计量经济学经济模型分析
我国居民消费水平的变量因素分析
2010级工程管理赵莹201000271120
改革开放以来，我国居民收入与消费水平不断提高，居民消费结构升级和消费需求
扩张成为我国经济高速增长的主要动力，特别是进入20世纪90年代以来，居民消费需求对国民经济发展的影响不断增大，对国民经济产生了拉动作用。我国经济逐步由短缺经济走向过剩经济、由卖方市场转向买方市场，社会消费需求不足，居民消费问题显得更加突出。特别市对于如何启动内需，扩大居民消费变得越来越重要。因此，及时把握国民经济发展格局中居民消费需求变动趋势，制
定符合我国现阶段情况的国民消费政策，对于提高我国经济增长速度和质量都有重要意义。
我选取了全国1990年-2009年居民消费水平及其影响因素的统计资料，详情如下表
所示。
1、建立回归模型并进行参数估计
导入数据后得到下表:
Dependent Variable Y FzlethGid Least Squares Date 12-13/12 Time: 22:19
Sample 1990 2009 Included observations 20
Variable Coefficient Std Error 卜 Statist 祀 Prob
X1 0 402900
0 046073
z 743759
0..0000
X2 -0 023108 0 016025 -1 442040 0 1G8G X3 0-004474
0.005581
0 001593 0-4345 C
-78 54985 50 62100
-1 554796
0 1396
R-squared
0.999564
Mean dependent \ar 3923.300
Adjusted F?-squared 0 999463 S D dependent var 2406 042 S.E. of regression 54.71930 Akaike info criterion
11.01317 Sum squared resid
47907 22
Sch.varz Gritericin
11 21831 Log likelihood
■106 1917
F-statistic
12239.64 Du 市in-Watson stat
0 92174-9
Pro biF-stati stic;
0 000000
表2
由表2可知，模型估计的结果为：
Y? 0.403X 1
0.023X 2 O.OO4X 3 78.550
(0.046) (0.016)
(0.006)
(50.521) t= (8.743) (-1.442) (0.802)
(-1.555)
R 2
0.999564 R 2
0.999483
F=12239.64 n=20 D.W.=0.9217
、异方差性的检验
用怀特检验进行异方差性的检验，得出下表:
^Equation: IHITITLEB
To rkfile: 越莹\Hntitled
冋区
V Proc Object
F-statistic 1.458301Probability 0.231690
Obs*R-squaidd 11 35292Probability0 252291
Test Equation;
Dependent Variable RESIDE M&thad Least Squares
Date 12/13/12 lime 22 39
Sample 1900 2009
Included observations 20
Variable Coetficieni Std. Error t-Statistic Prob.
C-76190.093B52T.01-1 9775760 07 62
X1113 432653,16658 2 1336320 C687
X1A2-0 0360410,013153-27402030世帕
xrx2-0 0179260000845-2.0267330 0702
xrx30 007400l UJ2-J13Z5717200 0273
X220 733419 989820 2 0754540 0647
X2*2-0 0Q326D0 001745-1 3681730 0913
X2*X30 0022440 001161 1 9321200 0Q21
X3-10.56911 4 S2&719-2 1901630 0533
X3^2■0 0004240000187-2 2677390 C467
R-squaied0.567646Mean dependent .-ar2395 361
Adjusted ht-squared O.170SZB S D dependent 価4157 563
S.E. of regression3795.492Akaike 血critenorr19.62787
Sum scuared rssid 1.44E+0B Schwarz criterion20.12573
Log likehhond-186 2787F-statistic 1 458801
Durbin stat2 777616ProbfF-statistic}0 281690
表3
2
由表3可知，nR 11.35292，由怀特检验，在a =0.05的情况下，查可知20.05（9）
16.92>nR211.35292，表明模型不存在异方差性。
三、序列相关性的检验
由表2中结果可知D.W.=0.9217,D.W检验结果表明，在5%的显著性水平下，n=20, k=2，查表得d L 1.20，d u 1.41，由于0 得出残差图如下： 表4 由残差图可知，残差的变动有系统模式，连续为正和连续为负， 存在一阶正自相关。 接下来确定是否存在序列相关性，得出结果 、] Fro ：| Objec r 比11] 1 亠崗 色;rr 吃|Fy 獣卅t Sr^ts 抵id? Breu^ch-Godfrey Serial Gortelation LM Test F-statiatic K 5937D Probflbilit^ 0 004B53 0b9*R-9<|Li8(ed 8 414207 P 门凸hiltj 0 303TZ3 Tast Equation Dependent Vaiiabls RE5ID Lkthod Least Dale 1Z14J 2 Tin 出 20 53 Pres a HI pie mies ng a u@ lagtj^d rasidLials s&t tc zero Variable Coeficie ni Sid Error t-StatiSlic Prob. X1 心2皿2 0 043165 4 795265 OOiild X2 0 027565 0015114 1 B23B5S OOBB2 其3 0 009310 0005239 1 051253 0 03J 9 C J2.J0340 4173997 1 016014 0 3267 RESIDE) 0 793053 0 241734 3 30C5T 3 0 00^19 R-sqlidieJ 0 420710 (/ledii depsndtfiil Ydi -5.21E-13 adjusted R-squared 0266233 S.D. dependent var S.E of regre9fion 43.01330 Aka ike info criterion 10.67321 turn squared resid 2f 752.1b yctivj 白性 cnle r icn 10.02215 Loe hk^lhcod ■ 100.7321 F-statistic 2.72344G Durbin-讥白站or stat 1 727777 Pf3biF-￡tStlSt (C 0.W5235 Equation ： UMHUED lorkfile: 匚 叵 表明残差项 如下表： 由表 5 可知 nR 2 8.414207 ,查表可得 2 o.o5(1) 3.84 , 2 2 nR 8.414207 > 0.05( 1) 3.84 ,RESID(-1)未通过5%勺显著性检验,表明存 在一阶序列相关性。 ■ Equation: UNTITLED Vorkf lie: 赵莹\ITnt.