计量经济学
- 格式:doc
- 大小:898.50 KB
- 文档页数:16
计量经济学计量经济学,是一门使用统计方法分析经济现象的学科。
计量经济学主要通过收集、处理、分析和解释经济数据,以确认和识别经济核心问题,比如需求和供给、价格变动、市场结构和经济增长等。
这门学科的进步和应用在各种政策制定和经济决策上有着广泛的应用领域,比如经济政策的分析,股票市场的预测和企业的经营决策等。
接下来,本文将解释计量经济学的主要内容和方法,并探讨计量经济学在实践中的应用。
一、计量经济学的主要内容计量经济学分析的主要对象是经济现象和经济数据。
这些现象和数据可以描述为变量和关系,比如价格,工资,利润和经济增长等。
计量经济学主要研究的是这些变量及其之间的相互关系,以便为决策者提供更好的政策建议。
在计量经济学中,通常会涉及到如下的主要内容:1. 变量的含义和测量。
计量经济学要求研究者对变量的含义进行明确界定,以便能够对其进行测量,并进行数据收集和分析。
例如,如果要研究通货膨胀的影响因素,通货膨胀就是一个重要的变量,需要进行合理的测量。
2. 经济关系的建模。
计量经济学则进一步探索变量之间的数量关系,并通过数学模型来描述它们之间的联系。
例如,经济学家可以建立一个供求模型来研究商品价格的形成。
3. 假设检验。
计量经济学通过提出假设并使用统计检验方法来验证假设。
通过检验结果,经济学家可以同样的推理得出各种假设是否成立。
4. 统计分析。
该领域强调通过统计分析方法检验模型的假设,这是检验数据和变量关系的重要手段。
统计分析包括回归分析、时间序列分析以及多元统计分析等方法。
二、计量经济学方法计量经济学的重要方法包括统计分析、回归分析、时间序列分析、概率论和经济实验等。
其中最常使用的方法是回归分析。
1. 回归分析回归分析是计量经济学的核心方法。
回归分析将一个自变量与因变量相关联。
例如,如果我们想知道变量X与变量Y的相关性,我们就会回归一个X对Y的方程。
这个方程告诉我们,当X发生变化时,Y的变化程度。
回归分析需要建立方程,并根据现有数据的信息来确定系数。
名词解释1,计量经济学;计量经济学是以经济理论和经济数据的事实为依据,运用数学、统计学的方法,借助计算机为辅助工具,通过建立数学模型来研究经济数量关系和规律的一门经济学科。
2,虚拟变量数据;虚拟变量数据是人们构造的,用来表征政策定性事实的数据。
3,计量经济学检验;计量经济学检验主要是检验模型是否符合计量经济学方法的基本假定。
4,回归平方和;回归平方和用ESS表示,是被解释变量的样本估计值与其平均值得离差平方和5,拟合优度检验;拟合优度检验是指检验模型对样本观测值的拟合程度,用R²表示,该值越接近1,模型对样本观测值拟合得越好。
6,总体回归函数;将总体被解释变量的条件期望表现为解释变量的函数,这个函数称为总体回归函数。
7,样本回归函数;是指被解释变量的样本条件均值也是随解释变量的变化而又规律的变化,如果把被解释变量的样本均值比奥斯为解释变量的某种函数,称这个函数为样本回归函数8,回归方程的显著性检验(F检验);是指对模型中北解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。
9,回归参数的显著性检验(t检验);是指对其他解释变量不变时,某个回归系数对应的解释变量是否对被解释变量有显著影响做出推断。
10, 多重共线性;是指解释变量之间精确的线性关系和解释变量之间近似的线性关系。
11, 完全的多重共线性;是指解释变量的数据矩阵中,至少有一个列向量可以用其余的列向量线性表示。
12,不完全的多重共线性;指对解释变量k X X X ,,,32 ,存在不全为0的数k λλλλ,,,,321 ,使得 033221=+++++i ki k i i v X X X λλλλ ),,2,1(n i =,其中,i v 为解释变量。
13,异方差性;是指随即变量的方差不是确定的常数,即被解释变量观测值的分散程度随解释变量的变化而变化。
14,序列相关性;指总体回归模型的随机误差项之间存在相关关系。
15.滞后效应;是指由于经济活动的惯性,一个经济指标以前的变化态势往往会延续到本期,从而形成被解释变量的当期变化同自身过去取值水平相关的情形。
1、什么是计量经济学?计量经济学是以经济理论和经济数据的事实为依据,运用数学和统计学的方法,通过建立数学模型来研究经济数量关系和规律的一门经济学科。
2、为什么说计量经济学是经济理论、数学和经济统计学的结合?试述三者之关系。
(同一)3、建立与应用计量经济学模型的主要步骤。
①理论模型的建立;②收集数据,参数估计;③模型检验;④模型应用;4、并说明时间序列数据和横截面数据有和异同?时间序列:同一个统计指标,在同一时间点上,不同的对象所得的数据;横截面积:同一指标,同一对象在不同时间点上所得的数据5、试解释单方程模型和联立方程模型的概念,并举例说明两者之间的联系与区别。
6、常用的样本数据有哪些?(同第四题)1、最基础的:经典单方程计量经济学模型;2、运用最小二乘法,3、最基本假定:简单线性回归;对随机扰动项的假定:①零均值;②同方差;③无自相关4、统计检验: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5、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。
