经济学家承担起经济学工程师的角色。经济学者可以在实验室实验场景下或者在实地实验场景下比较检验不同政策设计的效果。由于这是在可控条件下实现的,我们可以在大规模实施政策改革或者政策干预之前进行科学评估,从而做好理论指导准备和政策实施准备。在过去二十年里实验经济学的相关研究在国际上曾经应用在设计无线频谱拍卖机制、设计政府采购招标拍卖、中小学教学以及择校改革,以及医药健康改革等方面。其中美国实验经济学家AlvinRoth因其在市场机制设计应用方面的突出贡献获得了20XX年的诺贝尔经济学奖。我们有理由相信,实验经济学在中国的发展也势必为政府的科学决策和理性决策做出更大的贡献。

计量经济学实验三

实 验 三： 多元回归模型与非线性回归模型 【实验目的】掌握多元回归模型参数估计，特别是非线性回归模型的转化、参数估计及检验方法。 【实验内容】一、多元回归模型参数估计； 二、生成序列以及可线性化模型的参数估计； 三、不可线性化模型的迭代估计法的Eviews 软件的实现方式。 【实验数据】建立我国国有独立核算工业企业生产函数。根据生产函数理论，生产函数的基本形式为：()ε,,,K L t f Y =。其中，L 、K 分别为生产过程中投入的劳动与资金，时间变量t 反映技术进步的影响。表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y 为工业总产值（可比价），L 、K 分别为年末职工人数和固定资产净值（可比价）。 资料来源：根据《中国统计年鉴－1995》和《中国工业经济年鉴-1995》计算整理 【实验步骤】Y=AK 一、建立多元线性回归模型 ㈠建立包括时间变量的三元线性回归模型； μββββ++++=L K T Y 3210

在命令窗口依次键入以下命令即可： ⒈建立工作文件： CREATE A 78 94 ⒉输入统计资料： DATA Y L K ⒊生成时间变量t ： GENR T=@TREND(77) ⒋建立回归模型： LS Y C T L K 则生产函数的估计结果及有关信息如图3-1所示。 图3-1 我国国有独立核算工业企业生产函数的估计结果 因此，我国国有独立工业企业的生产函数为： K L t y 7764.06667.06789.7732.675?+++-= （模型1） t ＝(-0.252) (0.672) (0.781) (7.433) 9958.02=R 9948 .02=R 551.1018=F 模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为0.6667，资金的边际产出为0.7764，技术进步的影响使工业总产值平均每年递增77.68亿元。回归系数的符号和数值是较为合理的。9958.02=R ，说明模型有很高的拟合优度，F 检验也是高度显著的，说明职工人数L 、资金K 和时间变量t 对工业总产值的总影响是显著的。从图3-1看出，解释变量资金K 的t 统计量值为7.433，表明资金对企业产出的影响是显著的。但是，模型中其他变量（包括常数项）的t 统计量值都较小，未通过检验。因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除t 统计量最小的变量（即时间变量）而重新建立模型。 ㈡建立剔除时间变量的二元线性回归模型； 命令：LS Y C L K 则生产函数的估计结果及有关信息如图3-2所示。

计量经济学实验报告完整版

计量经济学实验报告集团标准化办公室：[VV986T-J682P28-JP266L8-68PNN]

3.3 3.3 经调查研究发现，家庭书刊消费受家庭收入及户主受教育年数的影响，表 3.6为对某地区部分家庭抽样调查得到的样本数据。 （1T ）的多 元线性回归：123i i i i u Y X T βββ=+++ 利用样本数据估计模型的参数，对模型加以检验，分析所估计模型的经济意义和 作用。 步骤： 1.打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/Unda=ted ”在Observations 后输入18，点击ok 。 2. 在命令行输入：DATA Y X T ，回车。将数据复制粘贴到Group 中的表格中。 3. 建立数据关系图为初步观察数据的关系，在命令行输入命令：sort Y ，从而实现数据Y 的递增排序。 4. 在数据表“group ”中点“view/graph/line ”，最后点击确定，出现序列Y 、X 、T 的线性图。 5. OLS 估计参数,点击主界面菜单Quick\Estimate Equation ，弹出对话框，如下图。在其中输入Y c X T ，点确定即可得到回归结果。