- Print Name =reeie = orecast Stats Reside Sreusch-Godfrey Serial Correlation LM Test' Test Equation: Dependent Variable RE SID Mei hod Least Squares Date: 12/14/12 Time 21 06 Presainple missing \alue lagged residuals set io 7era Variable Coefficient Std Error t-Statistic Prob XI 0 053148 0 055420 -0 958934 0 3533 X2 -0 019331 0.019120 ■1 013679 0.327 X3 0.006315 0.006S09 1 000796 0.3339 C 27 31816 47 33530 0 577120 0 5730 RESID(-1> 0 8380G2 0 252001 3 325626 0.0059 RESID(-2) -0.219797 0305682 -0 719038 0.4839 R-squared 0441341 Mean dependent war -6.21 E-13 Adjusted R-squar 已对 0 241821 ￡ D dep 已nclEnt T ；ar 50 21387 S E of regression 43 72297 Akaike info criterion 10.G3695 Sum squared res id 26763.78 Schwarz critericn 10.93667 Log likelihood -100 3695 F -statistic 2212006 Durbin-Watson stat 1 &98410 PrebfF-statistic} 0 111103 表6 由表 6 可知，nR 2 8.826830 > 2o.°5（2） 5.99, RESID （-2 ）未通过 5% 的显著性检验，说明不存在二阶序列相关性。 F-statistic Obs ft R-squared 5 530016 Probability 8 826330 Probabilrty 0 016983 0 0'121U (U.x 'v 邑： 刊址| Cbj 雲 t] F 「int]忖 a me ★海 | gg 価 | F ggg ￡: 15馆也| 只“血 | Dependent Variable Y Method - Least Squares Date 12」W12 Tine: 21:20 Sample (adjusted; 1991 2009 Included observations 19 after adjustments Con'.-ergence achiie/ed after 56 iterations Variable Coefficient Std Error 卜Statistic Proti X1 0 321038 0 082548 3 889123 0 00 tc X2 -0 038591 0 028807 -1 33S921 0 2029 X3 0.012266 0 009650 1.271093 0 224 C 36 62573 163 7322 0.223593 0 8262 AR ⑴ 07066G0 0 273174 2 5S6S51 0 0215 R-squared 0 999686 Mean dw 卩endent var 4005 947 Adjusted R.-squsred 0999597 S D dependent \sr 2356 3 OS S.E of regression 47 32352 Akaike info criterion 10.77233 Sum squared resid 31353 22 Schwarz critenon 11 0213C Log likelihood -97 34155 F -statistic 11152 S3 D jrbin-'/.'atson stat 1 454-231 Prab(F-statistic) 0 000000 Inverted AR Roots .71 表7 由表7可知，一阶广义差分的估计结果为 Y? 0.321X 1 0.039X 2 O.OI2X 3 36.626 0.707AR(1) t= (3.889) (-1.336) (1.271) R 2 0.999597 D.W.=1.454231 由于d u 1.40 (0.083) (0.029) (0.010) (163.732) (0.273) (0.224) (2.587) R 2 0.999686 由表 8 可 知，nR 2 2.730207 < 2Q .Q 5(1) 3.84, RESID(-I)未通过 5%勺显 著性检验，说明不存在一阶序列相关性。 此时经过修正后的模型为 Y? 0.321X 1 0.039X 2 0.012X 3 36.626 0.707AR(1) (0.083) (0.029) (0.010) (163.732) (0.273) t= (3.889) (-1.336) (1.271) (0.224) (2.587) 2 R 0.999597 D .W.=1.454231 四、多重共线性的检验 由消除序列相关性后的模型可知，t Hn -k)吒姑。9-5) 2.145，其中 X2、和常数的参数估计值未能通过t 检验，故认为解释变量间存在多重共线性。 \ ev 戶匹］Object| Pr nt| Nsrre || Far?ca&l :| Stats 12esios| Breiisch-Godfrey f Serial Correlation LM Test F-statistic 2 1B1509 Probability 0 163489 I Obs*R-S qua red 2 730207 Prababil ty 0 098467 Test Equation Dependent Variable RESID Method Least Sc uares Date 12JU/12 1 Ime 2144 Prasample missing ■沖I UR lagged residuals set to 7ero Variable Coefficient Std Errcr t-Statistic Prob X1 -0.007300 0 079428 -0 092913 0 9274 I XS -0.010885 0.020703 -0.379244 0 ?10G X3 O.Q0259S 0 009432 0 275445 07873 c & 732旳 162 B941 -0.379442 07105 AR ⑴ -0.233009 0.306112 -0761108 0 4601 RESID(-1) 0.594151 0.402271 1 476993 0 1535 R-squared 014369S Mean dependent var 3 73E-05 Adjusted R*squared -0.185653 S D. dependent >ar 41 73542 S.E. of regressior 45 44474 占.k 白ikE info dfiten 口门 10.72296 Sum squared resid 26847 91 Schvyarc criterion 11 02120 Lug likelihoQct ?泊典tnz I--statistic U4JUJU2 Durbin* Wat son stat 1 970394 Prab(F*statistic: Q 815478 ■ Equation: VKTITLED Torkfile:赵莹 lUirt. ■- □回冈 R 2 0.999686 表8 计算各解释变量的相关系数 表9 由相关系数矩阵可以看出，个解释变量相互之间相关系数较高, 重共线性。 