空间计量经济模型在省域研发
与创新中的应用研究①
吴玉鸣
(清华大学公共管理学院、广西师范大学经济管理学院)
【摘要】本文运用空间计量经济学的空间常系数空间滞后模型、空间误差模型、变系数回归模型———地理加权回归模型,对中国省域研发与创新的计量分析结果发现,中国31个省域创新能力的贡献主要由企业研究与开发投入实现,大学研发对区域创新能力没有明显的贡献,大学研发与企业研发的结合没有对区域创新表现出显著的作用。局域地理加权回归计量分析结果显示,企业研发能力和人力资本对省域的创新能力具有正向促进作用,寻求建立大学研发与企业研发之间的技术转移渠道和相互作用机制是目前大学、企业研发与省域创新联动面临的一个关键问题。
关键词 空间计量经济学模型 知识生产函数 研发 创新
中图分类号 F06411 文献标识码 A
A Spatial E conometric Model and Its Application
to R esearch&Development and R egional Innovation
Abstract:U sing a spatial constantΟcoefficient regression model which is called Spatial Lag Model and Spatial Error Model,and spatial varyingΟcoefficient regres2 sion model which is called geograp hically weighted regression of spatial economet ric met hods,a spatial economet ric analysis o n research and experimental develop ment (R&D)and innovation of Chinaπs31p rovincial regions is performed1spatial econo2 metric analysis is performed1The global estimation result s discover t hat enterprise R&D has contribution to t he innovation capability of China’s31p rovincial regions while university R&D does not cont ribute obviously to t he provincial innovation ca2 pability1The combination of university and enterp rise does not have positive impact on innovation also1The local geograp hically weighed regression estimation result s show t hat enterp rise R&D capability and human capital have positive impact on t he provincial innovation co mpetence1
K ey w ords:Spatial Economet ric Models;Knowledge Production Function (KPF);R&D;Innovation
①本文受到国家自然科学基金(70463001)、北京市科委科学研究计划项目(Z0004094040112)资助。
引 言
长期以来,在主流的经济学理论中,空间事物无关联及均质性假定的局限,以及普遍使用忽视空间效应的普通最小二乘法(OL S)进行模型估计,使得在实际应用中往往存在模型的设定偏差问题,进而导致经济学研究得出的各种结果和推论不够完整、科学,缺乏应有的解释力(吴玉鸣,2005)。经典计量经济学中的线性回归模型的经典假定,以及回归模型的系数β是一个常数假定,面对异常复杂的经济系统和因素变量之间的交互影响,尤其是碰到横截面数据之间存在空间自相关性和空间异质性时,经典计量的线性回归模型就显得有些力不从心,需要发展新的方法来弥补这种不足。空间计量经济学(Anselin,1988)理论认为,一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上同一现象或属性值是相关的。几乎所有的空间数据都具有空间依赖性或空间自相关性的特征,空间依赖的存在打破了大多数经典统计和计量分析中相互独立的基本假设。也就是说,各区域之间的数据存在与时间序列相关、相对应的空间相关。并空间统计和空间计量经济方法是在继承和发展完善经典统计和计量方法的基础上,将经典统计和计量方法应用于与地理位置及空间交互作用相关的地理空间数据,通过地理位置与空间联系建立的统计与计量关系,以统计和计量方法识别和度量空间变动的规律与空间模式的决定因素。
创新行为、创新过程和创新集群及其与区域经济增长的关系是目前区域经济发展研究的一个重要领域。创新的空间集群是区域创新一个异常明显的现象,如美国硅谷和波士顿128号公路两个著名高新区,就是产业集群和创新空间集群的典型案例。区域创新指区域内整体的创新内容,包括制度创新、组织创新、技术创新等多方面(王缉慈等,2001)。当然,我们认为,还包括作为技术创新源头的知识创新。纵观国内现有科技发展和区域创新方面的研究成果发现,大多数研究集中于技术创新或者区域创新系统、创新能力或绩效的综合评价与比较等方面(中国科技发展战略研究小组,2004;官建成、何颖,2005)。从区域创新的主体出发,通过建立理论和计量模型,测算研发机构与区域创新活动之间的相互作用机制与科研机构、大学、企业等主体对区域创新产出的贡献方面的研究显得非常不足。本文主要运用包括北京的全国2000年研发经费清查数据及2000～2003年的地区专利授权数数据,对全国31个省域的科研机构、大学与企业等研发投入、人力资本与区域创新产出进行定量研究,试图回答以下几个问题:第一,对中国31个省域的研发和创新产出,将知识生产函数和空间计量经济学的三种主要模型结合起来,测算和估计我国省域科研机构、大学企业研发经费投入对地区创新产出的贡献;第二,研究大学与企业的结合是否有利于省域创新活动;第三,考察人力资本对省域创新产出的影响。
一、研究的理论基础和模型方法
11理论基础来源
在理论支撑方面,除了新经济(内生增长)增长理论中的人力资本、“边干边学”和研究与开发(R&D)模型及新经济地理学理论以外,以下有关对知识和创新的认识和理论来源,是研发与区域创新认识和研究的重要理论基础。
(1)知识生产函数。知识生产函数(Knowledge Production Function,KPF)是目前国际上研究知识生产和技术创新与区域创新及其决定因素的重要理论模型。知识生产函数将创新的产出和创新投入联系起来,认为研究与开发经费投入和人力投入是知识生产和创新的主
要投入,通过这种投入可以生产出新的经济有价值的知识。目前,国外已有不少利用知识生产函数进行创新、研发以及技术(知识)溢出研究的成果(Griliches,1979、1986;Acs 等,1992;Feldman,1994;Anselin等,1997;Blind和Grupp,1999;Bode,2004)。研究技术变化的主流理论模型是Griliches(1979)提出的知识生产函数模型。模型中最重要的投入(变量)是新的有用的经济知识。知识创造和科技的绩效是一个内生变量,正如Cohen 和Klepper(1991、1992)所指出的那样,创造新经济知识的最大投入通常是R&D,其他的输入变量包括人力资本、熟练劳动力、教育水平等。知识生产函数把创新投入和创新的产出联系起来,大量实证研究结果发现,作为一个经验模型,知识生产函数确实存在,而且在知识和创新研究中是一个很好的统计模型,并为大多数经验研究所证实(Anselin等,1997; Blind和Grupp,1999;Bode,2004)。
(2)创新的空间集群与知识的局域溢出。随着知识创新和知识生产函数理论的逐渐被人接受,区域发展研究的一个新方向是把技术知识溢出局域化为经济主体(尤其是高技术公司)在地理空间上集群的基本力量,原因主要是经济主体之间在一个特殊的地区交流比要穿过不同的地区交流更容易、更有效。尽管全球化和技术水平的提高使得较远距离的空间货物运输和信息传递成本降低,但是地理距离对经济增长的影响并未消失。一些信息的传递还要依赖于人员和事物的流动,大多数的生产和服务还需要人们面对面的交流,而且人员流动的成本远比运输货物的成本要高得多,尤其是对于发展中的国家和地区的经济发展而言,距离对货物运输、人员流动及信息传递的影响仍然存在。虽然与以往相比劳动力的流动要容易一些,但新世纪劳动力在地理空间上的流动性仍然还受到很大限制(Cheshire,Malecki, 2004)。人们也许感觉到经济体可以以一个很小的成本获得来自远方的知识。然而,如果每个人在任何地方都可以以一个很小的成本得到信息,而不是知识。那么,知识在一个很大的范围里是暗含在它的特质中,是嵌入在人力资本里随时间而累积的。这种类型的知识的溢出需要边干边学(Learning by Doing),需要研发人员个体之间面对面的接触和公司之间在地理上邻近和容易到达,因此,知识传播的成本是随距离的增大而增加的。更确切地说,隐性知识(Tacit Knowledge)对公司和地理区位是有粘性的(Sticky),在不计成本的情况下无法轻易传播。所以为了充分利用知识,发挥知识的扩散效应,个体和公司与知识创新的特定源地的邻近是非常重要的。R&D活动和创新集聚在一定的地域空间,就是为什么在不同地理区位上存在科技差异的原因。
21理论模型构建
基于由Griliches—J affe提出的知识生产函数是对研究与开发(R&D)活动带来的创新和技术溢出过程进行计量分析常用的理论框架。这种形式的生产函数已由为数不少的经验研究所证明(Audrestch,1998;Audrestch,Feldman,1996;Bode,2004)。
