第二章经典单方程计量经济学模型：一元线性回归模型
一、内容提要
本章介绍了回归分析的基本思想与基本方法。首先，本章从总体回归模型与总体回归函数、样本回归模型与样本回归函数这两组概念开始，建立了回归分析的基本思想。总体回归函数是对总体变量间关系的定量表述，由总体回归模型在若干基本假设下得到，但它只是建立在理论之上，在现实中只能先从总体中抽取一个样本，获得样本回归函数，并用它对总体回归函数做出统计推断。
本章的一个重点是如何获取线性的样本回归函数，主要涉及到普通最小二乘法（OLS）的学习与掌握。同时，也介绍了极大似然估计法（ML）以及矩估计法（MM）。
本章的另一个重点是对样本回归函数能否代表总体回归函数进行统计推断，即进行所谓的统计检验。统计检验包括两个方面，一是先检验样本回归函数与样本点的“拟合优度”，第二是检验样本回归函数与总体回归函数的“接近”程度。后者又包括两个层次：第一，检验解释变量对被解释变量是否存在着显著的线性影响关系，通过变量的t检验完成；第二，检验回归函数与总体回归函数的“接近”程度，通过参数估计值的“区间检验”完成。
本章还有三方面的内容不容忽视。其一，若干基本假设。样本回归函数参数的估计以及对参数估计量的统计性质的分析以及所进行的统计推断都是建立在这些基本假设之上的。其二，参数估计量统计性质的分析，包括小样本性质与大样本性质，尤其是无偏性、有效性与一致性构成了对样本估计量优劣的最主要的衡量准则。Goss-markov定理表明OLS估计量是最佳线性无偏估计量。其三，运用样本回归函数进行预测，包括被解释变量条件均值与个值的预测，以及预测置信区间的计算及其变化特征。
二、典型例题分析
例1、令kids表示一名妇女生育孩子的数目，educ表示该妇女接受过教育的年数。生育率对教育年数的简单回归模型为
β+
μ
β
kids
=educ
+
1
（1）随机扰动项μ包含什么样的因素？它们可能与教育水平相关吗？
（2）上述简单回归分析能够揭示教育对生育率在其他条件不变下的影响吗？请解释。 解答：
（1）收入、年龄、家庭状况、政府的相关政策等也是影响生育率的重要的因素，在上述简单回归模型中，它们被包含在了随机扰动项之中。有些因素可能与增长率水平相关，如收入水平与教育水平往往呈正相关、年龄大小与教育水平呈负相关等。
（2）当归结在随机扰动项中的重要影响因素与模型中的教育水平educ 相关时，上述回归模型不能够揭示教育对生育率在其他条件不变下的影响，因为这时出现解释变量与随机扰动项相关的情形，基本假设4不满足。
例2．已知回归模型μβα++=N E ，式中E 为某类公司一名新员工的起始薪金（元），N 为所受教育水平（年）。随机扰动项μ的分布未知，其他所有假设都满足。
（1）从直观及经济角度解释α和β。
（2）OLS 估计量α
?和β?满足线性性、无偏性及有效性吗？简单陈述理由。 （3）对参数的假设检验还能进行吗？简单陈述理由。 解答：
（1）N βα+为接受过N 年教育的员工的总体平均起始薪金。当N 为零时，平均薪金为α，因此α表示没有接受过教育员工的平均起始薪金。β是每单位N 变化所引起的E 的变化，即表示每多接受一年学校教育所对应的薪金增加值。
（2）OLS 估计量α
?和仍β?满足线性性、无偏性及有效性，因为这些性质的的成立无需随机扰动项μ的正态分布假设。
（3）如果t μ的分布未知，则所有的假设检验都是无效的。因为t 检验与F 检验是建立在μ的正态分布假设之上的。
例3、在例2中，如果被解释变量新员工起始薪金的计量单位由元改为100元，估计的截距项与斜率项有无变化？如果解释变量所受教育水平的度量单位由年改为月，估计的截距项与斜率项有无变化？ 解答：
首先考察被解释变量度量单位变化的情形。以E*表示以百元为度量单位的薪金，则
μβα++=?=N E E 100*
由此有如下新模型
)100/()100/()100/(*μβα++=N E
或 ****μβα++=N E
这里100/*αα=，100/*ββ=。所以新的回归系数将为原始模型回归系数的1/100。 再考虑解释变量度量单位变化的情形。设N*为用月份表示的新员工受教育的时间长度，则N*=12N ，于是
μβαμβα++=++=)12/*(N N E
或 μβα++=*)12/(N E
可见，估计的截距项不变，而斜率项将为原回归系数的1/12。
例4、对没有截距项的一元回归模型
i i i X Y μβ+=1
称之为过原点回归（regrission through the origin ）。试证明
（1）如果通过相应的样本回归模型可得到通常的的正规方程组
∑∑==0
0i
i
i X e e
则可以得到1β的两个不同的估计值： X Y =1~β， ()()∑∑=2
1
?i
i
i X Y X β。
（2）在基本假设0)(i =μE 下，1~
β与1
?β均为无偏估计量。 （3）拟合线X Y 1??β=通常不会经过均值点),(Y X ，但拟合线X Y 1~~β=则相反。 （4）只有1?β是1
β的OLS 估计量。 解答：
（1）由第一个正规方程
0=∑t
e
得
0)~(1=-∑t t X Y β 或
∑∑=t t X Y 1~β
求解得 X Y /~
1=β
由第2个下规方程
0)?(1=-∑t
t
t
X Y
X β得
∑∑=21?t t
t
X Y
X β
求解得 )/()(?2
1
∑∑=t
t
t X
Y X β
（2）对于X Y /~
1=β，求期望
1
1111)](){[1
)]
(1[1)()~
(ββμβμββ==+=+==X
X
E n X E X X n
E X X Y E E t t t t 这里用到了t X 的非随机性。
对于)/()(?2
1
∑∑=t
t
t X
Y X β，求期望
)/()?(21
∑∑=t t t X Y X E E β
12212122)()1()()1(
)]([)1
()()1(βμβμβ=+=+==∑∑∑∑∑∑∑∑t t t
t t t t t t t t t E X X X X X X E X Y X E X
（3）要想拟合值X Y 1??β=通过点),(Y X ，X 1?β必须等于Y 。但X X
Y
X X t
t
t ∑∑=21?β，
通常不等于Y 。这就意味着点),(Y X 不太可能位于直线X Y 1
??β=上。 相反地，由于Y X =1~β，所以直线X Y 1
~