分别作丫对XI 、X2、X3的一元回归，结果如下： Equation ： UJTTITLED Torkfiloj 赵莹弋口戸七云?匚|回区 丫'|亡找|=|'址|Object| Print]Ndrm 已|种"览]Estiinate|Form 少t|￡tats 慣&sids| Dependent Varisbls Y Method Least Squares Date 12/14.12 Tima 22 10 Sample 1990 2009 Included 亘rv/inn 宜 20 Variable Coefficient Std. Error t-Statistic Prob XI 0.407991 0 002506 162.7970 0.0000 c ^2.385209 26.08652 -0.084924 0.9333 R-squar&d 0.999321 Mean dependent ；ar 3923.300 Adjusted R-squared 蚀 9284 iS.D. dependent \ar 240t U42 y.h. ot regression 64 40003 Akaike into criterion 11.26274 Sum squared resia 74652.54 Schivarz entenon 11.36232 Lug likelihood -110 6274 F-stalislic 26502 S7 Durbin-Wat san sial 0 66C022 Prob^F-statistic} 0 000000 证实存在多 Dependent Variable Y Method. Least Squares Date 12/14-12 Time 22 42 Sainple 1MU 2009 Included ohser/aticns 20 Vanable Coefficient Std Error t-Statistic Prat X2 0 134762 0 000656 13^5502 0 0000 C 1414 397 172 8863 S 184024 0 0000 R-squared 0 955481 Mean dependent var 3923 300 Adjusted R-squsred 0 963007 S D dependent var 2406 042 S E of rag rccsion 521 575& Akoiko info critorion 1E 14623 Sum squared resid 4B96746 Sch-.varz criterion 15 54580 Log likelihoud 152 4523 F-statistic 36& 3196 Durbin-Watson stat 0137603 ProbiF-statistic^ 0 000000 表10 R 2X3 R 2X2,以X1为基础，顺次加入其他变量逐 步回归。结果如下: 由表10可知，R 2 X1 ■ Equation: UKTITLED￥nrkf i le:赵童\Uirt■八[L j? 1 v'iev. ?roc| Ooject Print1 lame| Freeze] :precast S;ats Res-cs Dependent Variable Y Date 12/14/12 Time 23 01 Sample: 1990 2009 Included absenations 20 Variable Coefficifint Std Error t-Statistic Prob X10 438786 0010791 40 663580 0000 X2-0.0106070 003645 -2.909S61 0.00&8 C-101 26^441 37955-2 447330 0 0256 R-squared 0 999647Mear dependent var3923 300 Adjusted R-squared 0 99&494S D dependent 阴「2406 042 S E of regression 54 14096Akaike infc criterion 10 95854 Sum squared resid 49831 15 Sch varz criterion 11 10790 Log lik&lihood■105 5854F-statistic18753 45 DurbinAVatscn stat 1.009424Probi'F-statistic:o ooaooo 表11 由表11可知，XI、X2回归时通过t检验。再加入X3进行检验 Equation: UN7ITLED ￥orhf ile:赵莹\Unt,.- 讪申|卩弋匚| ObjEd;| 闭口计门诃己戶餌巳| Estimate|l=Q「e:E| 5tats|*已sid$ Dep endent Variable Y Method Least Squares 23 C2 Date 1Z/U/12 Time Sample 1990 2009 Included obser.ations 20 Variable Coefficient Std Error t-Statistic Prob X10 402500 0 046078 S74373? o oooc X2-0 023108 0 016025 -1 4420400 163C X30 00447-10.005581 0.8015930 434i C78 54985 50.S2100 -1 554796 0 1396 R-§quarad0 999564 F'jlean depended '.ar3923.300 Adjusted R-aquar^d0 999493 S.D dependent '.-ar2406.(142 S E of regression54 71930Aka ike info enteric n11 01917 Sum squared re^id 47907 22Sch-.+;ar2 criteriori11 21831 Log lik&lihood-106 1917 F-statisbc12239 64 Durbin-'-.'.'atsoii siat 0 921749 Prob：F-stati stic o oooooc 表12 由表12可知，X3不能通过t检验，因此剔除解释变量X3。此时的模型为 Y? 0.439X10.011X2101.269 (0.011 ) (0.004) (41.380) t= (40.664) (-2.910 ) (-2.447 ) R20.999547 R20.999494 D.W.=1.009424 五、随机解释变量问题 因为该数据中的变量均为确定型变量，因此不存在随机解释变量问题因此，最后建立的经济模型为Y? 0.439X1 0.011X2 101.269 。 上课材料之二： 第二章 数学基础 (Mathematics) 第一节 矩阵(Matrix)及其二次型(Quadratic Forms) 第二节 分布函数(Distribution Function)，数学期望(Expectation)及方差(Variance) 第三节 数理统计（Mathematical Statistics ） 第一节 矩阵及其二次型(Matrix and its Quadratic Forms) 2.1 矩阵的基本概念与运算 一个m ×n 矩阵可表示为： 矩阵的加法较为简单，若C=A +B ，c ij =a ij +b ij 但矩阵的乘法的定义比较特殊，若A 是一个m ×n 1的矩阵，B 是一个n 1×n 的矩阵，则C =AB 是一个m ×n 的矩阵，而且∑== n k kj ik ij b a c 1，一般来讲，AB ≠BA ，但如下运算是成立 的： ● 结合律（Associative Law ） (AB )C =A （BC ） ● 分配律（Distributive Law ） A (B +C )=AB +AC 问题：(A+B)2=A 2+2AB+B 2是否成立？ 向量（Vector ）是一个有序的数组，既可以按行，也可以按列排列。 