学生实践报告
（文科类）
课程名称：计量经济学专业班级： 09金融学（1）班学生学号： 0901102041 学生姓名：周晶晶
学生学号： 0901102037 学生姓名：许可
学生学号： 0901102002 学生姓名：于春雨
所属院部：商学院指导教师：史新和
20 11 ——20 12 学年第2 学期
金陵科技学院教务处制
实践报告书写要求
实践报告原则上要求学生手写，要求书写工整。若因课程特点需打印的，要遵照以下字体、字号、间距等的具体要求。纸张一律采用A4的纸张。
实践报告书写说明
实践报告中一至四项内容为必填项，包括实践目的和要求；实践环境与条件；实践内容；实践报告。各院部可根据学科特点和实践具体要求增加项目。
填写注意事项
（1）细致观察，及时、准确、如实记录。
（2）准确说明，层次清晰。
（3）尽量采用专用术语来说明事物。
（4）外文、符号、公式要准确，应使用统一规定的名词和符号。
（5）应独立完成实践报告的书写，严禁抄袭、复印，一经发现，以零分论处。
实践报告批改说明
实践报告的批改要及时、认真、仔细，一律用红色笔批改。实践报告的批改成绩采用百分制，具体评分标准由各院部自行制定。
实践报告装订要求
实践报告批改完毕后，任课老师将每门课程的每个实践项目的实践报告以自然班为单位、按学号升序排列，装订成册，并附上一份该门课程的实践大纲。
实践项目名称：影响我国人均GDP的变量因素分析实践学时： 8
同组学生姓名：许可于春雨实践地点： 7105
实践日期： 2012-06-05 实践成绩：
批改教师：批改时间：
指导教师评阅：
一、实践目的和要求
实践目的：（1）让金融学本科学生了解现代经济学的特征，了解经济数量分析课程在经济学课程体系中的重要地位，了解经济数量分析在经济学科的发展和实际经济工作中的作用；（2）使学生掌握基本的经典计量经济学理论与方法，并对计量经济学理论与方法的扩展和新发展有个概念性、大致性的了解；（3）使他们能够建立并应用简单的计量经济学模型，对现实经济现象中的数量关系进行合理分析；（4）通过系统的学习，提高进一步学习与应用计量经济学理论、方法与模型的动力与能力。
实践要求：能够在牢固掌握计量经济学基本理论的基础上，应用一些
计量工具和方法，如线性回归模型和联立方程技术等，通过对各种经济数据的处理和分析，来进一步理解经济和其他领域的某些理论和现象，从而培养和提高学生立足于本专业的基本理论知识。通过本次实训，系统地练习计量经济学在经济定量分析中的基本操作，特别是一元和多元线性回归模型的构建与检验，以及当经典线性回归模型的假设条件不成立时的补正措施，以提高对经济现象进行定量描述和分析的技能。
二、实践环境与条件
由于《计量经济学》课程本身特点，本实验课程先通过熟悉计量经济学相关理论的基础上，在课堂及其实验室演示计量经济学实验操作步骤，然后由学生组成几个组，分别选择某个论题，并搜集相关数据，共同讨论如何初步建模、检验、修正计量模型，从而以小论文的形式写出实践报告。实践环境先是在7105实验室展开，之后由学生自己组织在实验室和宿舍电脑上完成操作环节，实践条件可以保证本实践课程作业的完成。
三、实践内容
《计量经济学》实践环节主要围绕以下内容展开：（1）制作散点图和用OLS法求回归方程的操作流程，掌握利用eviews进行拟合优度、参数显著性和方程显著性检验以及预测的方法；（2）掌握非线性回归模型转换成多元线性回归模型的方法，并进行拟合优度、参数显著性和方程显著性检验；（3）掌握自相关的DW检验、异方差的图示法、White检验和Glejser检验以及多重共线性的检验方法。
至于学生选择什么样的论题，只要他们在社会经济领域选题即可，同时，在分析问题时，务必结合经济学等理论，并运用计量经济学知识，合理使用计量软件eviews，构建符合计量要求的模型，在其中贯彻上述若干实践内容。
四、实践报告（附件）
影响我国人均GDP的变量因素分析
摘要
人均国内生产总值（Real GDP per capita），也称作“人均GDP"，常作为发展经济学中衡量经济发展状况的指标，是重要的宏观经济指标之一，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。是衡量各国人民生活水平的一个标准，为了更加客观的衡量，经常与购买力平价结合。
本文从城市化率、城镇居民家庭可支配收入、政府支出以及城镇居民消费水平四个方面出发，通过往年的数据发展来观察它们对于人均GDP的影响，从而对我国目前的经济发展提供一些建议。笔者认为，在提高城镇居民可支配收入、城市化率以及政府支出的基础上，更要调节好我国目前贫富差距过大的问题，这样才能保持经济的稳定发展。
关键词：人均GDP；城市化率；城镇居民可支配收入；城府支出
引言
一国的经济乃立国之本，而经济发展是以GDP增长为前提的。影响人均GDP 的因素看似众多，究竟哪些因素对人均GDP的增长起关键性的影响作用呢？由此引出了本小组的研究课题——对我国人均GDP影响因素的计量分析。
随着2009年中国GDP赶超日本，成为世界排名第二，无疑吸引了国内外的目光。然而，在如此大的总量之下，中国的人均GDP却一直在世界100名左右徘徊。“国服民穷”的现状一直是我们的问题。
经我们数据搜寻，在人均GDP的增长过程中，城市化率、城镇居民家庭人均可支配收入、城市政府支出以及城镇居民消费水平都有了显著的上升。同时，我们知道GDP的构成取决于消费、投资、政府支出。因此，我们把城市化率、城镇居民人均可支配收入、城市政府支出、城镇居民消费水平这四个指标作为反映了人均GDP的自变量，认为这四个变量是影响人均GDP的关键性因素。本实验主要选取1979—2009年的统计数据。
