计量经济学术语
A
校正R2（Adjusted R-Squared）：多元回归分析中拟合优度的量度，在估计误差的方差时对添加的解释变量用一个自由度来调整。
对立假设（Alternative Hypothesis）：检验虚拟假设时的相对假设。
AR（1）序列相关（AR(1) Serial Correlation）：时间序列回归模型中的误差遵循AR（1）模型。
渐近置信区间（Asymptotic Confidence Interval）：大样本容量下近似成立的置信区间。
渐近正态性（Asymptotic Normality）：适当正态化后样本分布收敛到标准正态分布的估计量。
渐近性质（Asymptotic Properties）：当样本容量无限增长时适用的估计量和检验统计量性质。
渐近标准误（Asymptotic Standard Error）：大样本下生效的标准误。
渐近t 统计量（Asymptotic t Statistic）：大样本下近似服从标准正态分布的t统计量。
渐近方差（Asymptotic Variance）：为了获得渐近标准正态分布，我们必须用以除估计量的平方值。
渐近有效（Asymptotically Efficient）：对于服从渐近正态分布的一致性估计量，有最小渐近方差的估计量。
渐近不相关（Asymptotically Uncorrelated）：时间序列过程中，随着两个时点上的随机变量的时间间隔增加，它们之间的相关趋于零。
衰减偏误（Attenuation Bias）：总是朝向零的估计量偏误，因而有衰减偏误的估计量的期望值小于参数的绝对值。
自回归条件异方差性（Autoregressive Conditional Heteroskedasticity, ARCH）：动态异方差性模型，即给定过去信息，误差项的方差线性依赖于过去的误差的平方。
一阶自回归过程[AR（1）]（Autoregressive Process of Order One [AR(1)]）：一个时间序列模型，其当前值线性依赖于最近的值加上一个无法预测的扰动。
辅助回归（Auxiliary Regression）：用于计算检验统计量——例如异方差性和序列相关的检验统计量——或其他任何不估计主要感兴趣的模型的回归。
平均值（Average）：n个数之和除以n。
B
基组、基准组（Base Group）：在包含虚拟解释变量的多元回归模型中，由截距代表的组。基期（Base Period）：对于指数数字，例如价格或生产指数，其他所有时期均用来作为衡量标准的时期。
基期值（Base Value）：指定的基期的值，用以构造指数数字；通常基本值为1或100。
最优线性无偏估计量（Best Linear Unbiased Estimator, BLUE）：在所有线性、无偏估计量中，有最小方差的估计量。在高斯—马尔科夫假定下，OLS是以解释变量样本值为条件的BLUE 。
贝塔系数（Beta Coef?cients）：见标准化系数。
偏误（Bias）：估计量的期望参数值与总体参数值之差。
偏误估计量（Biased Estimator）：期望或抽样平均与假设要估计的总体值有差异的估计量。向零的偏误（Biased Towards Zero）：描述的是估计量的期望绝对值小于总体参数的绝对值。二值响应模型（Binary Response Model）：二值因变量的模型。
二值变量（Binary Variable）：见虚拟变量。
两变量回归模型（Bivariate Regression Model）：见简单线性回归模型。
BLUE（BLUE）：见最优线性无偏估计量。
Breusch-Godfrey 检验（Breusch-Godfrey Test）：渐近正确的AR（p）序列相关检验，以AR （1）最为流行；该检验考虑到滞后因变量和其他不是严格外生的回归元。
Breusch-Pagan 检验（Breusch-Pagan Test）：将OLS残差的平方对模型中的解释变量做回归的异方差性检验。
C
因果效应（Causal Effect）：一个变量在其余条件不变情况下的变化对另一个变量产生的影响。
其余条件不变（Ceteris Paribus）：其他所有相关因素均保持固定不变。
经典含误差变量（Classical Errors-in-Variables, CEV）：观测的量度等于实际变量加上一个独立的或至少不相关的测量误差的测量误差模型。
经典线性模型（Classical Linear Model）：全套经典线性模型假定下的复线性回归模型。
经典线性模型（CLM）假定（Classical Linear Model (CLM) Assumptions）：对多元回归分析的理想假定集，对横截面分析为假定MLR.1至MLR.6，对时间序列分析为假定TS.1至
TS.6。假定包括对参数为线性、无完全共线性、零条件均值、同方差、无序列相关和误差正态性。
科克伦—奥克特（CO）估计（Cochrane-Orcutt (CO) Estimation）：估计含AR（1）误差和严格外生解释变量的多元线性回归模型的一种方法；与普莱斯—温斯登估计不同，科克伦—奥克特估计不使用第一期的方程。
置信区间（CI）（Con?dence Interval, CI）：用于构造随机区间的规则，以使所有数据集中的某一百分比（由置信水平决定）给出包含总体值的区间。
置信水平（Con?dence Level）：我们想要可能的样本置信区间包含总体值的百分比，95%是最常见的置信水平，90%和99%也用。
不变弹性模型（Constant Elasticity Model）：因变量关于解释变量的弹性为常数的模型；在多元回归中，两者均以对数形式出现。
同期外生回归元（Contemporaneously Exogenous）：在时间序列或综列数据应用中，与同期误差项不相关但对其他时期则不一定的回归元。
控制组（Control Group）：在项目评估中，不参与该项目的组。
控制变量（Control Variable）：见解释变量。
协方差平稳（Covariance Stationary）：时间序列过程，其均值、方差为常数，且序列中任意两个随机变量之间的协方差仅与它们的间隔有关。
协变量（Covariate）：见解释变量。
临界值（Critical Value）：在假设检验中，用于与检验统计量比较来决定是否拒绝虚拟假设的值。
横截面数据集（Cross-Sectional Data Set）：在给定时点上从总体中收集的数据集
D
数据频率（Data Frequency）：收集时间序列数据的区间。年度、季度和月度是最常见的数据频率。
戴维森—麦金农检验（Davidson-MacKinnon Test）：用于检验相对于非嵌套对立假设的模型的检验：它可用相争持模型中得出的拟合值的t检验来实现。
自由度（df）（Degrees of Freedom, df）：在多元回归模型分析中，观测值的个数减去待估参数的个数。
分母自由度（Denominator Degrees of Freedom）：F检验中无约束模型的自由度。
因变量（Dependent Variable）：在多元回归模型（和其他各种模型）中被解释的变量。
除趋势（Detrending）：从时间序列中除去趋势的做法。
斜率级差（Difference in Slopes）：所描述的是模型中某些斜率参数，因组或时期的不同而不同。
