当前位置:文档之家› 总体经济时间序列分析.doc

总体经济时间序列分析.doc

总体经济时间序列分析.doc
总体经济时间序列分析.doc

總體經濟時間序列分析

授課老師:林向愷

研究室:經研所316室

聯絡電話:2351-9641轉669或0952-068664

I.課程目標

本課程為總體經濟時間序列的計量分析(econometric analysis of

macroeconomic time series) 而非統計分析。本課程著重時間序列模型(尤其是向量自迴歸模型) 的認定與估計。時間序列模型需要額外條件才能讓模型得以認定。第一種方法是以結構性向量自迴歸模型(structural V AR model) 為架構,並透過額外認定條件賦予干擾項經濟意義。這種方法主要係藉由經濟理論對干擾項變異數,共變異數矩陣中待定係數找出認定所需的額外條件。由於額外條件僅讓結構性向量自迴歸模型足以認定(just identified),故有無法利用統計檢定方法檢驗認定這些條件是否成立缺點。第二種方法則是利用完整設定的經濟模型以及理性預期假設說導出對模型待估的結構性參數(structural parameters) 的跨式限制條件(cross-equation restrictions)。

介紹不同類型認定條件後,本課程亦將介紹如何估計結構性時間序列模型以及檢定不同型式的限制條件。

I I.課程內容

1.結構性向量自迴歸模型

Ahmed, S., Ickes, B.W., Wang, P. and Yoo, B.S. (1993). “International Business Cycles.”

American Economic Review, 83:335-359.

Benassy, Jean-Pascal (1995). “Mo ney and Wage Contracts in an Optimizing Model of the Business Cycle.” Journal of Monetary Economics. 35:303-315.

Bernanke, B. (1986). “Alternative Explanations of the Money-Income

Correlation.”Carnegie-Rochester Conference Series on Public Policy, 25:49-100.

Blanchard, O.J. (1989). “A Traditional Interpretation of Macroeconomic Fluctuations.”

American Economic Review. 79:1146-64.

Blanchard, O.J. and Quah, D. (1989). “The Dynamic Effect of Aggregate Demand and Supply Disturbances.”American Economic Review. 79:655-673.

Blanchard, O.J and Perotti, R. (2002). “An Empirical Characterization of the Dynamic Effects of Changes in Government Spending and Taxes on Output.”

Quarterly Journal of Economics. 117:1329-1368.

Cogley, Timothy and Nason, James M. (1993). “Impulse Dynamics and Propagation Mechanism in a Real Business Cycle Model.” Economics Letter. 43(4):77-81. Cogley, Timothy and Nason, James M. (1995). “Output Dynamics in Real-Business-Cycle Models.” The American Economic Review. 85(3):492-511.

Cooley, T.F. and Dwyer, M. (1998). “Business Cycle Analysis without Much Theory: A Look at Structural V ARs.” Journal of Econometrics. 83:57-88.

Gali, Jordi (1992). “How Well Does the IS-LM Model Fit Postwar U.S. Data?” Quarterly Journal of Economics. 709-738.

Gali, Jordi (1994). “Government Size and Macroeconomic Stability.”European Economic Review. 38(1):117-32.

Gali, Jordi (1999). “Technology, Employment, and the Business Cycle: Do Technology Shock s Explain Aggregate Fluctuations?” The American Economic

Review. 89(1):249-271.

Gregory, Allan W. and Smith, Gregor W. (1991). “Calibration as Testing: Investment in Simulated Macroeconomic Models.” Journal of Business and Economic Statistics.

9(3):297-303.

Keating, J.W. (1990). “Identifying V AR Models under Rational Expectations Models.”

Journal of Monetary Economics. 25:453-476.

King, R.G. and Plosser, C.I. (1984). “Money, Credit and Prices in a Real Business Cycle.”

American Economic Review. 74:195-232.

King, Robert G. and Watson, Mark W. (1994). “The Post-War U.S. Phillips Curve: A Revisionist Econometric History.”Carnegie-Rochester Conference Series on Public Policy. 41:157-220.

King, Robert G. and Watson, Mark W. (1996). “Mone y Prices, Interest Rates and the Business Cycle.”Review of Economics and Statistics. 78(1):35-53.

King, R.G., Plosser, C.I., Stock, J. and Watson, M. (1991). “Stochastic Trend an d Economic Fluctuations.” American Economic Review. 81:819-846.

Leamer, Edward E. (1985). “Vector Autoregressions for Causal Inference?” in K.

Brunner and A. Meltzer, eds., Understanding Monetary Regimes,

Carnegie-Rochester Conference Series on Public Policy (North-Holland,

Amsterdam). 255-303.

Lippi, Marco and Reichlin, Lucrezia (1993). “The Dynamic Effects of Aggregate Demand and Supply Disturbances: Comment.” The American Economic Review.

83(3): 642-658.

Litterman, R.B. and Weiss, L. (1985). “Money, Real Interest Rates, and

Output: A R einterpretation of Postwar U.S. Data,” Econometrica, 53(1): 129-156.

McCallum, B.T. (1983). “A Reconsideration of Sim’s Evidence Concerning

Monetarism.”Economic Letters. 13:167-171.

Sims, C.A. (1972). “Money, Income and Causality.” The American Economic Review, LXII(4): 540-552.

Rotemberg, Julio J. (1996). “Prices, Output, and Hours: An Empirical Analysis Based on a Sticky Price Model.” Journal of Monetary Economics. 37:505-533.

2.變數外生性與政策分析

Chamberlain, Gary (1982). “The General Equivalence of Granger and Sims

Causality.” Econometrica. 50: 569-582.

Chang, P., and S. Sakata (2007). “Estimation of Impulse Response Functions Using Long Autoregressions.”Econometrics Journal. 10: 453-469.

Cooley, T.F. and LeRoy, S.F. (1985). “Atheoretical Macroeconometrics: A Critique.”

Journal of Monetary Economics. 16: 283-308.

Engle, Robert E., David F. Hendry and Jean-Francois Richard (1983), “Exogeneity.”

Econometrica. 51: 277-304.

Koop, Gary, Pesaren, M. Hashem, and Potter, Simon M. (1996). “Impulse Response Analysis in Nonlinear Multivariate M odels.”Journal of Econometrics.

74:119-147.

Jorda, O. (2005). “Estimation and Inference of Impulse Responses by Local

Projections,” American Economic Review. 95:161-182.