一般而言,R&D投资行为是一个地区在创新过程中产生新知识的基本投入,即
K=f(R)(1)式中,K为新的经济有价值的知识,R为研究与开发资源投入。
为了研究K和R之间的关系,已进行了大量的经验研究。显而易见,K作为创新和研发活动的产出不易直接观测到,因而需要借助于一些指标来代替K。专利是目前文献中国内外研究者最常用的一项指标。为了分析地理邻近性在创新活动中的重要性及捕获科技外部性的扩散作用,J affe(1989)修正了Griliches提出的知识生产函数,并引进了空间维度和
大学研究。他所观测的单元不仅仅限于企业,而扩展到了空间区域(Audrestch,1998)。基于以上认识,分析中国不同省域的研发与开发投入水平是如何影响其创新行为的就显得非常有价值。为此,本文拟采用Griliches(1979、1986)和J affe(1989)提出的标准的知识生产函数,经过修正的在文献上称之为GrilichesΟJ affe知识生产函数的柯布—道格拉斯(Cobb2Douglas)形式为:
K i=RD91i Z92i e i(2)式中,K为创新生产;R D为R&D支出;Z为一系列经济社会变量,譬如人力资本;e 为随机扰动项;i为观测单元(本文为省域)。
GrilichesΟJ affe生产函数是基于这样一个假设:即一个地区的大学研究对同一个地区的专利的正面影响显示了地理媒介溢出的存在,以及没有区分科技转移形式的某种科技外部性的存在。这样,在该模型中创新活动与地理空间有关。值得一提的是,Acs等(1992),Feldman(1994),Anselin等(1997),Blind和Grupp(1999)及Bode(2004)等的研究,都着眼于分析地理上的局域溢出及创新产出区位的决定因素。根据中国省域研究与开发经费投入的实际情况,我们将研发经费投入从国外普遍使用的大学和企业扩展到科研机构,使用知识生产函数来度量全国省域科研机构、大学、企业研发与区域创新之间的投入产出关系。
二、空间计量经济学方法模型
根据空间统计和空间计量经济学原理方法,笔者认为,进行空间计量经济分析的基本思路应该是,首先采用空间统计分析Moran指数法检验因变量(被解释变量)是否存在空间自相关性,如果存在,则需要在空间计量经济学理论方法支持下,建立空间计量经济模型,进行空间计量估计和检验。
11空间自相关分析
检验区域经济变量的空间相关性存在与否,空间统计学一般使用空间统计量———空间自相关指数Moran I。Moran I定义为:
MoranI=∑n
i=1
∑n
j=1
W ij(Y i-Y)(Y j-Y)
S2∑
n
i=1
∑n
j=1
W ij
(3)
式中S2=1
n ∑n
i=1
(Y i-Y),Y=
1
n
∑n
i=1
Y i,表示第i地区的观测值,n为地区总数,W ij
为二进制的邻接空间权值矩阵,表示其中的任一元素,采用邻接标准或距离标准,其目的是定义空间对象的相互邻接关系。
根据空间数据的分布可以计算正态分布Moran I的期望值
E n(I)=-
1 n-1
V A R n(I)=n2w1+nw2+3w20
w20(n2-1)
-E2n(I)(4)
式中,w 0=
∑n i =1∑n j =1w ij ,w 1=12∑n i =1∑n j =1(w ij +w ji )2,w 2=∑n
i =1(w i ?+w ?j )2,w i ?和
w ?j 分别为空间权值矩阵中i 行和j 列之和。
用式(5)可以检验n 个区域是否存在空间自相关关系。
Z (d )=MoranI -E (I )
V A R (I )(5)
21空间计量经济模型及估计
空间计量经济学模型有多种(Anselin 等,2004)。本文使用的空间计量经济模型主要是纳入了空间效应(空间相关和空间差异)的空间常系数回归模型,包括空间滞后模型(Spa 2tial Lag Model ,SL M )与空间误差模型(Spatial Error Model ,SEM )两种,以及空间变系数回归模型———地理加权回归模型(Geograp hical Weighted Regression ,GWR )。
(1)空间常系数回归模型。①空间滞后模型(Spatial Lag Model ,SL M )主要是探讨各变量在一地区是否有扩散现象(溢出效应)。其模型表达式为:
y =ρW y +X β+ε(6)
式中,y 为因变量;X 为n ×k 的外生解释变量矩阵;ρ为空间回归关系数;W 为n ×n 阶的空间权值矩阵,一般用邻接矩阵(Contiguity Mat rix );W y 为空间滞后因变量,ε为随机误差项向量;②空间误差模型(Spatial Error Model ,SEM )的数学表达式为:
y =X
β+εε=λW ε+μ(7)
式中,ε为随机误差项向量;λ为n ×1的截面因变量向量的空间误差系数;μ为正态分布的随机误差向量。
参数λ衡量了样本观察值中的空间依赖作用,即相邻地区的观察值y 对本地区观察值y 的影响方向和程度,参数β反映了自变量X 对因变量y 的影响。SEM 的空间依赖作用存在于扰动误差项之中,度量了邻接地区关于因变量的误差冲击对本地区观察值的影响程度;③估计技术。对于上述两种模型的估计如果仍采用最小二乘法(OL S ),系数估计值会有偏或者无效,需要通过工具变量法、极大似然法或广义最小二乘估计等其他方法来进行估计。Anselin (1988)建议采用极大似然法估计空间滞后模型(SL M )和空间误差模型(SEM )的参数;④空间自相关检验与SL M 、SEM 的选择。判断地区间经济行为的空间相关性是否存在,一般通过包括Moran I 检验、两个拉格朗日乘数(Lagrange Multiplier )形式L M ERR 、L ML A G 和稳健(Ro bust )的R ΟL M ERR 、R ΟL ML A G 等来进行。由于事先无法根据先验经验推断在SL M 和SEM 模型中是否存在空间依赖性,有必要构建一种判别准则,以决定哪种空间模型更加符合客观实际。Anselin 等(2004)提出了如下判别准则:如果在空间依赖性的检验中发现,L ML A G 较之L M ERR 在统计上更加显著,且R ΟL ML A G 显著而R ΟL M ERR 不显著,则可以断定适合的模型是空间滞后模型;相反,如果L M ERR 比L ML A G 在统计上更加显著,且R ΟL M ERR 显著而R ΟL MLA G 不显著,则可以断定空间误差模型是恰当的模型。除了拟合优度R 2检验以外,常用的检验准则还有自然对数似然函数值(Log likelihood ,LogL ),似然比率(Likelihood Ratio ,L R ),赤池信息准则(Akaike information criterio n ,A IC ),施瓦茨准则(Schwartz criterion ,SC )。对数似然值
越大,似然率越小,A IC 和SC 值越小,模型拟合效果越好。这几个指标也用来比较OL S 估计的经典线性回归模型和SL M 、SEM ,似然值的自然对数最大的模型最好。
(2)空间变系数回归模型。当用横截面数据建立计量经济学模型时,由于这种数据在空间上表现出的复杂性、自相关性和变异性,使得解释变量对被解释变量的影响在不同区域之间可能是不同的,假定区域之间的经济行为在空间上具有异质性的差异可能更加符合现实。空间变系数回归模型(Spatial Varying ΟCoefficient Regression Model )中的地理加权回归模型(Geograp hical Weighted Regression ,GWR )是一种解决这种问题的有效方法。假定我们有i =1,2,…,m 、j =1,2,…,n 的系列解释变量观测值x ij 及系列被解释变量y j ,经典的全域(Global )线性回归模型如式(8)所示。
y i =β0+
∑n
j =1x ij βj +εi i =1,2,…,m (8)
在模型(8)中,ε为整个回归模型的随机误差项,满足球形扰动假设,回归系数β被假定为一个常数。模型参数βj 的估计一般采用普通最小二乘(OL S )法。
地理加权回归模型是一种相对简单的回归估计技术,它扩展了普通线性回归模型(8)。在扩展的GWR 模型中,特定区位的回归系数不再是利用全部信息获得的假定常数β0,而是利用邻近观测值的子样本数据信息进行局域(Local )回归估计而得的、随着空间上局部地理位置i 变化而变化的变数βj ,GWR 模型可以表示为:
y i =β0(u i ,v i )+
∑k
j =1βk (u i ,v i )x ij +εi (9)
式中,系数βj 的下标j 表示与观测值联系的m ×
1阶待估计参数向量,是关于地理位置(u i ,v i )的k +1元函数。GWR 可以对每个观测值估计出k 个参数向量的估计值,ε是第i 个区域的随机误差,满足零均值、同方差、相互独立等球形扰动假定。实际上,模型(9)可以表示为在每个区域都有一个对应的估计函数,其对数似然函数可以表示为:
log L =L [β0(u ,v ),…,βk (u ,v )
|M ] =-12σ2∑n i =1y i -β0(u i ,v i )-∑k j =1βk (u i ,v i )x i 2+α(10)
式中α为常数,M =[y i ,x ij ,(u i ,v i ),i =1,2,…,n ,j =1,2,…,k ]。由于极大似然法(ML )的解不是惟一的,Hastie 和Tibshirani (1993)认为,用该方法求解是不恰当的。他们提出了用局域法求解获得^βj 。
^βj =(X ′W 2X )-1(X ′W 2Y )(11)
式中,W ij 为空间权值矩阵。^βj (j =1,2,…,k )的GWR 估计值是随着W ij 的变化而
变化的,W ij 的选择至关重要,一般由观测值的空间(经纬度)坐标决定。实际研究中常用的空间距离权值W ij 计算公式有高斯距离权值(Gaussian Distance )、指数距离权值(Expo 2nential Distance )、三次方距离权值(Tricube Distance )等。
