计量经济学期末复习.ppt

1、计量经济学复习,一、绪论 1.计量经济学概念 2.计量经济学模型的设计 （1）确定模型所包含的变量 考虑经济现象的经济学理论及经济行为规律，数据的可得性，选择变量间的独立性； （2）确定模型的数学形式； （3）拟定理论模型中待估参数的理论期望值,3.样本数据的收集 （1）样本数据的类型 时间序列数据、截面数据及虚拟变量数据。 （2）样本数据的质量 完整性、准确性、可比性及一致性。 4.模型的检验 （1）经济意义检验 （2）统计检验（拟合优度检验、变量及方程的显著性检验） （3）计量经济学检验（随机干扰项的相关性检验、异方差性检验及解释变量的多重共线性检验） （4）模型预测检验,5.计量经济学模

2、型的应用 （1）结构分析 （2）经济预测 （3）政策评价 （4）检验与发展经济理论,二、一元线性回归模型,1.基本概念 （1）变量间的关系（确定的函数关系、不确定的统计关系） （2）相关分析、回归分析 （3）相关分析和回归分析的相互联系与区别 （4）总体回归函数 （5）样本回归函数 （6）样本回归函数的随机形式,二、线性回归模型,2.高马定理 （1）一类是关于随机干扰项的，包括零均值，同方差、不序列相关，满足正态分布； （2）另一类是关于解释变量的，主要有：解释变量是非随机的，如果是随机变量，则与随机干扰项不相关。 （3）对于多元回归还包括：各解释变量之间不存在相关性。 （4）这些假设都是针对

3、普通最小二乘法的,3.一元线性回归参数估计 （1）参数的估计 （2）参数的性质 线性性、无偏性、最小方差性（BLUE） 在经典假定下，普通最小二乘估计量具有线性性、无偏性和最小方差性（ BLUE,3）参数的分布 （4）t统计量,5）参数估计的最小二乘原理（基本思想） （6）总体方差的估计,3.拟合优度 （1）离差平方和分解 （2）关系 总离差： TSSESS+RSS 自由度：N1=k+(N-k-1) （3）拟合优度,三、违背经济假定的模型,当模型假定不符合高马定理仍然采用OLS估计模型所带来的后果： 1.异方差性 是随机干扰项的方差不相同时产生的一类现象。 OLS估计仍是无偏、一致的，但通常的

4、假设检验t、F不可靠，将导致错误的结论。 常用的检验方法：图示法、Park 和Gleiser 检验法、Goldfeld-Quandt检验法、White 检验法。 2.消除异方差的方法 加权最小二乘法法（WLS,违背经济假定的模型,序列相关性 是模型随机干扰项出现序列相关时产生现象。 OLS估计量仍具有无偏性与一致性，但假设检验不可靠，预测变得无效。 检验方法 图示法、回归检验法、D.W检验法等。 修正方法 广义差分法、广义最小二乘法（GLS,违背经济假定的模型,多重共线性 是指多个解释变量间存在共线性（相关性），分为完全共线或近似共线。 模型完全共线时，模型参数无法估计。 近似共线时，不违背经

5、典假设，模型参数OLS仍是无偏、一致且有效的，但估计的参数的标准差往往较大，使得t减少，参数显著性下降。 消除方法 逐步回归法、差分法、增大样本容量法、使用额外信息法,违背经济假定的模型,练习1：解释下列概念： （1）异方差性 （2）序列相关性 （3）多重共线性 （4）完全共线性 （5）近似共线性 （6）随机解释变量 （7）差分法 （8）广义最小二乘法 （9）D.W检验 练习2.判断下列各题的对错，并说明理由： （1）在存在异方差情况下，OLS估计量是有偏的和无效的。 （2）如果存在异方差，导致t检验与F检验失效。 （3）在存在异方差情况下，OLS法总是高估了估计量的标准差,4）存在序列相关时