?β=经过点),(Y X 。 （4）OLS 方法要求残差平方和最小
Min ∑∑-==
212)?(t
t t
X Y e
RSS β 关于1
?β求偏导得
0))(?(2?11
=--=??∑t
t t X X Y RSS ββ
即
0)?(1=-∑t
t
t
X Y
X β ()()∑∑=2
1
?i
i i X Y X β
可见1
?β是OLS 估计量。 例5．假设模型为t t t X Y μβα++=。给定n 个观察值),(11Y X ，),(22Y X ，…，
),(n n Y X ，按如下步骤建立β的一个估计量：在散点图上把第1个点和第2个点连接起来
并计算该直线的斜率；同理继续，最终将第1个点和最后一个点连接起来并计算该条线的斜
率；最后对这些斜率取平均值，称之为β
?，即β的估计值。 （1）画出散点图，给出β
?的几何表示并推出代数表达式。 （2）计算β
?的期望值并对所做假设进行陈述。这个估计值是有偏的还是无偏的？解释理由。
（3）证明为什么该估计值不如我们以前用OLS 方法所获得的估计值，并做具体解释。 解答：
（1）散点图如下图所示。
（X n ,Y n ）
首先计算每条直线的斜率并求平均斜率。连接),(11Y X 和),(t t Y X 的直线斜率为
)/()(11X X Y Y t t --。由于共有n －1条这样的直线，因此
][
11?21
1
∑==---=n t t t t X X Y Y n β （2）因为X 非随机且0)(=t E μ，因此
βμμβμβαμβα=--+=-++-++=--][])()([][
1
1
11111X X E X X X X E X X Y Y E t t t t t t t
这意味着求和中的每一项都有期望值β，所以平均值也会有同样的期望值，则表明是无偏的。
（3）根据高斯－马尔可夫定理，只有β的OLS 估计量是最付佳线性无偏估计量，因此，
这里得到的β
?的有效性不如β的OLS 估计量，所以较差。
例6．对于人均存款与人均收入之间的关系式t t t Y S μβα++=使用美国36年的年度数据得如下估计模型，括号内为标准差：
)
011.0()
105.151(067.0105.384?t
t Y S +=
2R ＝0.538 023.199?=σ
（1）β的经济解释是什么？
（2）α和β的符号是什么？为什么？实际的符号与你的直觉一致吗？如果有冲突的话，你可以给出可能的原因吗？
（3）对于拟合优度你有什么看法吗？
（4）检验是否每一个回归系数都与零显著不同（在1%水平下）。同时对零假设和备择假设、检验统计值、其分布和自由度以及拒绝零假设的标准进行陈述。你的结论是什么？
解答：
（1）β为收入的边际储蓄倾向，表示人均收入每增加1美元时人均储蓄的预期平均变化量。
（2）由于收入为零时，家庭仍会有支出，可预期零收入时的平均储蓄为负，因此α符号应为负。储蓄是收入的一部分，且会随着收入的增加而增加，因此预期β的符号为正。实际的回归式中，β的符号为正，与预期的一致。但截距项为负，与预期不符。这可能与由于模型的错误设定形造成的。如家庭的人口数可能影响家庭的储蓄形为，省略该变量将对截距项的估计产生影响；另一种可能就是线性设定可能不正确。
（3）拟合优度刻画解释变量对被解释变量变化的解释能力。模型中53.8%的拟合优度，表明收入的变化可以解释储蓄中53.8 %的变动。
（4）检验单个参数采用t 检验，零假设为参数为零，备择假设为参数不为零。双变量情形下在零假设下t 分布的自由度为n-2=36-2=34。由t 分布表知，双侧1%下的临界值位于2.750与 2.704之间。斜率项计算的t 值为0.067/0.011=6.09，截距项计算的t 值为384.105/151.105=2.54。可见斜率项计算的t 值大于临界值，截距项小于临界值，因此拒绝斜率项为零的假设，但不拒绝截距项为零的假设。
三、习题
（一）基本知识类题型2-1．解释下列概念：
1)总体回归函数
2)样本回归函数
3)随机的总体回归函数
4)线性回归模型
5)随机误差项（u i）和残差项（e i）
6)条件期望
7)非条件期望
8)回归系数或回归参数
9)回归系数的估计量
10)最小平方法11)最大似然法
12)估计量的标准差
13)总离差平方和
14)回归平方和
15)残差平方和
16)协方差
17)拟合优度检验
18)t检验
19)F检验
2-2．判断正误并说明理由：
1)随机误差项u i和残差项e i是一回事
2)总体回归函数给出了对应于每一个自变量的因变量的值
3)线性回归模型意味着变量是线性的
4)在线性回归模型中，解释变量是原因，被解释变量是结果
5)随机变量的条件均值与非条件均值是一回事
2-3．回答下列问题：
1)线性回归模型有哪些基本假设？违背基本假设的计量经济学模型是否就不可估计？
2)总体方差与参数估计误差的区别与联系。
3)随机误差项u i和残差项e i的区别与联系。
4)根据最小二乘原理，所估计的模型已经使得拟合误差达到最小，为什么还要讨论模型的
拟合优度问题？
5)为什么用决定系数R2评价拟合优度，而不用残差平方和作为评价标准？
6)R2检验与F检验的区别与联系。
7)回归分析与相关分析的区别与联系。
8) 最小二乘法和最大似然法的基本原理各是什么？说明它们有何区别？ 9) 为什么要进行解释变量的显著性检验？
10) 是否任何两个变量之间的关系，都可以用两变量线性回归模型进行分析？
2-2．下列方程哪些是正确的？哪些是错误的？为什么？
⑴ y x t n t t =+=αβ12,,,Λ ⑵ y x t n t t t =++=αβμ12,,,Λ
⑶ y x t n t t t =++=??,,,αβμ12Λ ⑷ ???,,,y x t n t t t =++=αβμ12Λ ⑸ y x t n t t =+=??,,,αβ12Λ ⑹ ???,,,y x t n t t =+=αβ12Λ
⑺ y x t n t t t =++=???,,,αβμ12Λ ⑻ ????,,,y x t n t t t
=++=αβμ12Λ
其中带“＾”者表示“估计值”。
2-3．下表列出若干对自变量与因变量。对每一对变量，你认为它们之间的关系如何？是正的、负的、还是无法确定？并说明理由。
（二）基本证明与问答类题型
2-4．对于一元线性回归模型，试证明： （1）i i x y E βα+=)( （2）2