三、样本数据和变量选择
考虑到创新从投入到产出需要经过一定时期的滞后,一般的研究都假设了滞后时间,有
的选择一年,有的选择两年。为了检验这一假设,本文实证分析中所用的样本包括除了香港、澳门特别行政区和台湾省的中国大陆31个省、自治区、直辖市,简称为省域,创新产出基础数据主要来源于2001、2002、2003、2004年度的《中国统计年鉴》,而创新投入则来源于2001年的《中国统计年鉴》。使用的变量度量具体说明如下:①创新产出(I)。目前,大多数研究人员(J affe,1989;Anselin Bode,2004;Bottazzi和Peri,2003;官建成、何颖,2005)把专利作为创新产出的度量指标。由于专利比较接近创新的商业应用和专利数据能比较全面地反映各地区发明和创新信息(Archibugi,1998),故专利是常用来衡量地区创新能力和创新产出的指标。遵循一般做法(刘顺忠、官建成,2002;Bode,2004),本文采用各个省域每十万人口拥有的专利授权数作为衡量各省域创新产出的基本指标;②研究与发展(R&D)经费支出。研究与试验发展(R&D)是科技活动中最能体现创新能力的活动。本文选择了2000年各省域研究与试验发展(R&D)经费内部支出的清查数据,主要包括科研机构、高等院校、微观企业R&D经费。本文计算了科研机构(S)、高等院校(U)、微观企业(E)R&D支出经费占各省域GDP的比例,作为区域创新系统中资金投入的一个度量指标;③人力资本。区域创新与当地的人力资本的存量关联密切。一般认为,人口数量并不是影响知识生产和区域创新的一个重要因素,但创新能力强的地区往往拥有较多的人口。实际上,人口数量多寡并不是问题的实质,而是区域创新需要拥有在众多人口背后蕴藏的大量的有一定知识和技能(包括熟练劳动力)。为此,本文对标准知识生产函数所作的一个改进就是加入人力资本变量,主要考虑到大多数的科技创新活动都是在教育水平比较高的地区产生的,因此我们引入了每十万人拥有大专以上受教育程度人口(H),作为一个地区拥有人力资本的一个替代;④研究与试验发展(R&D)人员投入。R&D人员是一个地区从事科技活动具有直接创新产出能力的主体,因此,我们选取了区域万人大中型工业企业科学家工程师全时当量(Exp)作为区域创新系统中人员投入的一个重要指标。设计这个指标主要是为了计算其与高等院校研究与试验发展(R&D)经费内部支出额的乘积,衡量大学研发与企业投入的结合是否促进区域创新产出的增加。
四、实证分析结果
11模型的建立和估计
根据知识生产函数的建模原理,本文以十万人专利授权数(I)代表创新产出,为被解释变量,以科研机构(S)、大学(U)、企业(E)R&D投入占GDP的比例,万人大中型工业企业科学家工程师全时当量(Exp)与大学R&D占GDP比重的乘积(U×Exp)、每十万人拥有大专以上受教育程度人口(H)为解释变量,建立了双对数线性的知识生产函数模型为:
log I i=β0+β1log S+β2log U+β3log E+β4log H+β5log U×Exp+εi 式中,β为回归参数,i为1,2,…,31个省域,ε为随机误差项。
为了验证创新投入产出的滞后性假设,我们以2000、2001、2002、2003年I分别作为被解释变量,以2000年的S、U、E、H和U×Exp分别作为解释变量,首先进行OL S估计,结果发现,滞后二阶的模型估计结果拟合度比较好,因此以2002年的I为被解释变量的OL S估计结果如表1所示。
表1OLS估计结果
模 型回归系数^β标准差^σt统计值小概率p值C-9156213212030-413406010002
S-012840333011489-119071010681
U011328011660018000014312
E01622433012820212072010367
H1115663012852410560010004 U×Exp-010*********-018267014162 R2017605
R2adj017126
F15187453010000
LogL-2318229
AIC5916459
SC6812498
空间依赖性检验MI/DF统计值小概率p值
Moran指数(误差)01203421309933010209
L ML A G1118728011711
RΟL ML A G1010969017556
L M ERR1217384333010980
RΟL M ERR1019625013266
注:333、33、3分别表示通过10%、5%、1%水平的显著性检验。
(1)空间自相关性检验。首先检测2002年中国31个省域创新产出在地理空间上的相关性即空间相互依赖性。区域专利(对数)的Moran指数为013600,Moran I的正态统计量Z值均大于正态分布函数在0101水平下的临界值(1196),表明中国31个省、直辖市和自治区的专利数在空间分布上具有明显的正自相关关系(空间依赖性),说明全国各省域创新的空间分布并非表现出完全随机状态,而是表现出相似值之间的空间集群(Clustering),正的空间相关代表相邻地区的特性类似的空间联系结构,即具有较高产出的省域相对地趋于和较高创新的省域相靠近,较低产出的省域相对地趋于和较低产出的省域相邻。因此,从整体上讲省域之间的创新是存在空间相关性的,也就是说,存在着空间上明显的集群现象。因此,有必要在使用省域数据进行研发与创新研究时考虑纳入空间依赖性的空间计量经济模型进行估计。
(2)空间计量经济估计与分析。空间相关分析已经定量证明了中国省域创新产出具有空间相关性,需要采用空间计量经济模型进行估计。为此,以下的思路是,以中国大陆31个省域为空间单元,进行省域创新的空间计量经济检验和估计,当然,为了比较,先进行了OL S估计。
首先进行普通最小二乘(OL S)法的估计,以及通过Moran指数检验、两个拉格朗日乘数来判断空间计量经济学模型SL M和SEM的形式,结果见表1。利用极大似然估计(ML)的参数估计结果如表2所示。
表2SLM和SE M估计结果
变 量
SL M S EM
βStd1E t统计值p值βStd1E t统计值p值
C-9108023119525-416506010000-9115813210160-415428010000 S-012137011347-115866011126-011813011257-114429011490 U010514011519013384017351010628011319014762016339 E0154503301249921180701029201545633012252214230010154 H11086030125464126620100001112353012670412078010000
U×Exp-010*********-017299014654-010*********-018864013754ρ/λ01218301167511303101192501461133011958213548010185
统计检验DF统计值p值DF统计值p值
R2017757017966
LogL-2219717-2211243
L R11170250119201313973010653333
AIC59194345612486
SC69198136418525
注:同表1。
由表1可知,OL S估计的31个省域创新函数的拟合优度达到71126%,F值为
1518745,模型整体上通过了1%水平的显著性检验。变量的显著性检验显示,大学和企业研发投入的回归系数符号均为正,与我们的预期基本一致,但是科研机构、大学研发投入未能通过5%的变量显著性检验,大学与企业的结合系数亦未能通过5%的显著性检验,而企业研发和人力资本则分别通过了5%和1%水平的变量显著性检验,说明它们对创新产出有显著的正效应。如果不考虑省域创新之间的相互作用,我们的分析也就到此为止了。但由于前述的空间统计的Moran指数检验已经证明了31个省域的创新产出之间具有明显的空间自相关性,说明忽视空间自相关性直接采用OL S法建立模型进行估计分析存在一定问题,出现这种问题的原因可能有两个:一是遗漏了重要的变量;二是模型设定有问题,如未能考虑截面单元(省域)之间的空间相关性。
为了进一步验证空间自相关性的存在,由表1中的Moran指数检验、两个拉格朗日乘
数的空间依赖性检验结果显示,Moran指数(误差)检验表明,经典回归误差的空间依赖
性(相关性)非常明显(显著性水平为2109%)。同时为了区分是内生的空间滞后还是空间
误差自相关,根据前面介绍的判别准则,表1中的拉格朗日乘子误差和滞后及其稳健性检验
表明,L M ERR仅仅通过了10%水平的显著性检验,L ML A G、RΟL M ERR、RΟL ML A G
均未能通过10%水平的显著性检验,比较SL M和SEM模型对数似然函数值LogL、A IC和
SC值、LogL、L R,相对而言,SEM模型相对更好一些。当然,这种判断不是特别严格,为此我们同时给出了SL M和SEM的估计结果见表2。
比较表1和表2的检验结果发现,空间滞后模型和空间误差模型的拟合优度检验值均高
于OL S模型,当然,由于采用ML法估计参数,基于残差平方和分解的拟合优度检验的意
义不是很大,为此,比较对数似然函数值LogL、A IC和SC值就会发现,SEM的LogL值
(-2211243)最大,极大似然比率也未能通过5%水平的显著性检验,因此SEM模型均比OL S估计的模型要好。由此可见,基于OL S法的经典线性回归模型由于遗漏了空间误差自
相关性而设定的模型不够恰当。这也验证了这样的观点:省域之间的创新产出都不可能没有关系。以往的研究大多假定地区之间相互独立,导致了基于OL S法估计结果及推论可能不够可靠,需要通过引入空间差异性和空间依赖性对经典的线性模型进行修正。
表3GWR估计结果
省域C t S t U t E t H t U×Exp t
北京-1011885-516288-013716-219907011724112424016879217977112224510391-010241-019382
