我国居民人均可支配收入对居民储蓄存款影响的计量经济模型
【摘要】：居民的储蓄存款作为居民消费支出的重要组成部分，直接关系到国家对资金的合理使用。本模型根据基本的计量经济学知识，对居民人均可支配收入和居民储蓄存款之间的关系进行分析和预测。一：问题的提出
随着中国经济的迅速发展，我国居民的消费水平不断提高，与此同时居民存款额不断攀升，可以看出我国居民的人均可支配收入对居民储蓄存款是有重要影响的。为了进一步直观的体现这一关系和预测未来几年居民的储蓄是如何变化的，我们将根据22年来的数据对其进行分析
二：分析过程：
经过对数据的严谨分析，我们得出我国居民人均可支配收入对居民储蓄存款存在密切的关系。
三：相关数据收集
1978年—1999年我国居
民人均可支配收入与人均储蓄存款
单位：元
四：计量经济模型的建立
我们建立了下述的一般模型：Y=β1+β2X+u
其中
Y——我国居民人均储蓄存款
C——常数项
β——代定参数
X——我国居民人均可支配收入
U——随即扰动项
五：模型的求解
我们利用EVIEWS软件，用最小二乘法对上述数据进行了回归分
析。
Dependent Variable: Y
Method: Least Squares
Date: 05/14/04 Time:
22:03
Sample: 1978 1999
Included observations:
22
Variable Coefficient Std. Error t-Statistic Prob.
C -507.4088 86.37556 -5.874449 0.0000
X 0.578707 0.022510 25.70940 0.0000
1166.873 R-squared 0.970630 Mean
dependent
var
1515.562 Adjusted R-squared 0.969162 S.D.
dependent
var
14.09247 S.E. of regression 266.1451 Akaike
info criterion
Sum squared resid 1416664. Schwarz
14.19165
criterion
Log likelihood -153.0171 F-statistic 660.9733
0.000000 Durbin-Watson stat 0.272178
Prob(F-statisti
c)
各方程如下：
^β1=-507.4088 ^β2= 0.578707
^se(^β1)=86.37556 ^se(^β2)= 0.022510
r2=0.970630 df=20
即：
^Y=-507.4088 + 0.578707X
（ 86.37556）（0.022510）
t=(-5.874449) (25.70940)
r 2=0.970630 df=20
六：检验：（取05.0=α）
1） 回归系数的t 假设检验。
查表得：t 0.025(20)= 2.086，从上表可见X （我国居民人均可支配收入）的系数的t 统计量都显著地大于2.086，故可认为X 对Y （我国居民人均储蓄存款）的影响显著。
2） 拟合优度检验，从上表可以直接看出，拟合效果较好。 3） 回归方程地显著性检验（F —检验）。查表可知F 0.05(2,20)=3.49，有上表知道由参数计算得到的F 统计量值为660.9733，远大于3.49，故此回归方程线性显著性强。
七：总结
随着人均可支配收入的增加，居民的储蓄存款也在增加。
序 公式名称计算公式 号 y t = β0 + β1 x t + u t 1真实的回归模 型 2估计的回归模 型y t =+x t + 3真实的回归函 E(y t) = β0 + β1 x t 数 4估计的回归函 数=+x t 5最小二乘估计 公式 6 和的方 差 7σ2的无偏估 计量= s2 = 8 和估计 的方差 9总平方和 ∑(y t -) 2 10回归平方和 ∑(-) 2 11误差平方和 ∑(y t -)2 = ∑()2 12可决系数（确 定系数） 13检验β0，β1 是 否为零的t统 计量
14β1的置信区间 -tα(T-2) ≤β1≤+tα(T-2) 15单个y T +1的点 预测=+x T+1 16E(y T+1)的区间 预测 17单个y T+1的区 间预测 18样本相关系数 表3.4 多元线性回归模型的主要计算公式 序号公式名称计算公式 1 真实的回归模型Y= X β+ u 2 估计的回归模型Y = X+ 3 真实的回归函数E(Y) = X β 4 估计的回归函数= X 5 最小二乘估计公式= (X 'X)-1X 'Y 6 回归系数的方差Var() = σ2(X 'X)-1 7 σ2的无偏估计量= s2 ='/ (T - k) 8 回归系数估计的方差() =(X 'X)-1 9 回归平方和SSR = = '- T 10 总平方和SST = Y 'Y - T 11 残差平方和SSE = ' 12 可决系数 13 调整的可决系数
14 F统计量 15 t统计量 16 点预测公式 C = (1 x T+1 1 x T+1 2… x T+1 k-1 ) = C = 0 +1 x T+1 1 + … + k-1 x T+1 k-1 17 E(y T+1) 的置信区间预 测 C±tα/2 (1, T-k)s 18 单个y T+1的置信区间预 测 C±tα/2 (T-k)s 19 预测误差e t = - y t, t= 1, 2, …, T 20 相对误差PE = , t= 1, 2, …, T 21 误差均方根 22 绝对误差平均 23 相对误差绝对值平均 24 Theil系数 25 偏相关系数是控制z t不变条件下的x t, y t的简单相关系数。 26 y t与x t1,x t2,…,x tk–1的 复相关系数 是y t与的简单相关系数。其中是y t对x t1,x t2,…x tk–1 回归的拟合
