计量经济学学习指导doc.docx

资源描述

计量经济学学习指导doc.docx

《计量经济学学习指导doc.docx》由会员分享，可在线阅读，更多相关《计量经济学学习指导doc.docx（21页珍藏版）》请在冰豆网上搜索。

计量经济学学习指导doc.docx

计量经济学学习指导doc

计量经济学》学习指导

1计量经济学模型

1.1计量经济学

1.1.1计量经济学

计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与计算技术，以建立计量经济模型为主要手段，定量分析研究具有随机性特性的经济变量关系。

主要内容包括理论计量经济学和应用经济计量学。

理论经济计量学主要研究如何运用、改造和发展数理统计的方法，使之成为随机经济关系测定的特殊方法。

应用计量经济学是在一定的经济理论的指导下，以反映事实的统计数据为依据，用经济计量方法研究经济数学模型的实用化或探索实证经济规律。

1.1.2计量经济学模型

计量经济模型包括一个或一个以上的随机方程式，它简洁有效地描述、概括了某个真实经济系统的数量关系特征，更深刻地揭示出该经济系统的数量变化规律。

是由方程或方程组组成，其中方程由变量和系数组成。

计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。

1.1.3计量经济学的内容体系

广义计量经济学：

经济理论+统计学+数学学科

狭义计量经济学：

数理统计

层次：

初、中、高级

计量经济学

内容侧重点

理论计量经济学：

数学+数理统计应用计量经济学：

经济统计学+经济理论

理论与应用特征

经典计量经济学

现代计量经济学：

微观、非参数、时序、动态

微观计量经济学：

个人、家庭

宏观计量经济学：

单位根检验、协整理论、动态

1.2计量经济建模

1.2.1建模程序

分类：

被解释变量、解释变量

选择模型中的变量

经济理论与经济行为

依据：

数据可获得性

变量特征与模型假设的符合性

1）设计理论模型经济理论与经济行为

确定模型的数学形式散点图数据拟合

拟定模型中待估计参数的取值范围

横截面数据

2选择样本收集数据

分类：

时间序列数据

虚拟变量数据

质量：

完整性、准确性、可比性和一致性

残差平方和最小：

3模型的识别与估计

经典：

普通最小二乘法OLS异方差：

加权最小二乘估计法WLS随机解释变量：

二阶段最小二乘法TSLS异方差序列相关：

广义最小二乘法GLS

取样本值的似然函数值最大：

极大似然估计ML选择矩条件最小距离估计量：

广义矩估计法GMM

经济意义经验：

参数估计量的符号、大小、相互关系拟合优度检验统计检验：

方程显著性检验变量显著性检验

序列相关检验

4模型检验计量经济学检验异方差检验

多重共线性检验

模型预测检验延长期限

模型验证

乘数分析比较静态分析

弹性分析

变量结构分析

5模型应用

经济预测政策评价理论经验与发展

1.2.2建模要素

高效成功地建立计量经济学模型需要具有三个要素：

理论、方法、数据。

从上述建立计量经济学模型的步骤中，不难看出，任何一项计量经济学研究、任何一个计量经济学模型赖以成功的要素应该有三个：

理论、方法和数据。

（1）理论，即经济理论，所研究的经济现象的行为理论，是计量经济学研究的基础。

（2）方法，主要包括模型方法和计算方法，是计量经济学研究的工具与手段，是计量经济学不同于其他经济学分支学科的主要特征。

（3）数据，反映研究对象的活动水平、相互间联系以及外部环境的数据，或更广义讲是信息，是计量经济学研究的原料。

这三方面缺一不可。

一般情况下，在计量经济学研究中，方法的研究是人们关注的重点，方法的水平往往

成为衡量一项研究成果水平的主要依据。

这是正常的。

计量经济学理论方法的研究是计量经济学研究工作者义不容辞的义务。

但是，不能因此而忽视对经济学理论的探讨，一个不懂得经济学理论、不了解经济行为的人，是无法从事计量经济学研究工作的，是不可能建立起一个哪怕是极其简单的计量经济学模型的。