向下偏误（Downward Bias）：估计量的期望值低于参数的总体值。
虚拟变量（Dummy Variable）：取值为0或1的变量。
虚拟变量陷阱（Dummy Variable Regression）：自变量中包含了过多的虚拟变量造成的错误；当模型中既有整体截距又对每一组都设有一个虚拟变量时，该陷阱就产生了。
德宾—沃森（DW）统计量（Durbin-Watson (DW) Statistic）：在经典线性回归假设下，用于检验时间序列回归模型的误差项中的一阶序列相关的统计量。
动态完整模型（Dynamically Complete Model）：设更多的滞后因变量，或设更多的滞后解释变量都无助于解释因变量的均值的时间序列模型。
E
计量经济模型（Econometric Model）：将因变量与一组解释变量和未观测到的扰动联系起来的方程，方程中未知的总体参数决定了各解释变量在其余条件不变下的效应。
经济模型（Economic Model）：从经济理论或不那么正规的经济原因中得出的关系。
经济显著性（Economic Signi?cance）：见实际显著性。
弹性（Elasticity）：给定一个变量在其余条件不变下增加1%，另一个变量的百分比变化。
经验分析（Empirical Analysis）：用正规计量分析中的数据检验理论、估计关系式或确定政策效应的研究。
内生解释变量（Endogenous Explanatory Variable）：在多元回归模型中，由于遗漏变量、测量误差或联立性的原因而与误差项相关的解释变量。
内生样本选择（Endogenous Sample Selection）：非随机样本选择，其选择直接地或通过方程中的误差项与因变量相联系。
误差项（Error Term）：在简单或多元回归方程中，包含了未观测到的影响因变量的因素的变量。误差项也可能包含被观测的因变量或自变量中的测量误差。
误差方差（Error Variance）：多元回归模型中误差项的方差。
事件研究（Event Study）：事件（例如政府规制或经济政策的变化）对结果变量的效应的计量分析。
排除一个有关变量（Excluding a Relevant Variable）：在多元回归分析中，遗漏了一个对因变量有非零偏效应的变量。
排斥性约束（Exclusion Restrictions）：说明某些变量被排斥在模型之外（或具有零总体参数）的约束。
外生解释变量（Exogenous Explanatory Variable）：与误差项不相关的解释变量。
外生样本选择（Exogenous Sample Selection）：或者依赖外生解释变量，或者与所感兴趣的模型中的误差项不相关的样本选择。
实验数据（Experimental Data）：通过进行受控制的实验获得的数据。
试验组（Experimental Group）：见处理组。
解释平方和（SSE）（Explained Sum of Squares, SSE）：多元回归模型中拟合值的总样本变异。
被解释变量（Explained Variable）：见因变量。
解释变量（Explanatory Variable）：在回归分析中，用于解释因变量中的变异的变量。
指数趋势（Exponential Trend）：有固定增长率的趋势。
F
F统计量（F Statistic）：在多元回归模型中，用于检验关于参数的多重假设的统计量。
可行的GLS（FGLS）估计量（Feasible GLS (FGLS) Estimator）：方差或相关参数未知，因而必须先进行估计的GLS程序。（又见广义最小二乘估计量。）
有限分布滞后（FDL）模型（Finite Distributed Lag (FDL) Model）：允许一个或多个解释变量对因变量有滞后效应的动态模型。
一阶差分（First Difference）：对相邻时期做差分所构成的对时间序列的转换，即用后一时期减去前一时期。
一阶条件（First Order Conditions）：用于求解OLS估计值的一组线性方程。
拟合值（Fitted Values）：在各观测中将自变量的值插入OLS回归线时，所得到的因变量的估计值。
函数形式的错误设定（al Form Misspeci?cation）：当模型中有被遗漏的解释变量的函数（例如二次项），或者对一个因变量或某些自变量用了错误的函数时产生的问题。
G
高斯—马尔科夫假定（Gauss-Markov Assumptions）：一组假定（假定MLR.1至MLR.5或假定TS.1至TS.5），在这之下OLS是BLUE 。
高斯—马尔科夫定理（Gauss-Markov Theorem）：该定理表明，在五个高斯—马尔科夫假定下（对于横截面或时间序列模型），OLS估计量是BLUE （在解释变量样本值的条件下）。广义最小二乘（GLS）估计量（Generalized Least Squares (GLS) Estimator）：通过对原始模型的变换，说明了已知结构的误差的方差（异方差性）和误差中的序列相关形式或两者兼有的估计量。
拟合优度度量（Goodness-of-Fit Measure）：概括一组解释变量有多好地解释了因变量或响应变量的统计量。
增长率（Growth Rate）：时间序列中相对于前一时期的比例变化。可将它近似为对数差分或以百分比形式报导。
H
异方差性（Heteroskedasticity）：给定解释变量，误差项的方差不为常数。
未知形式的异方差性（Heteroskedasticity of Unknown Form）：以一未知的任意形式依赖于解释变量的异方差性。
异方差—稳健F 统计量（Heteroskedasticity-Robust F Statistic）：对未知形式的异方差性而言（渐近）稳健的F 统计量。
异方差—稳健LM 统计量（Heteroskedasticity-Robust LM Statistic）：对未知形式的异方差性而言（渐近）稳健的LM 统计量。
异方差—稳健标准误（Heteroskedasticity-Robust Standard Error）：对未知形式的异方差性而言（渐近）稳健的标准误。
异方差—稳健t 统计量（Heteroskedasticity-Robust t Statistic）：对未知形式的异方差性而言（渐近）稳健的t 统计量。
高持续性过程（Highly Persistent Process）：时间序列过程，其中遥远的将来的结果与当前的结果高度相关。
同方差性（Homoskedasticity）：回归模型中的误差在解释变量条件下具有不变的方差。
I
即期弹性（Impact Elasticity）：在分布滞后模型中，给定自变量增加1%因变量的即时的百分比变化。
即期乘数（Impact Multiplier）：见即期倾向。
即期倾向（Impact Propensity）：在分布滞后模型中，自变量增加一个单位因变量的即时的变化。
包含一个无关变量（Inclusion of an Irrelevant Variable）：用OLS估计方程时，回归模型中包含了总体参数为零的解释变量。
指数（Index Number）：关于经济行为（例如生产或价格）总量信息的统计量。
影响重大的观测值（In?uential Observations）：见奇异值。
INTRODUCTORY ECONOMETRICS