Kilian, L.(2001). “Impulse Response Analysis in Vector Autoregressions with Unknown Lag Order.” Journal of Forecasting. 20:161-179.

Kilian, L. and Chang, P.-L. (2000). “How Accurate are Confidence Intervals for Impulse Responses in Large V AR Models?” Ecnomics Letters. 69: 299-307.

Sargent, T.J. (1982). “Beyond Supply and Demand C urves in Macroeconomics.”

American Economic Review. 72(2): 382-389.

Sims, Christopher A. (1980a). “ Macroeconomics and Reality. ”Econometrica.

48:1-47.

Sims, Christopher A. (1980b).“Comparison of Interwar and Postwar Business Cycles: Monetarism Reconsidered.” American Economic Review. 70:250-259.

Sims, Christopher A. (1982). “Policy Analysis with Econometric Models.” Brookings

Papers on Economic Activity.107-164.

Sims, C.A. (1986). “Are Forecasting Models Usable for P olicy Analysis?” FRB of Minneapolis Quarterly Review. 2-15.

Sims, Christopher A. (1989). “Models and Their Uses.”American Journal of

Agricultural Economics. 71(2):489-94.

Simon, Herbert A. (1953). Causal Ordering and Identifiably, Ch.III in William

C. Hood and Tjalling C. Koopmans, eds., Studies in Econometric Method.

New Heaven: Cowles Foundation.

Sims, Christopher A. (1989). “Macroeconomic and Methodology.”Journal of Economic Perspectives. 10(1):105-20.

Rudebusch, G.D.(1992), “Trends and Random Walks in Macroeconomic Time Series: A Re-Examination.”International Economic Review. 33: 661-680.

Runkle, D.E.(1987). “Vector Autoregression a nd Reality,” Journal of Business and Economic Statistic. 5: 437-442.

Zellner, Arnold (1979). “Causality and econometrics, ” in K. Brunner and A. Meltzer, eds., Three Aspects of Policy and Policymaking: Knowledge, Data and Institution,

Carnegie-Rochester Conference Series on Public Policy (North-Holland,

Amsterdam). 10:9-54.

3.線性隨機差分方程與時間序列模型

Beveridge, S. and Nelson, C.R.(1981). “New Approach to Decomposition of Economic Time Series into Permanent and Transitory Components with Particular

Allention to Measurement of the Business Cycles.”Journal of Monetary

Economics. 7(2):151-174.

Fernandez-Villaverde,J., Rubio-Ramirzz, J.F. and Sargent, T.J.(2004). “A.B.C’s (and

D)’s for U nderstanding V ARS.” Manuscript.

Granger, C.W.J. (1969). “Investigating Causal Relations by Econometric Models and Cross-Spectral Methods.” Econometrica. 37(5): 424-438.

Pesaran, H.Hashem and Shin, Yongcheol (1998). “Generalized Impulse Response Analysis in Linear Multivariate M odels.” Economics Letters. 58:17-29.

Jacobs, Rodney L., Leamer, Edward E. and Michael P. Ward (1979). “Difficulties with Testing for Causation. ”Economic Inquiry. 401-413.

Nelson, Charles, R. (1979). “Granger Causality and the Natural Rate Hypothesis.”

Journal of Political Economy. 87:390-394.

Sargent, T.J.(1981). Lecture Notes on Linear Filtering and Control. Manuscript.

Sargent, T.J.(1987). Macroeconomic Theory, 2nd ed., Chapter XI. New York: Academic Press.

4.理性預期模型:估計與認定

Eckstein, Z. (1984). “A Rational Expectation Model of Agricultural Supply.”Journal of Political Economy. 92(1): 1-19.

Eichenbaum, Martin S. (1983). “A Rational Expectations Equilibrium Model of Inventories of Finished Goods and Employment.”Journal of Monetary

Economics. 12:259-77.

Eichenbaum, Martin S. (1984). “Rational Expectations and the Smoothing

Properties of Inventories of Finished Goods.” Journal of Monetary

Economics. 14: 71-96.

Hansen, L.P. and Sargent, T.J. (1980). “Formulating and Estimating Dynamic Linear Rational Expectations Models.” Journal of Economic Dynamics and Control.

2(1): 7-46.

Hansen, L.P. and Sargent, T.J.(1982). “Instrumental Variable procedure for estimating Linear Rational Expectation Models.” Journal of Monetary Economics. 9:

263-296.

Hansen, L.P., Epple, D. and Roberds, W. (1985). “Linear-Quadratic Duopoly Models of Resource D epletion.” in Energy, Foresight and Strategy, ed. by T.J. Sargent.

Washington D.C.: Resources for the Future.

Lin, Kenneth S. (1990). “Rational Expectations Econometrics: An Introductory Note.”

Manuscript.

Lucas, Robert E., Jr. and Prescott, Edward C.(1971). “Investment under Uncertainty.”

Econometrica. 39: 659-81.

Lucas, Robert E., Jr. and Sargent, T.J. (1980). “Rational Expectations and Econometric Practice,” in Rational Expectations and Econometric Practice, ed. by R.E.

Lucas Jr. and T.J. Sargent. Minneapolis, MN: Univ. of Minnesota Press.

Sargent, T.J. (1981). “Interpreting Economic Time Series.”Journal of Political

Economy. 89:213-48.

Sargent, T.J. (1987). Macroeconomic Theory, 2nd ed., Chapter XII and XIV, New York: Academic Press.

Sargent, T.J. (1989). “Two Models of Measurements and the Investment Accelerator.”

Journal of Political Economy. 97(2):251-287.

Townsend, R. (1983). “Forecasting the Forecasts of O thers.”Journal of Political Economy. 91(4): 546-588.

Whiteman, Charles (1983). Linear Rational Expectations Models: A User’s Guide.

Minneapolis, MN: University of Minneapolis Press.