1人均GDP的基本概念及特点
1.1人均GDP的基本概念和经济意义
1.1.1 人均GDP的基本概念
人均国内生产总值（Real GDP per capita），也称作“人均GDP"，常作为发展经济学中衡量经济发展状况的指标，是重要的宏观经济指标之一，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。将一个国家核算期内（通常是一年）实现的国内生产总值与这个国家的常住人口相比进行计算，得到人均国内生产总值。是衡量各国人民生活水平的一个标准，为了更加客观的衡量，经常与购买力平价结合。
1.1.2 人均GDP的经济意义
首先，除资源国以外的绝大多数工业化国家，人均GDP比较客观地反映了一定国家社会的发展水平和发展程度。一方面，就中日比较而论，人均GDP虽不能正确反映中日两国综合国力，但确实表明日本在社会保障、医疗卫生、教育和人口寿命以及环境和生态建设等方面的发展水平要高于中国，尤其是日本城乡发展的相对均衡以及农村农业基本上“水旱无忧”的抗灾能力与抗灾水平，更是让中国望尘莫及。改革开放30多年来，中国城市化、工业化进程加快，农村农业的滞后发展恰恰拖了我国人均GDP的后腿，成为我国经济社会发展的短板，最终也深刻影响了我国的综合国力和国际竞争力。
其次，人均GDP本身具有社会公平和平等的含义。人均GDP虽然不能直接等同于居民的人均收入和生活水平，但构成了一国居民人均收入和生活水平的主要物质基础，是提高居民人均收入水平、生活水平的重要参照指标。事实上，强调人均GDP的国家，一般也比较注重提高本国居民的人均收入水平和社会公平程度。再次，人均GDP与工业化进程和社会稳定，具有一定内在联系。据亨廷顿分析，在一定阶段，人均国内生产总值增长与社会安定、社会和谐成正比。
2 1978-2011年的数据搜集
3 REVIEWS模型建立及检验3.1散点图变化分析
3.1.1 GDPP （人均GDP ）和CSH （城市化）的关系
3.1.2 GDPP （人均GDP
）和JMKZPSR （城镇居民家庭人均可支配收入）的关系
3.1.3 GDPP （人均GDP ）和ZFZC （政府支出）的关系
3.1.4GDPP(人均GDP)和GMXFSP（城镇居民消费水平）
3.2 Ganger检验
3.2.1首先，我们研究GDPP和CSH的因果检验。Pairwise Granger Causality Tests
Date: 06/03/12 Time: 10:42
Sample: 1978 2009
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
CSH does not Granger Cause GDPPP 31 0.78247 0.3839
GDPPP does not Granger Cause CSH 0.57193 0.4558
由表可知，CSH影响GDPP的概率较大，故可以将CSH作为自变量，GDPP为因变量。
3.2.2其次，我们研究GDPP和JMKZPSR的因果检验。
Pairwise Granger Causality Tests
Date: 06/03/12 Time: 10:44
Sample: 1978 2009
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
JMKZPSR does not Granger Cause GDPP 31 0.24821 0.6222
GDPP does not Granger Cause JMKZPSR 0.19484 0.6623
由表可知， JMKZPSR影响GDPP的概率高，故可以将JMKZPSR作为自变量，GDPP 作为因变量。
3.2.3紧接着，我们研究GDPP和ZFZC之间的因果关系。
Pairwise Granger Causality Tests
Date: 06/03/12 Time: 10:45
Sample: 1978 2009
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
ZFZC does not Granger Cause GDPP 31 0.02024 0.8879
GDPP does not Granger Cause ZFZC 0.33720 0.5661
由表可知，GDPP和ZFZC相互影响，概率都比较大，所以可以将ZFZC作为自变
量。
3.2.4最后，我们研究GDPP和GMXFSP的因果关系。
Pairwise Granger Causality Tests
Date: 06/03/12 Time: 10:44
Sample: 1978 2009
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
JMXFSP does not Granger Cause GDPP 30 16.0251 0.0004
GDPP does not Granger Cause JMXFSP 7.44216 0.0111
由表可知，GDPP和 JMXFSP的相关可能性都非常低，顾将JMXFSP作为自变量剔除。