计量经济学是经济科学领域内的一门应用科学，以一定的经济理论和实际统计资料为基础，运用数学、统计方法与计算机技术，以建立经济计量模型为主要手段，定量分析研究具有随机特性的经济变量关系。 2、数理经济模型与计量经济模型的区别。 数理：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。 计量：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。 3、经典计量经济学模型的一般形式。 4、计量经济学的数据类型。 时间序列数据：按时间先后排列的统计数据。 截面数据：一个或多个变量在某一时点上的数据集合。 合并数据（平行数据）：既包含时间序列数据又有截面 数据。 5、建立计量经济学模型的步骤。 1） 模型的数学形式。③拟定模型中待估计参数的理论期望 值。 2）样本数据的收集： 差项产生序列相关。②截面数据易引起模型随机误差项 产生异方差。③样本数据的质量：完整性、准确性、可 比性、一致性。 3）模型参数的估计。 4 度检验、变量的显着性检验、方程的显着性检验。③计 量经济学检验：序列相关、异方差法（随机误差项）、 多重共线性（解释变量）④模型预测检验。 6、计量经济学模型的应用。 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。 7、如何正确选择解释变量。 作为“变量”的原因：1 2）考虑数据的可得性；3）考虑入选变量之间的关系。 8、回归分析的目的。 1）根据自变量的取值，估计应变量的均值；2）检验建立在经济理论基础上的假设；3） 值，预测应变量的均值。 9、总体回归函数(PRF)和样本回归函数(SRF)各变量系数名称及函数方程。 10、随机误差项(Ui)的性质或主要内容。
计量经济学模型分析论文 工商101
我国城镇居民储蓄存款影响因素的实证分析 摘要：近年来,随着中国经济的飞速发展,一直保持在高水平上的中国储蓄率受到了越来越多国内外经济学家的关注。高储蓄率给我国经济发展带来充裕资金来源,是支持经济快速增长的重要因素。更为重要的是,源源不断的资金流保证了金融机构的流动性,增强了银行的稳定性。与此同时,也给我国经济发展带来前所未有的挑战，因为，过高的储蓄,必然伴随着投资或消费的不足。所以对影响居民储蓄的主要因素进行分析,才能在制定宏观政策上采取适当的措施,使储蓄率保持在一个适当的水平,促进经济增长。本文利用我国1982年以来的统计数字建立了可以通过各种检验的城镇居民储蓄率的模型。通过对该模型的经济含义分析可以得出可支配收入率对储蓄率的影响不大，还有利率对储蓄率的影响很小，值得注意的是，模型中的基尼系数对城镇居民的储蓄影响是相当大的。
引言(提出问题) 自1949年以来，中国储蓄率随着经济增长和收入水平提高呈不断上升趋势，因而高储蓄率也被认为是解释中国经济高速增长的一个主要因素。虽然高储蓄率总是会导致更高的收入及较高的经济增长率，但并非储蓄率越高越好，必然会存在一个最优的储蓄率。 据统计，我国近年来的实际ＧＤＰ平均每年增长９％左右，而资本的净边际产量即（MPK－δ），约为0.9%。我国的资本收益(MPK－δ)＝每年0.9％，大大低于经济的平均增长率（ｎ＋ｇ＝9％）。可见，我国的资本存量已经远远超过了黄金律水平。也就是说，当前我国的储蓄率和投资水平已经偏高，而消费率则偏低。所以我们应该降低储蓄率，减少投资，把收入的更大份额用于消费，这样就会立即提高消费水平，并最终达到更高消费水平的稳定状态。 那应该如何降低我国的储蓄率呢？下面我们将以城镇居民的数据为例进行分析。
浅谈主变低压侧中性点经小电阻接地零序电流保护的应用摘要：对中性点经小电阻接地系统的接地方式及工作原理作了简单介绍，同时提出零序电流保护的优点具有简单、可靠、动作正确率高，受弧光及接地电阻影响小，不受负荷及振荡影响，这些优点都只能在选择适当合理的运行方式并正确的整定才能得到发挥。 关键词：中性点小电阻接地零序电流保护 0引言 内蒙古地区风能资源十分丰富，在全区118.3万平方公里的土地上，风能总储量约8.98亿千瓦，可开发利用量1.5亿千瓦，占全国可开发利用风能储量的40%。做为具有得天独厚条件的锡林郭勒盟，正是抓住了风电快速发展这一时机，风能资源得到了开发和利用，然而风力风电的迅猛发展也对继电保护提出了更高的要求，因此主变低压侧中性点经小电阻接地后，零序电流保护得到了广泛的应用。 1.变压器中性点接地方式及工作原理 1.1接线方式风电场主变低压侧中性点采用电阻接地方式时，若主变为y0接线，其中点可接接入电阻（见图1a）；若为△接线，则需外加接地变压器造成一个中性点（见图1b、c、d）。外加接地变压器零序阻抗要小，其接线为y0/△或z；接地电阻可以直接接在y0/△或 z 接线的高压侧中性点，也可以接在 y0/△接线低压侧开口三角上。 1.2中性点经电阻接地方式的基本原理接地变压器作为人为