)(σ=i y D
（3）0),(=j i y y Cov j i ≠
2-5．参数估计量的无偏性和有效性的含义是什么？从参数估计量的无偏性和有效性证明过程说明，为什么说满足基本假设的计量经济学模型的普通最小二乘参数估计量才具有无偏性和有效性？
2-6．对于过原点回归模型i i i u X Y +=1β ，试证明
∑=
∧
2
2
1)(i u X Var σβ
2-7． 试证明： （1）0=∑i
e
，从而：0=e
（2）0=∑i
i x
e
（3）
0=∧∑i
i
Y
e ；即残差i e 与i Y 的估计值之积的和为零。
2-8．为什么在一元线性方程中，最小二乘估计量与极大似然估计量的表达式是一致的？证明：σ2的
ML 估计量为∑=∧=n i i n 1
2
~
2
1σσ ，并且是有偏的。
2-9．熟悉t 统计量的计算方法和查表判断。
2-10．证明：2
2
)(yx r R = ；其中R 2是一元线性回归模型的判定系数，yx r 是y 与x 的相关
系数。
2-11． 试根据置信区间的概念解释t 检验的概率意义，即证明：对于显著性水平α，当
2
αt t i >时，b i 的100（1-α）%的置信区间不包含0。
2-12．线性回归模型
y x t n t t t
=++=αβμ12,,,Λ
的0均值假设是否可以表示为
1
01
n
t
t n
μ
=∑=？为什么？
2-13．现代投资分析的特征线涉及如下回归方程：t mt t u r r ++=10ββ；其中：r 表示股票或债券的收益率；r m 表示有价证券的收益率（用市场指数表示，如标准普尔500指数）；t 表示时间。在投资分析中，β1被称为债券的安全系数β，是用来度量市场的风险程度的，即市场的发展对公司的财产有何影响。依据1956~1976年间240个月的数据，Fogler 和Ganpathy 得到IBM 股票的回归方程；市场指数是在芝加哥大学建立的市场有价证券指数：
mt t r r 0598.17264.0+=∧
4710.02=r
(0.3001) (0.0728)
要求：（1）解释回归参数的意义；（2）如何解释r 2？（3）安全系数β>1的证券称为不稳定证券，建立适当的零假设及备选假设，并用t 检验进行检验（α=5%）。 2-14． 已知模型i i i u x Y ++=βα，证明：估计量α可以表示为：i
i
n
i y W x n )1
(1
-=
∑=∧
α 这
里∑??
=
2
i
i
i x
x W
2-15．已知两个量X 和Y 的一组观察值（x i ，y i ），i=1，2，…，n 。 证明：Y 的真实值和拟合值有共同的均值。
2-16．一个消费分析者论证了消费函数i i bY a C +=是无用的，因为散点图上的点（i C ，
i Y ）不在直线i i bY a C +=上。他还注意到，有时Y i 上升但C i 下降。因此他下结论：C i 不是Y i 的函数。请你评价他的论据（这里C i 是消费，Y i 是收入）。
2-17．证明：仅当R 2=1时，y 对x 的线性回归的斜率估计量等于x 对y 的线性回归的斜率估计量的倒数。
2-18．证明：相关系数的另一个表达式是：y
x S S r ∧
=β 其中∧β为一元线性回归模型一次项
系数的估计值，S x 、S y 分别为样本标准差。
2-19．对于经济计量模型：i i i u X b b Y ++=10 ，其OLS 估计参数1b 的特性在下列情况下会受到什么影响：（1）观测值数目n 增加；（2）Xi 各观测值差额增加；（3）Xi 各观测值近似相等；（4）E （u 2）=0 。
2-20．假定有如下的回归结果：t t X Y 4795.06911.2-=∧
，其中，Y 表示美国的咖啡的消费量（每天每人消费的杯数），X 表示咖啡的零售价格（美元/杯），t 表示时间。 要求：
（1）这是一个时间序列回归还是横截面序列回归？做出回归线； （2）如何解释截距的意义，它有经济含义吗？如何解释斜率？ （3）能否求出真实的总体回归函数？
（4）根据需求的价格弹性定义：弹性=斜率×（X/Y ），依据上述回归结果，你能求出对咖啡需求的价格弹性吗？如果不能，计算此弹性还需要其他什么信息？ （三）基本计算类题型
2-21．下面数据是对X 和Y 的观察值得到的。 ∑Y i =1110； ∑X i =1680； ∑X i Y i =204200 ∑X i 2=315400； ∑Y i 2=133300
假定满足所有的古典线性回归模型的假设，要求：（1）b 1和b 2？（2）b 1和b 2的标准差？（3）r 2？（4）对B 1、B 2分别建立95%的置信区间？利用置信区间法，你可以接受零假设：B 2=0吗？
2-22．假设王先生估计消费函数（用模型i i i u bY a C ++=表示），并获得下列结果：
i i Y C 81.015+=∧
，n=19
（3.1） (18.7) R 2=0.98 这里括号里的数字表示相应参数的T 比率值。
要求：（1）利用T 比率值检验假设：b=0（取显著水平为5%）；（2）确定参数估计量的标准方差；（3）构造b 的95%的置信区间，这个区间包括0吗？
2-23．下表给出了每周家庭的消费支出Y （美元）与每周的家庭的收入X （美元）的数据。
要求：
（1）对每一收入水平，计算平均的消费支出，E （Y ︱X i ），即条件期望值； （2）以收入为横轴、消费支出为纵轴作散点图； （3）在散点图中，做出（1）中的条件均值点；
（4）你认为X 与Y 之间、X 与Y 的均值之间的关系如何？
（5）写出其总体回归函数及样本回归函数；总体回归函数是线性的还是非线性的？
2-24．根据上题中给出的数据，对每一个X 值，随机抽取一个Y 值，结果如下：
要求：
（1）以Y 为纵轴、X 为横轴作图，并说明Y 与X 之间是怎样的关系？ （2）求样本回归函数，并按要求写出计算步骤；
（3）在同一个图中，做出样本回归函数及从上题中得到的总体回归函数；比较二者相同吗？为什么？
2-25．下表给出了1990~1996年间的CPI 指数与S&P500指数。
资料来源：总统经济报告，1997，CPI 指数见表B-60，第380页；S&P 指数见表B-93，第406页。
要求：（1）以CPI 指数为横轴、S&P 指数为纵轴做图；
（2）你认为CPI 指数与S&P 指数之间关系如何？