一阶自积［I（1）］（Integrated of Order One [I(1)]）：需要做一阶差分来得到I（0）过程的时间序列过程。
零阶自积［I（0）］（Integrated of Order Zero [I(0)]）：平稳、弱独立时间序列过程，当用于回归分析时，它满足大数定律和中心极限定理。
交互作用（Interaction Effect）：回归模型中为两个解释变量的乘积的自变量。
截距参数（Intercept Parameter）：复线性回归模型中，给出当所有自变量都为零时因变量的期望值的参数。
截距的变动（Intercept Shift）：回归模型中的截距，因组或时期的不同而不同。
J
联合假设检验（Joint Hypothesis Test）：一个模型中包含不止一个对参数的约束的检验。
联合统计显著性（Jointly Statistically Signi?cant）：两个或多个解释变量具有零总体系数的虚拟假设以一个选定的显著性水平被拒绝。
L
滞后分布（Lag Distribution）：在无限或有限分布滞后模型中，把滞后系数表示为滞后长度的函数。
滞后因变量（Lagged Dependent Variable）：等于以前时期的因变量的解释变量。
拉格朗日乘数统计量（Lagrange Multiplier Statistic）：仅在大样本下为正确的检验统计量，它可用于在不同的模型设定问题中检验遗漏变量、异方差性和序列相关。
大样本性质（Large Sample Properties）：见渐近性质。
水平值—水平值模型（Level-Level Model）：因变量与自变量均为标准（或原始）形式的回归模型。
水平值—对数模型（Level-Log Model）：因变量为标准形式、自变量（至少是其中一部分）为对数形式的回归模型。
线性概率模型（LPM）（Linear Probability Model, LPM）：响应概率对参数为线性的二值响应模型。
线性时间趋势（Linear Time Trend）：为时间的线性函数的趋势。
线性无偏估计量（Linear Unbiased Estimator）：在多元回归分析中，是因变量值的一个线性函数的那些无偏估计量。
对数—水平值模型（Log-Level Model）：因变量以对数形式出现，而自变量是水平（或原始）形式的一种回归模型。
对数—对数模型（Log-Log Model）：因变量和（至少一部分）解释变量都是以对数形式出现的回归模型。
长期弹性（Long-Run Elasticity）：因变量和自变量都是对数形式出现的分布滞后模型中的长期倾向。即，长期弹性是在给定解释变量增长了1%时，被解释变量最终变化的百分比。
长期乘数（Long-Run Multiplier）：参见长期倾向。
长期倾向（Long-Run Propensity）：在一个分布滞后模型中，给定自变量的一个永久性的、一个单位的增长，因变量最终的变化量。
M
配对样本（Matched Pairs Sample）：每个观测值都与另一个观测值相匹配的一种样本，如由丈夫和妻子或一对兄妹组成的样本。
测量误差（Measurement Error）：观测到的变量与多元回归方程中的变量之间的差。
微数缺测性（Micronumerosity）：由Arthur Goldberger 首先提出的一个概念，用以描述容量样本较小时计量经济学估计量的性质。
最小方差无偏估计量（Minimum Variance Unbiased Estimator）：在所有的无偏估计量中方差最小的那个估计量。
数据缺失（Missing Data）：当我们没有观测到样本中某些观测（个人、城市、时期等）所对应的一些变量值时，发生的一类数据问题。
第四章：多重共线性 二、简答题 1、导致多重共线性的原因有哪些？ 2、多重共线性为什么会使得模型的预测功能失效？ 3、如何利用辅回归模型来检验多重共线性？ 4、判断以下说法正确、错误，还是不确定？并简要陈述你的理由。 (1)尽管存在完全的多重共线性，OLS 估计量还是最优线性无偏估计量（BLUE ）。 (2)在高度多重共线性的情况下，要评价一个或者多个偏回归系数的个别显著性是不可能的。 (3)如果某一辅回归显示出较高的2 i R 值，则必然会存在高度的多重共线性。 (4)变量之间的相关系数较高是存在多重共线性的充分必要条件。 (5)如果回归的目的仅仅是为了预测，则变量之间存在多重共线性是无害的。 12233i i i Y X X βββ=++ 来对以上数据进行拟合回归。 (1) 我们能得到这3个估计量吗？并说明理由。 (2) 如果不能，那么我们能否估计得到这些参数的线性组合？可以的话，写出必要的计 算过程。 6、考虑以下模型： 23 1234i i i i i Y X X X ββββμ=++++ 由于2X 和3 X 是X 的函数，那么它们之间存在多重共线性。这种说法对吗？为什么？ 7、在涉及时间序列数据的回归分析中，如果回归模型不仅含有解释变量的当前值，同时还含有它们的滞后值，我们把这类模型称为分布滞后模型（distributed-lag model ）。我们考虑以下模型： 12313233i t t t t t Y X X X X βββββμ---=+++++ 其中Y ——消费，X ——收入，t ——时间。该模型表示当期的消费是其现期的收入及其滞后三期的收入的线性函数。 （1） 在这一类模型中是否会存在多重共线性？为什么？ （2） 如果存在多重共线性的话，应该如何解决这个问题？ 8、设想在模型 12233i i i i Y X X βββμ=+++ 中，2X 和3X 之间的相关系数23r 为零。如果我们做如下的回归：
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
序列直方图： Mean 均值, median 中位数, maximum 最大值, minimum 最小值, Std.Dev 标准差, skewness 偏度, kurtosis 峰度, “arque-bera 统计量及其概率probability ” 说明：正态分布的偏度S=0，呈对称分布。若样本序列的S>0，则呈右偏分布；否则呈左偏分布。正态分布的峰度K=3，若样本序列的K>3，则序列分布的尾部比正态分布的尾部厚，其分布呈现出“高瘦”形状，即“尖峰”；否则其分布的尾部比正态分布的尾部薄，其分布呈现出“矮胖”的形状。大多数金融时间序列呈“尖峰厚尾、非对称分布”。Jarque-Bera 检验统计量用来初步检验某个分布是否为正态分布。在序列观测值为正态分布的原假设下，Jarque-Bera 统计量服从2(2)χ分布，可以根据Jarque-Bera 统计量的概率值P 来决定是否拒绝零假设。若P 大于检验水平α，则不能拒绝样本序列服从正态分布的原假设。 线性回归： Variable 变量，coefficient 系数 std.error 回归方程系数估计值标准误差，其主要用于衡量回归系数的统计可靠性，标准误差越大，说明回归系数估计值越不精确。 t-statistic 是回归系数的 T 统计量，用于检验某个系数是否显著的异于零。 Prob.是t 统计量值的双侧概率（P 值），若P 小于检验水平，说明相应的系数估计值显著的异于零；否则系数不显著。如：在5%显著性水平下，如果P 值小于0.05，就拒绝原假设，否则接受原假设，认为他们对模型的因变量（Y ）没有影响。 