中性点接入电阻，接地变压器的绕组在电网正常供电情况下阻抗很高，等于励磁阻抗，绕组中只流过很小的励磁电流；当系统发生接地故障时，绕组将流过正序、负序和零序电流，而绕组对正序、负序电流呈现高阻抗、对于零序电流呈现较低阻抗，因此，在故障情况下会产生较大的零序电流。在中性点接入ct，将电流检测出来送至电流继电器，就可以进行有选择性快速保护。另，接入电阻rn，能有效抑制接地过电压。中性点接入电阻rn后，电网中的c0与rn 形成一个rc放电回路，将电弧接地累的电荷按e-t/r（r=3r0c0）规律衰减。这样，就能有效抑制电弧接地过电压，提高保护动作的快速性和灵敏性；为降低中压系统的绝缘水平提供可能，并能较好地保证人身安全；另外，在中性点经小电阻接地电网正常运行中，由于中性点接地电阻的强阻尼作用，中性点位移远小于中性点不接地电网的中性点位移电压（约为1/5左右）。 2.零序电流保护的应用 零序电流保护的优点具有简单、可靠、动作正确率高，受弧光及接地电阻影响小，不受负荷及振荡影响，这些优点都只能在选择适当合理的运行方式并正确的整定才能得到发挥。为了用好零序电流保护，提出下列原则： 2.1系统变压器中性点接地运行方式应基本保持不变 (1)变电所只有一组变压器，如果是接地运行，则接地点不应断开。 (2)变电所只有二组变压器，如果不都是自耦变压器，则应只将
第二章主要公式 资料地址：https://www.doczj.com/doc/1517577515.html,/jl 1、回归模型概述 （1）相关分析与回归分析 经济变量之间的关系：函数关系、相关关系 相关关系：单相关和复相关，完全相关、不完全相关和不相关，正相关与负相关，线性相关和负相关，线性相关和非线性相关。 相关分析： ——总体相关系数XY ρ= ——样本相关系数()() n i i XY X X Y Y r --= ∑ ——多个变量之间的相关程度可用复相关系数和偏相关系数度量 回归分析：相关关系 + 因果关系 （2）随机误差项：含有随机误差项是计量经济学模型与数理经济学模型的一大区别。 （3）总体回归模型 总体回归曲线：给定解释变量条件下被解释变量的期望轨迹。 总体回归函数：(|)()i i E Y X f X = 总体回归模型：(|)()i i i i i Y E Y X f X μμ=+=+ 线性总体回归模型：011,2,...,i i i Y X i n ββμ=++= （4）样本回归模型 样本回归曲线：根据样本回归函数得到的被解释变量的轨迹。 （线性）样本回归函数： 01???i i Y X ββ=+ （线性）样本回归模型：01???i i i Y X e ββ=++ 2、一元线性回归模型的参数估计 （1）基本假设 ① 解释变量：是确定性变量，不是随机变量 var()0i X = ② 随机误差项：零均值、同方差，在不同样本点之间独立，不存在序列相关等 ()01,2,...,i E i n μ== 2var()1,2,...,i i n μσ==
cov(,)0;,1,2,...,i j i j i j n μμ=≠= ③ 随机误差项与解释变量：不相关 cov(,)01,2,...,i i X i n μ== ④ （针对最大似然法和假设检验）随机误差项： 2~(0,)1,2,...,i N i n μσ= ⑤ 回归模型正确设定。 【前四条为线性回归模型的古典假设，即高斯假设。满足古典假设的线性回归模型称为古典线性回归模型。】 （2）参数的普通最小二乘估计（OLS ） 目标：21 min n i i e =∑ 对于一元线性回归模型：011,2,...,i i i Y X i n ββμ=++= 正规方程组： 011 011 ?? 2[()]0??2[()]0n i i i n i i i i Y X X Y X ββββ==?--+=????--+=??∑∑ 解得： 011 112 211??()()?()n n i i i i i i n n i i i i Y X X X Y Y x y X X x βββ====?=-???--?==??-?? ∑∑∑∑ （3）最大似然估计（ML ） 对于一元线性回归模型：011,2,...,i i i Y X i n ββμ=++= 重要的基本假设： 2~(0,)1,2,...,cov(,)0;,1,2,...,var()01,2,...,i i j i N i n i j i j n X i n μσμμ?=? =≠=?? ==? 得到：2 01~(,)1,2,...,i i Y N X i n ββσ+= 【且cov(,)0;,1,2,...,i j Y Y i j i j n =≠=，这个对最大似然法的估计很重要】 则目标：12,,...,n Y Y Y 的联合概率密度最大，即
计量经济学（第四版）习题参考答案 潘省初
第一章 绪论 试列出计量经济分析的主要步骤。 一般说来，计量经济分析按照以下步骤进行： （1）陈述理论（或假说） （2）建立计量经济模型 （3）收集数据 （4）估计参数 （5）假设检验 （6）预测和政策分析 计量经济模型中为何要包括扰动项? 为了使模型更现实，我们有必要在模型中引进扰动项u 来代表所有影响因变量的其它因素，这些因素包括相对而言不重要因而未被引入模型的变量，以及纯粹的随机因素。 什么是时间序列和横截面数据? 试举例说明二者的区别。 时间序列数据是按时间周期（即按固定的时间间隔）收集的数据，如年度或季度的国民生产总值、就业、货币供给、财政赤字或某人一生中每年的收入都是时间序列的例子。 横截面数据是在同一时点收集的不同个体（如个人、公司、国家等）的数据。如人口普查数据、世界各国2000年国民生产总值、全班学生计量经济学成绩等都是横截面数据的例子。 估计量和估计值有何区别？ 估计量是指一个公式或方法，它告诉人们怎样用手中样本所提供的信息去估计总体参数。在一项应用中，依据估计量算出的一个具体的数值，称为估计值。如Y 就是一个估计量，1 n i i Y Y n == ∑。现有一样本，共4个数，100，104，96，130，则 根据这个样本的数据运用均值估计量得出的均值估计值为 5.1074 130 96104100=+++。 第二章 计量经济分析的统计学基础 略，参考教材。