（3）考虑下面的回归模型：t t t u CPI B B P S ++=21)&(，根据表中的数据运用OLS 估计上述方程，并解释你的结果；你的结果有经济意义吗？
2-26．下表给出了美国30所知名学校的MBA 学生1994年基本年薪（ASP ）、GPA 分数（从1~4共四个等级）、GMA T 分数以及每年学费的数据。
学校
ASP/美元 GPA GMA T 学费/美元 Harvard 102630 3.4 650 23894 Stanford 100800 3.3 665 21189 Columbian 100480 3.3 640 21400 Dartmouth 95410 3.4 660 21225 Wharton 89930 3.4 650 21050 Northwestern 84640 3.3 640 20634 Chicago 83210 3.3 650 21656 MIT 80500 3.5 650 21690 Virginia 74280 3.2 643 17839 UCLA
74010
3.5
640
14496
Berkeley 71970 3.2 647 14361
Cornell 71970 3.2 630 20400
NUY 70660 3.2 630 20276
Duke 70490 3.3 623 21910
Carnegie Mellon 59890 3.2 635 20600
North Carolina 69880 3.2 621 10132
Michigan 67820 3.2 630 20960
Texas 61890 3.3 625 8580
Indiana 58520 3.2 615 14036
Purdue 54720 3.2 581 9556
Case Western 57200 3.1 591 17600
Georgetown 69830 3.2 619 19584
Michigan State 41820 3.2 590 16057
Penn State 49120 3.2 580 11400
Southern Methodist 60910 3.1 600 18034
Tulane 44080 3.1 600 19550
Illinois 47130 3.2 616 12628
Lowa 41620 3.2 590 9361
Minnesota 48250 3.2 600 12618
Washington 44140 3.3 617 11436
要求：（1）用双变量回归模型分析GPA是否对ASP有影响？
（2）用合适的回归模型分析GMA T分数是否与ASP有关？
（3）每年的学费与ASP有关吗？你是如何知道的？如果两变量之间正相关，是否意味着进到最高费用的商业学校是有利的；
（4）你同意高学费的商业学校意味着高质量的MBA成绩吗？为什么？
2-27．从某工业部门抽取10个生产单位进行调查，得到下表所列的数据：
要求：假定年产量与工作人员数之间存在线性关系，试用经典回归估计该工业部门的生产函
数及边际劳动生产率。
2-28．下表给出了1988年9个工业国的名义利率（Y ）与通货膨胀率（X ）的数据：
国家
Y （%） X （%） 澳大利亚 11.9 7.7 加拿大 9.4 4.0 法国 7.5 3.1 德国 4.0 1.6 意大利 11.3 4.8 墨西哥 66.3 51.0 瑞典 2.2 2.0 英国 10.3 6.8 美国
7.6
4.4
资料来源：原始数据来自国际货币基金组织出版的《国际金融统计》
要求：
（1）以利率为纵轴、通货膨胀率为横轴做图； （2）用OSL 进行回归分析，写出求解步骤；
（3）如果实际利率不变，则名义利率与通货膨胀率的关系如何？ （四）自我综合练习类题型
2-29．综合练习：自己选择研究对象，收集样本数据（利用我国公开发表的统计资料），应用计量经济学软件（建议使用Eviews3.1）完成建立计量经济学模型的全过程，并写出详细的研究报告。（通过练习，能够熟练应用计量经济学软件Eviews3.1中的最小二乘法）
四、习题参考答案
2-1．答：
⑴总体回归函数是指在给定i X 下的Y 的分布的总体均值与i X 有函数关系。 ⑵样本回归函数指对应于某个给定的X 的Y 值的一个样本而建立的回归函数。 ⑶ 随机的总体回归函数指含有随机误差项的总体回归函数，形如：
i i i u X Y ++=21ββ
⑷线性回归模型指对参数β为线性的回归，即β只以它的1次方出现，对X 可以是或不是线性的。
⑸随机误差项也称误差项，是一个随机变量，针对总体回归函数而言。
⑹残差项是一随机变量，针对样本回归函数而言。
⑺条件期望又称条件均值，指X 取特定i X 值时的Y 的期望值。 ⑼回归系数（或回归参数）指1β、2β等未知但却是固定的参数。
⑽回归系数的估计量指用∧
1β、∧
2β等表示的用已知样本所提供的信息去估计出来的量。 ⒀估计量的标准差指度量一个变量变化大小的标准。
⒁总离差平方和用TSS 表示，用以度量被解释变量的总变动。
⒂回归平方和用ESS 表示，用以度量由解释变量变化引起的被解释变量的变化。 ⒃残差平方和用RSS 表示，用以度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的。
⒄协方差用Cov （X ，Y ）表示，是用来度量X 、Y 二个变量同时变化的统计量。
2-2．答：错；错；错；错；错。（理由见本章其他习题答案） 2-3．答：
⑴线性回归模型的基本假设（实际是针对普通最小二乘法的基本假设）是：解释变量是确定性变量，而且解释变量之间互不相关；随机误差项具有0均值和同方差；随机误差项在不同样本点之间是独立的，不存在序列相关；随机误差项与解释变量之间不相关；随机误差项服从0均值、同方差的正态分布。违背基本假设的计量经济学模型还是可以估计的，只是不能使用普通最小二乘法进行估计。
⑸判定系数TSS
RSS
TSS ESS R -
==
12
，含义为由解释变量引起的被解释变量的变化占被解释变量总变化的比重，用来判定回归直线拟合的优劣。该值越大说明拟合得越好。
⑽不是。 2-8．证明：
由于 ∑∑=21
?t
t
t X
Y
X β，因此
)()()()?(12
222
1
t t t t t t t
t
t t X Var X X Y X X Var X
Y X Var Var μββ+???