R-squanred 决定系数R^2, 较大则说明模型对因变量拟合得较好，模型中的解释变量能够解释因变量变动的很大一部分。（R^2并不是判断模型拟合好坏的唯一指标，回归模型的R^2较小，并不一定说明模型拟合程度很差。有时，如果回归方程中没有截距项或常数项，或者使用了两阶段最小二乘法（TSLS ），则R^2可能为负数。）（R-squared 是模型中所有自变量对因变量的整体拟合效果的度量，但是并不是越高越好，因为自变量越多，R2就越高，由此有了ADJUSTED R-squared,这个指标就剔除了自由度的影响。） Adjusted R-squared 修整决定系数R^2, Mean dependent var 被解释变量均值 S.D.dependentvar 被解释变量标准差 S.E.of regression 回归标准误差，用于度量残差的大小。大约67%的残差将位于正负一个标准误差范围之内，而95%的残差将位于正负两个标准误差范围之内。 Akaike info criterion 赤池信息准则（AIC ）和Schwarz criterion 施瓦兹信息准则（SC ）。AIC 信息准则和SC 准则用于评价模型的好坏，一般要求AIC 值或SC 值越小越好。当选择变量的滞后阶数（如协整检验中），可以通过选择使AIC 或SC 达到最小的滞后分布长度。 Sum squared resid 残差平方和RSS ，越小越好，可以用作某些检验的输入值（如F 检验）。 Log likelihood 是对数似然值（简记L ），是基于极大似然估计得到的统计量，在线性回归中，其计算公式为：2log 2log 222 n n n L πσ=--- 。对数似然值用于说明模型的精确性，L 越大说明模型越精确。同时，可以通过比较有条件约束方程和无条件约束方程的对数似然估计值的差异进行似然比检验。L 越大越好，实际上右边的AIC,SC 就是根据它计算的，AIC 和SC 是越小越好，它们是为了选择最佳滞后期。 F-statistic 和Prob (F-statistic)分别是F 统计量极其相应的概率即P 值，用于对方程的整体显著性进行检验。F 检验是一个所有系数估计值都不为零的联合检验，即使所有系数的t 统计量都是不显著的，F 统计量也可能是显著的。F 统计量越大模型整体越显著，根据上面提到的
计量经济学课程设计(论文) 设计（论文）题目 我国居民消费水平的计量分析 学院名称商学院 专业名称会计学 学生姓名赵杨（3208808040630） 龚悦（3201108040624）曾薇（3201108040629）任课教师朱靖 设计（论文）成绩 教务处制 年月日
我国居民消费水平的计量分析 摘要 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，随着国家经济实力的增强,随着教育事业的跨越发展,国家对不同阶段、不同领域、不同地域的经济社会发展大量采用科学、定量、求实的预测、指导方法,摒弃太多的人为影响,所作出的决策越来越切合实际,而效果亦愈来愈好;而这其中,计量分析方法功不可没。所以国家制定并实施了一系列相关财政及货币政策来刺激消费，增加居民投资的作用，居民消费虽有增长却不能支撑整个国民经济的发展。不管从宏观还是微观来分析，我国居民最终消费支出都直接影响到我国的国民经济运行及整个经济的发展，所以对我国居民最终消费支出的问题进行研究是必不可少的，而且十分重要。我们可以运用研究的结果来分析现状并制定正确的应对方针。消费是经济活动的起点和归宿，也是推动经济增长的重要因素。 关键词：居民消费；税收；CPI
第一章模型设定 1.1理论综述 对决定消费的主要因素,国外学术界有两种主要不同的理论观点:一种是凯恩斯主义消费函数,强调现期消费主要取决于现期收入,随着可支配收入增加,消费也增加。这种消费理论主要强调的是用收入来解释消费,也叫绝对收入假说。他指出的是消费增长与收入增长之间是一种非比例关系。另一种是面向未来的消费函数,强调消费对一生总财富的依赖,以及储蓄在稳定消费中的作用——莫迪利阿尼的生命周期理论强调为退休后的生活而储蓄的重要性;弗里德曼的持久收入假说强调储蓄在稳定高收入年份和低收入年份之间消费的作用,他强调的是持久性收入影响消费支出,而暂时性收入对消费支出的影响是通过对持久收入的影响而发生的,它的变动只会引起消费的波动,消费时持久性收入的稳定函数,而且消费的边际倾向没有递减。因此,消费不完全取决于现期收入。但是,经济学家大量经验观察说明,消费更多依赖于现期收入,主要原因，一是当居民收入下降或担心失业时,他可能会推迟或削减耐用品购买,现期消费就减少;二是当居民收入下降时,消费信贷会受到配额限制,他就不得不削减现期消费。简要的说,一种强调现期消费主要取决于现期收入。事实表明,两种因素同时对消费起着作用。 1.2变量选取 消费的决定因素包括：当期可支配收入、个人财富、物价指数、货币流通量以及永久收入等等。并且认为收入增加消费增加,收入减少消费难以减少,主要因素为实际可支配收入。 可支配收入是指国民收入减去所有家庭和公司交纳的直接税，再减去企业净储蓄，最后加上家庭从政府那里获得的转移支付。由于可支配收入计算易出现误差,且可支配收入最终仍然由国民收入决定且与国民收入值差距不大，所以我们采用国民收入代替计算。 货币流通量指货币离开金库在市场上流通的货币数量。投放货币就增加了货币流通量，反之，回笼货币就减少了货币流通量。增加或减少货币流通量主要是适应经济和社会发展需要。货币流通量过少，不能满足商品交换的需要，就会影响经济发展；货币流通量过多，超出了商品交换的需要，就会出现通货膨胀，同样会影响经济的增长。
计量经济学课程实验教学大纲 课程编号：0102069 课程名称：计量经济学 课程英文名称：Econometrics 总学时：56 理论学时：48 实验学时：8 课外学时：0 学分：3.5 先修课程要求：高等数学、概率论与数理统计、线性代数、微观经济学宏观经济学 课程属性：非独立设课 实验学时：8 课外学时：0 实验项目数：4 适用专业：金融学应用统计学 参考教材：李子奈，潘文卿：《计量经济学》（第三版），高等教育出版社，2010。 教学参考书： [1] 郭存芝，杜延军，李春吉：《计量经济学——理论、方法、Eviews应用》，科学出版社，2009 [2] 李子奈：《计量经济学》，高等教育出版社，2000 [3] 张晓峒：《计量经济学基础》（第2版），南开大学出版社，2005 [4] （美）Ramu Ramanathan 著，薛菁睿译：《应用经济计量学》（原书第5版），机械工业出版社，2003 [5] （美）古扎拉蒂著，张涛译：《经济计量学精要》（原书第3版），机械工业出版社，2006 一、课程简介和基本要求 课程介绍：本课程是面向金融学、应用统计学专业的一门专业平台课。 内容涉及经典单方程计量经济学模型、联立方程模型、扩展的单方程计量经济学模型、时间序列模型及计量经济学应用模型。 基本要求：通过讲授经济计量学的基础知识及经济计量模型的建立、估计、检验等基本方法，培养学生掌握将经济学、统计学、数学三者结合起来建立模型的方法，以及运用计算机技术，对一般的经济模型进行数量分析的基本技能，并为学生学习金融、财政、产业经济、贸易经济等专业课程的定性与定量分析打下良好的基础。 二、课程实验目的与要求 实验目的：使学生将前修课的知识有机地联系起来，通过实践培养学生综合运用知识的初步能力。 实验要求： 1. 学生应独立完成规定的上机习题；