经济意义：家庭月平均收入每增加1元，家庭书刊消费将增加0.08645元。户主受教育年数每增加1年，家庭书刊消费平均将增加52.3703元。 作用：显示出各解释变量在其他解释变量不变的情况下，对被解释变量的影响情况。 （2）作家庭书刊消费（Y ）对户主受教育年数（T ）的一元回归，获得残差E1；再作家庭月平均收入（X ）对户主受教育年数（T ）的一元回归，并获得残差E2。 Y 对T 的一元回归： 步骤： 1. 打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/undated”，在Observations 后输入样本容量个数：18。 2. 在命令行输入：DATA Y T ，回车,将数据复制粘贴到Group 中的表格中。 3. 作散点图在命令行输入命令：SCAT T Y 。 4. 在主菜单中点“Quick ”“Estimate Equation ”，在 Specification 中输入 Y C T ，点“确定”。 E1=resid X 对T 的一元回归： 步骤： 1. 打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/undated”，在Observations 后输入样本容量个数：18。 2. 在命令行输入：DATA X T ，回车,将数据复制粘贴到Group 中的表格中。 3. 作散点图在命令行输入命令：SCAT T X 。 4. 在主菜单中点“Quick ”“Estimate Equation ”，在 Specification 中输入 X C T ，点“确定”。 E2=resid （3）作残差E1对残差E2的无截距项的回归：212i E E v α=+ ，估计其参数。 步骤1.打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/Unda=ted ”在Observations 后输入18，点击ok 。 2. 在命令行输入：DATA E1 E2，回车。将数据复制粘贴到Group 中的表格 中。 3. 采用OLS 估计参数在主界面命令框栏中输入 ls E1 E2，然后回车，即可得到参数的估计结果。 由结果可知1=-6.3351+0.08645*2E E

计量经济学实验一

《计量经济学》综合实验一系金融系专业经融工程姓名程若宸 学号20141206031035 实验地点：B楼305 实验日期：216.9.30 实验题目：研究中国汽车市场未来发展趋势 实验类型：基本操作训练。 实验目的：掌握简单线性回归模型的Eviews操作 实验内容：第三章的“引子”中分析了，经济增长、公共服务、市场价格、交通状况、社会环境、政策因素，都会影响中国汽车拥有量。为了研究一些主要因素与家用汽车拥有量的数量关系，选择“百户拥有家用汽车量”、“人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”等变量，2011年全国各省市区的有关数据见附件：1）建立百户拥有家用汽车量计量经济模型? 2）估计参数并写出回归分析结果报告? 3) 对模型进行经济意义上的检验，统计意义上的检验? 评分标准：操作步骤正确，回归结果正确，结果分析准确到位，符合实际。 实验步骤：

Dependent Variable: Y Method: Least Squares Date: 09/30/16 Time: 11:27 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 246.8540 51.97500 4.749476 0.0001 X2 5.996865 1.406058 4.265020 0.0002 X3 -0.524027 0.179280 -2.922950 0.0069 X4 -2.265680 0.518837 -4.366842 0.0002 R-squared 0.666062 Mean dependent var 16.77355 Adjusted R-squared 0.628957 S.D. dependent var 8.252535 S.E. of regression 5.026889 Akaike info criterion 6.187394 Sum squared resid 682.2795 Schwarz criterion 6.372424 Log likelihood -91.90460 Hannan-Quinn criter. 6.247709 F-statistic 17.95108 Durbin-Watson stat 1.206953 Prob(F-statistic) 0.000001 (51.98) (1.41) (0.18) (0.52) t= (4.75) (4.27) (-2.92) (-4.37) F=17.951 n=31 模型检验 1.经济意义检验 模型估计结果的数据说明理论分析与经验判断相一致 2.统计检验 (1)拟合优度：修正的可决系数为说明模型对样本拟和

计量经济学答案(第八章)