?
??===∑
∑∑∑ ∑∑∑∑∑===2
2
2222
222)()()(t
t t t t t X X X Var X X μμσσμ 2-9．证明：
⑴根据定义得知，
)
()()(21212121X Y n X n n Y n X n Y X Y Y Y
e i
i i i i i
i
ββββββββ--=--=--=--=-=∑∑∑∑∑∧
X Y 21ββ+=Θ
0=∴∑i e
从而使得：0==
∑n
e e i
证毕。 ⑵
[]0
)1()(()()()??())(?(=∴=-=-=-++--=-+---=+--=--=∑∑∑∑∑∑∑∑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 i i i i i i i i X e n X e X e X e X e Y X X e X Y Y X X Y e Y X X e Y Y X X Y Y X Y X Y X X Y X X Y Y X e Θ
证毕。 ⑶
)(?2
1
212
1
=+=+=+=∑∑∑∑∑∑i
i
i
i i i i
i
i e
X n e X e e X e Y e βββββ
β
证毕。
2-14．答：线性回归模型：t t t x y μβα++=中的0均值假设0)E(2=u 不可以表示为：
101
n
t
t n
μ
=∑=，因为前者表示取完所的可能的样本组合后的平均状态，而后者只是一个样本的
平均值。 2-16．证明：
∑∑∑
===-=-=n
i i
n
i i
i n
i i
x
y x
x n
y x y 1
211
??&&&βα
∑∑∑∑∑======-=-=n
i i i n
i i n
i n
i i i i i n i i i y x x y y x y y x y x 1
1
1
1
1
)(&&&&&&Θ
i n
i i n i n
i i i n
i i n
i i
y x
x n
y x x
x n
y )1
(?12
11121
∑∑∑∑∑=====-=-=&&&α
证毕。
2-17．证明：
βα??和Θ满足正规方程[]
0)??(1
=+-∑=n
i i
i x y βα i
i x y βα???+= 0)?(1=-∴∑=i n
i i y
y 即表明Y 的真实值与拟合值有共同的均值。 证毕。
2-18．答：他的论据是错误的。原因是他忽略了随机误差项i u ，这个随机误差项可取正值和负值，但是0)E(=i u ，将i C 与i Y 的关系表达为i i Y C βα+=是不准确的，而是一个平均关系。 2-19．证明：
设：,???10i i x y
αα+= ,???10i
i y x ββ+= 由于：∑∑∑∑∑∑=?==2
22
2222
)((1)(i
i i i i i i i y y x x y x y x R &&&&&&&& 线性回归的斜率估计量：1
22
1?1/)(1?βα
=
==∑∑∑∑i
i
i i
i i y y x
x y x
&&&&&&
证毕。 2-20．证明：
∵
∑∑=
∧
2
x
y x
&&&β 又∵ 1
2
-=
∑n x
S x &， 1
2
-=
∑?n y
S
y
∴r y
x y x
n y
n x
x y x S S
y
x ==
--?=
∑∑∑∑∑∧
222
2
2
1
1&&&&&&&&&β
证毕。 2-22．解：
⑴这是一个横截面序列回归。（图略）
⑵截距2.6911表示咖啡零售价在t 时刻为每磅0美元时，美国平均消费量为每天每人2.6911杯，这个数字没有经济意义；斜率-0.4795表示咖啡零售价与消费量负相关，在t 时刻，价格上升1美元/磅，则平均每天每人消费量减少0.4795杯； ⑶不能；
⑷不能；在同一条需求曲线上不同点的价格弹性不同，若要求出，须给出具体的X 值及与之对应的Y 值。 2-23．解：
⑴168==
∑n
X X i
Θ，111==
∑n
Y Y
i
17720
1111681011101681111680204200)())((=??+?-?-=+--=--∴∑∑Y X X Y X Y Y X Y Y X X i i i i i i
331601681681031540010102)2()(222222=??-=+?-=+-=-∑∑∑X X X X X X X X X i i i i Θ又
5344.03316017720)
())((2
2==---=
∴∑∑X X Y Y X X i
i i
β
22.211685344.011121=?-=-=X Y ββ
⑵8
)??2(2
10)?(2
?22
222
∑∑∑+-=
--=
-=
i i i i
i i
i
Y Y Y Y
Y
Y n e
σ
i
i X Y 5344.022.21?+=Θ 81.62016805344.022.2123154005344.05344.022.2122.21102042005344.02111022.212133300)25344.0222.212()??2(2122221222=???+??+??+??-??-=+++?-?-=+-∴∑∑i i i i i i i i i i X X Y X Y Y Y Y Y Y ββββ60.778
81.620?2==∴σ
81.7333160
10315400
60.77)
()(2
2
21
=??=
-=
∴∑∑X X n X Var i
i
σβ，5913.881.73)(1==βse
0023.033160
60
.77)(22
2==
=
∑i
x
Var σβ，0484.00023.0)(2==βse
⑶∑∑--
=2
22
)
(1Y Y
e
r i
i
，
10090
123210133300)(,
81.6202
2=-=-=∑∑Y Y e i i ΘΘ又
9385.010090
81
.62012=-
=∴r
⑷%95)306.2(=≤t p Θ，自由度为8
306.25913
.822.21306.21
≤-≤
-∴β，
解得：110315.414085.1ββ为≤≤的95%的置信区间。 同理，306.20484.05344.0306.22
≤-≤-∴β，解得：646.04227.02≤≤β为2β的95%的置
信区间。
由于02=β不在2β的置信区间内，故拒绝零假设：02=β。 2-24．解：
⑴由于参数估计量β的T 比率值的绝对值为18.7且明显大于2，故拒绝零假设
0:0=βH ，从而β在统计上是显著的；
⑵参数α的估计量的标准方差为15/3.1=4.84，参数β的估计量的标准方差为0.81/18.7=0.043；
⑶由⑵的结果，β的95%的置信区间为：
043.0)2(81.0(975.0--n t ，091.081.0()043.0)2(81.0975.0-=-+n t ，)091.081.0+，显
然这个区间不包括0。 2-25．解：
⑴65)80(==i X Y E 77)100(==i X Y E
