下载文档原格式
目 录第1章 绪 论第2章 经典单方程计量经济学模型：一元线性回归模型第3章 经典单方程计量经济学模型：多元线性回归模型第4章 经典单方程计量经济学模型：放宽基本假定的模型第5章 经典单方程计量经济学模型：专门问题第6章 联立方程计量经济学模型：理论与方法第7章 扩展的单方程计量经济学模型第8章 时间序列计量经济学模型第9章 计量经济学应用模型第1章 绪 论1什么是计量经济学？计量经济学方法与一般经济数学方法有什么区别？答：（1）计量经济学是经济学的一个分支学科，以揭示经济活动中客观存在的数量关系为主要内容，是由经济理论、统计学和数学三者结合而成的交叉学科。
（2）计量经济学方法通过建立随机的数学方程来描述经济活动，并通过对模型中参数的估计来揭示经济活动中各个因素之间的定量关系，是对经济理论赋予经验内容；而一般经济数学方法是以确定性的数学方程来描述经济活动，揭示的是经济活动中各个因素之间的理论关系。
2计量经济学的研究对象和内容是什么？计量经济学模型研究的经济关系有哪两个基本特征？答：（1）计量经济学的研究对象是经济现象，主要研究的是经济现象中的具体数量规律，即是利用数学方法，依据统计方法所收集和整理到的经济数据，对反映经济现象本质的经济数量关系进行研究。
（2）计量经济学的内容大致包括两个方面：一是方法论，即计量经济学方法或理论计量经济学；二是应用计量经济学。
任何一项计量经济学研究和任何一个计量经济学模型赖以成功的三要素是理论、方法和数据。
（3）计量经济学模型研究的经济关系的两个基本特征是随机关系和因果关系。
3为什么说计量经济学在当代经济学科中占据重要地位？当代计量经济学发展的基本特征与动向是什么？答：（1）计量经济学自20世纪20年代末30年代初形成以来，无论在技术方法还是在应用方面发展都十分迅速，尤其是经过20世纪50年代的发展阶段和60年代的扩张阶段，使其在经济学科占据重要的地位，主要表现在：①在西方大多数大学和学院中，计量经济学的讲授已成为经济学课程表中最具有权威的一部分；②从1969～2003年诺贝尔经济学奖的53位获奖者中有10位是与研究和应用计量经济学有关；③计量经济学方法与其他经济数学方法结合应用得到了长足的发展。
量经济学夏凡第四章放宽基本假定的模型第一节异方差性第二节自相关性第三节随机解释变量问题第四节多重共线性量经济学夏凡关于基本假定的回顾⏹假设1●称为中性假设●含义⏹平均来看，每一期的随机干扰既不向上偏也不向下偏，没有系统偏差()niEi,,2,1,0==ε量经济学夏凡关于基本假设的回顾（续1）⏹假设2●合起来称为高斯马尔可夫假设●违反⏹异方差性、自相关性()()()jiEnijijii≠====,0,cov,,2,1,var2εεεεσε同方差假设序列不相关假设计量经济学夏凡关于基本假设的回顾（续2）⏹假设3●即解释变量x1，x2，…和随机项ε不相关●违反：随机解释变量⏹假设4●解释变量的观测值矩阵X为列满秩⏹rank(X)=p+1●含义：要求解释变量之间没有线性关系●违反：多重共线性()nixiij,,2,1,0,cov==ε计量经济学夏凡第一节异方差性⏹异方差性及其产生的原因⏹异方差性的后果⏹异方差性的检验⏹异方差性的处理计量经济学夏凡异方差性及其产生的原因⏹异方差性●古典线性回归模型(CLRM)假设，干扰项εi是同方差的(homoscedastic)⏹干扰项具有相同的方差⏹则var(εi)=σ2是一个常数●假设方差随着观测数据而变化⏹即得到异方差性(heteroscedasticity)⏹则：var(εi)=σi2 随着观测数据而变化异方差性及其产生的原因（续1）计量经济学夏凡计量经济学夏凡异方差性及其产生的原因（续2）⏹类型●单调递增型：σi2 随着x的增大而增大●单调递减型：σi2 随着x的增大而减小●复杂型：σi2 与x的变化呈复杂形式计量经济学夏凡异方差性及其产生的原因（续3）同方差单调递增型单调递减型复杂型计量经济学夏凡异方差性及其产生的原因（续4）⏹产生的原因：规模效应(scale