下载文档原格式
计量经济学讲义王维国讲授课程的性质计量经济学是一门由经济学、统计学和数学结合而成的交叉学科，从学科性质来看，计量经济学是一门应用经济学。
具体来说，计量经济学是在经济学理论指导下，借助于数学、统计学和计算机等方法和技术，研究具有随机特征的经济现象，目的在于揭示其发展变化规律。
课程教学目标计量经济学按其内容划分为理论计量经济学和应用计量经济学。
本课程采用多媒体教学手段，结合Eviews软件应用，讲解理论计量经济学的最基本内容。
本课程教学目标：一是使学生了解现实经济世界中可能存在的计量经济问题，掌握检测及解决计量经济问题的方法和技术；二是使学生能够在计算机软件辅助下，建立计量经济模型，为其他专业课的学习及对经济问题进行实证分析研究奠定基础。
课程适用的专业与年级本大纲适用于数量经济专业2001级计量经济学课程的教学。
课程的总学时和总学分课程总学时为72，共计4学分。
本课程与其他课程的联系与分工学习本课程需要学生具备概率论与数理统计、微积分、线性代数、Excel、微观经济学、宏观经济学、经济统计等学科知识。
概率论与数理统计等数学课是计量经济学的方法论基础，计量经济学主要解决的是实际中不满足数理统计假定时经济变量之间关系及经济变量发展变化规律分析方法和技术，而经济学为计量经济学提供经济理论的准备，它仅就经济变量之间的关系提出一些理论假设，而不进行实证分析，只有具备了计量经济学的基本知识才能更好地解决一些实际问题。
课程使用的教材及教学参考资料使用的教材：计量经济学(Basic Econometrics) 第三版，[美]古扎拉蒂(DamodarN.Gujarati) 著，林少宫译，中国人民大学2000年3月第1版。
该教材畅销美国，并流行于英国及其他英语国家。
该书充分考虑了学科发展的前沿，十分重视基础知识的教学及训练，内容深入浅出。
教学参考资料：1. 王维国，《计量经济学》，东北财经大学2001.2.Aaron C. Johnson, Econometrics Basic and Applied学时分配表第一讲引言：经济计量学的特征及研究X围第一节什么是计量经济学一、计量经济学的来源二、计量经济学的定义计量经济学几种定义。
© 陈强,《高级计量经济学及Stata 应用》课件，第二版，2014 年，高等教育出版社。
第 14 章受限被解释变量被解释变量的取值范围有时受限制，称为“受限被解释变量”(Limited Dependent Variable)。
14.1 断尾回归对线性模型yi =xi'β +εi，假设只有满足yi≥c 的数据才能观测到。
例：yi为所有企业的销售收入，而统计局只收集规模以上企业数据，比如yi≥100,000。
被解释变量在100,000 处存在“左边断尾”。
2⎨断尾随机变量的概率分布随机变量 y 断尾后，其概率密度随之变化。
记 y 的概率密度为 f ( y ) ，在 c 处左边断尾后的条件密度函数为⎧ f ( y ) 若 y > c f ( y | y > c ) = ⎪⎪⎩P( y 0, > c ) , 若 y ≤ c由于概率密度曲线下面积为 1，故断尾变量的密度函数乘以因子1 。
P( y > c )图14.1 断尾的效果3断尾分布的期望也发生变化。
以左边断尾为例。
对于最简单情形，y ~ N (0, 1)，可证明(参见附录)E( y |y >c) = φ(c)1 -Φ(c)对于任意实数c，定义“反米尔斯比率”(Inverse Mill’s Ratio，简记IMR)为则E( y | y >c) =λ(c)。
λ(c) ≡φ(c)1 -Φ(c)4图14.2 反米尔斯比率56对 于 正 态 分 布 y ~ N (μ, σ 2) ， 定 义 y - μz ≡σ~ N (0, 1) ， 则y = μ + σ z 。
故E( y | y > c ) = E(μ + σ z | μ + σ z > c ) = E ⎡⎣μ + σ z z > (c - μ) ⎤⎦= μ + σ E ⎣⎡ z z > (c - μ) σ ⎦⎤ = μ + σ ⋅ λ [(c - μ) σ ]对于模型y = x 'β + ε ，ε | x ~ N (0, σ 2 )，则y | x ~ N ( x 'β , σ 2)，故iiiiiiiiE( y i | y i > c ) = x i 'β + σ ⋅ λ [(c - x i 'β ) σ ]如 果 用 OLS 估 计 y i = x i 'β + εi ， 则 遗 漏 了 非 线 性 项σ ⋅ λ [(c - x i 'β ) σ ]，与x i 相关，导致 OLS 不一致。