89)120(==i X Y E 101)140(==i X Y E 113)160(==i X Y E 125)180(==i X Y E 137)200(==i X Y E 149)220(==i X Y E 161)240(==i X Y E 173)260(==i X Y E
耿老师总结的高考统计部分的两个重要公式的具体如何应用 第一公式：线性回归方程为???y bx a =+的求法： （1） 先求变量x 的平均值，既1231()n x x x x x n = +++???+ （2） 求变量y 的平均值，既1231()n y y y y y n =+++???+ （3） 求变量x 的系数?b ，有两个方法 法112 1()()?()n i i i n i i x x y y b x x ==--=-∑∑（题目给出不用记忆）[]112222212()()()()...()()()()...()n n n x x y y x x y y x x y y x x x x x x --+--++--=??-+-++-?? （需理解并会代入数据） 法21 2 1()()?()n i i i n i i x x y y b x x ==--=-∑∑（题目给出不用记忆） []1122222212...,...n n n x y x y x y nx y x x x nx ++-?=??+++-??（这个公式需要自己记忆，稍微简单些） （4） 求常数?a ，既??a y bx =- 最后写出写出回归方程???y bx a =+。可以改写为：??y bx a =-（?y y 与不做区分） 例．已知,x y 之间的一组数据： 求y 与x 的回归方程： 解：（1）先求变量x 的平均值，既1(0123) 1.54x = +++= （2）求变量y 的平均值，既1(1357)44 y =+++= （3）求变量x 的系数?b ，有两个方法
法1?b = []11223344222212342222()()()()()()()()()()()()(0 1.5)(14)(1 1.5)(34)(2 1.5)(54)(3 1.5)(74)57(0 1.5)(1 1.5)(2 1.5)(3 1.5)x x y y x x y y x x y y x x y y x x x x x x x x --+--+--+--=??-+-+-+-??--+--+--+--==??-+-+-+-?? 法2?b =[][]11222222222212...011325374 1.5457 ...0123n n n x y x y x y nx y x x x nx ++-??+?+?+?-??==????+++-+++???? (4)求常数?a ，既525??4 1.577a y bx =-=-?= 最后写出写出回归方程525???77 y bx a x =+=+ 第二公式：独立性检验 两个分类变量的独立性检验： 注意：数据a 具有两个属性1x ，1y 。数 据b 具有两个属性1x ，2y 。数据c 具有两个属性2x ，2y 数据d 具有两个属性2x ，2y 而且列出表格是最重要。解题步骤如下 第一步：提出假设检验问题 （一般假设两个变量不相关） 第二步：列出上述表格 第三步：计算检验的指标 2 2 ()()()()()n ad bc K a b c d a c b d -=++++ 第四步：查表得出结论 例如你计算出2K =9大于表格中7.879，则查表可得结论：两个变量之间不相关概率为0.005，或者可以肯定的说两个变量相关的概率为0.995.或095.50 例如你计算出2K =6大于表格中5.024，则查表可得结论：两个变量之间不相关概率为0.025，或者可以肯定的说两个变量相关的概率为0.995.或097.50 上述结论都是概率性总结。切记事实结论。只是大概行描述。具体发生情况要和实际联系！！ ！！
联立方程模型 一、概念： 联立方程模型系统将变量分为内生变量和外生变量两大类。 由系统决定的，同时也对模型系统产生影响，它会受到随机项的影 响。一般都是经济变量。每一个内生变量的值都要利用模型中的全 部方程才能决定。 外生变量：是不由系统决定的变量，是系统外变量，取值由系统外决定。一般是确定性变量，或者是具有临界概率分布的随机变量，其参数不是 模型系统研究的元素。外生变量影响系统，但本身不受系统的影响。 外生变量一般是经济变量、条件变量、政策变量、虚变量。 先决变量：外生变量和滞后内生变量 注：联立方程模型中有多少个内生变量就必定有多少个方程 ：根据经济理论和行为规律建立的描述经济变量之间直接结构关系 的计量经济学方程系统称为结构式模型。 结构方程的正规形式：将一个内生变量表示为其他内生变量、先 决变量和随机干扰项的函数形式 完备的结构式模型：g个内生变量、k个先决变量、g个结构方程 行为方程：描述变量之间经验关系的方程，含有未知的参数和随 机扰动项。例如：凯恩斯收入决定模型中的消费函数 制度方程：由法律、制度、政策等制度性规定的经济变量之间的 函数关系，如税收方程。 恒等式：定义方程式和平衡方程。 简化式模型：用所有先决变量作为每个内生变量的解释变量所形成的模型。 参数关系体系：描述简化式参数与结构式参数之间的关系。
二、识别 方程之间的关系有严格的要求，一个方程模型想要能估计，必须可识别。 ∴进行模型的估计之前需要判断模型是否可以识别（即是否能被估计）。 1、识别的基本定义：是否具有确定的统计形式。 注：识别的定义是针对结构方程而言的。 模型中每个需要估计其参数的随机方程都存在识别问题。 如果一个模型中的所有随机方程都是可以识别的，则认为该联立方程模型 系统是可以识别的。反之不识别。 恒等方程由于不存在参数估计问题，所以也不存在识别问题。但是，在判 断随机方程的识别性问题时，应该将恒等方程考虑在内。 恰好识别：某一个随机方程只有一组参数估计量 过度识别：某一个随机方程具有多组参数估计量 方程的线性组合是否得到的新方程具有与消费方程相同的统计形式，决定了方程也是否是可以识别的。 2、如何修改模型使不可识别的方程变成可以识别 （1）或者在其它方程中增加变量； （2）或者在该不可识别方程中减少变量。 （3）必须保持经济意义的合理性。 3、识 别条件 结构式: B ΓN Y X +=
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。
