当前位置：文档库 › 计量经济学检验报告

计量经济学检验报告

.. ——.......... 春A ......................... .............

时需Sr彳

1. 研究目的和意义

我们研究的对象是各地区居民消费支出的差异。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“城市居民家庭每人每年的平均消费支出”来比较，而这正是可国家统计局中获得数据的变量。所以模型的被解释变量丫选定为“城市居民家庭平均每人生活消费支出”。

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2007年的截面数据模型。

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，另外，居民消费支出具有一定的惯性，

也就是说居民当年的消费支出在一定程度上受上一年已经实现的消费支出的影响。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“城市居民家庭人均消费支出”相对应，选择在国家统计局中可以获得的“各地区城市居民家庭人均可支配收入”作为解释变量&，“上年各地区城镇居民家庭平均每人生活消费支出”作为X2。

从国家统计局中得到表1的数据：

表1城镇居民家庭平均每人生活消费支出与各地区城镇居民家庭人均可支配收入

(3)随机扰动项与解释变量不相关：Cov(X ji ,U i ) 0 (4) 无多重共线性

(5) 残差的正态性：i ~N (°,)

根据以上假设，用Eviews 软件得出以下结果:

------------------------------------------- f |

磊Sr 亦

图1

24000

20000

16000

12000

8000 -

4000

r I ■ | ? I I 1 | n I r ? ] r I *i ■ | i i ? ? || i *i ? ?

5 10 15 20 25 30

Y ……X1 ------------ X2

结合图行及所学的经济学理论，建立模型:

丫= 0

+ 1X J + 2%+

2. 估计参数

首先对模型有如下假设: (1)零均值：

E(u i ) 0 i 1,2,3, ,n

(2)同方差无自相关:

COV (U i ,u k ) E[(U i

EU i )(U k EU k )]

E(U i ,u k )

i k 0,

i k

2,3, ,k

----------------- 时磊忖呎….. . ... .. ...

表2

Depe ndent Variable: Y

Method: Least Squares

Date: 12/08/13 Time: 15:36

Sample: 1 31

In cluded observati ons: 31

Variable Coeffici

ent

Std.

Error

t-Statist

Prob.

C 143.3743 260.4048 0.550583 0.5863

X1 0.555654 0.075309 7.378355 0.0000

X2 0.250065 0.113636 2.200584 0.0362 R-squared 0.975633 Mean depe ndent 8401.46

var 7 Adjusted 0.973893 S.D. depe ndent 2388.45

R-squared var 5

S.E. of 385.9202 Akaike info 14.8409

regressi on criterio n 0

Sumsquared resid 4170163. Schwarz 14.9796

criterio n 8 Log likelihood -227.034 F-statistic 560.553

0 3

Durbi n-Wats on 1.843473 0.00000

stat Prob(F-statistic) 0 在本例中，参数估计的结果为：

丫=143.3743+0.555654X1+0.250065X2

260.4048 0.075309 0.113636

T= (0.550583) (7.378355) (2.200584)

R2=0.975633 , R2-=0.973893 F=560.5533 df=29

t=(3 -3)/ Se (3 j) 1 (n-k-1)

----------------- 时磊5说---- ---- ------ ResidT=4170163

3. 模型检验

1、经济意义检验

所估计的参数B 0=143.3743表示自发性消费支出平均为143.3743，符合经济学意义，B仁0.55565，说明当上年城镇居民家庭人均消费支出不变时，今年城市居民人均可支配收入每相差1元，可导致今年城镇居民家庭人均消费支出平均相差0.55565元，这与经济学中边际消费倾向的意义相符，B 2=0.250065表示当今年城镇居民家庭人均可支配收入时，去年城镇居民家庭人均消费支出每变动一个单位，今年城镇居民家庭人均消费支出同向平均变动0.250065个单位。

2、拟合优度和统计检验

用EViews得出回归模型参数估计结果的同时，已经给出了用于模型检验的相关数据。

拟合优度的度量：由表2中可以看出，本例中调整可决系数为0.973893，说明所建模型整体上对样本数据拟合较好，即解释变量“城市居民人均可支配收入”、“去年城市居民人均年消费支出”对被解释变量“城市居民人均年消费支

出”的97.3893%差异作出了解释。

3、变量的显著性检验(t检验)

针对H 0: B仁B 2=0, H1：B j不全为零，由表2中还可以看出，估计的回归系数B 1的标准误差和t值分别为：Se(B 1)=0.075309，t( 3 1)=7.378355；? 2 的标准误差和t 值分别为：Se (3 2) =0.113636，t( 3 2)=2.200584。取°.°5，

查t分布表得自由度为n 2 31 2 29的临界值t0.025(29)

2.045。因为上(?