计量经济学中级教程习题参考答案第一章 绪论1.1 一般说来，计量经济分析按照以下步骤进行：（1）陈述理论（或假说） （2）建立计量经济模型 （3）收集数据（4）估计参数 （5）假设检验 （6）预测和政策分析 1.2 我们在计量经济模型中列出了影响因变量的解释变量，但它（它们）仅是影响因变量的主要因素，还有很多对因变量有影响的因素，它们相对而言不那么重要，因而未被包括在模型中。
为了使模型更现实，我们有必要在模型中引进扰动项u 来代表所有影响因变量的其它因素，这些因素包括相对而言不重要因而未被引入模型的变量，以及纯粹的随机因素。
1.3 时间序列数据是按时间周期（即按固定的时间间隔）收集的数据，如年度或季度的国民生产总值、就业、货币供给、财政赤字或某人一生中每年的收入都是时间序列的例子。
横截面数据是在同一时点收集的不同个体（如个人、公司、国家等）的数据。
如人口普查数据、世界各国2000年国民生产总值、全班学生计量经济学成绩等都是横截面数据的例子。
1.4 估计量是指一个公式或方法，它告诉人们怎样用手中样本所提供的信息去估计总体参数。
在一项应用中，依据估计量算出的一个具体的数值，称为估计值。
如Y 就是一个估计量，1nii YYn==∑。
现有一样本，共4个数，100，104，96，130，则根据这个样本的数据运用均值估计量得出的均值估计值为5.107413096104100=+++。
第二章 经典线性回归模型2.1 判断题（说明对错；如果错误，则予以更正） （1）对 （2）对 （3）错只要线性回归模型满足假设条件（1）～（4），OLS 估计量就是BLUE 。
（4）错R 2 =ESS/TSS 。
（5）错。
我们可以说的是，手头的数据不允许我们拒绝原假设。
（6）错。
因为∑=22)ˆ(tx Var σβ，只有当∑2t x 保持恒定时，上述说法才正确。
2.2 应采用（1），因为由（2）和（3）的回归结果可知，除X 1外，其余解释变量的系数均不显著。
© 陈强,《高级计量经济学及Stata 应用》课件，第二版，2014年，高等教育出版社。
第14章 受限被解释变量被解释变量的取值范围有时受限制，称为“受限被解释变量”(Limited Dependent Variable)。
14.1 断 尾 回 归对线性模型i i i y ε'=+x β，假设只有满足i y c ≥的数据才能观测到。
例：i y 为所有企业的销售收入，而统计局只收集规模以上企业2数据，比如100,000i y ≥。
被解释变量在100,000处存在“左边断尾”。
断尾随机变量的概率分布随机变量y 断尾后，其概率密度随之变化。
记y 的概率密度为()f y ，在c 处左边断尾后的条件密度函数为(),P()(|)0,若若f y y c y c f y y c y c ⎧>⎪>>=⎨⎪≤⎩由于概率密度曲线下面积为1，故断尾变量的密度函数乘以因子1P()y c >。
3图14.1 断尾的效果4断尾分布的期望也发生变化。
以左边断尾为例。
对于最简单情形，~(0,1)y N ，可证明(参见附录)()E(|)1()c y y c c φ>=-Φ对于任意实数c ，定义“反米尔斯比率”(Inverse Mill ’s Ratio ，简记IMR)为()()1()c c c φλ≡-Φ则E(|)()y y c c λ>=。
5图14.2 反米尔斯比率6对于正态分布2~(,)y N μσ，定义~(0,1)y z N μσ-≡，则y z μσ=+。
故[]E(|)E(|)E ()E ()()y y c z z c z z c z z c c μσμσμσμσμσμσμσλμσ⎡⎤>=++>=+>-⎣⎦⎡⎤=+>-=+⋅-⎣⎦对于模型i i i y ε'=+x β，2|~(0,)i i N εσx ，则2|~(,)i i i y N σ'x x β，故[]E(|)()i i i i y y c c σλσ''>=+⋅-x x ββ如果用OLS 估计i i iy ε'=+x β，则遗漏了非线性项[]()i c σλσ'⋅-x β，与i x 相关，导致OLS 不一致。