112233^ ^^^2 211(,),(,),(,)(,)1,2,3),()()n n i i i i i i n i i i i i i n x y x y x y x y y bx a x i n y bx a y y y a b Q y y bx a y ===+==+-=-=+-∑L L 设有对观察值,两变量符合线生回归设其回归方程为:，把自变量的某一观测值代(入入回归方程得:，此值与实际观测值存在一个差值，此差值称为剩余或误差。现要决定取何值时，才能够使剩余的平方和有最小值，即求11 2 21122 221 1111 22111:,()[()()()]()()()2()()2()()2()() ()2n n n i i i i n n i i i i i i n n n i i i i i i n n i i i i i n i i x x y y n n Q bx a y a bx y y y b x x n a bx y y y b x x a bx y y y a bx y x x b x x y y b x x =============+-=+---+-=+-+-+--+---+-----=--∑∑∑∑∑∑∑∑∑∑∑的最小值知又22 111 122211()()()()()()()()n n i i i i i n n i i i i i i n n i i i i b x x y y n a bx y y y b x x y y x y nx y b x x x n x a y bx ======--++-+----==--=-∑∑∑∑∑∑此式为关于的一元二次方程,当
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
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
计量经济学分析模型
摘要 改革开放以来，我国经济呈迅速而稳定的增长趋势，由于分配机制和收入水平的变化，城镇居民生活水平在达到稳定小康之后，消费结构和消费水平都出现了一些新的特点。本文旨在对近几年，我国城镇年人均收入变动对年人均各种消费变动的影响进行实证分析。首先，我们综合了几种关于收入和消费的主要理论观点；本文根据相关的数据统计数据，运用一定的计量经济学的研究方法，进而我们建立了理论模型。然后，收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果和影响消费的一些因素作了经济意义的分析，并相应提出一些政策建议。并找到影响居民消费的主要因素。 关键词：居民消费；城镇居民；回归；Eviews
目录 摘要.................................................................. II 前言. (1) 1 问题的提出 (2) 2 经济理论陈述 (3) 2.1西方经济学中有关理论假说 (3) 2.2有关消费结构对居民消费影响的理论 (4) 3 相关数据收集 (6) 4 计量经济模型的建立 (9) 5 模型的求解和检验 (10) 5.1计量经济的检验 (10) 5.1.1模型的回归分析 (10) 5.1.2拟合优度检验： (11) 5.1.3 F检验 (11) 5.1.4 T检验 (12) 5.2 计量修正模型检验： (12) 5.2.1 Y与的一元回归 (13) 5.2.2拟合优度的检验 (13) 5.2.3 F检验 (14) 5.2.4 T检验： (15) 5.3经济意义的分析: (15) 6 政策建议 (16) 结论 (17) 参考文献 (19)
计量经济学案例分析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
线性回归方程 1.【2014高考全国2第19题】某地区2007年至2013年农村居民家庭纯收入y（单位：千元）的数据如下表： （Ⅰ）求y关于t的线性回归方程； （Ⅱ）利用（Ⅰ）中的回归方程，分析2007年至2013年该地区农村居民家庭人均纯收入的变化情况，并预测该地区2015年农村居民家庭人均纯收入. 附：回归直线的斜率和截距的最小二乘法估计公式分别为： ()() () 1 2 1 n i i i n i i t t y y b t t ∧ = = -- = - ∑ ∑ ，? ?a y bt =- 2.【2016年全国3】下图是我国2008年至2014年生活垃圾无害化处理量（单位：亿吨）的折线图. 注：年份代码1–7分别对应年份2008–2014. （Ⅰ）由折线图看出，可用线性回归模型拟合y与t的关系，请用相关系数加以说明；
（Ⅱ）建立y 关于t 的回归方程（系数精确到0.01），预测2016年我国生活垃圾无害化处理量. 附注： 参考数据： 7 1 9.32i i y ==∑，7 1 40.17i i i t y ==∑ 0.55=，≈2.646. 参考公式：()() n i i t t y y r --= ∑ 回归方程y a bt =+ 中斜率和截距的最小二乘估计公式分别为： 1 2 1 ()() ()n i i i n i i t t y y b t t ==--= -∑∑ ，=.a y bt - 3.【2015全国1】某公司为确定下一年度投入某种产品的宣传费，需了解年宣传费x （单位：千元）对年销售量y （单位：t ）和年利润z （单位：千元）的影响，对近8年的宣传费i x 和年销售量()1,2,,8i y i = 数据作了初步处理，得到下面的散点图及一些统计量的值.
#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。
第六章 经典联立方程计量经济学模型：理论与方法 一、内容提要 联立方程计量经济学模型是相对于单一方程模型提出来的，旨在在讨论多个经济变量相互影响的错综复杂的运行规律，或者说讨论多个内生变量被联立决定的问题。 本章学习内容的一个重点是关于联立方程计量经济学模型区别于单方程模型的若干基本概念，包括内生变量、外生变量、前定变量的概念；结构式模型、简化式模型的概念；随机方程、恒等方程的概念；行为方程、技术方程、制度方程、统计方程、定义方程、平衡方程等相关概念。 本章学习的另一个重点是联立模型的识别问题。需掌握模型识别的基本概念、模型识别的类型（不可识别、恰好识别、过渡识别）、模型的结构式识别条件、模型的简化式识别条件以及实际应用中的经验识别方法。 本章学习的第三个重点是联立模型的估计问题。首先明确联立模型估计时会遇到的三个方面的问题。一是随机解释变量问题，即模型中的某些解释变量也能是与随机扰动项相关的随机解释变量；二是损失变量信息的问题，即以单方程方法估计模型时会损失其他方程变量所提供的信息；三是损失方程之间的相关性信息问题，即以单方程方法估计模型时会损失不同方程随机扰动项间的相关性方面的一些信息。其次，需要掌握联立模型两大类估计方法中的主要估计方法，如单方程估计方法中的狭义工具变量法（IV ）、间接最小二乘法（ILS ）、二阶段最小二乘法（2SLS ），系统估计方法中的三阶段最小二乘法（3SLS ）等。 本章学习中不容忽视的还有联立方程计量经济学模型估计方法的比较，以及联立方程模型的检验问题。前者需要考察大样本估计量特性与小样本估计量的特性；后者包括拟合效果检验、预测性检验、方程间误差传递检验等方面的内容。 二、典型例题分析 1、如果我们将“供给”1Y 与“需求”2Y 写成如下的联立方程的形式：