1)=7.378355＞如25(29) 2.045，t( 3 2)=2.200584＞圮°25(29) 2.045所以拒绝H 0：? 仁3 2=0,接受H1,这表明，城镇居民人均年可支配收入及去年城镇居民人均年消费支出对人均年消费支出有显著影响。

4. 参数的置信区间

《计量经济学》考试复习资料含课后题

《计量经济学》期末考试复习资料第一章绪论参考重点：计量经济学的一般建模过程第一章课后题（1.4.5） 1.什么是计量经济学？计量经济学方法与一般经济数学方法有什么区别？答：计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，是由经济学、统计学和数学三者结合而成的交叉学科。计量经济学方法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；一般经济数学方法揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。 4.建立与应用计量经济学模型的主要步骤有哪些？答：建立与应用计量经济学模型的主要步骤如下：(1)设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；(2)收集样本数据，要考虑样本数据的完整性、准确性、可比性和—致性；(3)估计模型参数；(4)检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。 5.模型的检验包括几个方面？其具体含义是什么？答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质；在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。第二章经典单方程计量经济学模型：一元线性回归模型参考重点： 1.相关分析与回归分析的概念、联系以及区别？ 2.总体随机项与样本随机项的区别与联系？

计量经济学课后习题

计量经济学课后习题 1.什么是计量经济学？计量经济学方法与一般经济数学方法有什么区别？答：计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，是由经济学、统计学和数学三者结合而成的交叉学科。计量经济学方法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；一般经济数学方法揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。 4.建立与应用计量经济学模型的主要步骤有哪些？答：建立与应用计量经济学模型的主要步骤如下：(1)设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；(2)收集样本数据，要考虑样本数据的完整性、准确性、可比性和—致性；(3)估计模型参数；(4)检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。 5.模型的检验包括几个方面？其具体含义是什么？答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质；在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。 4．如何缩小置信区间？（P46）由上式可以看出（1）.增大样本容量。样本容量变大，可使样本参数估计量的标准差减小；同时，在同样置信水平下，n越大，t分布表中的临界值越小。（2）提高模型的拟合优度。因为样本参数估计量的标准差和残差平方和呈正比，模型的拟合优度越高，残差平方和应越小。 1.为什么计量经济学模型的理论方程中必须包含随机干扰项？（经典模型中产生随机误差的原因）答：计量经济学模型考察的是具有因果关系的随机变量间的具体联系方式。由于是随机变量，意味着影响被解释变量的因素是复杂的，除了解释变量的影响外，还有其他无法在模型中独立列出的各种因素的影响。这样，理论模型中就必须使用一个称为随机干扰项的变量宋代表所有这些无法在模型中独立表示出来的影响因素，以保证模型在理论上的科学性。 3.一元线性回归模型的基本假设主要有哪些？违背基本假设的模型是否不可以估计？答：线性回归模型的基本假设有两大类：一类是关于随机干扰项的，包括零均值，同方差，不序列相关，满足正态分布等假设；另一类是关于解释变量的，主要有：解释变量是非随机的，若是

计量经济学练习题及参考全部解答

第三章练习题及参考解答为研究中国各地区入境旅游状况，建立了各省市旅游外汇收入（Y ，百万美元）、旅行社职工人数（X1，人）、国际旅游人数（X2，万人次）的模型，用某年31个省市的截面数据估计结果如下： i i i X X Y 215452.11179.00263.151?++-= t= R 2= 92964.02=R F= n=31 1)从经济意义上考察估计模型的合理性。 2)在5%显着性水平上，分别检验参数21,ββ的显着性。 3)在5%显着性水平上，检验模型的整体显着性。练习题参考解答: (1)由模型估计结果可看出：从经济意义上说明，旅行社职工人数和国际旅游人数均与旅游外汇收入正相关。平均说来，旅行社职工人数增加1人，旅游外汇收入将增加百万美元；国际旅游人数增加1万人次，旅游外汇收入增加百万美元。这与经济理论及经验符合，是合理的。（2）取05.0=α，查表得048.2)331(025.0=-t 因为3个参数t 统计量的绝对值均大于048.2)331(025.0=-t ，说明经t 检验3个参数均显着不为0，即旅行社职工人数和国际旅游人数分别对旅游外汇收入都有显着影响。（3）取05.0=α，查表得34.3)28,2(05.0=F ，由于34.3)28,2(1894.19905.0=>=F F ，说明旅行社职工人数和国际旅游人数联合起来对旅游外汇收入有显着影响，线性回归方程显着成立。表给出了有两个解释变量2X 和.3X 的回归模型方差分析的部分结果：