3.3选择模型形式，做回归,描绘模型
估计模型：ZFZC
+
=2
GDP+
+
JMKZPRS
CSH
C
Dependent Variable: GDPP
Method: Least Squares
Date: 06/07/12 Time: 16:47
Sample: 1978 2011
Included observations: 34
Variable Coefficient Std. Error t-Statistic Prob.
C 472.7725 178.0388 2.655446 0.0126
CSH^2 -1.589601 0.416496 -3.816604 0.0006
ZFZC 0.096333 0.011037 8.728460 0.0000
JMKZPSR 1.269763 0.086591 14.66399 0.0000
R-squared 0.999337 Mean dependent var 7863.882
Adjusted R-squared 0.999271 S.D. dependent var 9292.254
S.E. of regression 250.9664 Akaike info criterion 13.99865
Sum squared resid 1889524. Schwarz criterion 14.17822
Log likelihood -233.9770 Hannan-Quinn criter. 14.05989
F-statistic 15070.08 Durbin-Watson stat 1.179488
Prob(F-statistic) 0.000000
令 GDP ^
=Y 21CSH =X JMKZPSR 2=X ZFZC 3=X
321^
269763.1096333
.01.589601x -472.7725x x Y ++= ()0388.178 ()4164.0 ()011037.0 ()086591.0
999337.02=R 0.9992712=R 1.179488=DW 9664.250=SE 00.0=F 33=n
3.4随机误差项的正态性检验（JB 检验）
通过
JB 检验发现，估计模型随机误差项可能为正太分布的可能性P>5%,所以通
过检验。
3.5 Ramsey reset test 检验
Ramsey RESET Test:
F-statistic
4.085866 Prob. F(1,27) 0.0533 Log likelihood ratio
4.509325 Prob. Chi-Square(1)
0.0337
Test Equation:
Dependent Variable: GDPP Method: Least Squares Date: 06/03/12 Time: 13:59 Sample: 1978 2009
Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob.
C -44.45361 313.7799 -0.141671 0.8884
CSH^2 -0.208129 0.798441 -0.260669 0.7963
JMKZPSR 1.226143 0.088068 13.92275 0.0000
ZFZC -0.004762 0.051507 -0.092447 0.9270 FITTED^2 8.81E-06 4.36E-06 2.021353 0.0533
R-squared 0.998943 Mean dependent var 6325.906 Adjusted R-squared 0.998787 S.D. dependent var 7066.021 S.E. of regression 246.1018 Akaike info criterion 13.99197 Sum squared resid 1635285. Schwarz criterion 14.22099 Log likelihood -218.8715 Hannan-Quinn criter. 14.06788
F-statistic 6382.086 Durbin-Watson stat 1.060922 Prob(F-statistic) 0.000000
Prob.F值为0.533>5%,所以模型被误设可能性较小。
3.6 T、F检验，拟合优度检验
t-Statistic
2.288009
-3.385601
13.98170
7.726581
T值的绝对值>2，通过检验，说明此模型拟合优度较好。
Prob(F-statistic) 0.000000
F值为0，远远小于5%，说明此模型拟合优度较好。
R-squared 0.998784
2
R=0.99，说明改模型可行性很大，拟合度好。
3.7 Wald Test检验，若Prob. F>5%，接受约束条件
Wald Test:
Equation: Untitled
Test Statistic Value df Probability
F-statistic 3.421460 (1, 28) 0.0749
Chi-square 3.421460 1 0.0644
Null Hypothesis Summary:
Normalized Restriction (= 0) Value Std. Err.