计量经济学——时间序列

课程论文 题目:第三产业产值的影响因素分析 学院财会学院_ 专业会计专硕 班级会计专硕1501 课程名称计量经济学(课程设计) 学号 学生姓名 60 指导教师赵卫亚 成绩 二○一五年十二月

第三产业产值的影响因素分析 摘要:本文利用计量经济分析方法和1990—2010年的时间序列统计资料,建立了我国第三产业产值影响因素模型。建模过程中,处理了模型中的协整检验、自相关性等问题。本文认为我国第三产业产值主要受GDP和我国城乡居民存款储蓄的影响,因此需要引起足够的重视,正确开展工作,促进第三产业的发展。 关键词:第三产业产值;时间序列分析;GDP;城乡居民存款储蓄 一、引言 第三产业是指除第一二产业以外的其他行业。自从我国进入改革开放以来,我国不仅在积极发展第一产业和第二产业的同时,也在积极扶植第三产业的发展。我国属于发展中国家,仅靠出口农产品或初级工业品很难在国际社会中立有一足之地。进入21世纪,第三产业的发展迫切需要成为促进经济发展的主要动力。这主要是因为第三产业基本以服务业为主,这就使其具有了行业多,范围广等特点,从而能够提供更多的就业机会,相对于其他产业服务业的就业门滥相对来说也较低,能吸纳农村等剩余劳动力,并且第三产业的发展,也能有效地促进第一产业和第二产业的发展,加速推进我国的工业化和现代化进程,提高我国的综合国力。我国的第三产业较其他发达国家仍有很大的差距,所以加快本国第三产业发展迫在眉睫。 第三产业不仅在占国民生产总值比重方面不断提高,其内部的产业结构也在不断地发生着变化。最初我国第三产业的发展主要集中以餐饮等为主的传统服务业上,而随着新型服务业的产生,我国开始侧重向金融保险业、房地产业等方面的发展,其数量和质量的提高使得第三产业在我国经济发展的过程中产生的作用也越来越显著。 因此,研究第三产业产值的影响因素分析具有实际意义。 二、文献综述 江小涓、李辉(2004)建立了一个多元回归模型来分析收入水平、消费结构、城市化以及其他因素对第三产业未来发展的影响,提出第三产业比例随着人均GDP水平增长而增加[1]。郭彩霞(2009)对1978到2008年相关数据进行实证分析,得到要想加快农村现代化就必须要促进第三产业的发展结论[2]。王小宁(2009)认为第三产业固定资产的投资对第三产业产值具有重大的影响[3]。徐群、于德淼、赵春阁在对第三产业发展研究时主要是利用线性回归模型来对我国第三产业的影响因素进行分析,对我国第三产业发展现状的研究和趋势预测就是利用的主成分分析和逐步回归分析方法[4]。

计量经济学习题

《计量经济学》 习题 河北经贸大学应用经济学教研室 2004年7月

第一章绪论 ⒈为什么说计量经济学是经济理论、数学和经济统计学的结合? ⒉为什么说计量经济学是一门经济学科?它在经济学科体系中的地位是什么?它在经济研究中的作用是什么? ⒊建立与应用计量经济学模型的主要步骤有哪些? ⒋计量经济学模型有哪些主要应用领域?各自的原理是什么? ⒌下列假想模型是否属于揭示因果关系的计量经济学模型?为什么? ⑴St=112.0+0.12Rt 其中,St为第t年农村居民储蓄增加额(亿元),Rt为第t年城镇居民可支配收入总额(亿元)。 ⑵S t-1=4432.0+0.30R t 其中,S t-1为第(t-1)年底农村居民储蓄余额(亿元),Rt为第t年农村居民纯收入总额(亿元)。 ⒍指出下列假想模型中两个最明显的错误,并说明理由: RS t=8300.0-0.24RI t+1.12IV t 其中,RS t为第t年社会消费品零售总额(亿元),RI t为第t年居民收入总额(亿元)(城镇居民可支配收入总额与农村居民纯收入总额之和),IV t为第t年全社会固定资产投资总额(亿元)。 第二章一元线性回归模型

⒈ 对于设定的回归模型作回归分析,需对模型作哪些假定,这些假定为什么是必要的? ⒉ 试说明利用样本决定系数R 2为什么能够判定回归直线与样本观测值的拟和优度。 ⒊ 说明利用) (0∧ βS 、)(1∧βS 衡量 ∧ β、∧ 1β对 β、1β估计稳定性的道理。 ⒋ 为什么对 ∧ β、∧ 1β进行显著性检验?试述检验方法及步骤。 ⒌ 对于求得的回归方程为什么进行显著性检验?试述检验方法及步骤。 ⒍ 阐述回归分析的步骤。 ⒎ 试述计量经济模型与一般的经济模型有什么不同? ⒏ 一元线性回归模型有时采用如下形式: i i i X Y μβ+=1 模型中的截距为零,叫做通过原点的回归模型。试证明该模型中: (1) ∑∑=∧ 21i i i X Y X β (2) ∑ = ∧ 2 2 1)var(i X μ σ β ⒐ 下述结果是从一个样本中获得的,该样本包含某企业的销售额(Y )及相应价格(X )的11个观测值。 18 .519_ =X ; 82 .217_ =Y ; ∑=3134543 2 i X ; ∑=1296836 i i Y X ; ∑=539512 2i Y (1)估计销售额对价格的样本回归直线,并解释其结果。 (2)回归直线的判定系数是多少? ⒑ 已知某地区26年的工农业总产值与货运周转量的数据见下表。试作一元线性回归分析,若下一年计划该地区工农业总产值为8亿元,预测货运周转量。