表方差分析表 1）回归模型估计结果的样本容量n 、残差平方和RSS 、回归平方和ESS 与残差平方和RSS 的自由度各为多少 2）此模型的可决系数和调整的可决系数为多少 3）利用此结果能对模型的检验得出什么结论能否确定两个解释变量2X 和.3X 各自对Y 都有显着影响练习题参考解答: (1) 因为总变差的自由度为14=n-1，所以样本容量：n=14+1=15 因为 TSS=RSS+ESS 残差平方和RSS=TSS-ESS=66042-65965=77 回归平方和的自由度为：k-1=3-1=2 残差平方和RSS 的自由度为：n-k=15-3=12 （2）可决系数为：265965 0.99883466042 ES R TSS S = == 修正的可决系数：2 2 2 115177 110.998615366042 i i e n R n k y --=-=-?=--∑∑ （3）这说明两个解释变量 2X 和.3X 联合起来对被解释变量有很显着的影响，但是还不能确定两个解释变量2X 和.3X 各自对Y 都有显着影响。经研究发现，家庭书刊消费受家庭收入及户主受教育年数的影响，表中为对某地区部分家庭抽样调查得到样本数据：表家庭书刊消费、家庭收入及户主受教育年数数据

所有计量经济学检验方法(全)

计量经济学所有检验方法一、拟合优度检验可决系数 TSS RSS TSS ESS R - ==12 TSS 为总离差平方和，ESS 为回归平方和，RSS 为残差平方和该统计量用来测量样本回归线对样本观测值的拟合优度。该统计量越接近于1，模型的拟合优度越高。调整的可决系数)1/() 1/(12---- =n TSS k n RSS R 其中：n-k-1为残差平方和的自由度，n-1为总体平方和的自由度。将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响。二、方程的显著性检验(F 检验) 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。原假设与备择假设：H 0:β1=β2=β3=…βk =0 H 1: βj 不全为0 统计量 )1/(/--= k n RSS k ESS F 服从自由度为(k , n-k-1)的F 分布，给定显著性水平α，可得到临界值F α(k,n-k-1)，由样本求出统计量F 的数值，通过F>F α(k,n-k-1)或F ≤F α(k,n-k-1)来拒绝或接受原假设H 0，以判定原方程总体上的线性关系是否显著成立。三、变量的显著性检验（t 检验）对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。原假设与备择假设：H0：βi =0 （i=1,2…k ）；H1：βi ≠0 给定显著性水平α，可得到临界值t α/2(n-k-1)，由样本求出统计量t 的数值，通过 |t|> t α/2(n-k-1) 或 |t|≤t α/2(n-k-1) 来拒绝或接受原假设H0，从而判定对应的解释变量是否应包括在模型中。四、参数的置信区间参数的置信区间用来考察：在一次抽样中所估计的参数值离参数的真实值有多“近”。统计量 )1(~1??? ----'--= k n t k n c S t ii i i i i i e e βββββ 在(1-α)的置信水平下βi 的置信区间是 ( , ) ββααββ i i t s t s i i -?+?2 2 ，其中，t α/2为显著性水平为α、自由度为n-k-1的临界值。五、异方差检验 1. 帕克(Park)检验与戈里瑟(Gleiser)检验试建立方程： i ji i X f e ε+=)(~2 或 i ji i X f e ε+=)(|~|