所以，计量经济学家首先应该是一个经济学家。

相比之下，人们对数据，尤其是数据质量问题的重视更显不足，在申请一项研究项目或评审一项研究成果时，对数据的可得性、可用性、可靠性缺乏认真的推敲；在研究过程中出现问题时，较少从数据质量方面去找原因。

而目前的实际情况是，数据已经成为制约计量经济学发展的重要问题。

2EViews数据分析基础

1.工作文件

2.对象

3.数据处理

3数据统计分析

3.1描述统计

3.2假设检验

4经典多元回归分析与修正——OLS

确定性函数关系

变量关系

不确定性

统计相关关系

统计依赖程度相关分析

统计依赖关系

因果关系回归分析

作用大小、显著性

模型

单方程模型

解释变量多少：

一元，多元

模型结构形式：

线性，非线性

联立方程组

4.1经典多元线性回归分析

4.1.1经典回归分析

回归模型

函数形式：

线性，非线性

被解释变量、待估参数、解释变量、随机干扰项

随机项：

零均值，同方差，不相关，零协方差，正态分布解释变量：

非随机变量，无多重共线性，方差趋于有界常数解释变量与随机项：

不相关

模型设定正确

普通最小二乘法

原理：

被解释变量的估计误差最小有效性：

最小方差的线性无偏估计量

参数估计线性性

小样本性质无偏性最优线性无偏估计量有效性估计值的有效性评判标准：

渐近无偏性

大样本性质一致性

渐近有效性

经典回归分析

拟合优度检验

可决系数R2

信息准则：

AIC，SC

统计检验变量显著性t检验

方程显著性F检验

模型，拟合图

预测：

预测值+预测区间

绝对误差

均方根误差RMSE平均绝对误差MAE

模型预测预测评价指标

平均绝对百分比误差MAPE希尔不等系数TheilIC

偏差率BP：

系统误差

比例指标方差率VP

协变率CP：

非系统误差

4.1.2回归模型检验

拟合优度检验

统计经验方程显著性F检验

变量显著性t检验

解释变量与残差项不相关

检验：

相关分析解释变量之间不相关多重共线性逐步回归

时序：

差分法

经典假设

计量经验

零均值

正态性检验：

JB统计量+卡方检验

一阶自相关：

D.W.检验

回归模型检验

残差不相关

序列自相关检验自相关系数Q统计量

LM检验

自相关系数Q统计量

同方差异方差检验ARCHLM检验

White异方差检验

有约束条件的检验：

Wald检验

模型设定变量设定（多、少）检验

系数检验

F检验

LR检验

F检验

因子分割点检验LR检验

Wald检验

Chow分割点检验

稳定性Chow预测检验

QA分割点检验

4.1.3模型检验总结

1、模型统计经验

表模型统计经验

检验名称

作用

原假设

判断（拒绝原假

设）

拒绝原假设的经济意义

估计方法/模型修正

拟合优度检验

拟合程度好坏

0~1，越大越好

F检验

方程显著性经验

全部解释变里参数同时等于零

P值小于某一显著水平

在某一显者水平上方程是显著的

T检验

变量显著性检验

解释变量参数等于零

P值小于某一显著水平

在某一显者水平上变量是显著的

2、残差正态性与解释变量多重共线性假设的检验

表残差正态性与解释变量多重共线性假设的检验

检验名称

作用

原假设

判断（拒绝原假

设）

拒绝原假设的经济意义

估计方法/

模型修正

J-B统计量

残差正态性经验

服从某理论分布

P值小于某一显著水平

数据分布不服从选择的理论分布

广义自回归条件异方差

GARCH模型

中的随机项分布假设

Q-Q图

服从某理论分布

理论分布与数据分布的分位数散点图不在同一条直线上

数据分布不服从选择的理论分布

经验分布检验

服从某理论分布

P值小于某一显著水平

数据分布不服从选择的理论分布