6、，OLS估计量是有偏的并且也是无效的。 （5）消除序列相关的一阶差分变换假定自相关系数 必须等于1。 （6）存在多重共线时，模型参数无法估计。 （7）存在多重共线时，一定会使参数估计值的方差增大，从而造成估计率的损失。 （8）一旦模型中的解释变量是随机的，则违背了基本假设，使得模型的OLS估计量有偏且不一致,练习3.简述异方差对下列各项有何影响： （1）OLS估计量及其方差； （2）置信区间； （3）显著性t检验和F检验的使用。 练习4.什么是异方差性？举例说明经济现象中的异方差性。检验异方差性的方法和思路是什么？ 练习5.什么是序列相关性？举例说明经济现象中序列相关性的存在。检验序列相关性的

7、方法思路是什么？熟悉D.W统计量的计算方法和查表判断。 练习6.什么是多重共线性？产生多重共线性的经济背景是什么？有何危害？为什么会造成这些危害？检验多重共线性的方法思路是什么？有哪些克服方法,例题,例1.下列哪种情况是异方差性造成的结果？ （1）OLS估计是有偏的； （2）通常的t检验不再服从t分布； （3）OLS估计量不再具有最佳线性无偏性。 例2.以某地区22年的年度数据估计了如下工业就业回归方程： D.W=1.147 (-0.56)(2.3)(-1.7) (5.8) 其中Y为总就业量，X1为总收入，X2为平均月工资，X3为地方政府的总支出。 证明：一阶自相关的D.W检验无定论,例3.某

8、地区供水部门利用最近15年的用水年度数据得出如下估计模型： (1)根据经济理论和直觉，估计回归系数的符号是什么？为什么？观察符号与你的直觉相符吗？ (2)在10%的显著性水平下，请进行t检验与方程的F检验。t检验与F检验是否相符？ (3)估计值是有偏或无效的或不一致的吗？请说明理由,解：1.人口越多或住户越多，对用水需求越多，故X、P前面的符号取正号；收入高的，用水较多，Z前面的符号为正；水价上涨，用户会节约用水，W前面的符号为负；降雨量大，草地和花园或耕地用水需求会下降，R前面的符号为负，因此，从估计的模型看，除了Z前面的符号与预期不相符合外，其它符号都与期望相符。 2.t统计量是检验单个变

9、量的显著性，F统计量是检验变量是否联合显著的，即方程的显著性。 T(9)=2.262，所有参数的估计值的t值的绝对值都小于2.262，在5%的显著性水平下，这些变量是不显著的。 F（5,9）3.48，可见计算的F值大于该临界值，表明回归系数是联合显著的。 引起T与F矛盾的结果可能是变量间的多重共线性,3.多重共线性是解释变量间样本观察现象的表现，在不存在完全共线性的情况下，近似共线并不意味着基本假设的任何改变，所以OLS估计量的无偏性、一致性和有效性仍然成立，即仍是BLUE估计量。但共线性往往导致参数估计值的方差大于不存在多重共线性的情况,例4.在研究生产中的劳动在增加值中所占的份额（即劳动份

10、额）的变动时，有以下模型： 其中Y是劳动的份额，t为劳动时间。根据该研究期内的16年数据进行参数估计，得到模型结果为： (1)模型A中有没有自相关？模型B呢？ (2)如何解释自相关的存在？ (3)你怎样区分“纯粹”的自相关和模型形式设定错误,解：1.模型A中，n=15，k=1，当 ，时，则查表得 ， 因DW1.08 ，由此判定该模型中存在正的自相关。 模型B中，n=16，k=2， ，则查表得 ， ，由此判定该模型中不存自相关。 模型A中存在自相关的原因是实际中当期劳动份额受到前期劳动份额的影响，而模型并未考虑到这一因素的影响，因此，模型A设定形式有误。 2.用DW值可以判断回归方程是否存在自相关，也可以用其判定模型设定误差的检验，关键在于结合模型的经济意义和经济理论来区分,例5.现有2006年中国31个省(市、自治区)的火灾经济损失Y(亿元)和保费收入X(亿元)的数据。我们将估计中国的保费收入对火灾经济损失的影响，建立如下模型： ，借助Evi