请用例中的数据求北京男生平均身高的99％置信区间 N S S x = = 4 5= 用 =，N-1=15个自由度查表得005.0t =，故99%置信限为 x S t X 005.0± =174±×=174± 也就是说，根据样本，我们有99%的把握说，北京男高中生的平均身高在至厘米之间。 25个雇员的随机样本的平均周薪为130元，试问此样本是否取自一个均值为120元、标准差为10元的正态总体？ 原假设 120:0=μH 备择假设 120:1≠μH 检验统计量 () 10/2510/25 X X μσ-Z == == 查表96.1025.0=Z 因为Z= 5 >96.1025.0=Z ,故拒绝原假设, 即 此样本不是取自一个均值为120元、标准差为10元的正态总体。 某月对零售商店的调查结果表明，市郊食品店的月平均销售额为2500元，在下一个月份中，取出16个这种食品店的一个样本，其月平均销售额为2600元，销售额的标准差为480元。试问能否得出结论，从上次调查以来，平均月销售额已经发生了变化？ 原假设 : 2500:0=μH 备择假设 : 2500:1≠μH ()100/1200.83?480/16 X X t μσ-= === 查表得 131.2)116(025.0=-t 因为t = < 131.2=c t , 故接受原假 设,即从上次调查以来，平均月销售额没有发生变化。
学习用途,考试专用，请用完删除自己总结1159952047 1、异方差性：对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。类型：单调递增型，单调递减型，复杂型。原因：⑴模型中遗漏了随时间变化影响逐渐增大的因素。（即测量误差变化）⑵模型函数形式设定误差。⑶随机因素的影响。（即截面数据中总体各单位的差异）后果：1．参数估计量非有效2.变量的显著性检验失去意义3.模型的预测失效检验：图示检验法，戈德菲尔德－匡特检验，怀特检验，帕克检验和戈里瑟检验处理：变异方差为同方差，或尽量缓解方差变异的程度。（加权最小二乘法（WLS），异方差稳健标准误法） 2、序列相关性：如果模型的随机干扰项违背了相互独立的基本假设，则称为存在... 原因：经济数据序列惯性；模型设定的偏误；滞后效应；蛛网现象；数据的编造后果：1．参数估计量非有效；2.变量的显著性检验失去意义；3.模型的预测失效检验方法：图示法；回归检验法；D.W.检验法；拉格朗日乘数检验补救方法：广义最小二乘法（GLS），广义差分法，随机干扰项相关系数的估计，广义差分法在计量经济学软件中的实现，序列相关稳健标准误法。 3、多重共线性：如果模型的解释变量之间存在着较强的相关关系，则称模型存在多重共线性。 原因：经济变量相关的共同趋势、滞后变量的引入、样本资料的限制后果（一）完全：1、参数估计值不确定。 2、参数估计值的方差会无限大。( 二)不完全：1、有可能求出参数的估计值，但估计值很不稳定。2、参数估计值的方差会随多重共线性（近似）程度的提高而增大。3、对总体参数的区间估计将会降低精确度（置信区间变宽）。评价区间估计的两个标准： (1)估计的可靠度。（2）估计的精确度 .4、对总体参数的显著性检验（t检验）在统计上将会不显著。检验：1.检验多重共线性是否存在2.判明存在多重共线性的范围克服方法：1.排除引起共线性的变量2.差分法3.见笑参数估计量的方差 4、●经典假定：1、零均值假定。2、同方差假定。3、无自相关假定。4、解释变量与随机误差项不相关。 5、无多重共线性假定。 6、正态性假定。●多元线性回归模型的基本假定：零均值假定、同方差和无自相关（条件方差不变、条件自相关等于0）、随机扰动项与解释变量不相关、无多重共线性、正态性假定独立同分布,且～ N (0,σ2) 5、拟和直线的优度-判定系数r2。TSS为总离差平方和，反映Y的样本观测值的平均差异程度；ESS 为Y的估计值与均值的离差平方和，反映解释变量的变化所引起的对Y的波动大小，即解释变量在模型中存在的重要程度；RSS为残差平方和，反映Y依据回归直线没有得到解释的变差。 6、F检验的意义（1）检验的不足。尽管具有对模型整体拟合状况的判断，但它并不能得到到底要多大时回归方程才算通过了拟合优度检验。虽然R2能够给出评价模型拟合好坏的度量，但它只是对样本的拟合程度进行评价，不能回答总体的真实状况。（2）F检验的目的。对于总体多元线性回归模型，从整体上看，多个解释变量与被解释变量之间是否存在显著的线性关系，或者说 Y 的变动是否依赖于这些解释变量的变化。由F统计量的构成可以看出（ESS服从自由度为k-1，RSS服从n-k 的分布），如果ESS显著地大于RSS，则表明不能认为所有的全为零，这时在很大程度上要拒绝。则在该意义下，说明回归方程中的所有解释变量对应变量存在显著性影响。F 检验的一般步骤是：（1）构造 F 统计量，即。（2）给定显著性水平，查F分布表，得临界值，其中k为参数的个数，n为样本容量。（3）比较判断。若F﹥，则拒绝原假使，表明回归函数从整体上看是显著的，即所有解释变量对应变量有显著性影响。 7、t 检验在多元线性回归模型里与一元的情况是一致的。需要注意的是在多元线性回归模型对参数的 t 检验中，即~ t(n-k) （在成立下）这里是服从自由度为 (n-k) 的 t 分布。因此，在多元的情况下，运用 t 检验的操作过程如下（1）提出假设（2）构造检验统计量在H 0 成立的情况下，有：~t(n-k)（3）计算t统计量值，。（4）根据t分布，给定显著性水平，查表得临界值。（5）比较判断，若，则拒绝 H 0 ，同时接受 H 1 。表明第 j 个解释变量 X j 对被解释变量 Y 存在显著性影响；否则，表明第 j 个解释变量 X j 对被解释变量 Y 不存在显著性影响。 8、