-1 + C(2)^2 - 3*C(3) + C(4) 2.792085 1.509465
Delta method computed using analytic derivatives.
3.8邹氏突变检验：若Prob. F<5%，认为该点很可能是突变点通过观察整体数据较为平稳，未发现明显突变点，其中对1995年、2004年进行随机检测，如下图：
Chow Breakpoint Test: 1994
Null Hypothesis: No breaks at specified breakpoints
Varying regressors: All equation variables
Equation Sample: 1978 2009
F-statistic 10.66037 Prob. F(4,24) 0.0000
Log likelihood ratio 32.68074 Prob. Chi-Square(4) 0.0000
Wald Statistic 42.64146 Prob. Chi-Square(4) 0.0000
Chow Breakpoint Test: 2004
Null Hypothesis: No breaks at specified breakpoints
Varying regressors: All equation variables
Equation Sample: 1978 2009
F-statistic 51.32985 Prob. F(4,24) 0.0000
Log likelihood ratio 72.22598 Prob. Chi-Square(4) 0.0000
Wald Statistic 205.3194 Prob. Chi-Square(4) 0.0000
所以通过邹氏检验，发现无突变点。
3.9模型的比较：观察AIC和SC值的变化，若有下降的现象，该模型可能更好些。
Dependent Variable: GDPP
Method: Least Squares
Date: 06/07/12 Time: 19:12
Sample: 1978 2009
Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob.
C -355.7275 157.9942 -2.251522 0.0327
CSH^2 1.175857 0.448006 2.624645 0.0141
ZFZC -0.157097 0.034252 -4.586449 0.0001
JMKZPSR 1.056712 0.058971 17.91905 0.0000
JMKZPSR^2 5.91E-05 7.81E-06 7.574526 0.0000
R-squared 0.999611 Mean dependent var 6325.906
Adjusted R-squared 0.999553 S.D. dependent var 7066.021
S.E. of regression 149.3804 Akaike info criterion 12.99347
Sum squared resid 602491.2 Schwarz criterion 13.22249
Log likelihood -202.8955 Hannan-Quinn criter. 13.06938
F-statistic 17333.87 Durbin-Watson stat 1.124435
Prob(F-statistic) 0.000000
此时13.22249
=
AIC=
SC
12.99347
原模型14.17822
=
AIC=
SC
13.99865
通过比较发现增加一个变量后的模型更适合
4 REVIEWS异方差检验及克服4.1异方差检验
4.1.1图形法
4.1.2 WHITE检验
Heteroskedasticity Test: White
F-statistic 4.375318 Prob. F(9,22) 0.0023 Obs*R-squared 20.53007 Prob. Chi-Square(9) 0.0149 Scaled explained SS 25.76099 Prob. Chi-Square(9) 0.0022
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/03/12 Time: 14:01
Sample: 1978 2009
Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob.
C 8464.488 329747.7 0.025670 0.9798
CSH^2 -201.3539 1601.322 -0.125742 0.9011 (CSH^2)^2 0.390429 1.982626 0.196925 0.8457 (CSH^2)*JMKZPSR -0.209972 0.662189 -0.317087 0.7542 (CSH^2)*ZFZC 0.006477 0.073271 0.088393 0.9304 JMKZPSR -13.46487 270.5561 -0.049767 0.9608 JMKZPSR^2 0.028131 0.065792 0.427570 0.6731 JMKZPSR*ZFZC -0.005733 0.017857 -0.321084 0.7512
ZFZC 46.12346 50.20082 0.918779 0.3682 ZFZC^2
0.000277
0.001399
0.198082
0.8448
R-squared 0.641565 Mean dependent var 58835.95 Adjusted R-squared 0.494932 S.D. dependent var 108225.6 S.E. of regression 76913.92 Akaike info criterion 25.58907 Sum squared resid 1.30E+11 Schwarz criterion 26.04711 Log likelihood -399.4251 Hannan-Quinn criter. 25.74090 F-statistic 4.375318 Durbin-Watson stat 2.022294 Prob(F-statistic)
0.002261
53007.202=nR ，由white 检验知，在05.0=?，查2χ分布表，得临界值
()81473.7305.02=χ，所以拒绝原假设，接受备择假设，表明模型存在异方差。
4.2异方差的修正
Dependent Variable: GDPP Method: Least Squares Date: 06/03/12 Time: 14:34 Sample: 1978 2009 Included observations: 32 Weighting series: 1/RESID^2
Variable
Coefficient
Std. Error t-Statistic Prob.