案例 通过构建虚拟变量，建立了分段线性回归模型，结果如下： Variable Coefficient Std. Error t-Statistic Prob. C -697.0977 944.8734 -0.737768 0.4673 GNI 0.132616 0.030143 4.399560 0.0002 (GNI-70142.5)*D1 -0.185777 0.111182 -1.670927 0.1067 (GNI-98000)*D2 0.230666 0.110988 2.078301 0.0477 (GNI-184088.6)*D3 -0.273652 0.075943 -3.603403 0.0013 (GNI-251483.2)*D4 0.458678 0.082565 5.555380 0.0000 R-squared 0.965855 Mean dependent var 10428.57 Adjusted R-squared 0.957976 S.D. dependent var 13612.43 S.E. of regression 2790.516 Akaike info criterion 18.89167 Sum squared resid 2.02E+08 Schwarz criterion 19.20911 Log likelihood -304.7126 F-statistic 122.5782 Durbin-Watson stat 2.989812 Prob(F-statistic) 0.000000 可决系数很大，拟合优度很高；F统计量的P值很小，模型显著性很强；T的P值很小，显著性很强，但第二个解释变量的p值较大，只能在0.10水平勉强通过。 8_3 (1)利用excel做方差分析，结果如下： 方差分析 差异源SS df MS F P-value F crit 组间 3.05E+08 1 3.05E+08 17.11138 9.91E-05 3.981896 组内 1.21E+09 68 17828696 总计 1.52E+09 69 F值较大，P值很小，城镇和农村这一因素对消费水平有显著影响。 (2) C -378.5949 50.52334 -7.493464 0.0000 X1 1.996761 0.259904 7.682677 0.0000 R-squared 0.997087 Mean dependent var 3441.571 Adjusted R-squared 0.996905 S.D. dependent var 3709.172 S.E. of regression 206.3361 Akaike info criterion 13.57871 Sum squared resid 1362387. Schwarz criterion 13.71202 Log likelihood -234.6274 F-statistic 5477.540 Durbin-Watson stat 0.270419 Prob(F-statistic) 0.000000

计量经济学实验

中国海洋大学本科生课程大纲 一、课程介绍 1.课程描述： 计量经济学是经济学、数学和统计学相结合的综合性边缘学科。它是以经济理论为基础，以经济事实表现的经济数据为依据，运用数学和统计学的方法，通过建立计量经济模型来研究经济变量之间随机数量关系和规律的一门经济学科。计量经济学是教育部规定的经济类专业核心课程之一，是经济类专业的专业必修课，在经济类的各个专业的教学中占有非常重要的地位。 计量经济实验分析在现代经济研究中具有重要的地位，是经验解释的理论验证、经济发展规律的总结以及经济冲击效果的预测等工作的主要方式。计量经济学的工具类课程性质、软件依赖特征使得实验教学成为理解计量经济理论和掌握其应用方法的有效方式。课程的重点是讲授常用的计量经济学软件的基本操作，使学生熟悉软件界面，熟悉了解常用的菜单项和工具栏的操作，通过分步骤讲解的上机实践，使学生逐步掌握关于计量经济分析的理论和应用问题的研究过程。 Econometrics is a comprehensive fringe subject that combines economics, mathematics and statistics. It is an economic discipline based on economic theory, economic data and economic facts. It uses mathematical and statistical methods to establish econometric models to study the random quantitative relationships and laws between economic variables. Econometrics is one of the core courses for economics majors stipulated by the Ministry of Education. It is a compulsory course for economics majors. It occupies a very important position in the teaching of economics majors. Econometric experimental analysis has an important position in modern economic research. It is the main method of theoretical verification of empirical interpretation,

@计量经济学题(答案)