关于计量经济模型选择问题的初探 An Tentative Inquiry Into The Selection Of The Econometrical Models 经济学院数理经济研究所 2004级数量经济学专业硕士研究生鹏 摘要：本文试图介绍计量经济学一些常用模型的函数形式，并且以计量软件SPSS作为分析工具，以拟合优度作为评判标准，来讨论最优的经济计量模型的选择问题。 关键字：计量经济模型，SPSS，拟合优度 在研究经济变量之间的关系时，特别是初学者，通常首先想到的是选取线性回归模型。这种做法虽然能把问题简单化，使之易于处理，甚至有时候能产生比较好的效果。但总的来说，由于经济现象是纷繁复杂的，在很多情况下这么做，并不能比较准确地对客观经济的运行态势进行模拟。在实际运用中，如果不问青红皂白地把所有计量模型的设定问题，都采用线性的形式，显然是行不通的。比如把经济变量之间的非线性关系，直接用线性回归的方式去处理，这样得到的回归方程是无效的。用它来进行经济分析、政策评价和经济预测，则没有丝毫价值，甚至带来负面影响。为此我们必须根据实际问题进行具体分析，依据直觉和经验，建立与实际样本数据拟合较好的函数，再运用我们所学的知识进行参数估计和检验，使我们的成果与现实尽可能的接近。 本文试就对如何通过经济理论和经验，并借助计量软件进行模型的选择给
予一般的说明。 一、计量经济学模型的主要几种函数形式。 （1）线性模型（Linear ）。它的一般形式是： 12y x ββ=+ （1） 线性函数我们大家已经耳熟能详。这里我们不作过多介绍。 （2）抛物线模型（Quadratic ）。抛物线模型的一般形式为： 212y x x βββ=++ （2） 判断某种现象是否适合应用抛物线，可以利用“差分法”。其步骤为：首先将样本观察值按x 的大小顺序排列，然后按以下两式计算x 和y 的一阶差分t x ?、t y ?以及y 的二阶差分2t y ?。（其中1t t t x x x -?=-； 1t t t y y y -?=-；21t t t y y y -?=?-?）当t x ?接近于一常数，而△2t y ?的绝对值接近于常数时，Y 与X 之间的关系可以 用抛物线模型近似加以反映。 （3）对数函数模型（Logrithmic ）。对数函数是指数函数的反函数，其方程形式为： 01ln y x ββ=+ （3） 对数函数的特点是随着X 的增大，X 的单 位变动对因变量Y 的影响效果不断递减。 （4）立方模型（Cubic ）。其一般形式为： 230123y x x x ββββ=+++ （4） 其扩展形式是多项式模型。当所涉及的自变量只有一个时，所采用的多项式方程称为一元多项式，其一般形式为： 2012p p y x x x ββββ=+++??????+ 多项式模型在非线性回归分析中占有重要的地位。因为根据数学上级数展开的原理，任何曲线、曲面、超曲面的问题，在一定的围都能够用多项式任意
序号 公式名 称 计 算 公式 1 真实的回归模型 y t = ?0 + ?1 x t + u t 2 估计的回归模型 y t =+ x t + 3 真实的回归函数 E(y t ) = ?0 + ?1 x t 4 估计的回归函数 = + x t 5 最小二乘估计公式 ()()() ∑∑∑∑∑∑--=---== -=2 22 2 221X n X Y X n Y X X X Y Y X X x y x b X b Y b i i i i i i i i i 6 和的方 差 7 ? ? 的无偏估 计量 = s 2 = 8 和估计 的方差 ? 9 总平方和TSS ? (y t -) 2 10 回归平方和 RSS ? ( - ) 2 11 误差平方和 ESS ? (y t -)2 = ? ( )2 12 可决系数（确 定系数） =RSS/TSS 13 检验?0，?1 是 否为零的t 统计量 14 ?1的置信区间 -t ? (T -2) ??1 ? + t ? (T -2) 15 单个y T +1的点 预测 = + x T +1
16E(y T+1)的区间 预测 17单个y T+1的区 间预测 18样本相关系数 表 ?多元线性回归模型的主要计算公式 序号公式名称计算公式 1 真实的回归模型Y= X ?+ u 2 估计的回归模型Y = X+ 3 真实的回归函数E(Y) = X ? 4 估计的回归函数= X 5 最小二乘估计公式= (X 'X)-1X 'Y 6 回归系数的方差Var() = ? 2(X 'X)-1 7 ? ? 的无偏估计量= s2 ='/ (T - k) 8 回归系数估计的方差() =(X 'X)-1 9 回归平方和SSR = = '- T 10 总平方和SST = Y 'Y - T 11 残差平方和SSE = ' 12 可决系数 13 调整的可决系数 14 F统计量 15 t统计量 C = (1 x T+1 1 x T+1 2… x T+1 k-1 ) 16 点预测公式