C 849.1712 171.2264 4.959347 0.0000 CSH -48.90755 8.460355 -5.780791 0.0000 ZFZC 0.086467 0.004839 17.86810 0.0000 JMKZPSR
1.185499
0.028887
41.03955 0.0000
Weighted Statistics
R-squared 0.999925 Mean dependent var 633.4496 Adjusted R-squared 0.999917 S.D. dependent var 3246.371 S.E. of regression 1.135960 Akaike info criterion 3.209302 Sum squared resid 36.13133 Schwarz criterion 3.392519 Log likelihood -47.34883 Hannan-Quinn criter. 3.270033 F-statistic 124296.8 Durbin-Watson stat 1.364803 Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared 0.998268 Mean dependent var
6325.906
Adjusted R-squared 0.998082 S.D. dependent var 7066.021 S.E. of regression 309.4658 Sum squared resid 2681534. Durbin-Watson stat 0.658206
4.3再次对修正后的模型做white 检验
Heteroskedasticity Test: White
F-statistic 1.09E+22 Prob. F(1,30)
0.0000 Obs*R-squared 32.00000 Prob. Chi-Square(1) 0.0000 Scaled explained SS
3.01E-10 Prob. Chi-Square(1) 1.0000
Test Equation:
Dependent Variable: WGT_RESID^2 Method: Least Squares Date: 06/03/12 Time: 14:41 Sample: 1978 2009 Included observations: 32
Collinear test regressors dropped from specification
Variable
Coefficient
Std. Error t-Statistic Prob.
C 2.45E-16 5.44E-17 4.498128 0.0001 WGT^2
3.14E-08
3.00E-19
1.05E+11
0.0000
R-squared 1.000000 Mean dependent var 1.00E-06 Adjusted R-squared 1.000000 S.D. dependent var 5.68E-06 S.E. of regression 3.03E-16 Sum squared resid 2.75E-30 F-statistic 1.09E+22 Durbin-Watson stat 1.800809 Prob(F-statistic)
0.000000
()81473.731001.305.022=<-=χE nR ,所以修正后的模型通过WHITE 检验得到无异方差。 此时模型为：
321^
1.1854990.086467
48.90755x -849.1712x x Y ++= ()171.2264
()8.460355 ()0.004839 ()0.028887 0.9999252=R 0.9999172=R 1.364803=DW 1.135960=SE 00.0=F 33=n
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。