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：
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 二、多元线性回归模型 在多要素的地理环境系统中，多个（多于两个）要素之间也存在着相互影响、相互关联的情况。因此，多元地理回归模型更带有普遍性的意义。 （一）多元线性回归模型的建立 假设某一因变量 y 受 k 个自变量 x 1, x 2 ,..., x k 的影响，其 n 组观测值为（ y a , x 1 a , x 2 a ,..., x ka ）， a 1,2,..., n 。那么，多元线性回归模型的结构形式为： y a 0 1 x 1a 2 x 2 a ... k x ka a （） 式中： 0 , 1 ,..., k 为待定参数； a 为随机变量。 如果 b 0 , b 1 ,..., b k 分别为 0 , 1 , 2 ..., k 的拟合值，则回归方程为 ?= b 0 b 1x 1 b 2 x 2 ... b k x k （） 式中： b 0 为常数； b 1, b 2 ,..., b k 称为偏回归系数。 偏回归系数 b i （ i 1,2,..., k ）的意义是，当其他自变量 x j （ j i ）都固定时，自变量 x i 每变 化一个单位而使因变量 y 平均改变的数值。 根据最小二乘法原理， i （ i 0,1,2,..., k ）的估计值 b i （ i 0,1,2,..., k ）应该使 n 2 n 2 Q y a y a y a b 0 b 1 x 1a b 2 x 2a ... b k x ka min （） a 1 a 1 有求极值的必要条件得 Q n 2 y a y a b 0 a 1 （） Q n 2 y a y a x ja 0( j 1,2,..., k) b j a 1 将方程组（）式展开整理后得： 线性 回归 方程 统计总课时第18课时分课题线性回归方程分课时第1 课时 教学目标了解变量之间的两种关系，了解最小平方法〔最小二乘法〕的思想，会用公式求解回归系数． 重点难点最小平方法的思想，线性回归方程的求解． 线性回归方程 某小卖部为了了解热茶销量与气温之间的关系，随机统计并制作了某6天卖出热茶的杯数与当天气温的对照表： 气温/C ?26 18 13 10 4 -1 杯数20 24 34 38 50 64假设某天的气温是C? -5，那么你能根据这些数据预测这天小卖部卖出热茶的杯数吗？ 新课教学 1．变量之间的两类关系： 〔1〕函数关系： 〔2〕相关关系： 2．线性回归方程： 〔1〕散点图： 〔2〕最小平方法〔最小二乘法〕：〔3〕线性相关关系： 〔4〕线性回归方程、回归直线：3．公式： [来源:https://www.doczj.com/doc/f44342090.html,] 4．求线性回归方程的一般步骤： x y Ｏ 例题剖析 例1 下表为某地近几年机动车辆数与交通事故数的统计资料，请判断机动车辆数与交通事故数之间是否具有线性相关关系，如果具有线性相关关系，求出线性回归方程；如果不具有线性相关关系，说明理由．[来源:学&科&网] 机动车辆数x/千辆95 110 112 120 129 135 150 180 交通事故数y/千件 6.2 7.5 7.7 8.5 8.7 9.8 10.2 13 [来源:1ZXXK] 思考：如图是1991年到2000年北京地区年平均气温〔单位：C 〕与年降雨量〔单位：mm 〕的散点图，根据此图能求出它的回归直线方程吗？如果能，此时求得的回归直线方程有意义吗？ 巩固练习 1x /百万元 [来 源:Z+xx+https://www.doczj.com/doc/f44342090.html,] 2 4 5 6 8 y /百万元 30 40 60 50 70 〔1〕画出散点图； 〔2〕求线性回归方程． 课堂小结 了解变量之间的两种关系，了解最小平方法的思想，会用公式求解回归系数． x y 100 200 300 400 500 600 12.40 12.60 12.80 13.00 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* 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 2.4线性回归方程 重难点：散点图的画法，回归直线方程的求解方法，回归直线方程在现实生活与生产中的应． 考纲要求：①会作两个有关联变量数据的散点图，会利用散点图认识变量间的相关关系． ②了解最小二乘法的思想，能根据给出的线性回归方程系数公式建立线性回归方程． 经典例题：10．有10名同学高一（x）和高二（y）的数学成绩如下： ⑴画出散点图； ⑵求y对x的回归方程。 当堂练习： 1.下表是某小卖部一周卖出热茶的杯数与当天气温的对比表：若热茶杯数y与气温x近似地满足线性关系，则其关系式最接近的是（） . . . . A ． B ． C ． D ． 2．线性回归方程表示的直线必经过的一个定点是（ ） A ． B ． C ． D ． 3．设有一个直线回归方程为 ,则变量x 增加一个单位时 （ ） A ． y 平均增加 1.5 个单位 B. y 平均增加 2 个单位 C ． y 平均减少 1.5 个单位 D. y 平均减少 2 个单位 4．对于给定的两个变量的统计数据，下列说确的是（ ） A ．都可以分析出两个变量的关系 B ．都可以用一条直线近似地表示两者的关系 C ．都可以作出散点图 D. 都可以用确定的表达式表示两者的关系 5．对于两个变量之间的相关系数，下列说法中正确的是（ ） A ．|r|越大，相关程度越大 B ．|r|，|r|越大，相关程度越小，|r|越小，相关程度越大 杯 数 24 34 39 51 63 C．|r|1且|r|越接近于1，相关程度越大；|r|越接近于0，相关程度越小D．以上说法都不对 6．“吸烟有害健康”，那么吸烟与健康之间存在什么关系（） A．正相关B．负相关C．无相关D．不确定 7．下列两个变量之间的关系不是函数关系的是（） A．角度与它的余弦值B．正方形的边长与面积 C．正n边形的边数和顶点角度之和D．人的年龄与身高 8．对于回归分析，下列说法错误的是（） A．变量间的关系若是非确定性关系，则因变量不能由自变量唯一确定 B．线性相关系数可正可负 C．如果，则说明x与y之间完全线性相关 D．样本相关系数 9．为了考察两个变量x和y之间的线性相关性，甲、乙两个同学各自独立的做10次和15V次试验，并且利用线性回归方法，求得回归直线分布为和，已知 . . ∑ 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。多元线性回归模型公式().docx
线性回归方程
计量经济学-案例分析-第八章
计量经济学 庞皓 课后思考题答案
线性回归方程
计量经济学案例分析一元回归模型实例分析报告
相关主题
文本预览