《计量经济学》要点 一、单项选择题 知识点： 第一章 若干定义、概念 时间序列数据定义 横截面数据定义 1.同一统计指标按时间顺序记录的数据称为( B )。 A、横截面数据 B、时间序列数据 C、修匀数据 D、原始数据 2.同一时间，不同单位相同指标组成的观测数据称为（ B ） A．原始数据B．横截面数据 C．时间序列数据D．修匀数据 变量定义（被解释变量、解释变量、内生变量、外生变量） 单方程中可以作为被解释变量的是（控制变量、内生变量、外生变量）； 3.在回归分析中，下列有关解释变量和被解释变量的说法正确的有（ C ） A、被解释变量和解释变量均为随机变量 B、被解释变量和解释变量均为非随机变量 C、被解释变量为随机变量，解释变量为非随机 变量 D、被解释变量为非随机变量，解释变量为随机 变量 什么是解释变量、被解释变量？ 从变量的因果关系上，模型中变量可分为解释变量（Explanatory variable）和被解释变量(Explained variable)。 在模型中，解释变量是变动的原因，被解释变量是变动的结果。 被解释变量是模型要分析研究的对象，也常称为“应变量”(Dependent variable)、“回归子”（Regressand）等。 解释变量也常称为“自变量”(Independent variable)、“回归元”（Regressor）等，是说明应变量变动主要原因的变量。 因此，被解释变量只能由内生变量担任，不能由非内生变量担任。 4.单方程计量经济模型中可以作为被解释变量的是（ C ） A、控制变量 B、前定变量 C、内生变量 D、外生变量 5.单方程计量经济模型的被解释变量是（A ） A、内生变量 B、政策变量 C、控制变量 D、外生变量 6.在回归分析中，下列有关解释变量和被解释变量的说法正确的有（C） A、被解释变量和解释变量均为随机变量 B、被解释变量和解释变量均为非随机变量 C、被解释变量为随机变量，解释变量为非随机 变量 D、被解释变量为非随机变量，解释变量为随机 变量 双对数模型中参数的含义； 7.双对数模型 01 ln ln ln Y X ββμ =++中，参数1 β的含义是（D ） A .X的相对变化，引起Y的期望值绝对量变化 B.Y关于X的边际变化 C.X的绝对量发生一定变动时，引起因变量Y 的相对变化率 D.Y关于X的弹性 8.双对数模型μ β β+ + =X Y ln ln ln 1 中，参数1 β的含义是（ C ） A. Y关于X的增长率 B .Y关于X的发展速度 C. Y关于X的弹性 D. Y关于X 的边际变化 计量经济学研究方法一般步骤 四步12点 9.计量经济学的研究方法一般分为以下四个步骤（ B ） A．确定科学的理论依据、模型设定、模型修定、模型应用 B．模型设定、估计参数、模型检验、模型应用C．搜集数据、模型设定、估计参数、预测检验D．模型设定、检验、结构分析、模型应用 对计量经济模型应当进行哪些方面的检验？ 经济意义检验：检验模型估计结果，尤其是参数

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

计量经济学实验教程 实验七 多重共线性模型的检验和处理

目录 R值和t值检验 (4) 一、2 二、解释变量相关系数检验 (5) 三、辅助回归检验 (6) 四、CS对GDP1、GDP2、GDP3回归多重共线性的处理 (8) 五、TZG对ZJ、YY和CZ回归多重共线性的处理 (9)

实验七多重共线性模型的检验和处理 实验目的：掌握多重共线性模型的检验和处理方法。 R值和t值检验及解释变量相关系数检验，实验要求：了解辅助回归检验和掌握2 了解变量变换法和掌握先验信息法。 R值和t值检验、解释变量相关系数检验和辅助回归检验，先验信实验原理：2 息法和变量变换法。 实验步骤： 一、2R值和t值检验 在实验二的一元线性回归模型的估计中，根据广东数据把CS作为应变量，GDPS作为解释变量，进行了一元线性回归，得到结果为 CS=0.0802959511276*GDPS+12.5096023259 其含义是国内生产总值GDPS每增加一个单位，财政收入CS将增加0.0830个单位。实际上三个产业对财政收入的贡献是不同的，那么就应该把上述回归改为财政收入CS对三个产业增加值GDP1、GDP2、GDP3进行回归。进行这个三元回归，得结果为： 从结果看判定系数2R很高，方程很显著，但3个参数t检验值两个不显著，有一个较显著，其中一个参数估计值还是负的，不符合经济理论。显然，出现了严重的多重共线性。 在实验三的多元线性回归模型的估计和检验中，根据广东数据，建立了固定

资产投资模型，固定资产投资TZG取决于固定资产折旧ZJ、营业盈余YY和财政支出CZ，进行三元线性回归如下： 估计方程的判定系数2R很高，方程显著性F检验也显著，但只有两个参数显著性t检验比较显著，这与很高的判定系数不相称，出现了严重的多重共线性。 二、解释变量相关系数检验 根据广东数据，CS对GDP1、GDP2和GDP3的回归中，解释变量GDP1、GDP2和GDP3之间的相关系数为 可以看出三个解释变量GDP1、GDP2和GDP3之间高度相关，必然存在严重的多重共线性。 根据广东数据，TZG对ZJ、YY、CZ的回归中，解释变量ZJ、YY、CZ之间的相关系数为 可以看出三个解释变量ZJ、YY、CZ之间也高度相关，特别是ZJ和CZ之间高度相关，必然存在严重的多重共线性。