第三章、经典单方程计量经济学模型：多元线性回归模型 一、内容提要 本章将一元回归模型拓展到了多元回归模型，其基本的建模思想与建模方法与一元的情形相同。主要内容仍然包括模型的基本假定、模型的估计、模型的检验以及模型在预测方面的应用等方面。只不过为了多元建模的需要，在基本假设方面以及检验方面有所扩充。 本章仍重点介绍了多元线性回归模型的基本假设、估计方法以及检验程序。与一元回归分析相比，多元回归分析的基本假设中引入了多个解释变量间不存在（完全）多重共线性这一假设；在检验部分，一方面引入了修正的可决系数，另一方面引入了对多个解释变量是否对被解释变量有显著线性影响关系的联合性F检验，并讨论了F检验与拟合优度检验的内在联系。 本章的另一个重点是将线性回归模型拓展到非线性回归模型，主要学习非线性模型如何转化为线性回归模型的常见类型与方法。这里需要注意各回归参数的具体经济含义。 本章第三个学习重点是关于模型的约束性检验问题，包括参数的线性约束与非线性约束检验。参数的线性约束检验包括对参数线性约束的检验、对模型增加或减少解释变量的检验以及参数的稳定性检验三方面的内容，其中参数稳定性检验又包括邹氏参数稳定性检验与邹氏预测检验两种类型的检验。检验都是以F检验为主要检验工具，以受约束模型与无约束模型是否有显著差异为检验基点。参数的非线性约束检验主要包括最大似然比检验、沃尔德检验与拉格朗日乘数检验。它们仍以估计无约束模型与受约束模型为基础，但以最大似然 χ分布为检验统计原理进行估计，且都适用于大样本情形，都以约束条件个数为自由度的2 量的分布特征。非线性约束检验中的拉格朗日乘数检验在后面的章节中多次使用。 二、典型例题分析 例1．某地区通过一个样本容量为722的调查数据得到劳动力受教育的一个回归方程为36 .0 . + = - 10+ 094 medu fedu .0 sibs edu210 131 .0 R2=0.214 式中，edu为劳动力受教育年数，sibs为该劳动力家庭中兄弟姐妹的个数，medu与fedu分别为母亲与父亲受到教育的年数。问
经典计量经济学应用模型 一、单选题 1. 生产函数的要素边际替代率表示的是（ ）。 A ．维持产出不变，增加一单位的某一要素投入，需增加另一要素投入数量 ； B. 维持产出不变，减少一单位的某一要素投入，需增加另一要素投入数量； C ．要素K 对要素L 的边际替代率等于ln()/ln()L K MP K d d L MK ； D ．要素的边际替代率是要素的替代弹性。 2. 两种生产要素的比例的变化率与边际技术替代率的变化率之比叫做 （ ）。 A ．要素的替代弹性 B. 要素的产出弹性 C ．边际技术替代率 D ．技术进步率 3. 下列生产函数中，要素的替代弹性为变量的是（ ） A ．线性生产函数 B. VES 生产函数 C ．C D -生产函数 D ．CES 生产函数 4. 下列生产函数中，要素的替代弹性为∞的是（ ） A ．线性生产函数 B. 投入产出生产函数 C ．C D -生产函数 D ．CES 生产函数 5. 下列生产函数中，要素的替代弹性分别为0和1的是（ ） A ．线性生产函数和C D -生产函数 B. 投入产出生产函数和C D -生产函数 C ．C D -生产函数和线性生产函数 D ．CES 生产函数和投入产出生产函数 6. 狭义技术进步是指（ ）。 A ．生产水平的提高 B. 产品价格的提高 C ．要素质量的提高 D ．管理水平的提高 7. 在C D -生产函数Y AL K αβ=中（ ）。 A ．α和β是产出弹性 B. α和β是边际产出 C ．α和β是替代弹性 D ．A 是要素替代弹性
8. CES 生产函数/12()m Y A K L ρρρδδ---=+中，01ρ<<，1δ越接近于1，表示 （ ）。 A ．资本密集度越高 B. 资本密集度越低 C ．技术进步程度越高 D ．技术进步程度越高 9. 中性技术进步中，希克斯中性进步指的是（ ）。 A ．要素之比/K L 不随时间变化 B. 劳动产出率/Y L 不随时间变化 C ．自资本产出率/Y K 不随时间变化 D ．资本密集度/L K E E ω=随技术 进步变大 10.当需求完全无弹性时，表示（ ） A ．价格与需求量之间存在完全线性关系 B.价格上升速度与需求量下降速度相等 C ．无论价格如何变动，需求量都不变 D ．价格上升，需求量也上升 11. 关于扩展的线性支出系统需求函数模型： (),1,2,,i i i j j j i b q r I p r i n p =+-=∑L 下列说法不正确的是（ ） A ．j γ是第j 种商品的基本需求量 B.i b 是第i 种商品的边际消费向 C ．()j j j I p r -∑是剩余收入用于购买第j 种商品的支出 D ．1i i b ≤∑ 12. 直接效用函数蒋孝勇表示为下列哪一项的函数（ ）。 A ．商品供应量 B. 商品需求量 C ．商品价格 D ．收入 13. 消费函数模型的一般形式为（ ）。 A ．t t t C Y αβμ=++ B. 011t t t C Y C ββμ-=++ C ．1(,)t t t t C f Y C μ-=+ D ．1(,)t t t t C f Y Y μ-=+ 14.下面四种单方程需求模型中，不能用于分析价格队需求量影响的模型时 （ ）。 A ．线性需求函数模型 B. 对数线性需求函数模型 C ．耐用品消费调整模型 D ．状态调整模型