计量经济学-期末考试-简答题

计量经济学期末考试简答题 1.简述计量经济学与经济学、统计学、数理统计学学科间的关系。 2.计量经济模型有哪些应用? 3.简述建立与应用计量经济模型的主要步骤。 4.对计量经济模型的检验应从几个方面入手? 5.计量经济学应用的数据是怎样进行分类的? 6.在计量经济模型中,为什么会存在随机误差项? 7.古典线性回归模型的基本假定是什么? 8.总体回归模型与样本回归模型的区别与联系。 9.试述回归分析与相关分析的联系和区别。 10.在满足古典假定条件下,一元线性回归模型的普通最小二乘估计量有哪些统计性质?11.简述BLUE的含义。 12.对于多元线性回归模型,为什么在进行了总体显著性F检验之后,还要对每个回归系数进行是否为0的t检验? 13.给定二元回归模型:,请叙述模型的古典假定。 14.在多元线性回归分析中,为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度? 15.修正的决定系数及其作用。 16.常见的非线性回归模型有几种情况? 17. 18观察下列方程并判断其变量是否呈线性,系数是否呈线性,或都是或都不是。 19.什么是异方差性?试举例说明经济现象中的异方差性。 20.产生异方差性的原因及异方差性对模型的OLS估计有何影响。 21.检验异方差性的方法有哪些? 22.异方差性的解决方法有哪些? 23.什么是加权最小二乘法?它的基本思想是什么? 24.样本分段法(即戈德菲尔特——匡特检验)检验异方差性的基本原理及其使用条件。25.简述DW检验的局限性。 26.序列相关性的后果。 27.简述序列相关性的几种检验方法。 28.广义最小二乘法(GLS)的基本思想是什么? 29.解决序列相关性的问题主要有哪几种方法? 30.差分法的基本思想是什么? 31.差分法和广义差分法主要区别是什么? 32.请简述什么是虚假序列相关。 33.序列相关和自相关的概念和范畴是否是一个意思? 34.DW值与一阶自相关系数的关系是什么? 35.什么是多重共线性?产生多重共线性的原因是什么? 36.什么是完全多重共线性?什么是不完全多重共线性? 37.完全多重共线性对OLS估计量的影响有哪些? 38.不完全多重共线性对OLS估计量的影响有哪些? 39.从哪些症状中可以判断可能存在多重共线性? 40.什么是方差膨胀因子检验法? 41.模型中引入虚拟变量的作用是什么? 42.虚拟变量引入的原则是什么? 43.虚拟变量引入的方式及每种方式的作用是什么? 44.判断计量经济模型优劣的基本原则是什么? 45.模型设定误差的类型有那些? 46.工具变量选择必须满足的条件是什么? 47.设定误差产生的主要原因是什么? 48.在建立计量经济学模型时,什么时候,为什么要引入虚拟变量? 49.估计有限分布滞后模型会遇到哪些困难 50.什么是滞后现像?产生滞后现像的原因主要有哪些? 51.简述koyck模型的特点。 52.简述联立方程的类型有哪几种 53.简述联立方程的变量有哪几种类型

计量经济学期末考试重点

第一章绪论 1、什么是计量经济学?由哪三组组成? 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。 统计学、经济理论和数学三者结合起来便构成了计量经济学。 2、计量经济学的内容体系,重点是理论计量和应用计量和经典计量经济学理论方法方面的特 征 答:1)广义计量经济学和狭义计量经济学 2)初、中、高级计量经济学3)理论计量经济学和应用计量经济 理论计量经济学是以介绍、研究计量经济学的理论与方法为主要内容,侧重于理论与方法的数学证明与推导,与数理统计联系极为密切。除了介绍计量经济模型的数学理论基础、普遍应用的计量经济模型的参数估计方法与检验方法外,还研究特殊模型的估计方法与检验方法,应用了广泛的数学知识。 应用计量经济学则以建立与应用计量经济学模型为主要内容,强调应用模型的经济学和经济统计学基础,侧重于建立与应用模型过程中实际问题的处理。本课程是二者的结合。 4)、经典计量经济学和非经典计量经济学 经典计量经济学(Classical Econometrics)一般指20世纪70年代以前发展并广泛应用的计量经济学。 经典计量经济学在理论方法方面特征是: ⑴模型类型—随机模型; ⑵模型导向—理论导向; ⑶模型结构—线性或者可以化为线性,因果分析,解释变量具有同等地位,模型具有明

确的形式和参数; ⑷数据类型—以时间序列数据或者截面数据为样本,被解释变量为服从正态分布的连续随机变量; ⑸估计方法—仅利用样本信息,采用最小二乘方法或者最大似然方法估计模型。 经典计量经济学在应用方面的特征是: ⑴应用模型方法论基础—实证分析、经验分析、归纳; ⑵应用模型的功能—结构分析、政策评价、经济预测、理论检验与发展; ⑶应用模型的领域—传统的应用领域,例如生产、需求、消费、投资、货币需求,以及宏观经济等。 5)、微观计量经济学和宏观计量经济学 3、为什么说计量经济学是经济学的一个分支?(4点和综述) 答:(1)、从计量经济学的定义看 (2)、从计量经济学在西方国家经济学科中的地位看 (3)、从计量经济学与数理统计学的区别看 (4)、从建立与应用计量经济学模型的全过程看 综上所述,计量经济学是一门经济学科,而不是应用数学或其他。 4、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。 5、常用的样本数据:时间序列,截面,面板(虚变量数据是错的,改为面板数据。主要要求时间数据序列数据和截面数据) 答:1、时间序列是一批按照时间先后排列的统计数据。 要注意问题:

第九章时间序列计量经济学模型案例

第九章时间序列计量经济学模型案例 1、1949—2001年中国人口时间序列数据见表8,由该数据(1)画时间序列图和差分图;(2)求中国人口序列的相关图和偏相关图,识别模型形式;(3)估计时间序列模型;(4)样本外预测。 表9.1 中国人口时间序列数据(单位:亿人) 年份人口y t 年份人口y t年份人口y t年份人口y t年份人口y t 1949 5.4167 1960 6.6207 1971 8.5229 1982 10.159 1993 11.8517 1950 5.5196 1961 6.5859 1972 8.7177 1983 10.2764 1994 11.985 1951 5.63 1962 6.7295 1973 8.9211 1984 10.3876 1995 12.1121 1952 5.7482 1963 6.9172 1974 9.0859 1985 10.5851 1996 12.2389 1953 5.8796 1964 7.0499 1975 9.242 1986 10.7507 1997 12.3626 1954 6.0266 1965 7.2538 1976 9.3717 1987 10.93 1998 12.4761 1955 6.1465 1966 7.4542 1977 9.4974 1988 11.1026 1999 12.5786 1956 6.2828 1967 7.6368 1978 9.6259 1989 11.2704 2000 12.6743 1957 6.4653 1968 7.8534 1979 9.7542 1990 11.4333 2001 12.7627 1958 6.5994 1969 8.0671 1980 9.8705 1991 11.5823 1959 6.7207 1970 8.2992 1981 10.0072 1992 11.7171 (1)画时间序列图 y的数据窗口 打开 t 得到中国人口序列图

计量经济学例题

一、单项选择题 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9.下面属于横截面数据的是( D )。 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 )。 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 13.同一统计指标按时间顺序记录的数据列称为( B )。 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 )。 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