计量经济学案例分析

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

计量经济学案例分析汇总

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

计量经济学检验汇总

最全计量经济学检验汇总现代计量经济学的检验包括以下三个大类： §1.1 系数检验一、Wald 检验——系数约束条件检验 Wald 检验没有把原假设定义的系数限制加入回归，通过估计这一无限制回归来计算检验统计量。Wald 统计量计算无约束估计量如何满足原假设下的约束。如果约束为真，无约束估计量应接近于满足约束条件。考虑一个线性回归模型：εβ+=X y 和一个线性约束：0:0=-r R H β，R 是一个已知的k q ?阶矩阵，r 是q 维向量。Wald 统计量在0H 下服从渐近分布)(2q χ，可简写为： )())(()(112r Rb R X X R s r Rb W -'''-=-- 进一步假设误差ε独立同时服从正态分布，我们就有一确定的、有限的样本F-统计量 q W k T u u q u u u u F /) /(/)~~(=-''-'= u ~是约束回归的残差向量。F 统计量比较有约束和没有约束计算出的残差平方和。如果约束有效，这两个残差平方和差异很小，F 统计量值也应很小。EViews 显示2χ和F 统计量以及相应的p 值。假设Cobb-Douglas 生产函数估计形式如下： εβα+++=K L A Q log log log （1） Q 为产出增加量，K 为资本投入，L 为劳动力投入。系数假设检验时，加入约束1=+βα。为进行Wald 检验，选择View/Coefficient Tests/Wald-Coefficient Restrictions ，在编辑对话框中输入约束条件，多个系数约束条件用逗号隔开。约束条件应表示为含有估计参数和常数（不可以含有序列名）的方程，系数应表示为c(1)，c(2)等等，除非在估计中已使用过一个不同的系数向量。为检验规模报酬不变1=+βα的假设，在对话框中输入下列约束：c(2)+c(3)=1 二、遗漏变量检验这一检验能给现有方程添加变量，而且询问添加的变量对解释因变量变动是否有显著作用。原假设 0H 是添加变量不显著。选择View/Coefficient Tests/Omitted Variables —Likehood Ration ，在打开的对话框中，列出检验统计量名，用至少一个空格相互隔开。例如：原始回归为 LS log(q) c log(L) log(k) ，输入：K L ，EViews 将显示含有这两个附加解释变量的无约束回归结果，而且显示假定新变量系数为0的检验统计量。三、冗余变量冗余变量检验可以检验方程中一部分变量的统计显著性。更正式，可以确定方程中一部分变量系数是否为0，从而可以从方程中剔出去。只有以列出回归因子形式，而不是公式定义方程，检验才可以进行。选择View/Coefficient Tests/Redundant Variable —likelihood Ratio ，在对话框中，输入每一检验的变量名，相互间至少用一空格隔开。例如：原始回归为： Ls log(Q) c log(L) log(K) K L ，如果输入K L ，EViews 显示去掉这两个回归因子的约束回归结果，以及检验原假设（这两个变量系数为0）的统计量。 §1.2 残差检验一、相关图和Q —统计量在方程对象菜单中，选择View/Residual Tests/Correlogram-Q-Statistics ，将显示直到定义滞后阶数的残差自相关性和偏自相关图和Q-统计量。在滞后定义对话框中，定义计算相关图时所使用的滞后数。如果残差不存在序列相关，在各阶滞后的自相关和偏自相关值都接近于零。所有的Q -统计量不显著，并且有大

计量经济学名词解释

1、计量经济学计量经济学是一门从数量上研究物质资料的生产、交换、分配、消费等经济关系和经济活动规律及其应用的科学。 2、数据质量数据满足明确或隐含需求程度的指标 3、相关分析主要研究变量之间的相互关联程度，用相关系数表示。包括简单相关和多重相关（复相关）。 4、回归分析（Regression Analysis）研究一个变量（因变量）对于一个或多个其他变量（解释变量）的数量依存关系。其目的在于根据已知的解释变量的数值来估计或预测因变量的总体平均值。 5.内生变量指由模型系统内决定的变量，取值在系统内决定 6、面板数据时间序列数据和截面数据的混合 7.异方差: 总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。如果这一假定不满足，则称线性回归模型存在异方差性。 8.自相关自相关是在时间序列资料中按时间顺序排列的观测值之间的相关或在横截面资料中按空间顺序排列的观测值之间的相关 9.多重共线性解释变量之间存在完全的线性关系或近似的线性关系。解释变量存在完全的线性关系叫完全多重共线；解释变量之间存在近似的线性关系叫不完全多重共线。 10.虚拟变量虚拟变量：在建立模型时，有一些影响经济变量的因素无法定量描述构造只取“0”或“1”的人工变量，通常称为虚拟变量，记为D 11.平稳序列是指时间序列的统计规律不会随着时间的推移而发生变化。