天津-1012649-516037-013718-219714011610111545016986218272112304510116-010249-019611
河北-1012398-516035-013718-219751011660111918016872217722112311510148-010241-019269
山西-1010523-515114-013664-219542011989114414015780212283112463419516-010163-015947
内蒙古-1011007-517583-013708-310540011782113075017393311777111852511466-010280-111379
辽宁-1013527-516350-013727-219865011406110100017646311749112170510122-010296-111509
吉林-1013595-516540-013710-219950011316019508018048314123112010510093-010326-112752
黑龙江-1012667-517174-013681-310270011391110193018272316207111755510560-010344-113768
上海-1018976-515392-013843-219277010982016884017324218694113166419466-010273-019590
江苏-1016308-515516-013797-219493011248018823017143218154112824419564-010260-019370
浙江-1110200-514997-013808-218640010875016096017152217754113418419255-010263-019272
安徽-1017734-514781-013766-218789011155018109016774216085113188419090-010236-018325
福建-1111779-513973-013660-216969010697014809016845216305113755418579-010247-018970
江西-1110221-513269-013572-216463010824015685016538214938113635418037-010226-018311
山东-1015014-515708-013775-219637011373019754017118218293112630419727-010258-019482
河南-1014487-513890-013654-218451011517110761016008212675112989418418-010182-016402
湖北-1015484-511873-013443-216202011284018960015721211356113238416896-010166-016075
湖南-1016883-510185-013195-213606010952016512015760211668113406415640-010173-016799
广东-1110631-510982-013212-213224010583013960016288214008113746416243-010214-018507
广西-1014523-417003-012768-210018010842015639015458210586113137413124-010153-016508
海南-1019009-418168-012793-119874010470013148016009212976113561413906-010197-018356
重庆-919214-416513-012864-211590011457019960014637117124112700412816-010089-013670
四川-910445-411493-012399-117914011819112144013722113754111758319204-010018-010802
贵州-919967-415350-012670-119608011193018000014846118078112712411919-010105-014530
云南-913789-411386-012253-116330011351018868014300116039112002318885-010063-012842
西藏-717441-317401-011980-114368012491115896012825110814110205318437010056012658
陕西-917604-511225-013331-216635012067114817014658117180112471416441-010086-013245
甘肃-813725-413472-012691-211397012906210235012706110113111158411673010060012755
青海-718872-318993-012232-116734012745118050012586019892110502319493010072013440
宁夏-819328-417316-012973-214066012648118895013347112340111738413875010011010458
新疆-716002-410112-012198-116206013172210503012059018306110242414493010111015504
当然,由于OL S、SL M和SEM模型均为全域(Glo bal)估计,其回归系数整体上被假定为一个常数,无法揭示局域(Local)各个省域的因素对局域创新产出的影响。为了解决这个问题,我们采用地理加权回归模型(GWR)、采用加权最小二乘法(WL S)来进行局域估计,经过对2000～2003年的创新产出变量I为被解释变量的多次建模分析比较,结果发现滞后二阶的GWR模型是合适的模型。以高斯(Gaussian)、指数(Exponential)和三次方(Tricube)距离为权值的GWR估计模型的参数估计值结果显示,高斯距离和三次方距离两种模型的估计结果在各省域上基本一致,故表3报告了31个省域以高斯距离估计的局域回归系数估计值。在高斯距离估计的GWR模型中,调整后的R2=018068,高于OL S、SL M、SEM全域估计值(017126、017757、017966),这表明考虑了地理空间位置的地理加权回归模型的整体拟合效果要优于OL S、SL M、SEM全域估计模型,假定回归系数β固定
不变是不完全符合空间和地理邻近性发挥作用的区域创新实践的,也就是说,中国31个省域的创新产出能力在空间上具有异质性的差异。
表3显示,整体来看,在影响中国31个省域创新产出的因素中,S和U未能通过5%水平的变量显著性检验,表明科研机构和大学研发对区域创新产出的贡献不明显;企业研发除了广西、重庆、四川、贵州、云南、西藏以及陕西、甘肃、青海、宁夏、新疆等西南和西北省域外,均通过了5%水平的显著性检验,也就是说,上海、浙江、江苏、天津、北京、河北、福建、广东、海南等沿海省域,黑龙江、吉林、辽宁、内蒙古等老工业基地,安徽、江西、河南、山西、湖南、湖北等中部地区的研发投入对创新具有明显的贡献,而人力资本在所有因素中具有最好的表现,全部31个省域均通过了1%水平的显著性检验。此外,大学与企业的结合5%水平下不显著,没有有效地促进区域创新产出。
21模型估计结果分析
企业研发支出反映了企业对创新活动的重视程度和研发资金投入的强度,其与专利之间的显著正相关关系表明,企业的研究与试验发展经费支出对技术创新和产品开发活动具有显著的贡献,企业研发经费(对数)支出每增长1%,将使得除了广西、贵州、陕西、重庆、云南、四川、宁夏、西藏、甘肃、青海、新疆、西南和西北地区的省域以外的十万人专利授权量(对数)增长约0155%～0183%,相对于科研机构和大学的研发支出对专利的影响不明显,说明企业作为我国各个地区的创新主体,承担着专利创新和将技术转化平台的主要角色,在区域创新活动中居于主导地位。人力资本与创新的回归系数在1102～1138,对区域创新产出具有最高的贡献,人力资本(对数)支出每增长1%,将使得所有省域(对数)增长约1102%～1138%,表明创新活动离不开掌握并积累了一定技能的劳动力以及受到良好教育的人力资本的支撑。
模拟结果表明,即使控制了其他一些变量以及区域异质性差异对区域创新产出的影响,在区域创新产出活动空间集群倾向和相互作用中,企业研发和人力资本是省域创新产出最重要的投入,而科研机构、大学研发没有发挥应有的作用,大学和企业的结合也没有发挥应有的作用。但值得注意的是,人力资本变量由于累积的知识和技能进而通过发挥知识溢出机制影响区域创新行为。
五、结论与政策建议
本文介绍并利用空间计量经济学模型的常系数空间滞后模型、空间误差模型方法及变系数地理加权回归模型(GWR)方法,在知识生产函数框架下,利用这种方法着重对大学研究、企业研发投入对省域创新产出的作用和影响机制进行了计量检验,并通过与普通最小二乘法(OL S)的比较研究,实证应用分析结果表明,这三种空间计量经济学模型方法是目前研究考虑空间效应经济现象的较好的计量经济学方法。
区域创新与当地的人力资本的存量关联密切,因此,国家和地方政府需要通过制定推动经济技术发展的经济和社会发展计划、教育政策和科技政策,通过对人力资源的知识和健康投资,大力投资于教育和研发部门,增长人力资本的规模的质量,才能实现更快的创新产出和经济增长。中西部尤其是西部地区需进一步促进企业产权改革,加强人力资本投资和企业技术开发投入,增强人力资本在省域研发与创新中的作用。
科研机构和大学的研发投入对区域创新产出的作用不显著,大学与企业研发结合尚没有发挥增强区域创新能力的作用,而企业研发投入对区域创新产出具有明显的贡献。因此,启