18.表示x 和y 之间真实线性关系的是( C )。 A .01???t t Y X ββ=+ B .01()t t E Y X ββ=+ C .01t t t Y X u ββ=++ D .01t t Y X ββ=+ 19.参数β的估计量?β具备有效性是指( B )。 A .?var ()=0β B .?var ()β为最小 C .?()0ββ-= D .?()ββ-为最小 25.对回归模型i 01i i Y X u ββ+=+进行检验时,通常假定i u 服从( C )。 A .2i N 0) σ(, B . t(n-2) C .2N 0)σ(, D .t(n) 26.以Y 表示实际观测值,?Y 表示回归估计值,则普通最小二乘法估计参数的准则是使( D )。 A .i i ?Y Y 0∑(-)= B .2i i ?Y Y 0∑(-)= C .i i ?Y Y ∑(-)=最小 D .2i i ?Y Y ∑(-)=最小 27.设Y 表示实际观测值,?Y 表示OLS 估计回归值,则下列哪项成立( D )。 A .?Y Y = B .?Y Y = C .?Y Y = D .?Y Y = 28.用OLS 估计经典线性模型i 01i i Y X u ββ+=+,则样本回归直线通过点___D______。 A .X Y (,) B . ?X Y (,) C .?X Y (,) D .X Y (,) 29.以Y 表示实际观测值,?Y 表示OLS 估计回归值,则用OLS 得到的样本回归直线i 01i ???Y X ββ+=满足( A )。 A .i i ?Y Y 0∑(-)= B .2i i Y Y 0∑(-)= C . 2i i ?Y Y 0∑(-)= D .2i i ?Y Y 0∑(-)= 30.用一组有30个观测值的样本估计模型i 01i i Y X u ββ+=+,在0.05的显著性水平下对1β的显著性作t 检验,则1β显著地不等于零的条件是其统计量t 大于( D )。 A .t 0.05(30) B .t 0.025(30) C .t 0.05(28) D .t 0.025(28) 31.已知某一直线回归方程的决定系数为0.64,则解释变量与被解释变量间的线性相关系数为( B )。 A .0.64 B .0.8 C .0.4 D .0.32

计量经济学名词解释与简答

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。

计量经济学中相关证明

课本中相关章节的证明过程 第2章有关的证明过程 2.1 一元线性回归模型 有一元线性回归模型为:y t = β0 + β1 x t + u t 上式表示变量y t 和x t之间的真实关系。其中y t 称被解释变量(因变量),x t称解释变量(自变量),u t称随机误差项,β0称常数项,β1称回归系数(通常未知)。上模型可以分为两部分。(1)回归函数部分,E(y t) = β0 + β1 x t, (2)随机部分,u t。 图2.8 真实的回归直线 这种模型可以赋予各种实际意义,收入与支出的关系;如脉搏与血压的关系;商品价格与供给量的关系;文件容量与保存时间的关系;林区木材采伐量与木材剩余物的关系;身高与体重的关系等。 以收入与支出的关系为例。 假设固定对一个家庭进行观察,随着收入水平的不同,与支出呈线性函数关系。但实际上数据来自各个家庭,来自各个不同收入水平,使其他条件不变成为不可能,所以由数据得到的散点图不在一条直线上(不呈函数关系),而是散在直线周围,服从统计关系。随机误差项u t中可能包括家庭人口数不同,消费习惯不同,不同地域的消费指数不同,不同家庭的外来收入不同等因素。所以,在经济问题上“控制其他因素不变”实际是不可能的。 回归模型的随机误差项中一般包括如下几项内容,(1)非重要解释变量的省略,(2)人的随机行为,(3)数学模型形式欠妥,(4)归并误差(粮食的归并)(5)测量误差等。 回归模型存在两个特点。(1)建立在某些假定条件不变前提下抽象出来的回归函数不能百分之百地再现所研究的经济过程。(2)也正是由于这些假定与抽象,才使我们能够透过复杂的经济现象,深刻认识到该经济过程的本质。

计量经济学作业序列相关性

< 序列相关实验报告> <1>第一问 D.W.检验 命令: Data y c x Genr lny=log(y) Genr lnx=log(x) Ls lny c lnx

Dependent Variable: LNY Method: Least Squares Date: 12/10/12 Time: 15:39 Sample: 1980 2007 Included observations: 28 Variable Coefficient Std. Error t-Statistic Prob. C 1.588478 0.134220 11.83492 0.0000 LNX 0.854415 0.014219 60.09058 0.0000 R-squared 0.992851 Mean dependent var 9.552256 Adjusted R-squared 0.992576 S.D. dependent var 1.303948 S.E. of regression 0.112351 Akaike info criterion -1.465625 Sum squared resid 0.328192 Schwarz criterion -1.370468 Log likelihood 22.51875 Hannan-Quinn criter. -1.436535 F-statistic 3610.878 Durbin-Watson stat 0.379323 Prob(F-statistic) 0.000000 D.W.检验结果表明,在5%显著性水平下,n=28,k=2(包含常数项),查表得,dl=1.33,du=1.48,由于D.W.=0.379

第六章时间序列分析

第六章时间序列分析 重点: 1、增长量分析、发展水平及增长量 2、增长率分析、发展速度及增长速度 3、时间数列影响因素、长期趋势分析方法 难点: 1、增长量与增长速度 2、长期趋势与季节变动分析 第一节时间序列的分析指标 知识点一:时间序列的含义 时间序列是指经济现象按时间顺序排列形成的序列。这种数据称为时间序列数据。 时间序列分析就是根据这样的数列分析经济现象的发展规律,进而预测其未来水平。 时间数列是一种统计数列,它是将反映某一现象的统计指标在不同时间上的数值按时间先后顺序排列所形成的数列。表现了现象在时间上的动态变化,故又称为动态数列。 一个完整的时间数列包含两个基本要素: 一是被研究现象或指标所属的时间; 另一个是该现象或指标在此时间坐标下的指标值。 同一时间数列中,通常要求各指标值的时间单位和时间间隔相等,如无法保证相等,在计算某些指标时就涉及到“权”的概念。 研究时间数列的意义:了解与预测。 [例题·单选题]下列数列中哪一个属于时间数列(). a.学生按学习成绩分组形成的数列 b.一个月内每天某一固定时点记录的气温按度数高低排列形成的序列 c.工业企业按产值高低形成的数列 d.降水量按时间先后顺序排列形成的数列 答案:d 解析:时间序列是一种统计数列,它是将反映某一现象的统计指标在不同时间上的数值按时间先后顺序排列所形成的数列,表现了现象在时间上的动态变化。 知识点二:增长量分析(水平分析)