计量经济学复习要点 第1章 绪论 数据类型：截面、时间序列、面板 用数据度量因果效应，其他条件不变的概念 习题：C1、C2 第2章 简单线性回归 回归分析的基本概念，常用术语 现代意义的回归是一个被解释变量对若干个解释变量依存关系的研究，回归的实质是由固定的解释变量去估计被解释变量的平均值。 简单线性回归模型是只有一个解释变量的线性回归模型。 回归中的四个重要概念 1. 总体回归模型（Population Regression Model ，PRM) t t t u x y ++=10ββ--代表了总体变量间的真实关系。 2. 总体回归函数（Population Regression Function ，PRF ） t t x y E 10)(ββ+=--代表了总体变量间的依存规律。 3. 样本回归函数（Sample Regression Function ，SRF ） t t t e x y ++=10??ββ--代表了样本显示的变量关系。 4. 样本回归模型（Sample Regression Model ，SRM ） t t x y 10???ββ+=---代表了样本显示的变量依存规律。 总体回归模型与样本回归模型的主要区别是：①描述的对象不同。总体回归模型描述总体 中变量y 与x 的相互关系，而样本回归模型描述所关的样本中变量y 与x 的相互关系。②建立模型的依据不同。总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。③模型性质不同。总体回归模型不是随机模型，而样本回归模型是一个随机模型，它随样本的改变而改变。 总体回归模型与样本回归模型的联系是：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。 线性回归的含义 线性：被解释变量是关于参数的线性函数（可以不是解释变量的线性函数） 线性回归模型的基本假设 简单线性回归的基本假定：对模型和变量的假定、对随机扰动项u 的假定（零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态性假定） 普通最小二乘法（原理、推导） 最小二乘法估计参数的原则是以“残差平方和最小”。
计量经济学课程设计的要求 统计年签网址：https://www.doczj.com/doc/6e17809750.html,/tjsj/ndsj/2013/indexch.htm 1、需要的数据可以直接从统计年签获取，统计年签网址上面已给出。 2、这里附带的EXCEL文件中提供了十个表数据，如果实在不想找也可以用这些数据。 3、题目自拟。 4、若用一元回归模型做分析，则必须要附图象分析、相关性分析，得分不会太高。 6、若用多元回归模型做分析，则至少需要有多重共线性分析，建议最好也要加入图象分析。
安徽建筑大学 计量经济学课程论文题目：影响居民消费水平因素分析 院（系）：管理学院 专业班级： 12经济学 学号： 学生姓名： 指导教师：高先务 起止时间：
目录 第1章前言 (1) 第2章影响我国居民消费水平因素的建模分析 (2) 2.1数据采集 (2) 2.2数据分析 (3) 2.3结论 (7) 第3章对策建议 (8) 3.1根据模型结果分析 (8) 3.2政策建议 (8) 参考文献 (11)
第1章前言 一、探究目的 近几年，随着我国经济的飞速发展，我国居民消费水平也有明显提高，同样，消费水平也左右着经济的发展。因此，扩大居民消费是“以人为本”的具体体现，对中国经济长期持续健康发展、对推进社会主义和谐社会建设，以及实现宏观调控目标等既具有长远的战略意义，又具有重要的现实意义。然而究竟有哪些因素制约着居民消费水平？凯恩斯认为，影响个人消费的主观因素比较稳定，消费者的消费主要取决于收入的多少。然而，大量的研究表明收入的变动并非影响消费的全部因素。还有许多其他因素或多或少地影响着消费水平。如国内生产总值、消费者物价指数、消费者家庭财产状况、年龄构成、宗教信仰等等。有些因素对于收入的影响是随机性的，如消费环境、消费者心情状况；有些因素是系统性的，如消费者个人偏好等等。因此，探究影响居民消费水平的客观因素十分重要。本文主要研究城镇居民人均可支配收入、农村居民人均纯收入、国家税收收入对于我国居民消费水平的影响。 二、理论依据 （一）城镇居民人均可支配收入与农村居民人均纯收入 1.城镇居民人均可支配收入是指反映居民家庭全部现金收入能用于安排家庭日常生活的那部分收入。它是家庭总收入扣除交纳的所得税、个人交纳的社会保障费以及调查户的记账补贴后的收入。 可支配收入=家庭总收入- 交纳的所得税- 个人交纳的社会保障支出- 记帐补贴 2.农村居民人均纯收入，又称农民人均纯收入，是指农村居民家庭全年总收入中，扣除从事生产和非生产经营费用支出、缴纳税款和上交承包集体任务金额以后剩余的，可直接用于进行生产性、非生产性建设投资、生活消费和积蓄的那一部分收入。也包括工资性收入、经营性收入、财产性收入、转移性收入。 此两项收入被认为是影响一个国家消费水平的核心因素，因此对于消费水平模型的探究具有重要意义。 （二）国家税收收入 税收收入是指国家依据其政治权力向纳税人强制征收的收入，它是最古老、也是最主要的一种财政收入形式。除组织收入的职能外，税收对经济社会运行和资源配置都具有重要的调节作用。有学者认为收入分配失衡是导致我国居民消费收入不足的原因之一而税收收入可以调节收入分配的失衡，实行二次分配，因此对于居民消费水平的研究具有重要意义。
《计量经济学》课程教学大纲 课程名称：经济计量学 / Econometrics 课程代码：030230 学时：32 学分：2 讲课学时：328 上机/实验学时：0 考核方式：考试 先修课程：经济学、微积分、线性代数、概率统计、计算机基础 适用专业：金融学及相关专业 开课院系：管理学院投机金融系 教材：赵国庆. 计量经济学. 中国人民大学出版社，2002年 主要参考书： [1] 李子奈.计量经济学.高等教育出版社，2000年7月 [2] 李长风.经济计量学.上海财经大学出版社， 1996.5 [3] 刘振亚.计量经济学教程.中国人民大学出版社，1999 [4]（美）格林著.计量经济分析.科学技术出版社，1999年 [5]（美）Robert S. Pindyck, Daniel L. Rubinfeld 著，钱小军等译. 计量经济模型与经济预测. 机械工业出版社，1999.11 [6] 张保法.经济计量学（第四版）.经济科学出版社，2000年1 [7] 孙敬水主编。计量经济学.清华大学出版社，2004年9月 [8] 庞皓主编.计量经济学.西南财经大学出版社，2002年8月 一、课程的性质和任务 计量经济学是经济学类的一门核心课程。该课程是以经济理论为指导，统计为基础，数学为手段，考察现代经济社会中的各种经济数量关系、预测经济发展趋势、检验经济政策效果的工具。本课程的主要特点是：理论知识与实际应用并重。要求理论与实际相结合，定性与定量相结合。学习过程中，既要认真学习计量经济学的基础理论知识，又要注重经济计量方法在实践中的应用。本课程的主要任务是：在本课程的教学中，要求学生学习、掌握计量经济学的基本原理和计量方法，培养学生在现代经济学的理论基础上，运用经济计量方法、经济计量模型定量分析与定量研究经济学中的有关问题，提高分析和解决有关实际经济问题的能力。 二、教学内容和基本要求 教学内容： 第一章绪论 1.1 计量经济学的有关概念 1.1.1 计量经济学的产生和发展 1.1.2 计量经济学的内容体系 1.1.3 计量经济学与相关学科的关系 1.2 计量经济学模型的特点与建模步骤 1.2.1 计量经济学模型的特点 1.2.2 计量经济学模型建模前的分析 1.2.3计量经济学模型的特建模步骤 1.3 计量经济学中常用概率分布基础 1.3.1 随机变量的概率分布与分布特征 1.3.2 常用概率分布及其特征 1.3.3 常用样本统计量与抽样分布