第二章主要公式 资料地址：https://www.doczj.com/doc/9d14084449.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)
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、
#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。
第五章 单方程计量经济学应用模型 一、填空题： 1．当所有商品的价格不变时，收入变化1%所引起的第i 种商品需求量的变化百分比叫做需求的 。 2．对于生活必需品，需求的收入弹性i E 的取值区间为 ，需求的自价格弹性的取值区间为 。 3．当收入和其他商品的价格不变时，第j 种商品价格变化1%所引起的第i 种商品需求量的变化百分比，叫做需求的 。 4．替代品的需求互价格弹性ij E 0；互补品的需求互价格弹性 ij E 0；无关商品的需求 互价格弹性 ij E 0。 5．吉芬商品的需求自价格弹性 0。 6．西方国家发展的需求函数模型的理论模型，是由 函数在 最大化下导出的。而对数线性需求函数模型和线性需求函数模型则是由 拟合得到的。 7．在线性支出系统需求函数模型 )(∑-+ =j j j i i i i r p V p b r q 中，V 表示总 ，i r 表示第i 种商品的 需求量，i b 表示第i 种商品的边际 份额。 8．在扩展的线性支出系统需求函数模型 )(∑-+ =j j j i i i i r p I p b r q 中，I 表示 ，i r 表示第i 种商 品的 需求量，i b 表示第i 种商品的 消费倾向。 9．在绝对收入假设消费函数模型C Y Y t t t t =+++αββμ012 （t T =12,,,Λ）中，参数a 表示 ， 且a 0； t t Y C 10ββ+=，参数b 1＜0，表示递减的边际消费倾向。 10．在绝对收入假设消费函数模型 C Y Y t t t t =+++αββμ012 （t T =12,,,Λ）中，参数b 1 0，以反映边际消费倾向 规律。
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
我国居民消费水平的变量因素分析 2010级工程管理赵莹 201000271120 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，特别是进入20世纪90年代以来，居民消费需求对国民经济发展的影响不断增大，对国民经济产生了拉动作用。我国经济逐步由短缺经济走向过剩经济、由卖方市场转向买方市场，社会消费需求不足，居民消费问题显得更加突出。特别市对于如何启动内需，扩大居民消费变得越来越重要。因此，及时把握国民经济发展格局中居民消费需求变动趋势，制定符合我国现阶段情况的国民消费政策，对于提高我国经济增长速度和质量都有重要意义。 我选取了全国1990年-2009年居民消费水平及其影响因素的统计资料，详 一、建立回归模型并进行参数估计 导入数据后得到下表：
表2 由表2可知，模型估计的结果为： 550.78004.0023.0403.0?3 21-+-=X X X Y (0.046) (0.016) (0.006) (50.521) t= (8.743) (-1.442) (0.802) (-1.555) 999564.02=R 999483.02=R F=12239.64 n=20 D.W.=0.9217 二、异方差性的检验 用怀特检验进行异方差性的检验，得出下表：
表3 由表3可知，35292.11n 2 =R ，由怀特检验，在α=0.05的情况下，查可 知92.16905 .02 =）（χ >35292.11n 2=R ，表明模型不存在异方差性。 三、序列相关性的检验 由表2中结果可知D.W.=0.9217，D.W.检验结果表明，在5%的显著性水平下，n=20，k=2，查表得20.1d =L ，41.1d =U ，由于0 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 思考题答案 第一章绪论 思考题 怎样理解产生于西方国家的计量经济学能够在中国的经济理论研究和现代化建设中发挥重要作用 答：计量经济学的产生源于对经济问题的定量研究，这是社会经济发展到一定阶段的客观需要。计量经济学的发展是与现代科学技术成就结合在一起的，它反映了社会化大生产对各种经济因素和经济活动进行数量分析的客观要求。经济学从定性研究向定量分析的发展，是经济学逐步向更加精密、更加科学发展的表现。我们只要坚持以科学的经济理论为指导，紧密结合中国经济的实际，就能够使计量经济学的理论与方法在中国的经济理论研究和现代化建设中发挥重要作用。 理论计量经济学和应用计量经济学的区别和联系是什么 答：计量经济学不仅要寻求经济计量分析的方法，而且要对实际经济问题加以研究，分为理论计量经济学和应用计量经济学两个方面。 