行向量(row ve ctor)是只有一行的向量，列向量(column vector)只有一列的向量。 如果α是一个标量，则αA =[αa ij ]。 矩阵A 的转置矩阵(transpose matrix)记为A '，是通过把A 的行向量变成相应的列向量而得到。 显然(A ')′=A ，而且（A +B ）′=A '+B '， ● 乘积的转置（Transpose of ａ production ） A B AB ''=')(，A B C ABC '''=')(。 ● 可逆矩阵（inverse matrix ），如果n 级方阵(square matrix)A 和B ，满足AB=BA=I 。 则称A 、B 是可逆矩阵，显然1-=B A ，1-=A B 。如下结果是成立的： 1111111)()()()(-------='='=A B AB A A A A 。 2.2 特殊矩阵 1）恒等矩阵(identity matrix) 第三章、经典单方程计量经济学模型：多元线性回归模型 一、内容提要 本章将一元回归模型拓展到了多元回归模型，其基本的建模思想与建模方法与一元的情形相同。主要内容仍然包括模型的基本假定、模型的估计、模型的检验以及模型在预测方面的应用等方面。只不过为了多元建模的需要，在基本假设方面以及检验方面有所扩充。 本章仍重点介绍了多元线性回归模型的基本假设、估计方法以及检验程序。与一元回归分析相比，多元回归分析的基本假设中引入了多个解释变量间不存在（完全）多重共线性这一假设；在检验部分，一方面引入了修正的可决系数，另一方面引入了对多个解释变量是否对被解释变量有显著线性影响关系的联合性F检验，并讨论了F检验与拟合优度检验的内在联系。 本章的另一个重点是将线性回归模型拓展到非线性回归模型，主要学习非线性模型如何转化为线性回归模型的常见类型与方法。这里需要注意各回归参数的具体经济含义。 本章第三个学习重点是关于模型的约束性检验问题，包括参数的线性约束与非线性约束检验。参数的线性约束检验包括对参数线性约束的检验、对模型增加或减少解释变量的检验以及参数的稳定性检验三方面的内容，其中参数稳定性检验又包括邹氏参数稳定性检验与邹氏预测检验两种类型的检验。检验都是以F检验为主要检验工具，以受约束模型与无约束模型是否有显著差异为检验基点。参数的非线性约束检验主要包括最大似然比检验、沃尔德检验与拉格朗日乘数检验。它们仍以估计无约束模型与受约束模型为基础，但以最大似然 χ分布为检验统计原理进行估计，且都适用于大样本情形，都以约束条件个数为自由度的2 量的分布特征。非线性约束检验中的拉格朗日乘数检验在后面的章节中多次使用。 二、典型例题分析 例1．某地区通过一个样本容量为722的调查数据得到劳动力受教育的一个回归方程为36 .0 . + = - 10+ 094 medu fedu .0 sibs edu210 131 .0 R2=0.214 式中，edu为劳动力受教育年数，sibs为该劳动力家庭中兄弟姐妹的个数，medu与fedu分别为母亲与父亲受到教育的年数。问 第二章 案例分析 研究目的：分析各地区城镇居民计算机拥有量与城镇居民收入水平的关系，对更多规律的研究具有指导意义. 一． 模型设定 2011年年底城镇居民家庭平均每百户计算机拥有量Y 与城镇居民平均每人全年家庭总收入X 的关系 图2.1 各地区城镇居民每百户计算机拥有量与人均总收入的散点图 由图可知，各地区城镇居民每百户计算机拥有量随着人均总收入水平的提高而增加，近似于线性关系，为分析其数量性变动规律，可建立如下简单线性回归模型： Y t =β1+β2X t +u t 50 60 708090100 110120130140 X Y 二．估计参数 假定所建模型及其随机扰动项u i满足各项古典假设，用普通最小二乘法（OLSE）估计模型参数.其结果如下： 表2.1 回归结果 Dependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 12:50 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 11.95802 5.622841 2.126686 0.0421 X 0.002873 0.000240 11.98264 0.0000 R-squared 0.831966 Mean dependent var 77.08161 Adjusted R-squared 0.826171 S.D. dependent var 19.25503 S.E. of regression 8.027957 Akaike info criterion 7.066078 Sum squared resid 1868.995 Schwarz criterion 7.158593 Log likelihood -107.5242 Hannan-Quinn criter. 7.096236 F-statistic 143.5836 Durbin-Watson stat 1.656123 Prob(F-statistic) 0.000000 由表2.1可得， β1=11.9580，β2=0.0029 故简单线性回归模型可写为： ^ Y X t t=11.9580+0.0029 其中：SE(β1)=5.6228, SE(β2)=0.0002 R-squared=0.8320，F=143.5836，n=31 第五章经典单方程计量经济学模型：专门问题 一、内容提要 本章主要讨论了经典单方程回归模型的几个专门题。 第一个专题是虚拟解释变量问题。虚拟变量将经济现象中的一些定性因素引入到可以进行定量分析的回归模型，拓展了回归模型的功能。本专题的重点是如何引入不同类型的虚拟变量来解决相关的定性因素影响的分析问题，主要介绍了引入虚拟变量的加法方式、乘法方式以及二者的组合方式。在引入虚拟变量时有两点需要注意，一是明确虚拟变量的对比基准，二是避免出现“虚拟变量陷阱”。 第二个专题是滞后变量问题。滞后变量包括滞后解释变量与滞后被解释变量，根据模型中所包含滞后变量的类别又可将模型划分为自回归分布滞后模型与分布滞后模型、自回归模型等三类。本专题重点阐述了产生滞后效应的原因、分布滞后模型估计时遇到的主要困难、分布滞后模型的修正估计方法以及自回归模型的估计方法。如对分布滞后模型可采用经验加权法、Ａlmon多项式法、Koyck方法来减少滞项的数目以使估计变得更为可行。而对自回归模型，则根据作为解释变量的滞后被解释变量与模型随机扰动项的相关性的不同，采用工具变量法或OLS法进行估计。由于滞后变量的引入，回归模型可将静态分析动态化，因此，可通过模型参数来分析解释变量对被解释变量影响的短期乘数和长期乘数。 第三个专题是模型设定偏误问题。主要讨论当放宽“模型的设定是正确的”这一基本假定后所产生的问题及如何解决这些问题。模型设定偏误的类型包括解释变量选取偏误与模型函数形式选取取偏误两种类型，前者又可分为漏选相关变量与多选无关变量两种情况。在漏选相关变量的情况下，OLS估计量在小样本下有偏，在大样本下非一致；当多选了无关变量时，OLS估计量是无偏且一致的，但却是无效的；而当函数形式选取有问题时，OLS估计量的偏误是全方位的，不仅有偏、非一致、无效率，而且参数的经济含义也发生了改变。在模型设定的检验方面，检验是否含有无关变量，可用传统的t检验与F检验进行；检验是否遗漏了相关变量或函数模型选取有错误，则通常用一般性设定偏误检验（RESET检验）进行。本专题最后介绍了一个关于选取线性模型还是双对数线性模型的一个实用方法。 第四个专题是关于建模一般方法论的问题。重点讨论了传统建模理论的缺陷以及为避免这种缺陷而由Hendry提出的“从一般到简单”的建模理论。传统建模方法对变量选取的 计量经济学案例分析1 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表的数据: 表 2002年中国各地区城市居民人均年消费支出和可支配收入 #学术探讨# 现代计量经济学模型体系解析* 李子奈刘亚清 内容提要:本文对现代计量经济学模型体系进行了系统的解析,指出了现代计量经济学的各个分支是以问题为导向,在经典计量经济学模型理论的基础上,发展成为相对独立的模型理论体系,包括基于研究对象和数据特征而发展的微观计量经济学、基于充分利用数据信息而发展的面板数据计量经济学、基于计量经济学模型的数学基础而发展的现代时间序列计量经济学、基于非设定的模型结构而发展的非参数计量经济学,并对每个分支进行了扼要的描述。