effect)●如果截面数据来自于一组规模差异很大的对象，在数据中就会存在异方差性⏹例如●小公司、中等公司、大公司●低收入家庭、中等收入家庭、高收入家庭●异方差性更多的发生于截面数据，时序数据中相对较少⏹在不同样本点上解释变量以外的其他因素的差异较大计量经济学夏凡异方差性及其产生的原因（续5）⏹[例4-1]工资与企业规模●平均工资随着厂商规模的增加而增加，见下表●则无法期望工资的方差是不变的⏹方差随着厂商规模的增加而增加⏹因此，厂商越大，支付的工资越多，但工资的变异计量经济学夏凡异方差性及其产生的原因（续6）⏹[例4-2]储蓄与收入●储蓄随着收入增加而增加，储蓄和支出的变异性也随着增加⏹随着收入增加，人们具有更多的可以自由支配的收入⏹因此具有处置收入的更大的选择余地计量经济学夏凡异方差性及其产生的原因（续7）⏹[例4-3]学习●由于学习，人们的行为误差越来越小，方差将逐渐减小●随着打字时间的增加，每小时的打字错误逐渐减小●随着数据采集技术的提高，测量误差可能会减小计量经济学夏凡异方差性的后果⏹使用OLS存在的问题●参数估计值仍然是线性的和无偏的●但不再是有效的——不再具有最小方差⏹即估计量不再是BLUE●若使用常用的方差公式，方差将是有偏的⏹因为估计量不再是σ2的无偏估计⏹则F检验和t 检验不再是可靠的●回归方程的应用效果极不理想计量经济学夏凡异方差性的检验⏹以前的研究显示存在异方差性●知道可能会存在规模效应⏹支出模式与收入有关⏹厂商利润或投资支出与厂商规模有关⏹残差图分析法●以随机项的估计值e或e2为纵轴，各自变量或因变量的预测值为横轴作图●分析残差计量经济学夏凡异方差性的检验（续1）⏹Park Test●若通过考察残差发现了异方差性，可以作一个检验⏹将方差对x变量回归●⏹方差未知，则用残差平方代替●⏹若是多元模型，则将残差的平方对每个自变量回归，或者对y的预测值回归●若β1显著区别于0，则表明模型有异方差性()iiixνββσ++=lnln12()iiixeνββ++=lnln12计量经济学夏凡异方差性的检验（续2）⏹Glejser Test●与Park Test类似●将残差e的绝对值对某个自变量x j回归⏹●回归的函数形式可以有所变化●若具有显著的t 统计量，则表明有异方差()εββ++=jxfe1形式123456=e x1αx11αx1αx11αx1αα+x1αα+计量经济学夏凡异方差性的检验（续4）⏹White Test●把e2作为因变量，原先的自变量和自变量的平方项作为新自变量建立线性回归模型（还可以加上任意两个自变量的交叉项xix j）⏹如：●检验的原假设为残差不存在异方差性●检验的统计量⏹m=n×R2 ~ χ2(k)⏹R2：检验回归方程的拟合优度⏹k：除常数项以外的回归系数的个数●若具有显著的White统计量，则拒绝原假设21522421322112xxxxxxeαααααα+++++=计量经济学夏凡异方差性的检验（续5）⏹[例4-4] 续例3-3，已知1950-1987年间美国机动车汽油消费量和影响消费量的变量数值，其中●QMG-机动车汽油消费量（单位：千加仑）●CAR-汽车保有量●PMG-机动车汽油零售价格●POP-人口数●RGNP-按1982年美元计算的GNP（单位：十亿美元）●PGNP-GNP指数（1982年为100）计量经济学夏凡异方差性的检验（续6）⏹检验结果●不包含交叉项●包含交叉项⏹其中●Obs*R-squared统计量是White’s检验的检验统计量，通过相伴概率判别是否拒绝无异方差的零假设●F统计量是对所有交叉项系数的显著性检验统计量F-statistic 1.131296Probability0.376330 Obs*R-squared11.22055Probability0.340595F-statistic0.942129Probability0.555219 Obs*R-squared19.97674Probability0.459385计量经济学夏凡异方差性的处理⏹加权最小二乘法（WLS）●适用于异方差形式可知时●基本思路⏹赋予残差的每个观测值不同权数，从而使模型的随机误差项具有同方差性●方法⏹σi2已知和σi2未知●是广义最小二乘法的一个特例⏹模型两边的对数变换●对数变换压缩了变量的尺度⏹将变量间10倍的差距缩小为2倍的差距计量经济学夏凡异方差性的处理（续1）⏹自相关相容协方差(Heteroskedasticity and Autocorrelation Consistent Covariances)●适用于异方差形式未知时●基本原理⏹相容参数估计采用了另外估计回归系数的协方差阵⏹从而改变了估计值的标准差●其得到的标准差是非常规的，不能用来推断●方法⏹White HAC和Newey-West HAC⏹两种方法均不改变参数的点估计，改变的只是估计标准差量经济学夏凡异方差性的处理（续2）[例4-6]30个家庭的收入和消费支出的截面数据。