示中央政府作为知识和研发投资的主要力量,在政府的财政研发经费支出中,投资于科研机构、大学、企业以及其他单位的结构性差异将会产生不同的创新产出结果,中央和地方政府除了继续加大财政研发支出的强度以外,还需要通过科学研究确定研发投资的重点,权衡技术吸收和自主创新投入的重点,一方面避免投入大量科研经费重复发达国家和地区已经成熟或即将淘汰的技术,以较低成本引进、吸收国外先进技术,从而增强技术吸收能力;另一方面还需要通过结构性调整和引导,加强科研机构、大学、企业等创新主体具有自主知识产权技术的研究与开发,增强自主创新能力。同时,本文的结论对于指导我国大学和企业之间联合开展科学研究富有启发意义。企业研发虽然是区域技术创新的主体,但是由于目前我国企业研发投资占其销售收入的比重太低,企业R&D人力资本投入也较低,而且大部分经费用于购买国外的技术设备,造成企业研发和自主创新能力弱,大量引进技术消化吸收不够等问题依然突出,这是我国大多数企业,尤其是科技型企业的“软肋”。大学作为知识的发源地,基础研究能力较强,在应用方面和试验发展方面的研究能力较弱。由于大学与企业和社会结合不够,研发和生产的脱节造成大学花费了大量科研经费获得的研究成果没有及时转化为技术产品。因此,为了促进大学科研成果与市场和企业的结合,在促进科技发展和创新能力培育方面,中央和地方政府应该通过加大基础科学技术研究、科学基础设施建设、人才培养和科技教育等方面的投入,通过制定一系列政策措施,调控并促进科研机构、大学科研人员和企业之间的联系与合作。
一般而言,科研机构、大学和企业的联系和合作是在区域层面上展开的,企业通过投资区位选择,在当地形成企业和大学的地理空间科技综合体和创新集群,使得地区内的企业和大学共享新的创意和科学技术发展带来的机遇。本研究的空间计量经济分析结果证明了这一点。鼓励科研院所和大学科技人员直接进入到当地的企业,直接为企业的发展做科研,来推动技术创新,把学术论文和专利发明等科研成果变成直接的经济效益。另外,对于市场经济体制比较完善的沿海发达省域而言,企业研发具有更加直接的产出效应。激励企业加大研发投入,继续改革调整企业制度,不断发展衍生体制灵活的企业,使企业真正成为技术创新的主体。
参考文献
[1]Acs,Z.,Audrestch,D1B;Feldman,M1(1992),Real ef f ects of academic research:comment [J],The American Economic Review,vol1821No11,363～3671
[2]Anselin,L1(1988),S patial Economet rics:Methods and Models,Dordrecht,Kluwer Academic Publishers1
[3]Anselin,L1Raymond J1G1M1Florax,Sergio J1Rey1(2004),A dvances in s patial economet rics: methodology,tools and a p plications1Berlin:SpringerΟVerlag1
[4]Anselin,L1,Varga,A1;Acs,Z1(1997),Local geographic spillovers between University research and high technology innovations[J],Journal of Urban Economics No142,422～4481
[5]Archibugi,D1(1998),T he interΟindust ry dist ribution of technological capabilities:a case study in the a p plication of Italian patenting in the US A[J],Technovation17,259～2741
[6]Audrestch,D1,Feldman,M1(1996),R&D s pillovers and the geog rap hy of innovation and p ro2 duction[J],The American Economic Review,Vol186,No14,630～6391
[7]Audrestch,D1(1998),A g glomeration and the location of innovative activit y[J],Oxford Review of Economic Policy,Vol114,No12,18～291
(下转第130页)
[15]郑友敬:《技术经济学的发展回顾与趋势展望》[J],《数量经济技术经济研究》1995年第6期。
[16]傅家骥等:《技术经济学前沿问题》[M],经济科学出版社,2003。
[17]刘仲林:《交叉学科分类模式与管理沉思》[J],《科学学研究》2003年第6期。
[18]乌杰:《系统科学方法论与科学发展观》[J],《系统辩证学学报》2005年第7期。
[19]齐建国:《技术经济学发展综述》[J],《数量经济技术经济研究》1997年第8期。
[20]谭斌昭、吴国林:《科技、经济与社会整合的前沿问题》[M],华南理工大学出版社,2001。
(责任编辑:彭 战)
(上接第85页)
[8]Blind,K1,Grupp,H1(1999),I nterde pendencies between the science and technolog y inf rast ructure and innovation activities in German regions:em pi rical f indings and policy consequences[J],Research Poli2 cy No128,451～4681
[9]Bode,E1(2004),T he s patial pattern of localized R&D s pillovers:an em pi rical investi gation
f or Germany[J],Journal of Economic G eography4,43～641
[10]Bottazzi,L1and Peri,G1(2003),I nnovation and S pillovers in Regions:evi dence f rom Europe2 an Patent Data[J],European Economic Review147(4),687～7101
[11]Feldman,M1(1994),T he Geog rap hy of I nnovation[M],Kluwer Academic Publishers1Dor2 drecht1
[12]Griliches,Z1(1979),Issues in assesing the cont ribution of research and development to p roduc2 tivit y g row th[J],Bell Journal of Economics,10(1),92～1161
[13]Griliches,Z11986,Productivit y,R&D,and basic research at the f i rm level i n the1970’s[J], American Economic Review176,141～1541
[14]Hastie,T1and Tibshirani R1(1993),V ary ing Coef f icient Models[J],Journal of the Royal Statistical Society,55,(series B),757～7961
[15]J affe,A11989,Real ef f ects of academic research[J],American Economic Review179,957～9701
[16]Tibshirani,R1J1and Hastie,T1J1(1987),L ocal likeli hood estimation[J],Journal of the American Statistical Association,82,559～5671
[17]官建成、何颖:《基于DEA方法的区域创新系统的评价》[J],《科学学研究》2005年第2期。
[18]刘顺忠、官建成:《区域创新系统创新绩效的评价》[J],《中国管理科学》2002年第2期。
[19]王缉慈等:《创新的空间:企业集群与区域发展》[M],北京大学出版社,2001。
[20]吴玉鸣:《中国经济增长与收入分配差异的空间计量经济分析》[M],经济科学出版社,2005。
[21]中国科技发展战略研究小组:《中国区域创新能力报告2004—2005》[M],知识产权出版社, 2005。
(责任编辑:朱长虹)
上课材料之二： 第二章 数学基础 (Mathematics) 第一节 矩阵(Matrix)及其二次型(Quadratic Forms) 第二节 分布函数(Distribution Function)，数学期望(Expectation)及方差(Variance) 第三节 数理统计（Mathematical Statistics ） 第一节 矩阵及其二次型(Matrix and its Quadratic Forms) 2.1 矩阵的基本概念与运算 一个m ×n 矩阵可表示为： 矩阵的加法较为简单，若C=A +B ，c ij =a ij +b ij 但矩阵的乘法的定义比较特殊，若A 是一个m ×n 1的矩阵，B 是一个n 1×n 的矩阵，则C =AB 是一个m ×n 的矩阵，而且∑== n k kj ik ij b a c 1，一般来讲，AB ≠BA ，但如下运算是成立 的： ● 结合律（Associative Law ） (AB )C =A （BC ） ● 分配律（Distributive Law ） A (B +C )=AB +AC 问题：(A+B)2=A 2+2AB+B 2是否成立？ 向量（Vector ）是一个有序的数组，既可以按行，也可以按列排列。 行向量(row ve ctor)是只有一行的向量，列向量(column vector)只有一列的向量。 如果α是一个标量，则αA =[αa ij ]。 矩阵A 的转置矩阵(transpose matrix)记为A '，是通过把A 的行向量变成相应的列向量而得到。 显然(A ')′=A ，而且（A +B ）′=A '+B '， ● 乘积的转置（Transpose of ａ production ） A B AB ''=')(，A B C ABC '''=')(。 ● 可逆矩阵（inverse matrix ），如果n 级方阵(square matrix)A 和B ，满足AB=BA=I 。 则称A 、B 是可逆矩阵，显然1-=B A ，1-=A B 。如下结果是成立的： 1111111)()()()(-------='='=A B AB A A A A 。 2.2 特殊矩阵 1）恒等矩阵(identity matrix)