相关分析：主要研究随机变量间的相关形式及相关程度。 回归分析：研究一个变量关于另一个变量的依赖关系的计算方法和理论。 高斯马尔科夫定理：普通最小二乘估计量具有线性性、无偏性和有效性等优良性质，是最佳线性无偏估计量。 高斯马尔科夫假定：(1)模型设立正确 (2)无完全共线性 (3)可识别性 (4) 零均值、同方差。无序列相关假定(5) 解释变量与随机项不相关 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。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。 计量经济学模型成功的三要素:理论、方法和数据。 滞后变量模型：把过去时期的，具有滞后作用的变量叫做滞后变量，含有滞后变量的模型称为滞后变量模型。 多重共线性：如果某两个或多个解释变量之间出现了相关性，则称为存在多重共线性。 多重共线性的后果：(1)完全共线性下参数估计量不存在(2)近似共线性下普通最小二乘法参数估计量的方差变大(3)参数估计量经济含义不合理(4)变量的显著性检验和模型的预测功能失去意义。 多重共线性的检验:(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。 克服多重共线性的方法:(1)排出引起共线性的变量(2)差分法(3)减小参数估计量的方差。完全共线性：对于多元线性回归模型，其基本假设之一是解释变量，，…，是相互独立的，如果存在，i=1，2，…，n，其中c不全为0，即某一个解释变量可以用其他解释变量的线性组合表示，则称为完全共线性。 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。 异方差性的后果：(1)参数估计量非有效(2)变量的显著性检验失去意义(3)模型的预测失效异方差性的检验方法：(1)图示检验法(2)帕克检验和戈里瑟检验(3)G-Q检验(4)怀特检验。异方差性的修正:最常用的方法是加权最小二乘法，即对原模型加权，使之变成一个新的不存在异方差的模型，然后采用OLS法估计其参数。 序列相关性：多元线形回归模型的基本假设之一是模型的随机干扰项相互独立或不相关。如果模型的随机干扰项违背了相互独立的基本假设，称为存在序列相关性。 序列相关性的后果：(1)参数估计量非有效(2)变量的显著性检验失去意义(3)模型的预测失败。 序列相关性的检验方法：(1)图示法(2)回归检验法(3)杜宾—瓦森检验法 (4)拉格朗日乘法检验。 序列相关性的补救:(1)广义最小二乘法(2)广义差分法(3)随机干扰项相关系数的估计(4)广义差分法在计量经济学软件中的实现。 最小二乘估计量的性质：(1)线形性(2)无偏性(3)有效性(4)渐近无偏性(5)一致性(6)渐进有效性。 最小样本容量：即从最小二乘原理和最大似然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。 随机干扰项：即随机误差项，是一个随机变量，是针对总体回归函数而言的。 无偏性：是指参数估计量的均值（期望）等于模型的参数值。 需求函数的零阶齐次性：消费者收入、商品价格和相关商品价格均增长 倍时，商品的需
计量经济学术语 A 校正R2（Adjusted R-Squared）：多元回归分析中拟合优度的量度，在估计误差的方差时对添加的解释变量用?一个自由度来调整。 对立假设（Alternative Hypothesis）：检验虚拟假设时的相对假设。 AR（1）序列相关（AR(1) Serial Correlation）：时间序列回归模型中的误差遵循AR（1）模型。 渐近置信区间（Asymptotic Confidence Interval）：大样本容量下近似成立的置信区间。 渐近正态性（Asymptotic Normality）：适当正态化后样本分布收敛到标准正态分布的估计量。 渐近性质（Asymptotic Properties）：当样本容量无限增长时适用的估计量和检验统计量性质。 渐近标准误（Asymptotic Standard Error）：大样本下生效的标准误。 渐近t 统计量（Asymptotic t Statistic）：大样本下近似服从标准正态分布的t统计量。 渐近方差（Asymptotic Variance）：为了获得渐近标准正态分布，我们必须用以除估计量的平方值。 渐近有效（Asymptotically Efficient）：对于服从渐近正态分布的?一致性估计量，有最小渐近方差的估计量。 渐近不相关（Asymptotically Uncorrelated）：时间序列过程中，随着两个时点上的随机变量的时间间隔增加，它们之间的相关趋于零。 衰减偏误（Attenuation Bias）：总是朝向零的估计量偏误，因而有衰减偏误的估计量的期望值小于参数的绝对值。 自回归条件异方差性（Autoregressive Conditional Heteroskedasticity, ARCH）：动态异方差性模型，即给定过去信息，误差项的方差线性依赖于过去的误差的平方。 ?一阶自回归过程[AR（1）]（Autoregressive Process of Order One [AR(1)]）：?一个时间序列模型，其当前值线性依赖于最近的值加上?一个无法预测的扰动。 辅助回归（Auxiliary Regression）：用于计算检验统计量——例如异方差性和序列相关的检验统计量——或其他任何不估计主要感兴趣的模型的回归。 平均值（Average）：n个数之和除以n。 B 基组、基准组（Base Group）：在包含虚拟解释变量的多元回归模型中，由截距代表的组。 基期（Base Period）：对于指数数字，例如价格或生产指数，其他所有时期均用来作为衡量标准的时期。 基期值（Base Value）：指定的基期的值，用以构造指数数字；通常基本值为1或100。 最优线性无偏估计量（Best Linear Unbiased Estimator, BLUE）：在所有线性、无偏估计量中，有最小方差的估计量。在高斯—马尔科夫假定下，OLS是以解释变量样本值为条件的贝塔系数（Beta Coef?cients）：见标准化系数。 偏误（Bias）：估计量的期望参数值与总体参数值之差。 偏误估计量（Biased Estimator）：期望或抽样平均与假设要估计的总体值有差异的估计量。 向零的偏误（Biased Towards Zero）：描述的是估计量的期望绝对值小于总体参数的绝对值。 二值响应模型（Binary Response Model）：二值因变量的模型。 二值变量（Binary Variable）：见虚拟变量。 两变量回归模型（Bivariate Regression Model）：见简单线性回归模型。 BLUE（BLUE）：见最优线性无偏估计量。 