一.发展水平 发展水平是指客观现象在一定时期内(或时点上)发展所达到的规模、水平,一般用y t (t=1,2,3,…,n) 。 在绝对数时间数列中,发展水平就是绝对数; 在相对数时间数列中,发展水平就是相对数或平均数。 几个概念:期初水平y 0,期末水平y t ,期间水平(y 1 ,y 2 ,….y n-1 ); 报告期水平(研究时期水平),基期水平(作为对比基础的水平)。 二.增长量 增长量是报告期发展水平与基期发展水平之差,增长量的指标数值可正可负,它反映的是报告期相对基期增加或减少的绝对数量,用公式表示为: 增长量=报告期水平-基期水平 根据基期的不同确定方法,增长量可分为逐期增长量和累计增长量。 1.逐期增长量:是报告期水平与前一期水平之差,用公式表示为: △ = y n - y n-1 (i=1,2,…,n) 2.累计增长量:是报告期水平与某一固定时期水平(通常是时间序列最初水平)之差,用公式表示为: △ = y n - y (i=1,2,…,n)(i=1,2,…,n) 二者关系:逐期增长量之和=累计增长量 3.平均增长量 平均增长量是时间序列中的逐期增长量的序时平均数,它表明现象在一定时段内平均每期增加(减少)的数量。 一般用累计增长量除以增长的时期数目计算。 (y n - y )/n [例题·单选题]某社会经济现象在一定时期内平均每期增长的绝对数量是()。 a.逐期增长量 b.累计增长量 c.平均增长量 d.增长速度 答案:c 解析:平均每期增长的绝对数量是平均增长量。 知识点三:增长率分析(速度分析) 一.发展速度

计量经济学序列相关性实验分析

重庆科技学院学生实验报告

五、实验记录与处理(数据、图表、计算等) 一、估计回归方程 工业增加值主要由全社会固定资产投资决定。为了考察全社会固定资产投资对工业 增加值的影响,可使用如下模型:Y i = 1 β β+ i X;其中,X表示全社会固定资产投资, Y表示工业增加值。下表列出了中国1998-2000的全社会固定资产投资X与工业增加值Y的统计数据。 单位:亿元年份固定资产投资X工业增加值Y年份固定资产投资X工业增加值Y 1980910.91996.519915594.58087.1 198********.419928080.110284.5 19821230.42162.3199313072.314143.8 19831430.12375.6199417042.119359.6 19841832.92789199520019.324718.3 19852543.23448.7199622913.529082.6 19863120.63967199724941.132412.1 19873791.74585.8199828406.233387.9 19884753.85777.2199929854.735087.2 19894410.46484200032917.739570.3 199045176858 由此实验结果可知模型估计结果为: Y=668.0114+1.181861X (2.24039)(61.0963) R2=0.994936,R2=0.994669,SE=951.3388,D.W.=1.282353。

二、序列相关性的检验 (1)图示检验法 通过残差与残差滞后一期的散点图可以判断,随机干扰项存在正序列相关性。 (2)回归检验法: 一阶回归检验 t e =0.356978e 1-t +εt 可见该模型存在一阶自相关 (3)D.W 检验法 由普通最小二乘法的估计结果知:D.W.=1.282353。在本例中,在5%的显著性水平下,解释变量个数为2,样本容量为21,查表得DL=1.22,DU=1.42,而D.W.=1.282353,DW 位于下限与上限之间,所以一阶序列相关性不能确定。 三、序列相关的补救 广义差分法估计模型 由D.W.=1.282353,得到一阶自相关系数的估计值ρ=1-DW/2=0.6412 则DY=Y-0.6412*Y(-1), DX=X-0.6412*X(-1);以DY 为因变量,DX 为解释变量,用OLS 法做回归模型,这样就生成了经过广义差分后的模型。

计量经济学中相关证明

计量经济学中相关证明https://www.doczj.com/doc/9211260181.html,work Information Technology Company.2020YEAR

课本中相关章节的证明过程 第2章有关的证明过程 2.1 一元线性回归模型 有一元线性回归模型为:y t = 0 + 1 x t + u t 上式表示变量y t 和x t之间的真实关系。其中y t 称被解释变量(因变量),x t称解释变量(自变量),u t称随机误差项,0称常数项,1称回归系数(通常未知)。上模型可以分为两部分。(1)回归函数部分,E(y t) = 0 + 1 x t,(2)随机部分,u t。 图2.8 真实的回归直线 这种模型可以赋予各种实际意义,收入与支出的关系;如脉搏与血压的关系;商品价格与供给量的关系;文件容量与保存时间的关系;林区木材采伐量与木材剩余物的关系;身高与体重的关系等。 以收入与支出的关系为例。 假设固定对一个家庭进行观察,随着收入水平的不同,与支出呈线性函数关系。但实际上数据来自各个家庭,来自各个不同收入水平,使其他条件不变成为不可能,所以由数据得到的散点图不在一条直线上(不呈函数关系),而是散在直线周围,服从统计关系。随机误差项u t中可能包括家庭人口数不同,消费习惯不同,不同地域的消费指数不同,不同家庭的外来收入不同等因素。所以,在经济问题上“控制其他因素不变”实际是不可能的。 回归模型的随机误差项中一般包括如下几项内容,(1)非重要解释变量的省略,(2)人的随机行为,(3)数学模型形式欠妥,(4)归并误差(粮食的归并)(5)测量误差等。 回归模型存在两个特点。(1)建立在某些假定条件不变前提下抽象出来的回归函数不能百分之百地再现所研究的经济过程。(2)也正是由于这些假定与抽象,才使我们能够透过复杂的经济现象,深刻认识到该经济过程的本质。 通常,线性回归函数E(y t) = 0 + 1 x t是观察不到的,利用样本得到的只是对E(y t) = 0 + 1 x t 的估计,即对0和1的估计。 在对回归函数进行估计之前应该对随机误差项u t做出如下假定。 (1) u t 是一个随机变量,u t 的取值服从概率分布。 (2) E(u t) = 0。 (3) D(u t) = E[u t - E(u t) ]2 = E(u t)2 = 2。称u i 具有同方差性。 (4) u t 为正态分布(根据中心极限定理)。以上四个假定可作如下表达:u t N (0,)。