1. 总离差平方和可分解为回归平方和与残差平方和。（ 对 ） 2. 整个多元回归模型在统计上是显着的意味着模型中任何一个单独的解释变量均是统计显着的。（ 错 ） 3. 多重共线性只有在多元线性回归中才可能发生。（ 对 ） 4. 通过作解释变量对时间的散点图可大致判断是否存在自相关。（ 错 ） 5. 在计量回归中，如果估计量的方差有偏，则可推断模型应该存在异方差（ 错 ） 6. 存在异方差时，可以用广义差分法来进行补救。（ 错 ） 7. 当经典假设不满足时，普通最小二乘估计一定不是最优线性无偏估计量。（ 错 ） 8. 判定系数检验中，回归平方和占的比重越大，判定系数也越大。（ 对 ） 9. 可以作残差对某个解释变量的散点图来大致判断是否存在自相关。（ 错 ）做残差 ） n 5、经典线性回归模型（CLRM ）中的干扰项不服从正态分布的，OLS 估计量将有偏的。错，，即使经典线性回归模型（CLRM ）中的干扰项不服从正态分布的，OLS 估计量仍然是无偏的。 因为222)()?(βμββ=+=∑i i K E E ，该表达式成立与否与正态性无关。 1、在简单线性回归中可决系数2R 与斜率系数的t 检验的没有关系。错误，在简单线性回归 中，由于解释变量只有一个，当t 检验显示解释变量的影响显着时，必然会有该回归模型的可决系数大，拟合优度高。 2、异方差性、自相关性都是随机误差现象，但两者是有区别的。正确，异方差的出现总是与模型中某个解释变量的变化有关。自相关性是各回归模型的随机误差项之间具有相关关
系。3、通过虚拟变量将属性因素引入计量经济模型，引入虚拟变量的个数与模型有无截距项无关。错误，模型有截距项时，如果被考察的定性因素有m个相互排斥属性，则模型中引入m－1个虚拟变量，否则会陷入“虚拟变量陷阱”；模型无截距项时，若被考察的定性因素有m个相互排斥属性，可以引入m个虚拟变量，这时不会出现多重共线性。 4、满足阶条件的方程一定可以识别。错误，阶条件只是一个必要条件，即满足阶条件的的方程也可能是不可识别的。 5、库依克模型、自适应预期模型与局部调整模型的最终形式是不同的。错误，库依克模型、自适应预期模型与局部调整模型的最终形式是相同的，其最终形式都是一阶自回归模型。2、多重共线性问题是随机扰动项违背古典假定引起的。错误，应该是解释变量之间高度相关引起的. (3) 线性回归模型意味着因变量是自变量的线性函数。（错） (4) 在线性回归模型中，解释变量是原因，被解释变量是结果。（对） 1、虚拟变量的取值只能取0或1（对） 2、通过引入虚拟变量，可以对模型的参数变化进行检验（对） 1、简单线性回归模型与多元线性回归模型的基本假定是相同的。错 在多元线性回归模型里除了对随机误差项提出假定外，还对解释变量之间提 出无多重共线性的假定。 2、在模型中引入解释变量的多个滞后项容易产生多重共线性。对 在分布滞后模型里多引进解释变量的滞后项，由于变量的经济意义一样，只
2：随机误差项的性质 （1）误差项代表了未纳入模型变量的影响； （2）即使模型中包括了决定数学分数的所有变量，其内在随机性也不可避免，这是做任何 努力都无法解释的； （3）u 代表了度量误差； （4）“奥卡姆剃刀原则”，即描述应该尽可能简单，只要不遗漏重要的信息。 3：解释回归结果的步骤 （1）看整个模型的显著性，看F 统计量的值； （2）看单个参数的显著性； （3）解释斜率的经济含义； （4）解释R 2。 4：古典线性回归模型的基本假定（同多元线性回归模型的基本假定相同） （1）所有自变量是确定性变量； （2） （3）自变量之间不存在完全多重共线性。 12：样本回归方程，i e 为残差项， i i i e X b b Y ++=21 总体回归方程，i u 为随机误差项 i i i u X B B Y ++=21 5： 样本回归函数： 随机样本回归函数： 总体回归函数： 随机总体回归方程： 观察值可表示为： 6：普通最小二乘法就是要选择参数1b 、2b ，使得参差平方和最小。 ()()() ∑∑∑∑∑∑--=---==-=2 2 2 22 21X n X Y X n Y X X X Y Y X X x y x b X b Y b i i i i i i i i i i i i i i i i i i i i i i i i i u X Y E Y e Y Y u X B B Y X B B X Y E e X b b Y X b b Y +=+=++=+=++=+=)|(?)|(?21212121
7：R 2的计算公式：( R 2度量了回归模型对Y 变异的解释比例) TSS ：总离差平方和 ESS ：回归平方和 RSS ：残差平方和 （1） （2） （3） 8：F 检验 ) 3,2(~) 3(2 )(. ...23322--+= =∑∑∑n F n e x y b x y b f d RSS f d ESS F t t t t t ()1 //1/1/1P ..-------?=n TSS k n RSS k n RSS p k n RSS k ESS k ESS k ESS F f d SS MSS f d 总离差 来自残差来自回归值值自由度平方和方差来源 9：F 与判定系数R2之间的重要关系 当R2＝0，F ＝0，当R2＝1，F 值为无穷大 10：校正的判定系数R 2 ( )k n n R R ----=1112 2 11：普通最小二乘估计量的一些重要性质: ∑∑∑====+=0 ?00 21i i i i i Y e X e n e e X b b Y 21ESS RSS TSS TSS ESS R TSS =+ = RSS ESS TSS +=)()1()1(22 k n R k R F ---=