Breusch-Godfrey 检验（Breusch-Godfrey Test）：渐近正确的AR（p）序列相关检验，以AR（1）最为流行；该检验考虑到滞后因变量和其他不是严格外生的回归元。 Breusch-Pagan 检验（Breusch-Pagan Test）：将OLS残差的平方对模型中的解释变量做回归的异方差性检验。 C 因果效应（Causal Effect）：?一个变量在其余条件不变情况下的变化对另?一个变量产生的影响。 其余条件不变（Ceteris Paribus）：其他所有相关因素均保持固定不变。 经典含误差变量（Classical Errors-in-Variables, CEV）：观测的量度等于实际变量加上?一个独立的或至少不相关的测量误差的测量误差模型。 经典线性模型（Classical Linear Model）：全套经典线性模型假定下的复线性回归模型。 经典线性模型（CLM）假定（Classical Linear Model (CLM) Assumptions）：对多元回归分析的理想假定集，对横截面分析为假定MLR.1至MLR.6，对时间序列分析为假定 对参数为线性、无完全共线性、零条件均值、同方差、无序列相关和误差正态性。 科克伦—奥克特（CO）估计（Cochrane-Orcutt (CO) Estimation）：估计含AR（1）误差和严格外生解释变量的多元线性回归模型的?一种方法；与普莱斯—温斯登估计不同，科克伦—奥克特估不使用第?一期的方程。 置信区间（CI）（Con?dence Interval, CI）：用于构造随机区间的规则，以使所有数据集中的某?一百分比（由置信水平决定）给出包含总体值的区间。 置信水平（Con?dence Level）：我们想要可能的样本置信区间包含总体值的百分比，95%是最常见的置信水平，90%和99%也用。 不变弹性模型（Constant Elasticity Model）：因变量关于解释变量的弹性为常数的模型；在多元回归中，两者均以对数形式出现。 同期外生回归元（Contemporaneously Exogenous）：在时间序列或综列数据应用中，与同期误差项不相关但对其他时期则不?一定的回归元。 控制组（Control Group）：在项目评估中，不参与该项目的组。 控制变量（Control Variable）：见解释变量。 协方差平稳（Covariance Stationary）：时间序列过程，其均值、方差为常数，且序列中任意两个随机变量之间的协方差仅与它们的间隔有关。 协变量（Covariate）：见解释变量。 临界值（Critical Value）：在假设检验中，用于与检验统计量比较来决定是否拒绝虚拟假设的值。 横截面数据集（Cross-Sectional Data Set）：在给定时点上从总体中收集的数据集 D 数据频率（Data Frequency）：收集时间序列数据的区间。年度、季度和月度是最常见的数据频率。 戴维森—麦金农检验（Davidson-MacKinnon Test）：用于检验相对于非嵌套对立假设的模型的检验：它可用相争持模型中得出的拟合值的t检验来实现。 自由度（df）（Degrees of Freedom, df）：在多元回归模型分析中，观测值的个数减去待估参数的个数。 分母自由度（Denominator Degrees of Freedom）：F检验中无约束模型的自由度。 因变量（Dependent Variable）：在多元回归模型（和其他各种模型）中被解释的变量。
关于计量经济学课程教学内容的创新与思考 摘要：本文主要从计量经济学应用研究中的问题和错误出发，提出了计量经济学课程教学内容创新的必要性；通过对国内外计量经济学教科书内容体系的分析，指出进行计量经济学课程教学内容创新的主要方向，即将计量经济学模型的设定理论和方法，以及数据的分析和诊断引入计量经济学教学内容；最后具体说明《计量经济学》第3版在教学内容创新方面所迈出的实质性一步。 关键词：计量经济学；计量经济学模型；计量经济学模型设定 一、问题的提出 计量经济学自20世纪70年代末80年代初进入中国，从80年代中开始，高等院校经济类专业相继开设了系统的计量经济学课程。1998年7月，教育部高等学校经济类学科专业教学指导委员会讨论并确定了高等学校经济学门类各专业的8门共同核心课程，其中包括“计量经济学”。根据我们2006年暑期的调查，设置经济类本科专业的高校中98％的学校开设了计量经济学课程，设置管理类本科专业的高校中60％的学校开设了该课程。在经济学和管理学两大门类，计量经济学已经成为开设面最广的少数几门课程之一。 2007年10月，在首届中国经济管理基础课程教学高层论坛上，笔者曾以“关于计量经济学课程教学的实践与思考”为题，提交一篇论文。在那篇文章中，提出了在本科生计量经济学课程内容体系设计中，必须重视和处理好教学内容的基础性和前沿性的关系，理论方法和应用的关系，模型理论方法中思路和数学过程的关系，以及应用模型中模型发展方法论和具体模型的关系。另外，还对计量经济学教材建设、教学研究、教师的专业水平和知识结构等本科生计量经济学课程教学所面临的重要问题进行了讨论。最后，文章第一次明确提出了“计量经济学课程中国化”的问题。 2008年9月，在以“中国模式与中国经济学发展一一改革开放30周年回顾与展望”为主题的“中国经济学教育第三届年会”上，笔者提交了论文“我国计量经济学发展的三个阶段与现阶段的三项任务”。文章指出计量经济学的迅速发展是30年来我国经济学发展的显著标志之一，从六个方面分析了原因。将我国计量经济学教学与研究的发展历程划分为三个阶段，即推广普及阶段、教学的提高与应用研究的推广阶段，以及目前的发展与创新阶段。提出了目前阶段的三个任务，即加强理论研究，提高应用研究的水平和发展中国的计量经济学课程。明确提出了“建设中国的计量经济学课程”的问题。 无论是“计量经济学课程中国化”，还是“建设中国的计量经济学课程”，都很
三、名词解释 1．经济计量学：是经济学、统计学和数学合流而构成的一门交叉学科。 2．理论经济计量学：是寻找适当的方法，去测度由经济计量模型设定的经济关系式。 3．应用经济化量学：以经济理论和事实为出发点，应用计量方法，解决经济系统运行过程中的理论问题或实践问题。 4．内生变量：具有一定概率分布的随机变量，由模型自身决定，其数值是求解模型的结果。 5．外生变量：是非随机变量，在模型体系之外决定，即在模型求解之前已经得到了数值。 6．随机方程：根据经济行为构造的函数关系式。 7．非随机方程：根据经济学理论或政策、法规而构造的经济变量恒等式。 8．时序数据：指某一经济变量在各个时期的数值按时间先后顺序排列所形成的数列。 9．截面数据：指在同一时点或时期上，不同统计单位的相同统计指标组成的数据。 三、名词解释 1．回归分析：就是研究被解释变量对解释变量的依赖关系，其目的就是通过解释变量的已知或设定值，去估计或预测被解释变量的总体均值。 2．相关分析：测度两个变量之间的线性关联度的分析方法。 3．总体回归函数：E (Y /X i )是X i 的一个线性函数，就是总体回归函数，简称总体回归。它表明在给定X i 下Y 的分布的总体均值与X i 有函数关系，就是说它给出了Y 的均值是怎样随X 值的变化而变化的。 4．随机误差项：为随机或非系统性成份，代表所有可能影响Y ，但又未能包括到回归模型中来的被忽略变量的代理变量。 5．有效估计量：在所有线性无偏估计量中具有最小方差的无偏估计量叫做有效估计量。 6．判定系数：TSS ESS Y Y Y Y R i i =--=∑∑222)()?(，是对回归线拟合优度的度量。R 2测度了在Y 的总变异中由回归模型解释的那个部分所占的比例或百分比。 三、名词解释 1．异方差 ：在回归模型中，随机误差项1u ，2u ，…，n u 不具有相同的方差，即 ()()≠i j Var u Var u ，当j i ≠时 ，则称随机误差的方差为异方差 。 2．序列相关 ：在进行回归分析时，我们总假定其随机误差项是不相关的，即 (,)0,i j Cov u u i j =≠ 上式表示不同时点的误差项之间不相关。如果一个回归模型不满足上式，即(,)0i j Cov u u ≠，则我们称随机误差项之间存在着序列相关现象，也称为自相关 3．加权最小二乘法 ：为了克服方差非齐性，所采用的方法即加权最小二乘法。基本思