最后在/交叉与综合0的方向上提出了现代计量经济学模型理论的研究前沿领域。 关键词:经典计量经济学时间序列计量经济学微观计量经济学 一、引言 计量经济学自20世纪20年代末30年代初诞生以来,已经形成了十分丰富的内容体系。一般认为,可以以20世纪70年代为界将计量经济学分为经典计量经济学(Classical Econometrics)和现代计量经济学(Mo dern Eco no metr ics),而现代计量经济学又可以分为四个分支:时间序列计量经济学(Tim e Ser ies Econo metrics)、微观计量经济学(M-i cro-econometrics)、非参数计量经济学(Nonpara-m etric Econometrics)以及面板数据计量经济学(Panel Data Eco nom etrics)。这些分支作为独立的课程已经被列入经济学研究生的课程表,独立的教科书也已陆续出版,应用研究已十分广泛,标志着它们作为计量经济学的分支学科已经成熟。 据此提出三个问题:一是经典计量经济学的地位问题。既然现代计量经济学模型体系已经成熟,而且它们都是在经典模型理论的基础上发展的,那么经典模型还有应用价值吗?是不是凡是采用经典模型的研究都是低水平和落后的?二是现代计量经济学的各个分支的发展导向问题。即它们是如何发展起来的?三是现代计量经济学进一步创新和发展的基点在哪里?回答这些问题,对于正确理解计量经济学的学科体系,对于计量经济学的课程设计和教学内容安排,对于正确评价计量经济学理论和应用研究的水平,对于进一步推动中国的计量经济学理论研究,都是十分有益的。 现代计量经济学的各个分支是以问题为导向,以经典计量经济学模型理论为基础而发展起来的。所谓/问题0,包括研究对象和表征研究对象状态和变化的数据。研究对象不同,表征研究对象状态和变化的数据具有不同的特征,用以进行经验实证研究的计量经济学模型既然不同,已有的模型理论方法不适用了,就需要发展新的模型理论方法。按照这个思路,就可以用图1简单地描述经典计量经济学模型与现代计量经济学模型各个分支之间的关系。 本文试图从方法论的角度对现代计量经济学模型的发展,特别是现代计量经济学模型与经典计量经济学模型之间的关系进行较为系统的讨论,以期对未来我国计量经济学的发展研究提供借鉴和启示。本文的内容安排如下:首先分析经典计量经济学模型的基础地位,明确它在现代的应用价值,同时对发生于20世纪70年代的/卢卡斯批判0的实质进行讨论;然后依次讨论时间序列计量经济学、微观计量经济学、非参数计量经济学以及面板数据计量经济学的发展,回答它们是以什么问题为导向,以什么为目的而发展的;最后以/现代计量经济学模型体系的分解与综合0为题,讨论现代计量经济学的前沿研究领域以及从对我国计量经济学理论的创新和发展 ) 22 ) *本文受国家社会科学基金重点项目(08AJY001,计量经济学模型方法论基础研究)的资助。 第5章 分布滞后与动态模型 §5.1 分布滞后模型 很多经济模型在回归方程中有滞后项，例如，因为修建桥和高速公路需要很多时间，所以公共投资对GDP 的影响有一个滞后期，而且这个影响可能会持续数年；研发新产品需要时间，而后把这个新产品投入生产也需要时间；在研究消费行为时，一个工资的变化可能影响好几期的消费。在消费的恒久收入理论中，消费者会用若干期去决定真实可支配收入的变化是暂时的还是永久的。例如，今年额外的咨询费收入明年是否还会继续？同样，真实可支配收入的滞后值会在回归方程中出现，是因为消费者在平滑其消费行为时十分重视他自身的终身收入。一个人的终身收入可以用他过去和现在的收入来推测。换句话说，回归关系可以写为： T t X X X Y t s t s t t t ,,2,1110 =+++++=--εβββα （5.1） 其中，t Y 代表被解释变量Y 在第t 期的观测值，t s X -代表解释变量X 第t s -期的观测值，α为截距项，0β，1β，…，s β是t X 当期和滞后期的系数。方程（5.1）式就是分布滞后模型因为它把收入增长对消费的影响分为s 期。X 的一个单位变化对Y 的短期影响由0β来表示，而X 的一个单位变化对Y 的长期影响由 (s βββ+++ 10)来表示。 假设我们观察从1955年到1995年的t X ，1t X -为相同的变量，但是提前一期的，也就是1954-1994。因为1954年的数据观察不到，我们就从1955年开始观察 1t X -，到1994年结束。这意味着当我们滞后一期时，t X 序列将从1956年开始到 1995年结束。对于实际的应用来说，也就是当我们滞后一期时，我们将从样本中 第六章 联立方程计量经济学模型案例 1、下面建立一个包含3个方程的中国宏观经济模型，已经判断消费方程式恰好识别的，投资方程是过度识别的。对模型进行估计。样本观测值见表6.1 01211012t t t t t t t t t t t C Y C u I Y u Y I C G αααββ-=+++?? =++??=++? 表6.1 中国宏观经济数据 单位：亿元 （1） 用狭义的工具变量法估计消费方程 选取方程中未包含的先决变量G 作为内生解释变量Y 的工具变量，过程如下： 结果如下： 所以，得到结构参数的工具变量法估计量为： 012???582.27610.2748560.432124α αα===，， （2） 用间接最小二乘法估计消费方程 消费方程中包含的内生变量的简化式方程为： 1011112120211222t t t t t t t t C C G Y C G πππεπππε--=+++?? =+++? 参数关系体系为： 11121210012012122000 παπαπααππαπ--=?? --=??-=? 用普通最小二乘法估计，结果如下： 所以参数估计量为： 101112???1135.937,0.619782, 1.239898π ππ=== 202122???2014.368,0.682750, 4.511084π ππ=== 所以，得到间接最小二乘估计值为： 12122??0.274856?π α π == 211121????0.432124α παπ=-= 010120????582.2758α παπ=-= （3）用两阶段最小二乘法估计消费方程 第一阶段使用普通最小二乘法估计内生解释变量的简化方程，得到 1?2014.3680.68275 4.511084t t t Y C G -=++ 用Y 的预测值替换消费方程中的Y ，直接用OLS 估计消费方程，过程如下： 计量经济学分析模型 摘要 改革开放以来，我国经济呈迅速而稳定的增长趋势，由于分配机制和收入水平的变化，城镇居民生活水平在达到稳定小康之后，消费结构和消费水平都出现了一些新的特点。本文旨在对近几年，我国城镇年人均收入变动对年人均各种消费变动的影响进行实证分析。首先，我们综合了几种关于收入和消费的主要理论观点；本文根据相关的数据统计数据，运用一定的计量经济学的研究方法，进而我们建立了理论模型。然后，收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果和影响消费的一些因素作了经济意义的分析，并相应提出一些政策建议。并找到影响居民消费的主要因素。 关键词：居民消费；城镇居民；回归；Eviews 目录 摘要.................................................................. II 前言. (1) 1 问题的提出 (2) 2 经济理论陈述 (3) 2.1西方经济学中有关理论假说 (3) 2.2有关消费结构对居民消费影响的理论 (4) 3 相关数据收集 (6) 4 计量经济模型的建立 (9) 5 模型的求解和检验 (10) 5.1计量经济的检验 (10) 5.1.1模型的回归分析 (10) 5.1.2拟合优度检验： (11) 5.1.3 F检验 (11) 5.1.4 T检验 (12) 5.2 计量修正模型检验： (12) 5.2.1 Y与的一元回归 (13) 5.2.2拟合优度的检验 (13) 5.2.3 F检验 (14) 5.2.4 T检验： (15) 5.3经济意义的分析: (15) 6 政策建议 (16) 结论 (17) 参考文献 (19) 计量经济学试题一 一、判断题（20分） 1．