12:样本回归方程， Y b1 b2X 总体回归方程, e为残差项， e U i为随机误差项 X i） U i b1、b2,使得参差平方和最小。 2:随机误差项的性质 （1）误差项代表了未纳入模型变量的影响； （2 ）即使模型中包括了决定数学分数的所有变量，其内在随机性也不可避免，这是做任何努力都无法解释的； （3）u代表了度量误差； （4）“奥卡姆剃刀原则”，即描述应该尽可能简单，只要不遗漏重要的信息。 3:解释回归结果的步骤 （1）看整个模型的显著性，看 F统计量的值; （2 ）看单个参数的显著性； （3 ）解释斜率的经济含义； （4）解释R2。 4:古典线性回归模型的基本假定（同多元线性回归模型的基本假定相同） （1）所有自变量是确定性变量； （2） （3 ）自变量之间不存在完全多重共线性。 Y B1B2X j 5 5: 样本回归函数：Y? b1 b2X i 随机样本回归函数：Y i b1b2X i e i 总体回归函数：E(Y| X i) B1 B2X i 随机总体回归方程：Y i B1 B2X i U i 观察值可表示为： Y i Y? e Y i E（Y 6:普通最小二乘法就是要选择参数 b1 Y b2 X
X i y i b2 茶 X X i X Y Y —2 X i X X i Y nXY Xi nX2
e 2(n 3) 7: R2的计算公式：(R2度量了回归模型对 Y 变异的解释比例) TSS:总离差平方和 ESS:回归平方和 RSS:残差平方和 (1)TSS ESS RSS (2) 1 ESS RSS TSS TSS (3) R 2婪 TSS &F 检验 ESSd.f. RSSd.f. (b 2 y t x 2t R y t x 3t ) 2 '2 yt 2t yt ‘ ?F(2,n 3) F R 2(k 1) F 2 (1 R 2) (n k) 当R2 = 0, F = 0,当R2= 1 , F 值为无穷大 10:校正的判定系数 R2 方差来源 平方和 自由度d.f. SS MSS - d f 来自回归 ESS k 1 ESS/k 1 来自残差 RSS n k RSS/ n k 总、离 TSS n 1 F 值 ESS/k 1 RSS/n k 9： F 与判定系数R2之间的重要关系
多元线性回归模型 一．概述 当今农村农民人均纯收入与多个因素存在着紧密的联系，例如人均工资收入，人均农林牧渔产值人均生产费用支出，人均转移性和财产性收入等。本次将以安徽1995－2009年农村居民纯收入与人均工资收入，人均生产费用支出，人均转移性和财产性收入等因素的数据，通过建立计量经济模型来分析上述变量之间的关系，强调农村居民生活的重要性，从而促进全国经济的发展。 二、模型构建过程 ⒈变量的定义 被解释变量：农民人均纯收入y 解释变量：人均工资收入x1, 人均农林牧渔产值x2 人均生产费用支出x3 人均转移性和财产性收入x4。 建立计量经济模型：解释农民人均纯收入与人均工资收入，人均生产费用支出，人均转移性和财产性收入的关系 ⒉模型的数学形式 设定农民人均纯收入与五个解释变量相关关系模型，样本回归模型为： ∧Y i=∧ β + ∧ β 1 X i1+∧β 2 X i2+∧β 3 X i3+∧β 4 X i4+e i ⒊数据的收集 该模型的构建过程中共有四个变量,分别是中国从1995－2009年人均工资收入，人均农林牧渔产值人均生产费用支出，人均转移性和财产性收入，因此为时间序列数据，最后一个即2009年的数据作为预测对比数据，收集的数据如下所示： ⒋用OLS法估计模型 回归结果,散点图分别如下:
Y?=33.632+0.659X1+0.59X2-0.274X3+0.152X4 i d.f.=10 ,R2=0.997116 , Se=(186.261) (0.1815 (0.1245) (0.2037) (0.5699) t=(0.1805) (3.632) (4.741) (-1.347) (2.674) 三、模型的检验及结果的解释、评价
计量经济学复习大纲 第一章绪论 1. 建立计量经济学模型的步骤及其要点？ （1）如何正确选择解释变量？ （2）如何确定模型的基本形式？ （3）区分时间序列数据、横截面数据和虚变量数据。（4）何谓经济意义检验？检验的方法？ （5）计量经济学模型成功的三要素及其关系。 2. 结合实际例子理解结构分析方法（弹性、乘数的运用及其模型参数解释）。 第二章一元线性回归模型理论与方法 1. 回归分析与相关分析的联系与区别？ 2. 回归分析的主要目的和内容？ 3. 总体回归函数PRF的内涵和形式（确定和随机）。 4. 随机干扰项的定义及其内涵？ 5. 样本回归函数的形式及其与PRF的关系？ 6. 线性回归模型的基本假设（结合现实经济例子给予解释说明）。 7. OLS法的原理及其参数估计量的估计方法（推导过程）、正规方程组的导出。 8. OLS估计量的计算公式（离差形式）及其参数经济意义解释（要求掌握回归函数的求解计算过程）。
9. OLS估计量的性质（要求掌握线性性、无偏性、有效性的涵义及其证明过程，基本推论要牢记且理解） 10. BLUE估计量与高斯-马尔可夫定理？ 11. 一元参数估计量的概率分布形式、总体方差的无偏估计公式以及样本参数的标准差计算公式（要求牢记公式并熟练运用于计算）。 12. 拟合优度检验的原理（TSS、ESS和RSS的内涵及其关系）？ 13. 变量显著性检验的方法原理（t检验） （1）小概率事件原理（零假设必须是一小概率事件）？（2）t统计量的构造？ 14.. 缩小置信区间的方法：同等显著性水平下尽可能减小t检验临界值和样本参数的标准差。 一是增大样本容量；二是提高模型的拟合优度。 15. 本章练习题第2、3、7、8、9（样本参数估计量的性质）、11题要求熟练掌握。 第三章多元线性回归模型理论与方法 1. 理解偏回归系数的概念及其应用解释。 2. 多元线性回归模型的基本假定（标量和矩阵形式）。 3. 理解普通最小二乘估计的正规方程组及其参数估计量计算公式。 4. 理解最小样本容量的概念及其原理。 5. 熟练掌握和应用调整可决系数的计算公式及其与R2的关系