#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 案例分析 研究目的：分析各地区城镇居民计算机拥有量与城镇居民收入水平的关系，对更多规律的研究具有指导意义. 一． 模型设定 2011年年底城镇居民家庭平均每百户计算机拥有量Y 与城镇居民平均每人全年家庭总收入X 的关系 图2.1 各地区城镇居民每百户计算机拥有量与人均总收入的散点图 由图可知，各地区城镇居民每百户计算机拥有量随着人均总收入水平的提高而增加，近似于线性关系，为分析其数量性变动规律，可建立如下简单线性回归模型： Y t =β1+β2X t +u t 50 60 708090100 110120130140 X Y
二．估计参数 假定所建模型及其随机扰动项u i满足各项古典假设，用普通最小二乘法（OLSE）估计模型参数.其结果如下： 表2.1 回归结果 Dependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 12:50 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 11.95802 5.622841 2.126686 0.0421 X 0.002873 0.000240 11.98264 0.0000 R-squared 0.831966 Mean dependent var 77.08161 Adjusted R-squared 0.826171 S.D. dependent var 19.25503 S.E. of regression 8.027957 Akaike info criterion 7.066078 Sum squared resid 1868.995 Schwarz criterion 7.158593 Log likelihood -107.5242 Hannan-Quinn criter. 7.096236 F-statistic 143.5836 Durbin-Watson stat 1.656123 Prob(F-statistic) 0.000000 由表2.1可得， β1=11.9580，β2=0.0029 故简单线性回归模型可写为： ^ Y X t t=11.9580+0.0029 其中：SE(β1)=5.6228, SE(β2)=0.0002 R-squared=0.8320，F=143.5836，n=31
阅读使人充实，会谈使人敏捷，写作使人精确。——培根 建立计量经济学模型的步骤和要点 一、理论模型的设计对所要研究的经济现象进行深入的分析，根据研究的目的，选择模型中将包含的因素，根据数据的可得性选择适当的变量来表征这些因素，并根据经济行为理论和样本数据显示出的变量间的关系，设定描述这些变量之间关系的数学表达式，即理论模型。 生产函数就是一个理论模型。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。 1、确定模型所包含的变量 在单方程模型中，变量分为两类。作为研究对象的变量，也就是因果关系中的“果”，例如生产函数中的产出量，是模型中的被解释变量；而作为“原因”的变量，例如生产函数中的资本、劳动、技术，是模型中的解释变量。确定模型所包含的变量，主要是指确定解释变量。可以作为解释变量的有下列几类变量：外生经济变量、外生条件变量、外生政策变量和滞后被解释变量。其中有些变量，如政策变量、条件变量经常以虚变量的形式出现。 严格他说，上述生产函数中的产出量、资本、劳动、技术等，只能称为“因素”，这些因素间存在着因果关系。为了建立起计量经济学模型，必须选择适当的变量来表征这些因素，这些变量必须具有数据可得性。于是，我们可以用总产值来表征产出量，用固走资产原值来表征资本，用职工人数来表征劳动，用时间作为一个变量来表征技术。这样，最后建立的模型是关于总产值、固定资产原值、职工人数和时间变量之间关系的数学表达式。下面，为了叙述方便，我们将“因素”与“变量”间的区别暂时略去，都以“变量”来表示。 关键在于，在确定了被解释变量之后，怎样才能正确地选择解释变量。 首先，需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。这是正确选择解释变量的基础。例如，在上述生产问题中，已经明确指出属于供给不足的情况，那么，影响产出量的因素就应该在投入要素方面，而在当前，一般的投入要素主要是技术、资本与劳动。如果属于需求不足的情况，那么影响产出量的因素就应该在需求方面，而不在投入要素方面。这时，如果研究的对象是消费品生产，应该选择居民收入等变量作为解释变量；如果研究的对象是生产资料生产，应该选择固定资产投资总额等变量作为解释变量。由此可见，同样是建立生产模型，所处的经济环境不同、研究的行业不同，变量选择是不同的。 法拉兹·日·阿卜——学问是异常珍贵的东西，从任何源泉吸收都不可耻。． 阅读使人充实，会谈使人敏捷，写作使人精确。——培根 其次，选择变量要考虑数据的可得性。这就要求对经济统计学有透彻的了解。计量经济学模型是要在样本数据，即变量的样本观测值的支持下，采用一定的数学方法估计参数，以揭示变量之间的定量关系。所以所选择的变量必须是统计指标体系中存在的、有可靠的数据来源的。如果必须引入个别对被解释变量有重要影响的政策变量、条件变量，则采用虚变量的样本观测值的选取方法。
计量经济学案例分析1 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表的数据: 表 2002年中国各地区城市居民人均年消费支出和可支配收入
第七章单方程计量经济学应用模型 一、内容题要 本章主要介绍了若干种单方程计量经济学模型的应用模型。包括生产函数模型、需求函数模型、消费函数模型以及投资函数模型、货币需求函数模型等经济学领域常见的函数模型。本章所列举的内容更多得关注了相关函数模型自身的发展状况，而不是计量模型估计本身。其目的，是使学习者了解各函数模型是如何发展而来的，即掌握建立与发展计量经济学应用模型的方法论。 生产函数模型，首先介绍生产函数的几个基本问题，包括它的定义、特征、发展历程等，并对要素的替代弹性、技术进步的相概念进行了归纳。然后分别以要素之间替代性质的描述为线索与以技术要素的描述这线索介绍了生产函数模型的发展，前者包括从线性生产函数、C-D生产函数、不变替代弹性（CES）生产函数、变替代弹性（VES ）生产函数、多要素生产函数到超越对数生产函数的介绍；后者包括对技术要素作为一个不变参数的生产函数模型、改进的C-D、CES 生产函数模型、含体现型技术进步的生产函数模型、边界生产函数模型的介绍。最后对各种类型的生产函数的估计以及在技术进步分析中的应用进行了了讨论。 与生产函数模型相仿，需求函数模型仍是从基本概念、基本特性、各种需求函数的类型及其估计方法等方面进行讨论，尤其是对线性支出系统需求函数模型的发展及其估计问题进行了较详细的讨论。 消费函数模型部分，主要介绍了几个重要的消费函数模型及其参数估计问题，包括绝对收入假设消费函数模型、相对收入假设消费函数模型、生命周期假设消费函数模型、持久收入假设消费函数模型、合理预期的消费函数模型适应预期的消费函数模型。并对消费函数的一般形式进行了讨论。 在其他常用的单方程应用模型中主要介绍了投资函数模型与货币需求函数模型，前者主要讨论了加速模型、利润决定的投资函数模型、新古典投资函数模型；后者主要讨论了古典货币学说需求函数模型、Keynes 货币学说需求函数模型、现代货币主义的货币需求函数模型、后Keynes 货币学说需求函数模型等。
多元线性回归模型 一、建立模型 社会物流总费用受多种综合因素的影响，如运输费用、仓储费用、包装费用、装卸搬运费用、流通加工费用、信息处理费用等，而其中最重要的因素就是运输费用和仓储费用，即运输费用和仓储费用与社会物流总费用之间存在单方向的因果关系；由此，我们可设以下回归模型：Yi=b0+b1*x1i+b2*x2i+ ui 现在以中国1995年至2004年物流总费用占GDP比例（%）的资料进行回归分析，并对估计模型进行检验。 1995年至2004年物流总费用占GDP比例（%） 在Eviews中新建工作簿，定义变量“商品价格”（x1）、“消费者人均月收入”（x2）及“商品需求量”（y），并输入相关数据，得出相应散点图如下： ①x1 与y 的散点图为：
②x2与y 的散点图为： 由两张散点图不能明确的看出x1、x2与y之间存在线性关系，故通过Eviews 软件计算，得出估计模型的参数结果如下：