伍德里奇---计量经济学第8章部分计算机习题详解(STATA)

班级：金融学×××班姓名：××学号：×××××××C8.1SLEEP75.RAW sleep=β0+β1totwork+β2educ+β3age+β4age2+β5yngkid+β6male+u 解：（ⅰ）写出一个模型，容许u的方差在男女之间有所不同。这个方差不应该取决于其他因素。 在sleep=β0+β1totwork+β2educ+β3age+β4age2+β5yngkid+β6male+u模型下，u方差要取决于性别，则可以写成：Var u︳totwork,educ,age,yngkid,male =Var u︳male =δ0+δ1male。所以，当方差在male=1时，即为男性时，结果为δ0+δ1；当为女性时，结果为δ0。 将sleep对totwork，educ，age，age2，yngkid和male进行回归，回归结果如下： （ⅱ）利用SLEEP75.RAW的数据估计异方差模型中的参数。u的估计方差对于男人和女人而言哪个更高？ 由截图可知：u2=189359.2?28849.63male+r

20546.36 (27296.36) 由于male 的系数为负，所以u 的估计方差对女性而言更大。 （ⅲ）u 的方差是否对男女而言有显著不同？ 因为male 的 t 统计量为?1.06，所以统计不显著，故u 的方差是否对男女而言并没有显著不同。 C8.2 HPRICE1.RAW price =β0+β1lotsize +β2sqrft +β3bdrms +u 解：（ⅰ）利用HPRICE 1.RAW 中的数据得到方程（8.17）的异方差—稳健的标准误。讨论其与通常的标准误之间是否存在任何重要差异。 ● 先进行一般回归，结果如下： ● 再进行稳健回归，结果如下： 由两个截图可得：price =?21.77+0.00207lotsize +0.123sqrft +13.85bdrms 29.48 0.00064 0.013 (9.01) 37.13 0.00122 0.018 [8.48] n = 88， R 2=0.672 比较稳健标准误和通常标准误，发现lotsize 的稳健标准误是通常下的2倍，使得 t 统计量相差较大。而sqrft 的稳健标准误也比通常的大，但相差不大，bdrms 的稳健标准误比通常的要小些。 （ⅱ）对方程（8.18）重复第（ⅰ）步操作。 n =706，R 2=0.0016

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》上机实验答案过程步骤

实2：我国1978-2001年的财政收入（y ）和国民生产总值（x ）的数据资料如表2所示： 表2 我国1978-2001年财政收入和国民生产总值数据 试根据资料完成下列问题： （1）给出模型t t t u x b b y ++=10的回归报告和正态性检验，并解释回归系数的经济意义； （2）求置信度为95%的回归系数的置信区间； （3）对所建立的回归方程进行检验(包括估计标准误差评价、拟合优度检验、参数的显著性检验)； （4）若2002年国民生产总值为亿元，求2002年财政收入预测值及预测区间（05.0=α）。 参考答案：

（1） t t x y 133561.06844.324?+= =)?(i b s =)?(i b t 941946.02 =R 056.1065?==σ SE 30991.0=DW 9607.356=F 133561.0?1 =b ，说明GNP 每增加1亿元，财政收入将平均增加万元。 （2）)?()2(?02/00b s n t b b ?-±=α=±? )?()2(?1 2/11b s n t b b ?-±=α=±? （3）①经济意义检验：从经济意义上看，0133561.0?1 ?=b ，符合经济理论中财政收入随着GNP 增加而增加，表明GNP 每增加1亿元，财政收入将平均增加万元。 ②估计标准误差评价： 056.1065?==σ SE ，即估计标准误差为亿元，它代表我国财政收入估计值与实际值之间的平均误差为亿元。 ③拟合优度检验：941946.02 =R ，这说明样本回归直线的解释能力为%，它代表我国财政收入变动中，由解释变量GNP 解释的部分占%，说明模型的拟合优度较高。 ④参数显著性检验：=)?(1b t ?0739.2)22(025 .0=t ，说明国民生产总值对财政收入的影响是显著的。 （4）6.1035532002=x , 41.141556.103553133561.06844.324?2002=?+=y