线性回归模型中，解释变量是原因，被解释变量是结果。（） 2．多元回归模型统计显著是指模型中每个变量都是统计显著的。（） 3．在存在异方差情况下，常用的OLS法总是高估了估计量的标准差。（）4．总体回归线是当解释变量取给定值时因变量的条件均值的轨迹。（） 5．线性回归是指解释变量和被解释变量之间呈现线性关系。（） 6．判定系数的大小不受到回归模型中所包含的解释变量个数的影响。（）7．多重共线性是一种随机误差现象。（） 8．当存在自相关时，OLS估计量是有偏的并且也是无效的。（） 9．在异方差的情况下，OLS估计量误差放大的原因是从属回归的变大。（）10．任何两个计量经济模型的都是可以比较的。（） 二．简答题（10） 1．计量经济模型分析经济问题的基本步骤。（4分） 2．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。（6分） 三．下面是我国1990-2003年GDP对M1之间回归的结果。（5分） 1．求出空白处的数值，填在括号内。（2分） 2．系数是否显著，给出理由。（3分） 四．试述异方差的后果及其补救措施。（10分） 五．多重共线性的后果及修正措施。（10分） 六．试述D-W检验的适用条件及其检验步骤？（10分） 七．（15分）下面是宏观经济模型 变量分别为货币供给、投资、价格指数和产出。 1．指出模型中哪些是内是变量，哪些是外生变量。（5分） 2．对模型进行识别。（4分） 3．指出恰好识别方程和过度识别方程的估计方法。（6分） 八、（20分）应用题 为了研究我国经济增长和国债之间的关系，建立回归模型。得到的结果如下：Dependent Variable: LOG(GDP) Method: Least Squares Date: 06/04/05 Time: 18:58 Sample: 1985 2003 Included observations: 19 Variable Coefficient Std. Error t-Statistic Prob. LOG(DEBT) 0.65 0.02 32.8 0 Adjusted R-squared 0.983 S.D. dependent var 0.86 S.E. of regression 0.11 Akaike info criterion -1.46 Sum squared resid 0.21 Schwarz criterion -1.36 Log likelihood 15.8 F-statistic 1075.5 Durbin-Watson stat 0.81 Prob(F-statistic) 0 其中，GDP表示国内生产总值，DEBT表示国债发行量。 （1）写出回归方程。（2分） （2）解释系数的经济学含义？（4分） （3）模型可能存在什么问题？如何检验？（7分） 第八章案例分析 改革开放以来，随着经济的发展中国城乡居民的收入快速增长，同时城乡居民的储蓄存 款也迅速增长。经济学界的一种观点认为，20世纪90年代以后由于经济体制、住房、医疗、养老等社会保障体制的变化，使居民的储蓄行为发生了明显改变。为了考察改革开放以来中 国居民的储蓄存款与收入的关系是否已发生变化，以城乡居民人民币储蓄存款年底余额代表 居民储蓄（Y），以国民总收入GNI代表城乡居民收入，分析居民收入对储蓄存款影响的数量关系。 表8.1为1978-2003年中国的国民总收入和城乡居民人民币储蓄存款年底余额及增加额的数据。 单位：亿元 2004 鉴数值，与用年底余额计算的数值有差异。 为了研究1978—2003年期间城乡居民储蓄存款随收入的变化规律是否有变化,考证城 乡居民储蓄存款、国民总收入随时间的变化情况，如下图所示: 图8.5 从图8.5中，尚无法得到居民的储蓄行为发生明显改变的详尽信息。若取居民储蓄的增量 （YY ）,并作时序图（见图 8.6） 从居民储蓄增量图可以看出，城乡居民的储蓄行为表现出了明显的阶段特征: 2000年有两个明显的转折点。再从城乡居民储蓄存款增量与国民总收入之间关系的散布图 看（见图8.7），也呈现出了相同的阶段性特征。 为了分析居民储蓄行为在 1996年前后和2000年前后三个阶段的数量关系，引入虚拟变 量D 和D2°D 和D 2的选择，是以1996>2000年两个转折点作为依据，1996年的GNI 为66850.50 亿元,2000年的GNI 为国为民8254.00亿元，并设定了如下以加法和乘法两种方式同时引入 虚拟变量的的模型: YY = 1+ 2GNI t 3 GNI t 66850.50 D 1t + 4 GNh 88254.00 D 2t i D 1 t 1996年以后 D 1 t 2000年以后 其中: D 1t _ t 1996年及以前 2t 0 t 2000年及以前 对上式进行回归后，有: Dependent Variable: YY Method: Least Squares Date: 06/16/05 Time: 23:27 120000 8.7 1996年和 100000- 40000 2WM GNi o eOB2&ISEea9a9l2949698[Ma2 20CUC ir-“- 1CC0C 图 8.6 *OOCO mnoot ， RtKXD Tconr GF* ∑ x = 1264471.423 ∑ y = 516634.011 ∑ X = 52432495.137 ∑ ? ? ? ? 案例分析 1— 一元回归模型实例分析 依据 1996-2005 年《中国统计年鉴》提供的资料，经过整理，获得以下农村居民人均 消费支出和人均纯收入的数据如表 2-5： 表 2-5 农村居民 1995-2004 人均消费支出和人均纯收入数据资料 单位：元 年度 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 人均纯 收入 1577.7 1926.1 2090.1 2161.1 2210.3 2253.4 2366.4 2475.6 2622.2 2936.4 人均消 费支出 1310.4 1572.1 1617.2 1590.3 1577.4 1670.1 1741.1 1834.3 1943.3 2184.7 一、建立模型 以农村居民人均纯收入为解释变量 X ，农村居民人均消费支出为被解释变量 Y ，分析 Y 随 X 的变化而变化的因果关系。考察样本数据的分布并结合有关经济理论，建立一元线 性回归模型如下： Y i =β0+β1X i +μi 根据表 2-5 编制计算各参数的基础数据计算表。 求得: X = 2262.035 Y = 1704.082 2 i 2 i ∑ x i y i = 788859.986 2 i 根据以上基础数据求得: β1 = ∑ x i y 2 i i = 788859.986 126447.423 = 0.623865 β 0 = Y - β1 X = 1704.082 - 0.623865 ? 2262.035 = 292.8775 样本回归函数为： Y i = 292.8775 + 0.623865X i 上式表明，中国农村居民家庭人均可支配收入若是增加 100 元，居民们将会拿出其中 的 62.39 元用于消费。 1 ?什么是计量经济学？它与经济学、统计学和数学的关系怎样？答:1、计量经济学是一门运用经济理论和统计技术来分析经济数据的科学和艺术，它以经济理论为指导，以客观事实为依据，运用数学、统计学的方法和计算机技术，研究带有随机影响的经济变量之间的数量关系和规律。2、经济理论、数学和统计学知识是在计量经济学这一领域进行研究的必要前提，这三者中的每一个对于真正理解现代经济生活中的数量关系是必要的，但不充分，只有结合在一起才行。 2计量经济学三个要素是什么？ 