计量经济学简答题 经典

1.什么是计量经济学?它与经济学、统计学和数学的关系怎样? 答:1、计量经济学是一门运用经济理论和统计技术来分析经济数据的科学和艺术,它以经济理论为指导,以客观事实为依据,运用数学、统计学的方法和计算机技术,研究带有随机影响的经济变量之间的数量关系和规律。2、经济理论、数学和统计学知识是在计量经济学这一领域进行研究的必要前提,这三者中的每一个对于真正理解现代经济生活中的数量关系是必要的,但不充分,只有结合在一起才行。 2计量经济学三个要素是什么? 经济理论、经济数据和统计方法。 3.计量经济学模型的检验包括哪几个方面?其具体含义是什么? 答:(1)经济意义检验,即根据拟定的符号、大小、关系,对参数估计结果的可靠性进行判断(2)统计检验,由数理统计理论决定。包括:拟合优度检验、总体显着性检验。(3)计量经济学检验,由计量经济学理论决定。包括:异方差性检验、序列相关性检验、多重共线性检验。(4)模型预测检验,由模型应用要求决定。包括: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。 4.计量经济学方法与一般经济数学方法有什么区别? 答:计量经济学揭示经济活动中各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因素之间的理论关系,用确定性的数学方程加以描述。 5.计量经济学模型研究的经济关系有那两个基本特征? 答:一是随机关系,二是因果关系 6.计量经济学研究的对象和核心内容是什么? 答:计量经济学的研究对象是经济现象,是研究经济现象中的具体数量规律。计量经济学的核心内容包括两个方面:一是方法论,即计量经济学方法或者理论计量经济学。二是应用,即应用计量经济学。无论是理论计量经济学还是应用计量经济学,都包括理论、方法和数据三种要素。 7.计量经济学中应用的数据类型怎样?举例解释其中三种数据类型的结构。 答:计量经济模型:WAGE=f(EDU,EXP,GEND,μ) 1)时间序列数据是按时间周期收集的数据,如年度或季度的国民生产总值。 2)横截面数据是在同一时间点手机的不同个体的数据。如世界各国某年国民生产总值。 3)混合数据是兼有时间序列和横截面成分的数据,如1985—2010世界各国GDP数据。 8.建立与应用计量经济学模型的主要步骤有哪些? (1)理论模型的设计(2)样本数据的收集(3)模型参数的估计(4)模型的检验 9.用OLS建立多元线性回归模型,有哪些基本假设? 1、回归模型是线性的,模型设定无误且含有误差项 2、误差项总体均值为零 3、所有解释变量与误差项都不相关 4、误差项互不相关(不存在序列相关性) 5、误差项具有同方差 6、任何一个解释变量都不是其他解释变量的完全线性函数 7、误差项服从正态分布。 10.随机误差项包含哪些因素影响?

时间序列及分析

时间序列 (一)时间序列及其分类 同一现象在不同时间上的相继观察值排列而成的序列称为时间序列。例如,下表就是我国国内生产总值、人口等在不同时间上得到的观察值排列而成的序列。 由表可以看出,时间序列形式上由现象所属的时间和现象在不同时间上的观察值两部分组成。根据所处的观察时间不同,现象所属的时间可以是年份、季度、月份或其他任何时间形式。现象的观察值根据表现形式不同有绝对数、相对数和平均数等。因此,从观察值的表现形式上看,时间序列可分为绝对数时间序列、相对数时间序列和平均数时间序列等。 由一系列绝对数按时间顺序排列而成的序列称为绝对数时间序列。它是时间序列中最基本的表现形式,用于反映现象在不同时间上所达到的绝对水平。绝对数时间序列根据观察值所属的时间状况不同,可以分为时期序列和时点序列。例如,表中的国内生产总值序列就是时期序列。时期序列中的观察值反映现象在一段时期内的活动总量,并且各观察值通常可以直接相加,用于反映现象在更长一段时期内的活动总量。表中的年末总人口序列属于时点序列,时点序列中的观察值反映现象在某一瞬间时点上的总量,它是在某一时点上统计得到的,序列中的各观察值通常不能相加。由绝对数时间序列可以派生出相对数和平均数时间序列,它们分别是由一系列相对数和平均数按时间顺序排列而成的。例如,表中的人口自然增长率序列就是相对数时间序列,居民消费水平序列则是平均数时间序列。 时间序列的描述性分析包括水平分析和速度分析两方面的内容。 (二)时间序列的水平分析 1.序时平均数 在时间序列中,我们用i t表示现象所属的时间,i Y表示现象在不同时间上观察值。i Y也称为现象在时间i t上的发展水平,它表示现象在某一时间上所达到的一种数量状态。若观察的时间范围为1t,2t,…,n t,相应的观察值表示为1Y,2Y,…,3Y,其中1Y称为最初发展水平,n Y称为最末发展水平;若对两个观察值进行比较时,把现在的这个时期称为报 告期,用于比较的过去的那个时期称为基期。 序时平均数是现象在不同时间上的观察值的平均数。它可以概括性地描述出现象在一段时期内所达到的一般水平。在证券市场上,对股票价格或股票价格指数的分析中常用到序时

第八章 时间序列计量经济学模型(DOC)

1.1949—2001年中国人口时间序列数据见表8,由该数据(1)画时间序列图;(2)求中国人口序列的相关图和偏相关图,识别模型形式;(3)估计时间序列模型;(4)样本外预测。 表8 中国人口时间序列数据(单位:亿人) 年份人口y t年份人口y t年份人口y t年份人口y t年份人口y t 1949 5.4167 1960 6.6207 1971 8.5229 1982 10.159 1993 11.8517 1950 5.5196 1961 6.5859 1972 8.7177 1983 10.2764 1994 11.985 1951 5.63 1962 6.7295 1973 8.9211 1984 10.3876 1995 12.1121 1952 5.7482 1963 6.9172 1974 9.0859 1985 10.5851 1996 12.2389 1953 5.8796 1964 7.0499 1975 9.242 1986 10.7507 1997 12.3626 1954 6.0266 1965 7.2538 1976 9.3717 1987 10.93 1998 12.4761 1955 6.1465 1966 7.4542 1977 9.4974 1988 11.1026 1999 12.5786 1956 6.2828 1967 7.6368 1978 9.6259 1989 11.2704 2000 12.6743 1957 6.4653 1968 7.8534 1979 9.7542 1990 11.4333 2001 12.7627 1958 6.5994 1969 8.0671 1980 9.8705 1991 11.5823 1959 6.7207 1970 8.2992 1981 10.0072 1992 11.7171 (1)画时间序列图 打开 y的数据窗口 t