12.伪回归所谓“伪回归”，是指变量间本来不存在相依关系，但回归结果却得出存在相依关系的错误结论。 13.协整所谓协整，是指多个非平稳变量的某种线性组合是平稳的 14.前定变量所有的外生变量和滞后的内生变量。前定变量=外生变量＋滞后内生变量＋滞后外生变量 15.恰好识别恰好识别：能够唯一地估计出结构参数值。 16.结构式模型体现经济理论中经济变量之间的关系结构的联立方程模型，称为结构式模型17.过度识别过度识别：结构参数的估计值具有多个确定值 18.自回归模型自回归模型：指模型中的解释变量仅是X 的当期值与被解释变量Y 的若干期滞后值，它由于被解释变量的滞后期值对被解释变量现期做了回归，故叫做自回归模型。利用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型。 19.拟合优度2R:拟合优度检验：指检验模型对样本观测值的拟合程度 20.修正的拟合优度2R 二、.

计量经济学-案例分析-第六章

第六章案例分析一、研究目的 2003年中国农村人口占59.47％，而消费总量却只占41.4%，农村居民的收入和消费是一个值得研究的问题。消费模型是研究居民消费行为的常用工具。通过中国农村居民消费模型的分析可判断农村居民的边际消费倾向，这是宏观经济分析的重要参数。同时，农村居民消费模型也能用于农村居民消费水平的预测。二、模型设定正如第二章所讲述的，影响居民消费的因素很多，但由于受各种条件的限制，通常只引入居民收入一个变量做解释变量，即消费模型设定为 t t t u X Y ++=21ββ （6.43）式中，Y t 为农村居民人均消费支出，X t 为农村人均居民纯收入，u t 为随机误差项。表6.3是从《中国统计年鉴》收集的中国农村居民1985-2003年的收入与消费数据。表6.3 1985-2003年农村居民人均收入和消费单位：元

2000 2001 2002 2003 2253.40 2366.40 2475.60 2622.24 1670.00 1741.00 1834.00 1943.30 314.0 316.5 315.2 320.2 717.64 747.68 785.41 818.86 531.85 550.08 581.85 606.81 为了消除价格变动因素对农村居民收入和消费支出的影响，不宜直接采用现价人均纯收入和现价人均消费支出的数据，而需要用经消费价格指数进行调整后的1985年可比价格计的人均纯收入和人均消费支出的数据作回归分析。根据表6.3中调整后的1985年可比价格计的人均纯收入和人均消费支出的数据，使用普通最小二乘法估计消费模型得 t t X Y 0.59987528.106?+= （6.44） Se = (12.2238) (0.0214) t = (8.7332) (28.3067) R 2 = 0.9788，F = 786.0548，d f = 17，DW = 0.7706 该回归方程可决系数较高，回归系数均显著。对样本量为19、一个解释变量的模型、5%显著水平，查DW 统计表可知，d L =1.18，d U = 1.40，模型中DW

第六章联立方程计量经济学模型案例

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-案例分析-第八章

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*

现代计量经济学模型体系解析

#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。

计量经济学-案例分析-第二章

第二章案例分析一、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6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35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2.5的数据: 表2.52002年中国各地区城市居民人均年消费支出和可支配收入

计量经济学案例分析一元回归模型实例分析报告

∑ 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。

计量经济学案例eviews

案例分析 1.问题的提出和模型的设定根据我国1978—1997年的财政收入Y 和国民生产总值X 的数据资料，分析财政收入和国民生产总值的关系建立财政收入和国民生产总值的回归模型。假定财政收入和国民收入总值之间满足线性约束，则理论模型设定为 i i i u X Y ++=21ββ 其中i Y 表示财政收入，i X 表示国民生产总值。表1 我国1978—1997年财政收入和国民生产总值 2.参数估计进入EViews 软件包，确定时间范围；编辑输入数据；选择估计方程菜单，估计样本回归函数如下表 2 obs X Y 1978 3624.100 1132.260 1979 4038.200 1146.380 1980 4517.800 1159.930 1981 4860.300 1175.790 1982 5301.800 1212.330 1983 5957.400 1366.950 1984 7206.700 1624.860 1985 8989.100 2004.820 1986 10201.40 2122.010 1987 11954.50 2199.350 1988 14922.30 2357.240 1989 16917.80 2664.900 1990 18598.40 2937.100 1991 21662.50 3149.480 1992 26651.90 3483.370 1993 34560.50 4348.950 1994 46670.00 5218.100 1995 57494.90 6242.200 1996 66850.50 7407.990 1997 73452.50 8651.140