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。

计量经济学庞皓第二版第八章练习题及参考答案

第八章练习题及参考解答 8.1 Sen 和Srivastava （1971）在研究贫富国之间期望寿命的差异时，利用101个国家的数据，建立了如下的回归模型： 2.409.39ln 3.36((ln 7))i i i i Y X D X =-+-- (4.37) (0.857) (2.42) R 2=0.752 其中：X 是以美元计的人均收入；Y 是以年计的期望寿命； Sen 和Srivastava 认为人均收入的临界值为1097美元（ln10977=），若人均收入超过1097美元，则被认定为富国；若人均收入低于1097美元，被认定为贫穷国。 括号内的数值为对应参数估计值的t-值。 1）解释这些计算结果。 2）回归方程中引入()ln 7i i D X -的原因是什么？如何解释这个回归解释变量？ 3）如何对贫穷国进行回归？又如何对富国进行回归？ 4）从这个回归结果中可得到的一般结论是什么？ 练习题8.1参考解答： 1. 结果解释 依据给定的估计检验结果数据，对数人均收入对期望寿命在统计上并没有显著影响，截距和变量()ln 7i i D X -在统计上对期望寿命有显著影响；同时， ()()2.40 3.3679.39 3.36ln ((ln 7)) 1 2.409.39ln 0 i i i i i i i X D X D Y X D ?-+?+---==? -+=? 富国时 穷国时 表明贫富国之间的期望寿命存在差异。 2. 回归方程中引入()ln 7i i D X -的原因是从截距和斜率两个方面考证收入因素对期望寿命的影响。这个回归解释变量可解释为对期望寿命的影响存在截距差异和斜率差异的共同因素。 3. 对穷国进行回归时，回归模型为12ln 1097i i i i i i Y X Y X αα=+≤，其中，为美元时的寿命； 对富国进行回归时，回归模型为12ln 1097i i i i i i Y X Y X ββ=+>，其中，为美元时的寿命； 4. 一般的结论为富国的期望寿命药高于穷国的期望寿命，并且随着收入的增加，在平均意

计量经济学实验课程

第一节 EViews基本操作 1、什么是EViews EViews是Econometric Eviews（计量经济学视图）的缩写，通常称为计量经济学软件包，是专门从事数据分析、回归分析和预测的工具，在科学数据分析与评价、金融分析、经济预测、销售预测和成本分析等领域应用非常广泛。 EViews引入了流行的对象概念，操作灵活简便，可在菜单式窗口和编程窗口两种方式下运行，可直接而不需要编程解决绝大部分计量经济学问题。 2、EViews安装 3、EViews使用参考书 1）、《EViews使用指南与案例》，张晓峒主编，机械工业出版社，2007 2）、《计量经济学试验教程》，李国柱，刘德智主编，中国经济出版社，2010 4、认识EViews 主菜单包含九个主菜单，每个主菜单下包含若干菜单项。 File(文件) Edit(编辑) Object(对象)：主菜单下有：New Object(新建对象)、Fetch from DB（从数据库导入）、Update selected from DB（从数据库更新对象）、store selected to DB（把选定的对象存储到数据库）、copy selected（复制所选定的对象）、rename （重命名）、 freeze output （冻结当前输入） Qucik提供快速分析过程，即一些频繁使用的功能。主要菜单有：sample（改编样本范围）、generate series（生成序列）、show（打开已选择的对象，或将多个序列合成一个群对象）、graph（画图）、empty group（打开一个空群）、series statics（产生序列统计量）、group statistics（进行群统计）、estimate equation （估计方程）、 estimate VAR（估计向量回归方程）。 5、数据操作 常用函数：abs(x),exp(x),inv(x),log(x),log10(x),log10(x,b),sqrt(x) 常用描述统计函数： cor(x,y),cov(x,y),mean(x),medan(x),min(x),stdev(x),var(x),sum(x) 描述性统计常用的量： 偏度（skewness）计算公式为s=错误！未找到引用源。3, 对称分布的偏度为零;当偏度大于零时，序列的分布为正偏；当偏度小于零时，序列的分布为负偏；如果偏度等于零，则序列呈正态分布。 峰度（kurtosis）的计算公式为k=错误！未找到引用源。4,正态分布的峰度为3。当序列的峰度大于3时，表示与正态分布相比，序列的分布为尖崤峰；当序列的峰度小于3时，表示与正态分布相比，序列的分布为平缓峰。 雅克-贝拉统计量（Jarque-bera statistic）用来检验序列是否服从正态分布，计算公式JB=错误！未找到引用源。，原假设为序列服从正态分布时，JB统计量服从自由度为2的卡方分布。只需要比较P值与显著性水平的大小。 第二节简单线形回归