计量经济学时间序列计量经济模型

计量经济学引子:是真回归还是伪回归?问题:●如果直接将非平稳时间序列当作平稳时间序列来进行分析,会造成什么不良后果; ●如何判断一个时间序列是否为平稳序列;●当我们在计量经济分析中涉及到非平稳时间序列时,应作如何处理?第一节时间序列基本概念本节基本内容: ●伪回归问题●随机过程的概念●时间序列的平稳性一、伪回归问题传统计量经济学模型的假定条件:序列的平稳性、正态性。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。 20世纪70年代,Grange、Newbold 研究发现,造成“伪回归”的根本原因在于时序序列变量的非平稳性三、时间序列的平稳性所谓时间序列的平稳性,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。直观上,一个平稳的时间序列可以看作一条围绕其均值上下波动的曲线。从理论上,有两种意义的平稳性,一是严格平稳,另一种是弱平稳。时间序列的非平稳性是指时间序列的统计规律随着时间的位移而发生变化,即生成变量时间序列数据的随机过程的特征随时间而变化。在实际中遇到的时间序列数据很可能是非平稳序列,而平稳性在计量经济建模中又具有重要地位,因此有必要对观测值的时间序列数据进行平稳性检验。第二节 时间序列平稳性的单位根检验本节基本内容: ●单位根检验● Dickey-Fuller检验● Augmented Dickey-Fuller检验一、单位根过程单位根过程结论: 随机游动过程是非平稳的。

因此,检验序列的非平稳性就变为检验特征方程是否有单位根,这就是单位根检验方法的由来。二、Dickey-Fuller检验(DF检验)大多数经济变量呈现出强烈的趋势特征。这些具有趋势特征的经济变量,当发生经济振荡或冲击后,一般会出现两种情形: ●受到振荡或冲击后,经济变量逐渐又回它们的长期趋势轨迹;●这些经济变量没有回到原有轨迹,而呈现出随机游走的状态。若我们研究的经济变量遵从一个非平稳过程,一个变量对其他变量的回归可能会导致伪回归结果。这是研究单位根检验的重要意义所在。 2 提出假设检验用统计量为常规t统计量, 3 计算在原假设成立的条件下t统计量值,查DF检验临界值表得临界值,然后将t统计量值与DF检验临界值比较:若t统计量值小于DF检验临界值,则拒绝原假设,说明序列不存在单位根;若t统计量值大于或等于DF检验临界值,则接受原假设,说明序列存在单位根。Dickey、Fuller研究发现,DF检验的临界值同序列的数据生成过程以及回归模型的类型有关,因此他们针对如下三种方程编制了临界值表,后来Mackinnon把临界值表加以扩充,形成了目前使用广泛的临界值表,在EViews软件中使用的是Mackinnon临界值表。 DF检验存在的问题是,在检验所设定的模型时,假设随机扰动项不存在自相关。但大多数的经济数据序列是不能满足此项假设的,当随机扰动项存在自相关时,直接使用DF检验法会出现偏误,为了保证单位根检验的有效性,人们对DF检验进行拓展,从而形成了扩展的DF检验Augmented Dickey-Fuller Test ,简称为ADF检验。根据《中国

计量经济学中相关证明

计量经济学中相关证明Newly compiled on November 23, 2020

课本中相关章节的证明过程 第2章有关的证明过程 一元线性回归模型 有一元线性回归模型为:y t = 0 + 1 x t + u t 上式表示变量y t 和x t之间的真实关系。其中y t 称被解释变量(因变量),x t称解释变量(自变量),u t称随机误差项,0称常数项,1称回归系数(通常未知)。上模型可以分为两部分。(1)回归函数部分,E(y t) = 0 + 1 x t, (2)随机部分,u t。 图真实的回归直线 这种模型可以赋予各种实际意义,收入与支出的关系;如脉搏与血压的关系;商品价格与供给量的关系;文件容量与保存时间的关系;林区木材采伐量与木材剩余物的关系;身高与体重的关系等。 以收入与支出的关系为例。 假设固定对一个家庭进行观察,随着收入水平的不同,与支出呈线性函数关系。但实际上数据来自各个家庭,来自各个不同收入水平,使其他条件不变成为不可能,所以由数据得到的散点图不在一条直线上(不呈函数关系),而是散在直线周围,服从统计关系。随机误差项u t中可能包括家庭人口数不同,消费习惯不同,不同地域的消费指数不同,不同家庭的外来收入不同等因素。所以,在经济问题上“控制其他因素不变”实际是不可能的。

回归模型的随机误差项中一般包括如下几项内容,(1)非重要解释变量的省略,(2)人的随机行为,(3)数学模型形式欠妥,(4)归并误差(粮食的归并)(5)测量误差等。 回归模型存在两个特点。(1)建立在某些假定条件不变前提下抽象出来的回归函数不能百分之百地再现所研究的经济过程。(2)也正是由于这些假定与抽象,才使我们能够透过复杂的经济现象,深刻认识到该经济过程的本质。 通常,线性回归函数E(y t) = 0 + 1 x t是观察不到的,利用样本得到的只是对E(y t) = 0 + x t 的估计,即对0和1的估计。 1 在对回归函数进行估计之前应该对随机误差项u t做出如下假定。 (1) u t 是一个随机变量,u t 的取值服从概率分布。 (2) E(u t) = 0。 (3) D(u t) = E[u t - E(u t) ]2 = E(u t)2 = 2。称u i 具有同方差性。 (4) u t 为正态分布(根据中心极限定理)。以上四个假定可作如下表达:u t N (0,)。 (5) Cov(u i, u j) = E[(u i - E(u i) ) ( u j - E(u j) )] = E(u i, u j) = 0, (i j )。含义是不同观测值所对应的随机项相互独立。称为u i 的非自相关性。 (6) x i是非随机的。 (7) Cov(u i, x i) = E[(u i - E(u i) ) (x i - E(x i) )] = E[u i (x i - E(x i) ] = E[u i x i - u i E(x i) ] = E(u i x i) = 0. u i与x i相互独立。否则,分不清是谁对y t的贡献。 (8) 对于多元线性回归模型,解释变量之间不能完全相关或高度相关(非多重共线性)。 在假定(1),(2)成立条件下有E(y t) = E(0+ 1 x t+ u t) = 0+ 1 x t。

相关主题
文本预览
相关文档 最新文档