计量经济学案例作业

2013级统计学专业《计量经济学》案例作业学号： 130702060 姓名：叶豪特 1.下表是消费Y 与收入X 的数据，试根据所给数据资料完成以下问题：（1）估计回归模型u X Y ++=21ββ中的未知参数1β和2β，并写出样本回归模型的书写格式；（2）试用Goldfeld-Quandt 法和White 法检验模型的异方差性；（3）选用合适的方法修正异方差。（1）eview 结果 Method: Least Squares Date: 06/08/15 Time: 10:20 Sample: 1 60 Included observations: 60 Variable Coefficient Std. Error t-Statistic Prob. C 9.347522 3.638437 2.569104 0.0128 X 0.637069 0.019903 32.00881 0.0000 R-squared 0.946423 Mean dependent var 119.6667 Adjusted R-squared 0.945500 S.D. dependent var 38.68984 S.E. of regression 9.032255 Akaike info criterion 7.272246 Sum squared resid 4731.735 Schwarz criterion 7.342058 Log likelihood -216.1674 Hannan-Quinn criter. 7.299553 F-statistic 1024.564 Durbin-Watson stat 1.790431 Prob(F-statistic) 0.000000 1β=9.35，2=0.64β，样本回归模型书写格式： 01e=9.35+0.64X Y X ββ=++ （2）首先，用Goldfeld-Quandt 法进行检验。 a.将样本按递增顺序排序，去掉1/4，再分为两个部分的样本，即 1222 n n ==。 b.分别对两个部分的样本求最小二乘估计，得到两个部分的残差平方和，即

计量经济学案例分析第七章

第七章案例分析【案例7.1】为了研究1955—1974年期间美国制造业库存量Y 和销售额X 的关系，我们在例7.3中采用了经验加权法估计分布滞后模型。尽管经验加权法具有一些优点，但是设置权数的主观随意性较大，要求分析者对实际问题的特征有比较透彻的了解。下面用阿尔蒙法估计如下有限分布滞后模型： t t t t t t u X X X X Y +++++=---3322110ββββα 将系数i β(i =0,1,2,3)用二次多项式近似，即 00αβ= 2101αααβ++= 210242αααβ++= 210393αααβ++= 则原模型可变为 t t t t t u Z Z Z Y ++++=221100αααα 其中 3 212321132109432---------++=++=+++=t t t t t t t t t t t t t X X X Z X X X Z X X X X Z 在Eviews 工作文件中输入X 和Y 的数据，在工作文件窗口中点击“Genr ”工具栏，出现对话框，输入生成变量Z 0t 的公式，点击“OK ”；类似，可生成Z 1t 、Z 2t 变量的数据。进入Equation Specification 对话栏，键入回归方程形式 Y C Z0 Z1 Z2 点击“OK ”，显示回归结果（见表7.2）。表7.2

表中Z0、 Z1、Z2对应的系数分别为210ααα、、的估计值210? ??ααα、、。将它们代入分布滞后系数的阿尔蒙多项式中，可计算出 3210????ββββ、、、的估计值为： -0.522)432155.0(9902049.03661248.0?9?3??0.736725)432155.0(4902049.02661248.0?4?2?? 1.131142)432155.0(902049.0661248.0????661248.0??2101 2101 2101 00 =-?+?+=++==-?+?+=++==-++=++===αααβαααβαααβαβ 从而，分布滞后模型的最终估计式为： 32155495.076178.015686.1630281.0419601.6----+++-=t t t t t X X X X Y 在实际应用中，Eviews 提供了多项式分布滞后指令“PDL ”用于估计分布滞后模型。下面结合本例给出操作过程：在Eviews 中输入X 和Y 的数据，进入Equation Specification 对话栏，键入方程形式 Y C PDL(X, 3, 2) 其中，“PDL 指令”表示进行多项式分布滞后（Polynomial Distributed Lags ）模型的估计，括号中的3表示X 的分布滞后长度，2表示多项式的阶数。在Estimation Settings 栏中选择Least Squares(最小二乘法)，点击OK ，屏幕将显示回归分析结果（见表7.3）。表 7.3 需要指出的是，用“PDL ”估计分布滞后模型时，Eviews 所采用的滞后系数多项式变换不是形如（7.4）式的阿尔蒙多项式，而是阿尔蒙多项式的派生形式。因此，输出结果中PDL01、PDL02、PDL03对应的估计系数不是阿尔蒙多项式