经济理论、经济数据和统计方法。 3. 计量经济学模型的检验包括哪几个方面？其具体含义是什么？ 答：（1）经济意义检验，即根据拟定的符号、大小、关系，对参数估计结果的可靠性进行判断（2）统计检验，由数理统计理论决定。包括：拟合优度检验、总体显着性检验。（3）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。（4）模型预测检验，由模型应用要求决定。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。 4. 计量经济学方法与一般经济数学方法有什么区别？ 答:计量经济学揭示经济活动中各因素之间的定量关系，用随机性的数学方程加以描述；一般经济数学方法揭示经济活动中各因素之间的理论关系，用确定性的数学方程加以描述。 5. 计量经济学模型研究的经济关系有那两个基本特征？ 答：一是随机关系，二是因果关系J - . ' /■ 6. 计量经济学研究的对象和核心内容是什么？ 答：计量经济学的研究对象是经济现象，是研究经济现象中的具体数量规律。计量经济学的核心内容包括两个方面：一是方法论，即计量经济学方法或者理论计量经济学。二是应用，即应用计量经济学。 无论是理论计量经济学还是应用计量经济学，都包括理论、方法和数据三种要素。 7. 计量经济学中应用的数据类型怎样？举例解释其中三种数据类型的结构。 答：计量经济模型：WAGE二f（EDU,EXP,GEND,山 1）时间序列数据是按时间周期收集的数据，如年度或季度的国民生产总值。 2）横截面数据是在同一时间点手机的不同个体的数据。如世界各国某年国民生产总值。 3）混合数据是兼有时间序列和横截面成分的数据，女口 1985 —2010世界各国GDP数据。 8. 建立与应用计量经济学模型的主要步骤有哪些？ （1）理论模型的设计（2）样本数据的收集（3）模型参数的估计（4）模型的检验 9. 用OLS建立多元线性回归模型，有哪些基本假设？ 1、回归模型是线性的，模型设定无误且含有误差项 2、误差项总体均值为零 3、所有解释变量与误差 项都不相关4、误差项互不相关（不存在序列相关性）5、误差项具有同方差6、任何一个解释变量都不是其他解释变量的完全线性函数7、误差项服从正态分布。 10. 随机误差项包含哪些因素影响？ 在解释变量中被忽略的因素的影响（影响不显着的因素、未知的影响因素、无法获得数据的因素）；变量观测值的观测误差的影响；模型关系的设定误差的影响；其它随机因素的影响。 11. 为什么要计算调整后的可决系数？ 在应用过程中发现，如果在模型中增加一个解释变量，？往往增大。这是因为残差平方和往往随着解 释变量的增加而减少，至少不会增加。这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。但是，现实情况往往是，由增加解释变量个数引起的的增大与拟合好坏无关，需调整。 =0.89表示被解释变量Y的变异性的89%能用估计的回归方程解释。 12. 叙述多重共线性的概念、后果和补救措施。 概念:如果两个或多于两个解释变量之间出现了相关性，则称模型存在多重共线性。 后果：1、估计量仍然是无偏的2、参数估计量的方差和标准差增大3、置信区间变宽4、t统计量会变 小5、估计量对模型设定的变化及其敏感6、对方程的整体拟合程度几乎没有影响7、回归系数符号 第七章 计量经济学应用 §7.1 计量经济学模型的设定 计量经济学模型设定的主要根据： 1） 研究目的； 2） 已有理论模型。 通常是根据研究目的所涉及的范围，决定需要分析哪些经济变量之间的关系。再设定这些变量之间的关系式。 设定变量关系式可以根据已有的理论模型、经济恒等式、经济关系式来确定（可能需要进行一定的修改）。若没有已知的关系式可用，可以根据研究目的，人为设定。 变量间具体表达式的选择 若经济理论已给出具体表达式，就直接套用。否则，可以直接假设为线性函数。其原因是经济中的所使用函数大多数都认为是连续可微的函数，因而可以用线性函数近似。 §7.2 数据调整 由于统计指标与经济变量的含义、口径一般不会一致。在模型估计之前，如有可能，应先进行调整，使统计指标的口径尽可能的接近经济变量的含义。 §7.3 变量的选择 基于上述同样的原因，及统计指标间的相关性，在设计模型结构时，需要筛选变量。 假设模型已转化为简化型，即设模型为 ??? ????++++=++++=++++=k p kp k k k p p p p x x x y x x x y x x x y εαααεαααεαααΛΛΛΛ2211222221212112121111 变量筛选有两层含义： 1） 对内生变量T k y y y ),,,,(21Λ有重要影响的外生变量是否都选入模型了？ 2） 模型内的外生变量T p x x x ),,,(21Λ对内生变量T k y y y ),,,,(21Λ是否都有重要影 响？ 判别准则 1） 复相关系数R （一般要求R>0.8），或方程的F -统计量； 一般来说，若R>0.9或经F-检验是显著的，则从整体上说，方程几乎包含了对响应变量有重要影响所有外生变量，外生变量对内生变量有较强的解释能力，否则，表明方程遗漏了一些对内生变量有重要影响的变量，需要增加外生变量。 当模型用于结构分析时，R 值可以低一些，用于预测时，R 值应比较大。 2） 系数显著性检验t -统计量。 下面介绍几种常用的变量筛选算法。这些算法都是一对多回归模型的搜索算法。 记in Ω是在回归模型内的预测变量集，out Ω是在回归模型外待检的预测变量集，del Ω是 研究城镇居民可支配收入与人均消费性支出的关系 班级：08投资姓名：陈婷婷学号：802025105 一、研究的目的 本案例分析根据1980年～2009 年城镇居民人均可支配收入和人均消费性支出的基本数据,应用一元线性回归分析的方法研究了城镇居民人均可支配收入和人均消费性支出之间数量关系的基本规律，并在预测2010年人均消费性支出的发展趋势。从理论上说，居民人均消费性支出应随着人均可支配收入的增长而提高。随着消费更新换代的节奏加快,消费日益多样化,从追求物质消费向追求精神消费和服务消费转变。因此,政府在制定当前的宏观经济政策时,考虑通过增加居民收入来鼓励消费,以保持经济的稳定增长。 二、模型设定 表1 1980—2009年城镇人均可支配收入和人均消费性支出 为分析1980—2009年城镇人均可支配收入（X）和人均消费性支出(Y)的关系，作下图所示的散点图。 图1 城镇人均可支配收入和人均消费性支出的散点图 从散点图可以看出城镇人均可支配收入（X）和人均消费性支出(Y)大体呈现为线性关系，为分析中国城镇人均消费性支出随城镇人均可支配收入变动的数量规律性，可以建立如下简单线性回归模型： Y=β+βX+u i12i 三、估计参数 Eviews的回归结果如下表所示： 表2 回归结果 ① 参数估计和检验的结果写为： ^ 184.59590.780645i i Y X =+ （41.10880）（0.004281） t =(4.490423) (182.3403) 2R =0.999159 2R （修正值）=0.999129 F =33247.99 n=30 ② 回归系数的区间估计[α=5% 2 t α(n-2)=2.048 ] ^^ 22222 2 2 ????[()()]1P t SE t SE ααβββββα-≤≤+=- =P （0.780645—2.048*0.004281 2β≤≤0.780645+2.048*0.004281） =P （0.7719 2β≤≤0.7894） =95% 剩余项（Residual ）、实际值（Actual ）、拟合值（Fitted ）的图形如下： 图2 剩余项、实际项、拟合值的图形 四、模型检验 1、 经济意义检验 所估计的参数β1= 184.5959，β2=0.780645，说明城镇人均可支配收入每增加一元，可导致人均消费性支出提高0.780645元。 建立计量经济学模型的步骤和要点 | [<<][>>] 一、理论模型的设计 对所要研究的经济现象进行深入的分析，根据研究的目的，选择模型中将包含的因素，根据数据的可得性选择适当的变量来表征这些因素，并根据经济行为理论和样本数据显示出的变量间的关系，设定描述这些变量之间关系的数学表达式，即理论模型。