由以上数据可知回归方程为： Y=11.57032+0.405599*x1 +0.794365*x2 （5.07） （2.67） （7.69） 1499.02=R 8909.02=R 37.62689=F 二、模型检验 1、 经济意义检验： ①b0=11.57032，在运输费用与仓储费用接近于零时，仍存在其他物流费用；②b1=0.405599，说明运输费用与社会物流总费用之间存在正的线性关系，运输费用每增加1%，社会物流总费用增加0.405599% ③b2= 0.794365，说明仓储费用与社会物流总费用之间存在正的线性关系，仓储费用每增加1%，社会物流总费用增加0.794365% 2、计量经济学检验： ①拟合优度检验：本模型的拟合优度系数为0.914898，表明本模型具有较高的拟合优度，x1、x2对y 的解释能力较好； ②变量的显著性检验（t 检验）：方程的截距项和斜率项的t 检验值分别为5.07、2.67、7.69，均大于5%显著性水平下自由度为n-2=8的临界值t0.025(8)=1.860，模型参数估计显著，拒绝原假设H0； ③方程的显著性检验（F 检验）：有上图可知，F-statistic =37.62689；Prob(F-statistic)
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。
第六章 联立方程计量经济学模型案例 1、下面建立一个包含3个方程的中国宏观经济模型，已经判断消费方程式恰好识别的，投资方程是过度识别的。对模型进行估计。样本观测值见表6.1 01211012t t t t t t t t t t t C Y C u I Y u Y I C G αααββ-=+++?? =++??=++? 表6.1 中国宏观经济数据 单位：亿元 （1） 用狭义的工具变量法估计消费方程 选取方程中未包含的先决变量G 作为内生解释变量Y 的工具变量，过程如下：
结果如下： 所以，得到结构参数的工具变量法估计量为： 012???582.27610.2748560.432124α αα===，， （2） 用间接最小二乘法估计消费方程 消费方程中包含的内生变量的简化式方程为： 1011112120211222t t t t t t t t C C G Y C G πππεπππε--=+++?? =+++? 参数关系体系为：
11121210012012122000 παπαπααππαπ--=?? --=??-=? 用普通最小二乘法估计，结果如下： 所以参数估计量为： 101112???1135.937,0.619782, 1.239898π ππ=== 202122???2014.368,0.682750, 4.511084π ππ=== 所以，得到间接最小二乘估计值为： 12122??0.274856?π α π ==
211121????0.432124α παπ=-= 010120????582.2758α παπ=-= （3）用两阶段最小二乘法估计消费方程 第一阶段使用普通最小二乘法估计内生解释变量的简化方程，得到 1?2014.3680.68275 4.511084t t t Y C G -=++ 用Y 的预测值替换消费方程中的Y ，直接用OLS 估计消费方程，过程如下：
1、计量经济学 计量经济学是一门从数量上研究物质资料的生产、交换、分配、消费等经济关系和经济活动规律及其应用的科学。 2、数据质量 数据满足明确或隐含需求程度的指标 3、相关分析 主要研究变量之间的相互关联程度，用相关系数表示。包括简单相关和多重相关（复相关）。 4、回归分析（Regression Analysis） 研究一个变量（因变量）对于一个或多个其他变量（解释变量）的数量依存关系。其目的在于根据已知的解释变量的数值来估计或预测因变量的总体平均值。 5.内生变量 指由模型系统内决定的变量，取值在系统内决定 6、面板数据 时间序列数据和截面数据的混合 7.异方差: 总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。如果这一假定不满足，则称线性回归模型存在异方差性。 8.自相关 自相关是在时间序列资料中按时间顺序排列的观测值之间的相关或在横截面资料中按空间顺序排列的观测值之间的相关 9.多重共线性 解释变量之间存在完全的线性关系或近似的线性关系。解释变量存在完全的线性关系叫完全多重共线；解释变量之间存在近似的线性关系叫不完全多重共线。 10.虚拟变量 虚拟变量：在建立模型时，有一些影响经济变量的因素无法定量描述 构造只取“0”或“1”的人工变量，通常称为虚拟变量，记为D 11.平稳序列 是指时间序列的统计规律不会随着时间的推移而发生变化。
12.伪回归 所谓“伪回归”，是指变量间本来不存在相依关系，但回归结果却得出存在相依关系的错误结论。 13.协整 所谓协整，是指多个非平稳变量的某种线性组合是平稳的 14.前定变量 所有的外生变量和滞后的内生变量。前定变量=外生变量＋滞后内生变量＋滞后外生变量 15.恰好识别 恰好识别：能够唯一地估计出结构参数值。 16.结构式模型 体现经济理论中经济变量之间的关系结构的联立方程模型，称为结构式模型17.过度识别 过度识别：结构参数的估计值具有多个确定值 18.自回归模型 自回归模型：指模型中的解释变量仅是X 的当期值与被解释变量Y 的若干期滞后值，它由于被解释变量的滞后期值对被解释变量现期做了回归，故叫做自回归模型。 利用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型。 19.拟合优度2R:拟合优度检验：指检验模型对样本观测值的拟合程度 20.修正的拟合优度2R 二、.
计量经济学试题一 一、判断题（20分） 1．线性回归模型中，解释变量是原因，被解释变量是结果。（） 2．多元回归模型统计显著是指模型中每个变量都是统计显著的。（） 3．在存在异方差情况下，常用的OLS法总是高估了估计量的标准差。（）4．总体回归线是当解释变量取给定值时因变量的条件均值的轨迹。（） 5．线性回归是指解释变量和被解释变量之间呈现线性关系。（） 6．判定系数的大小不受到回归模型中所包含的解释变量个数的影响。（）7．多重共线性是一种随机误差现象。（） 8．当存在自相关时，OLS估计量是有偏的并且也是无效的。（） 9．在异方差的情况下，OLS估计量误差放大的原因是从属回归的变大。（）10．任何两个计量经济模型的都是可以比较的。（） 二．简答题（10） 1．计量经济模型分析经济问题的基本步骤。（4分） 2．举例说明如何引进加法模式和乘法模式建立虚拟变量模型。（6分） 三．下面是我国1990-2003年GDP对M1之间回归的结果。（5分） 1．求出空白处的数值，填在括号内。（2分） 2．系数是否显著，给出理由。（3分） 四．试述异方差的后果及其补救措施。（10分）
五．多重共线性的后果及修正措施。（10分） 六．试述D-W检验的适用条件及其检验步骤？（10分） 七．（15分）下面是宏观经济模型 变量分别为货币供给、投资、价格指数和产出。 1．指出模型中哪些是内是变量，哪些是外生变量。（5分） 2．对模型进行识别。（4分） 3．指出恰好识别方程和过度识别方程的估计方法。（6分） 八、（20分）应用题 为了研究我国经济增长和国债之间的关系，建立回归模型。得到的结果如下：Dependent Variable: LOG(GDP) Method: Least Squares Date: 06/04/05 Time: 18:58 Sample: 1985 2003 Included observations: 19 Variable Coefficient Std. Error t-Statistic Prob. LOG(DEBT) 0.65 0.02 32.8 0 Adjusted R-squared 0.983 S.D. dependent var 0.86 S.E. of regression 0.11 Akaike info criterion -1.46 Sum squared resid 0.21 Schwarz criterion -1.36 Log likelihood 15.8 F-statistic 1075.5 Durbin-Watson stat 0.81 Prob(F-statistic) 0 其中，GDP表示国内生产总值，DEBT表示国债发行量。 （1）写出回归方程。（2分） （2）解释系数的经济学含义？（4分） （3）模型可能存在什么问题？如何检验？（7分）
第八章案例分析 改革开放以来，随着经济的发展中国城乡居民的收入快速增长，同时城乡居民的储蓄存 款也迅速增长。经济学界的一种观点认为，20世纪90年代以后由于经济体制、住房、医疗、养老等社会保障体制的变化，使居民的储蓄行为发生了明显改变。为了考察改革开放以来中 国居民的储蓄存款与收入的关系是否已发生变化，以城乡居民人民币储蓄存款年底余额代表 居民储蓄（Y），以国民总收入GNI代表城乡居民收入，分析居民收入对储蓄存款影响的数量关系。 表8.1为1978-2003年中国的国民总收入和城乡居民人民币储蓄存款年底余额及增加额的数据。 单位：亿元 2004 鉴数值，与用年底余额计算的数值有差异。 为了研究1978—2003年期间城乡居民储蓄存款随收入的变化规律是否有变化,考证城
乡居民储蓄存款、国民总收入随时间的变化情况，如下图所示: 图8.5 从图8.5中，尚无法得到居民的储蓄行为发生明显改变的详尽信息。若取居民储蓄的增量 （YY ）,并作时序图（见图 8.6） 从居民储蓄增量图可以看出，城乡居民的储蓄行为表现出了明显的阶段特征: 2000年有两个明显的转折点。再从城乡居民储蓄存款增量与国民总收入之间关系的散布图 看（见图8.7），也呈现出了相同的阶段性特征。 为了分析居民储蓄行为在 1996年前后和2000年前后三个阶段的数量关系，引入虚拟变 量D 和D2°D 和D 2的选择，是以1996>2000年两个转折点作为依据，1996年的GNI 为66850.50 亿元,2000年的GNI 为国为民8254.00亿元，并设定了如下以加法和乘法两种方式同时引入 虚拟变量的的模型: YY = 1+ 2GNI t 3 GNI t 66850.50 D 1t + 4 GNh 88254.00 D 2t i D 1 t 1996年以后 D 1 t 2000年以后 其中: D 1t _ t 1996年及以前 2t 0 t 2000年及以前 对上式进行回归后，有: Dependent Variable: YY Method: Least Squares Date: 06/16/05 Time: 23:27 120000 8.7 1996年和 100000- 40000 2WM GNi o eOB2&ISEea9a9l2949698[Ma2 20CUC ir-“- 1CC0C 图 8.6 *OOCO mnoot ， RtKXD Tconr GF*