计量经济学实验报告54995

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。

计量经济学实验报告(自相关性)

实验6.美国股票价格指数与经济增长的关系 ——自相关性的判定和修正 一、实验内容：研究美国股票价格指数与经济增长的关系。 1、实验目的: 练习并熟练线性回归方程的建立和基本的经济检验和统计检验；学会判别自相关的存在，并能够熟练使用学过的方法对模型进行修正。 2、实验要求： （1）分析数据，建立适当的计量经济学模型 （2）对所建立的模型进行自相关分析 （3）对存在自相关性的模型进行调整与修正 二、实验报告 1、问题提出 通过对全球经济形势的观察，我们发现在经济发达的国家，其证券市场通常也发展的较好，因此我们会自然地产生以下问题，即股票价格指数与经济增长是否具有相关关系？ GDP是一国经济成就的根本反映。从长期看，在上市公司的行业结构与国家产业结构基本一致的情况下，股票平均价格的变动跟GDP的变化趋势是吻合的，但不能简单地认为GDP增长，股票价格就随之上涨，实际走势有时恰恰相反。必须将GDP与经济形势结合起来考虑。在持续、稳定、高速的GDP增长下，社会总需求与总供给协调增长，上市公司利润持续上升，股息不断增加，老百姓收入增加，投资需求膨胀，闲散资金得到充分利用，股票的内在含金量增加，促使股票价格上涨，股市走牛。 本次试验研究的1970-1987年的美国正处在经济持续高速发展的状态下，据此笔者利用这一时期美国SPI与GDP的数据建立计量经济学模型，并对其进行分析。 2、指标选择： 指标数据为美国1970—1987年美国股票价格指数与美国GDP数据。 3、数据来源： 实验数据来自《总统经济报告》（1989年），如表1所示：

表1 4、数据处理 将两组数据利用Eviews绘图，如图1、2所示： 图1 GDP数据简图图2 SPI数据简图

计量经济学实验操作指导完整版李子奈

计量经济学试验(完 整版) ——李子奈

目录 实验一一元线性回归....................................................................................................................................... 一实验目的...................................................... 二实验要求...................................................... 三实验原理...................................................... 四预备知识...................................................... 五实验内容...................................................... 六实验步骤...................................................... 1.建立工作文件并录入数据..................................... 2.数据的描述性统计和图形统计：............................... 3.设定模型，用最小二乘法估计参数：........................... 4.模型检验：................................................. 5.应用：回归预测：........................................... 实验二可化为线性的非线性回归模型估计、受约束回归检验及参数稳定性检验...................... 一实验目的：.................................................... 二实验要求...................................................... 三实验原理...................................................... 四预备知识...................................................... 五实验内容...................................................... 六实验步骤...................................................... 实验三多元线性回归 ......................................................................................................................................... 一实验目的...................................................... 三实验原理...................................................... 四预备知识...................................................... 五实验内容...................................................... 六实验步骤...................................................... 6.1 建立工作文件并录入全部数据............................... 6.2 建立二元线性回归模型..................................... 6.3 结果的分析与检验......................................... 6.4 参数的置信区间........................................... 6.5 回归预测................................................. 6.6 置信区间的预测........................................... 实验四异方差性 .................................................................................................................................................. 一实验目的...................................................... 二实验要求...................................................... 三实验原理...................................................... 四预备知识...................................................... 五实验内容...................................................... 六实验步骤...................................................... 6.1 建立对象：............................................... 6.2 用普通最小二乘法建立线性模型............................. 6.3 检验模型的异方差性....................................... 6.4 异方差性的修正........................................... 实验五自相关性 ..................................................................................................................................................