理论计量经济学是以计量经济学理论与方法技术为研究内容，目的在于为应用计量经济学提供方法论。所谓计量经济学理论与方法技术的研究，实质上是指研究如何运用、改造和发展数理统计方法，使之成为适合测定随机经济关系的特殊方法。 应用计量经济学是在一定的经济理论的指导下，以反映经济事实的统计数据为依据，用计量经济方法技术研究计量经济模型的实用化或探索实证经济规律、分析经济现象和预测经济行为以及对经济政策作定量评价。 怎样理解计量经济学与理论经济学、经济统计学的关系 答：1、计量经济学与经济学的关系。联系：计量经济学研究的主体—经济现象和经济关系的数量规律；计量经济学必须以经济学提供的理论原则和经济运行规律为依据；经济计量分析的结果：对经济理论确定的原则加以验证、充实、完善。区别：经济理论重在定性分析,并不对经济关系提供数量上的具体度量；计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容。 2、计量经济学与经济统计学的关系。联系：经济统计侧重于对社会经济现象的描述性计量；经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据；经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据。区别：经济统计学主要用统计指标和统计分析方法对经济现象进行描述和计量；计量经济学主要利用数理统计方法对经济变量间的关系进行计量。 在计量经济模型中被解释变量和解释变量的作用有什么不同 答：在计量经济模型中，解释变量是变动的原因，被解释变量是变动的结果。被解释变量是模型要分析研究的对象。解释变量是说明被解释变量变动主要原因的变量。 一个完整的计量经济模型应包括哪些基本要素你能举一个例子吗 答：一个完整的计量经济模型应包括三个基本要素：经济变量、参数和随机误差项。 例如研究消费函数的计量经济模型：u + = α βX Y+ 其中，Y为居民消费支出，X为居民家庭收入，二者是经济变量；α和β为参数；u是随机误差项。 假如你是中央银行货币政策的研究者，需要你对增加货币供应量促进经济增长提 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。 我国人口数量的相关分析 一，寻找相关数据 二，进行模型的建立 打开Eviews，建立一个新的Workfile。数据类型为时间序列，1979~2012年。 输入被解释变量y与5个解释变量（如图所示） 将数据导入group中 分别观察y与x1,x2,x3,x4,x5的散点图，Y与x1的散点图： Y与x2的散点图： Y与x4的散点图： 观察上述散点图发现y与x1，x2，x3，x4，x5为非线性关系，因此对其进行非线性模型的线性化处理。 三，对模型进行参数估计 首先对模型进行线性化处理 对其进行模型回归，输入ls y c z1 z2 z3 z4 z5 得到如下图所示回归结果 回归结果为 i Y ^ =-123441.8-3988.052Z 1 +5043.003Z 2 +6105.032Z 3 -11.015X 4 +20443.4Z 5 i Y ^ =-123441.8-3988.05log(X 1 )+5043.0log(X 2 )+6105.03log(X 3 )-11.015X 4 +20443.4 log(X 5 ) t =(-5.5428) (-2.2016) (0.7198) (7.8404) (-5.3888) (6.2395) R 2 =0.997258 2— R =0.996769 F=2037.054 DW=0.981736 (1)经济意义检验 β1=-3988.052，说明出生率每增加单1%，我国总人口减少3988.052单位； β2=5043.003，说明死亡率每增加单1%，我国总人口增加5043.003单位； β3=6105.032，说明人均可支配收入每增加1个单位，我国总人口增加6105.032单位； β1=-11.015，说明受高等教育人数每增加1个单位，我国总人口减少11.015单位； β1=20443.4，说明医疗机构数每增加1个单位，我国总人口增加20443.4单位； (2)统计检验 ○ 1拟合优度检验 可决系数R 2 =0.997258，修正后的可决系数2 — R =0.996769，表明拟合结果相当好。 ○ 2T-检验 由表可知各参数的t 统计量为 β1为t 1=-2.2016 β2为t 2=0.7198 β3为t 3=7.8404计量经济学公式整理.doc
计量经济学公式
计量经济学 庞皓 课后思考题答案
计量经济学复习大纲
计量经济学考试重点整理
计量经济学我国人口总数模型分析
相关主题
文本预览