1．经济变量：经济变量是用来描述经济因素数量水平的指标。（3分） 2．解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。（2分）它对因变量的变动做出解释，表现为方程所描述的因果关系中的“因”。（1分）3．被解释变量：是作为研究对象的变量。（1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。（2分） 4．内生变量：是由模型系统内部因素所决定的变量，（2分）表现为具有一定概率分布的随机变量，是模型求解的结果。（1分） 5．外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。（2分）它影响模型中的内生变量，其数值在模型求解之前就已经确定。（1分） 6．滞后变量：是滞后内生变量和滞后外生变量的合称，（1分）前期的内生变量称为滞后内生变量；（1分）前期的外生变量称为滞后外生变量。（1分） 7．前定变量：通常将外生变量和滞后变量合称为前定变量，（1分）即是在模型求解以前已经确定或需要确定的变量。（2分） 8．控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量，（2分）它一般属于外生变量。（1分） 9．计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，（2分）是以数学形式对客观经济现象所作的描述和概括。（1分） 10．函数关系：如果一个变量y的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定，则y与这个变量或这组变量之间的关系就是函数关系。（3分） 11．相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。（3分） 12．最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法，称为最小二乘法。（3分） 13．高斯－马尔可夫定理：在古典假定条件下，OLS估计量是模型参数的最佳线性无偏估计量，这一结论即是高斯－马尔可夫定理。（3分） 14．总变差（总离差平方和）：在回归模型中，被解释变量的观测值与其均值的离差平方和。（3分） 15．回归变差（回归平方和）：在回归模型中，因变量的估计值与其均值的离差平方和，（2分）也就是由解释变量解释的变差。（1分） 16．剩余变差（残差平方和）：在回归模型中，因变量的观测值与估计值之差的平方和，（2分）是不能由解释变量所解释的部分变差。（1分） 17．估计标准误差：在回归模型中，随机误差项方差的估计量的平方根。（3分） 18．样本决定系数：回归平方和在总变差中所占的比重。（3分） 19．点预测：给定自变量的某一个值时，利用样本回归方程求出相应的样本拟合值，以此作为因变量实际值和其均值的估计值。（3分） 20．拟合优度：样本回归直线与样本观测数据之间的拟合程度。（3分） 21．残差：样本回归方程的拟合值与观测值的误差称为回归残差。（3分） 22．显著性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。（3分）23．回归变差：简称ESS,表示由回归直线（即解释变量）所解释的部分（2分），表示x对y的线性影响（1分）。 24．剩余变差：简称RSS，是未被回归直线解释的部分（2分），是由解释变量以外的因素造成的影响（1分）。 25．多重决定系数：在多元线性回归模型中，回归平方和与总离差平方和的比值（1分），
∑ x = 1264471.423 ∑ y = 516634.011 ∑ X = 52432495.137 ∑ ? ? ? ? 案例分析 1— 一元回归模型实例分析 依据 1996-2005 年《中国统计年鉴》提供的资料，经过整理，获得以下农村居民人均 消费支出和人均纯收入的数据如表 2-5： 表 2-5 农村居民 1995-2004 人均消费支出和人均纯收入数据资料 单位：元 年度 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 人均纯 收入 1577.7 1926.1 2090.1 2161.1 2210.3 2253.4 2366.4 2475.6 2622.2 2936.4 人均消 费支出 1310.4 1572.1 1617.2 1590.3 1577.4 1670.1 1741.1 1834.3 1943.3 2184.7 一、建立模型 以农村居民人均纯收入为解释变量 X ，农村居民人均消费支出为被解释变量 Y ，分析 Y 随 X 的变化而变化的因果关系。考察样本数据的分布并结合有关经济理论，建立一元线 性回归模型如下： Y i =β0+β1X i +μi 根据表 2-5 编制计算各参数的基础数据计算表。 求得: X = 2262.035 Y = 1704.082 2 i 2 i ∑ x i y i = 788859.986 2 i 根据以上基础数据求得: β1 = ∑ x i y 2 i i = 788859.986 126447.423 = 0.623865 β 0 = Y - β1 X = 1704.082 - 0.623865 ? 2262.035 = 292.8775 样本回归函数为： Y i = 292.8775 + 0.623865X i 上式表明，中国农村居民家庭人均可支配收入若是增加 100 元，居民们将会拿出其中 的 62.39 元用于消费。
第一章绪论 一、填空题： 1．计量经济学是以揭示经济活动中客观存在的__________为内容的分支学科，挪威经济学家弗里希，将计量经济学定义为__________、__________、__________三者的结合。 2．数理经济模型揭示经济活动中各个因素之间的__________关系，用__________性的数学方程加以描述，计量经济模型揭示经济活动中各因素之间__________的关系，用__________性的数学方程加以描述。 3．经济数学模型是用__________描述经济活动。 4．计量经济学根据研究对象和内容侧重面不同，可以分为__________计量经济学和__________计量经济学。 5．计量经济学模型包括__________和__________两大类。 6．建模过程中理论模型的设计主要包括三部分工作，即__________、____________________、____________________。 7．确定理论模型中所包含的变量，主要指确定__________。 8．可以作为解释变量的几类变量有__________变量、__________变量、__________变量和__________变量。 9．选择模型数学形式的主要依据是__________。 10．研究经济问题时，一般要处理三种类型的数据：__________数据、__________数据和__________数据。 11．样本数据的质量包括四个方面__________、__________、__________、__________。 12．模型参数的估计包括__________、__________和软件的应用等内容。 13．计量经济学模型用于预测前必须通过的检验分别是__________检验、__________检验、__________检验和__________检验。 14．计量经济模型的计量经济检验通常包括随机误差项的__________检验、__________检验、解释变量的__________检验。 15．计量经济学模型的应用可以概括为四个方面，即__________、__________、__________、__________。 16．结构分析所采用的主要方法是__________、__________和__________。 二、单选题： 1．计量经济学是一门（）学科。 A.数学 B.经济 C.统计 D.测量
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J - . ' /■ 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二f（EDU,EXP,GEND,山 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，女口 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？ 在解释变量中被忽略的因素的影响（影响不显着的因素、未知的影响因素、无法获得数据的因素）；变量观测值的观测误差的影响；模型关系的设定误差的影响；其它随机因素的影响。 11. 为什么要计算调整后的可决系数？ 在应用过程中发现，如果在模型中增加一个解释变量，？往往增大。这是因为残差平方和往往随着解 释变量的增加而减少，至少不会增加。这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。但是，现实情况往往是，由增加解释变量个数引起的的增大与拟合好坏无关，需调整。 =0.89表示被解释变量Y的变异性的89%能用估计的回归方程解释。 12. 叙述多重共线性的概念、后果和补救措施。 概念:如果两个或多于两个解释变量之间出现了相关性，则称模型存在多重共线性。 后果：1、估计量仍然是无偏的2、参数估计量的方差和标准差增大3、置信区间变宽4、t统计量会变 小5、估计量对模型设定的变化及其敏感6、对方程的整体拟合程度几乎没有影响7、回归系数符号