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)
计量经济学考试重点整理 第一章： P1：什么是计量经济学？由哪三组组成？ 定义：“用数学方法探讨经济学可以从好几个方面着手，但任何一个方面都不能和计量经济学混为一谈。计量经济学与经济统计学绝非一码事；它也不同于我们所说的一般经济理论，尽管经济理论大部分具有一定的数量特征；计量经济学也不应视为数学应用于经济学的同义语。经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说，都是必要的，但本身并非是充分条件。三者结合起来，就是力量，这种结合便构成了计量经济学。” P9：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。 P12：常用的样本数据：时间序列，截面，虚变量数据 P13：样本数据的质量（4点） 完整性；准确性；可比性；一致性 P15-16：模型的检验（4个检验） 1、经济意义检验 2、统计检验 拟合优度检验 总体显著性检验 变量显著性检验 3、计量经济学检验 异方差性检验 序列相关性检验 共线性检验 4、模型预测检验 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 P16计量经济学模型成功的三要素：理论、方法和数据。 P18-20：计量经济学模型的应用 1、结构分析 经济学中的结构分析是对经济现象中变量之间相互关系的研究。 结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。 计量经济学模型的功能是揭示经济现象中变量之间的相互关系，即通过模型得到弹性、乘数等。 2、经济预测 计量经济学模型作为一类经济数学模型，是从用于经济预测，特别是短期预测而发展起来的。 计量经济学模型是以模拟历史、从已经发生的经济活动中找出变化规律为主要技术手段。 对于非稳定发展的经济过程，对于缺乏规范行为理论的经济活动，计量经济学模型预测功能失效。 模型理论方法的发展以适应预测的需要。
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
计量经济学题库 一、单项选择题 1．计量经济学是下列哪门学科的分支学科（C）。 A．统计学B．数学C．经济学D．数理统计学 2．计量经济学成为一门独立学科的标志是（B）。 A．1930年世界计量经济学会成立B．1933年《计量经济学》会刊出版 C．1969年诺贝尔经济学奖设立D．1926年计量经济学（Economics）一词构造出来 3．外生变量和滞后变量统称为（D）。 A．控制变量B．解释变量C．被解释变量D．前定变量4．横截面数据是指（A）。 A．同一时点上不同统计单位相同统计指标组成的数据B．同一时点上相同统计单位相同统计指标组成的数据 C．同一时点上相同统计单位不同统计指标组成的数据D．同一时点上不同统计单位不同统计指标组成的数据 5．同一统计指标，同一统计单位按时间顺序记录形成的数据列是（C）。 A．时期数据B．混合数据C．时间序列数据D．横截面数据6．在计量经济模型中，由模型系统内部因素决定，表现为具有一定的概率分布的随机变量，其数值受模型中其他变量影响的变量是（）。 A．内生变量B．外生变量C．滞后变量D．前定变量7．描述微观主体经济活动中的变量关系的计量经济模型是（）。 A．微观计量经济模型B．宏观计量经济模型C．理论计量经济模型D．应用计量经济模型 8．经济计量模型的被解释变量一定是（）。 A．控制变量B．政策变量C．内生变量D．外生变量9．下面属于横截面数据的是（）。 A．1991－2003年各年某地区20个乡镇企业的平均工业产值 B．1991－2003年各年某地区20个乡镇企业各镇的工业产值 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个乡镇各镇的工业产值 10．经济计量分析工作的基本步骤是（）。 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→总体估计→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 11．将内生变量的前期值作解释变量，这样的变量称为（）。 A．虚拟变量B．控制变量C．政策变量D．滞后变量 12．（）是具有一定概率分布的随机变量，它的数值由模型本身决定。 A．外生变量B．内生变量C．前定变量D．滞后变量 13．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 14．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、D．季度分析、年度分析、中长期分析 15．变量之间的关系可以分为两大类，它们是（）。 A．函数关系与相关关系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 16．相关关系是指（）。 A．变量间的非独立关系B．变量间的因果关系C．变量间的函数关系D．变量间不确定性