例如上节中的生产函数 就是一个理论模型。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。 1. 确定模型所包含的变量 在单方程模型中，变量分为两类。作为研究对象的变量，也就是因果关系中的“果”，例如生产函数中的产出量，是模型中的被解释变量；而作为“原因”的变量，例如生产函数中的资本、劳动、技术，是模型中的解释变量。确定模型所包含的变量，主要是指确定解释变量。可以作为解释变量的有下列几类变量：外生经济变量、外生条件变量、外生政策变量和滞后被解释变量。其中有些变量，如政策变量、条件变量经常以虚变量的形式出现。 严格他说，上述生产函数中的产出量、资本、劳动、技术等，只能称为“因素”，这些因素间存在着因果关系。为了建立起计量经济学模型，必须选择适当的变量来表征这些因素，这些变量必须具有数据可得性。于是，我们可以用总产值来表征产出量，用固走资产原值来表征资本，用职工人数来表征劳动，用时间作为一个变量来表征技术。这样，最后建立的模型是关于总产值、固定资产原值、职工人数和时间变量之间关系的数学表达式。下面，为了叙述方便，我们将“因素”与“变量”间的区别暂时略去，都以“变量”来表示。 关键在于，在确定了被解释变量之后，怎样才能正确地选择解释变量。 第六章联立方程计量经济学模型案例 1、下面建立一个包含3个方程的中国宏观经济模型，已经判断消费方程式恰好识别的，投资方程是过度识别的。对模型进行估计。样本观测值见表6.1 选取方程中未包含的先决变量G作为内生解释变量Y的工具变量，过程如下： 结果如下： 所以，得到结构参数的工具变量法估计量为： （2）用间接最小二乘法估计消费方程 消费方程中包含的内生变量的简化式方程为： 参数关系体系为： 用普通最小二乘法估计，结果如下： 所以参数估计量为： 所以，得到间接最小二乘估计值为： （3）用两阶段最小二乘法估计消费方程 第一阶段使用普通最小二乘法估计内生解释变量的简化方程，得到 用Y的预测值替换消费方程中的Y，直接用OLS估计消费方程，过程如下： 也可以用工具变量法估计消费方程，过程如下： 结果如下： 综上所述，可知道，对于恰好识别方程，三种方法得到的结论是一样的。 （4）用两阶段最小二乘法估计投资方程，过程同上。 （5）投资方程是过度识别的方程，也可以用GMM估计，选择的工具变量为先决变量C01、G。 估计结果如下： 与2SLS结果比较，结构参数估计量变化不大。残差平方和由变为，显著减少。为什么？利用了更多的信息。 2.以表6.2所示的中国的实际数据为资料，估计下面的联立模型。 表6.2 建立联立模型，并命名为MY 在SYSTEM窗口里面定义联立方程组和使用的工具变量。 选择两阶段最小二乘法进行估计。 得到如下输出结果： 所以得到联立方程计量经济学模型的估计表达式为： 3、以Klein（克莱因）联立方程模型为例介绍两阶段最小二乘估计。首先建立工作文件，数据如表7。 广义计量经济学：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。 狭义计量经济学：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。 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的客观存在的数量关系 为内容的分支学科。 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，用随机性的数学方程加以描述。 截面数据：截面数据是许多不同的观察对象在同一时间点上的取值的统计数据集合，可理解为对一个随机变量重复抽样获得的数据。 时间序列数据：把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔排列起来，这样的统计数据称为时间序列数据 面板数据：指时间序列数据和截面数据相结合的数据。 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）。 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。随机的总体回归函数：含有随机干扰项的总体回归函数（是相对于条件期望形式而言的）。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1次方出现。 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。 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。 总离差平方和：用TSS表示，用以度量被解释变量的总变动。 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。 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。 协方差：用Cov（X，Y）表示，度量X,Y两个变量关联程度的统计量。 R表示，该值越接近1，模型拟合优度检验：检验模型对样本观测值的拟合程度，用2 第一章绪论 一、单项选择题 1、变量之间的关系可以分为两大类，它们是【】 A 函数关系和相关关系 B 线性相关关系和非线性相关关系 C 正相关关系和负相关关系 D 简单相关关系和复杂相关关系 2、相关关系是指【】 A 变量间的依存关系 B 变量间的因果关系 C 变量间的函数关系 D 变量间表现出来的随机数学关系 3、进行相关分析时，假定相关的两个变量【】 A 都是随机变量 B 都不是随机变量 C 一个是随机变量，一个不是随机变量 D 随机或非随机都可以 4、计量经济研究中的数据主要有两类：一类是时间序列数据，另一类是【】 A 总量数据 B 横截面数据 C平均数据 D 相对数据 5、下面属于截面数据的是【】 A 1991-2003年各年某地区20个乡镇的平均工业产值 B 1991-2003年各年某地区20个乡镇的各镇工业产值 C 某年某地区20个乡镇工业产值的合计数 D 某年某地区20个乡镇各镇工业产值 6、同一统计指标按时间顺序记录的数据列称为【】 A 横截面数据 B 时间序列数据 C 修匀数据D原始数据 7、经济计量分析的基本步骤是【】 A 设定理论模型→收集样本资料→估计模型参数→检验模型 B 设定模型→估计参数→检验模型→应用模型 C 个体设计→总体设计→估计模型→应用模型 D 确定模型导向→确定变量及方程式→估计模型→应用模型 8、计量经济模型的基本应用领域有【】 A 结构分析、经济预测、政策评价 B 弹性分析、乘数分析、政策模拟 C 消费需求分析、生产技术分析、市场均衡分析 D 季度分析、年度分析、中长期分析 9、计量经济模型是指【】 A 投入产出模型 B 数学规划模型 C 包含随机方程的经济数学模型 D 模糊数学模型 10、回归分析中定义【】 A 解释变量和被解释变量都是随机变量 B 解释变量为非随机变量，被解释变量为随机变量 C 解释变量和被解释变量都是非随机变量 D 解释变量为随机变量，被解释变量为非随机变量 11、下列选项中，哪一项是统计检验基础上的再检验(亦称二级检验)准则【】 A. 计量经济学准则 B 经济理论准则 C 统计准则 D 统计准则和经济理论准则中级计量经济学讲义_第二章第一节数学基础 (Mathematics)第一节 矩阵(Matrix)及
经典单方程计量经济学模型多元线性回归模型
计量经济学 案例分析
计量经济学习题与解答
计量经济学案例分析汇总
现代计量经济学模型体系解析
高级计量经济学之第5章分布滞后与动态模型
第六章联立方程计量经济学模型案例
计量经济学分析模型
最新资料计量经济学期末考试试卷集(含答案)
计量经济学-案例分析-第八章
计量经济学案例分析一元回归模型实例分析报告
计量经济学简答题(经典)
计量经济学模型
计量经济学案例分析
建立计量经济学模型的步骤和要点
联立方程计量经济学模型案例
计量经济学名词解释(全)
《计量经济学》作业题