浅谈计量经济学教学实践的感受 计量经济学是教育部规定的经管类八大核心课程之一，是目前非常重要的研究经济问题的工具之一，是学生深入理解经济问题的量化工具。但目前计量经济学的教学还存在许多问题，应从学生实践、教师实践、教学软件等方面进行改进。 1 计量经济学的重要性 计量经济学是一门集经济学、数学、统计学为一体的综合学科，自从1998年7月被教育部定为经管类八大核心课程之一后，它的重要性众所周知。无论是学生、教师还是企业人员，在学习、工作中几乎都要与它打交道。无论是学习中对某一个问题的研究，还是工作中对某一现象的预测，都离不开它。开设此课程的初衷是让学生初步领会到经济学定量分析的方法以及学会如何建立、利用合理的计量经济模型来研究经济现象。很多经济现象可以量化，我们通过建立计量模型可以分析几个因素之间的相关性、扩散收敛情况等，从而加深对这个经济现象的认识，以及能从这个经济现象中得出一些合理的结论，为未来解释类似现象提供理论基础。但在实际教学中，学生掌握的效果并不好，学生并不能很好利用计量工具来研究经济现象。本人通过学习和教学实践，发现重理论、轻实践和学生动手能力差等是限制学生学习效果的障碍。
2 计量经济学教学实践中存在的问题 2.1 计量经济学重要性的认识不足 计量经济学是教育部规定的经管类八大核心课程之一，是经管类学生非常重要的一门课程，对于学生今后其他课程的学习、日常经济现象的研究、毕业论文的写作、工作中问题的解决等有着极其重要的作用。然而学生在学习中，只认为计量经济学是一门工具，课上听个大概，等到实际用到时，随便找本教材，照着案例操作一番，就可完成任务，因此，大部分学生对计量经济学课程不够重视。从教师角度看，教师发现学生不够重视，加上计量经济学本身公式、推理比较多，错过了一节课，下节课听起来就比较困难，而且讲起来相对枯燥，不容易引起学生的兴趣，教师也就相对降低标准，不那么重视计量经济学的深入讲解，学生懂个大概即可。 2.2 教师、学生重理论，轻实践 计量经济学的课程讲解中涉及了许多数学公式的理论推导过程，无论对于理科生还是文科生，理论推导过程都是相对枯燥的。有时一个公式，需要好几页纸才能写完，对于数学基础不好的学生来说，无异于雪上加霜。学生整个课堂，都在抄写公式的理论推导过程，没有时间对这个理论推导过程进行消化吸收。然而理论推导过程是计量经
广西工学院2011-2012学年第一学期 期末课程论文设计 科目金融计量经济学 课题对我国GDP影响因素的分析 任课教师杨毅 班级国贸091班 姓名 二○一二年元月
对我国GDP影响因素的分析 （研究范围：城镇、农村人均收入、恩格尔系数以及就业人数） 【摘要】：运用1990-2009年我国城镇、农村人均收入，恩格尔系数以及就业人数的数据，建立了ARLM、古典线性回归模型，通过OLS回归、怀特异方差检验、ＢＧ自相关检验、非正态检验、多重共线性分析、RESET检验、邹至庄检验等实证分析了城镇、农村人均收入、恩格尔系数以及就业人数对我国GDP影响。通过这一系列统计分析和检验方法，拟合出比较优良的GDP模型，得出1990-2009年间我国经济增长的情况。由此来分析所选取的这四个变量对GDP的贡献情况，结合当前我国宏观经济形势，找出目前经济发展存在的问题，从而找出相应的对策。 【关键词】：GDP 恩格尔系数影响因素回归分析 一、引言 改革开放以来，中国经济取得了令全世界震惊的巨大成就，持续25年年均增长率超过9%，经济总规模已经稳居世界第四。2010年中国经济增长率更是高达10%。因此，许多专家学者指出，我国目前的经济形势是上世纪90年代中期以来最好的。由此可见，GDP作为现代国民经济核算体系的核心指标，它的总量可以反映一个国家和地区的经济发展及人民的生活水平，其结构可反映社会生产与使用，投资与消费之间的比例关系及宏观经济效益，对于经济研究、经济管理都具有十分重要的意义。尤其从1985年我国开始正式统计GDP后，它就越来越受到人们的关注。GDP的核算中有许多因素在起着作用，为此，本文对国内生产总值GDP的影响因素作计量模型的实证分析，以期分析各影响因素对经济增长的贡献情况，结合我国当前的宏观经济形势，对国家宏观经济政策提出一点自己的看法。
计量经济学实验课教学大纲 一、课程基本情况 课程名称：计量经济学实验 课程类别：必修 适用专业：经济管理类专业 学时：14学时 二、课程简介 计量经济学是经教育部批准的高等学校经济学类各专业八门核心课程之一，是高等经济学教育不可缺少的重要组成部分。本课程是以揭示经济活动中客观存在的数量关系为内容的经济学分支学科，为思考和描述经济问题和政策提供了基本的研究和分析方法。实验教学在计量经济学课程中占有非常重要的地位。根据教育部高等学校经济学科教学指导委员会制定的计量经济学教学基本要求，学生在学习计量经济学理论的同时必须能够掌握一定的实践分析能力，掌握一至两种计量经济学软件的应用。使学生能通过学习软件的运用，达到应用经济理论和计量经济学模型分析比较简单的经济问题的目的。同时，实验课程的开设也有利于学生立足于实际工作和社会需要，进行综合能力的锻炼。 三、实验教学目的和要求 （一）本课程教学目的 通过本课程的学习，使学生了解经济数量分析实验课程在经济类本科专业课程体系中的地位，了解经济数量分析在经济学科的发展和实际工作中的作用。能够建立并应用简单的计量经济学模型，并对现实经济活动进行分析和预测。使学生具有进一步学习与应用计量经济
学理论、方法与模型的基础和能力。 （二）本课程教学要求 1.对学生的基本要求 （1）按实验内容，认真严肃地对待实验，实验中发现的问题应积极发挥主观能动性设法解决，或与老师、同学商讨，每个实验项目结束后写好实验报告。 （2）学生的实验报告要反映实验步骤、实验结果、实验分析总结等内容。 四、实验项目设置和内容
五、实验指导、评价体系、考核方式及成绩评定 （一）实验指导及评价体系 1.对个别学生的问题，实验指导教师可作个别解答；对多数学生都有的问题，在课堂上演示说明。 2.实验评分（100分）的70％由实验指导教师根据学生提交的《计量经济学》实验课程报告评定。其余的30%由实验指导教师根据学生到课情况、课堂抽查、学生做实验认真和规范化程度给予综合评分。 （二）考核方式与成绩评定标准 该课程考核包括由平时与期末考试两部分构成，平时成绩占30%，期末卷面成绩占70%。成绩评定采用百分制。 平时成绩由实验考勤情况、及实验报告撰写二部分构成，所占分值分别为30%和70%。 六、实验指导（参考）书