6、总体回归函数是对总体变量间关系的定量表述7、样本估计量优劣的最主要的衡量准则:无偏性、有效性与一致性8、Goss-markov定理表明OLS估计量是最佳线性无偏估计量。
9、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。
10、总体回归函数:将总体被解释变量Y的条件均值表现为解释变量X 的某种函数11、样本回归函数(SRF):将被解释变量Y 的样本条件均值表示为解释变量X 的某种函数。
总体回归函数与样本回归函数的区别与联系12、随机扰动项:被解释变量实际值与条件均值的偏差,代表排除在模型以外的所有因素对Y的影响。
13、引入随机扰动项的原因:未知影响因素的代表●无法取得数据的已知影响因素的代表●众多细小影响因素的综合代表●模型的设定误差●变量的观测误差●变量内在随机性14、为什么要作基本假定:模型中有随机扰动,估计的参数是随机变量,只有对随机扰动的分布作出假定,才能确定所估计参数的分布性质,也才可能进行假设检验和区间估计●只有具备一定的假定条件,所作出的估计才具有较好的统计性质15、拟合优度:样本回归线对样本观测数据拟合的优劣程度,16、可决系数:在总变差分解基础上确定的,模型解释了的变差在总变差中的比重1、多元线性回归模型基本假定:①零均值;②同方差;③无自相关;④不存在相关性2、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。
计量经济学计量经济学是:指通过计量工具来研究具有统计意义的经济问题的经济学科。
计量经济学的工具:数学(如优化理论,微分方程),概率与统计分析,计算机及其应用软件,数据分析等学科的相关知识。
计量经济学的研究对象:经济问题,包括各种经济现象。
经量经济学的研究目的:对所关心的经济问题做适当的经济预测,政策评估,评价或建议 1.计量经济学的发展历程:经济学的一个分支学科 1926年挪威经济学家R.Frish 提出Econometrics1930年成立世界计量经济学会 1933年创刊《Econometrica 》 20世纪40、50年代的大发展和60年代的扩张 20世纪70年代以来非经典(现代)计量经济学的发展 2.计量经济学模型的步骤:(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 (5)、计量经济学模型成功的三要素:理论,数据,方法 3.随机误差项主要包括下列因素的影响:1)在解释变量中被忽略的因素的影响;2)变量观测值的观测误差的影响; 3)模型关系的设定误差的影响; 4)其它随机因素的影响。
4.产生并设计随机误差项的主要原因:(1)理论的含糊性;2)数据的欠缺;3)节省原则。
5.参数的普通最小二乘估计(OL S )给定一组样本观测值(Xi, Yi )(i=1,2,…n )要求样本回归函数尽可能好地拟合这组值.普通最小二乘法(Ordinary least squares, OLS )给出的判断标准是:二者之差的平方和最小。
由于参数的估计结果是通过最小二乘法得到的,故称为普通最小二乘估计量。
6.最小二乘估计量的性质:一个用于考察总体的估计量,可从如下几个方面考察其优劣性: (1)线性性,即它是否是另一随机变量的线性函数; (2)无偏性,即它的均值或期望值是否等于总体的真实值; (3)有效性,即它是否在所有线性无偏估计量中具有最小方差。
这三个准则也称作估计量的小样本性质。
计量经济学第六章6.1 解释概念(1)双对数模型 (2)对数-线性模型 (3)线性-对数模型 (4)多项式回归(5)标准化变量 (6)边际效应 (7)弹性 (8)瞬时增长率 答:(1)双对数模型是一种广泛应用的函数形式,模型中的因变量和自变量都以对数度量,比如设定一个双对数模型12ln ln Y X u ββ=++(2)对数线性模型是指因变量取对数、解释变量为原有形式的模型。
比如:12log()wage educ u ββ=++。
(3)线性对数模型是指因变量为原有形式,解释变量取对数的模型。
比如:12ln Y X u ββ=++(4)多项式回归模型中解释变量并不都是以线性的形式出现,多项式是由常数和一个或多个解释变量及其正整数次幂构成的表达式。
多项式回归模型的一般函数形式表示为21123k k Y X X X u ββββ-=+++++(5)标准化变量是标准化变量就是将变量减去其均值并除以其标准差。
(6)边际效应是指一单位变量X 的变化所引起的变量Y 的单位变化。
(7)弹性是指一个变量变动的百分比相应于另一变量变动的百分比来反应变量之间的变动的灵敏程度。
(8)瞬时增长率是指仅当时间变动很小时,才近似等于因变量的相对变化。
6.2 考虑双对数模型12ln ln Y X u ββ=++分别描绘出21β=,21β>,201β<<,21β=-,21β<-,210β-<<时表现Y 与X 之间关系的曲线。
答:当21β=时,Y 和X 对应的是曲线是:当21β>时,对应的曲线是:201β<<时:21β=-时,Y 和X 对应的图形为:21β<-时,对应的函数为:210β-<<时,Y 和X的曲线为:6.3 在研究生产函数时,我们得到如下结果2ln 8.570.460ln 1.285ln 0.272(4.2)(0.025)(0.347)(0.041)360.889K L t se n R θ=-+++===其中θ为产量,K 为资本,L 为劳动时数,t 为时间变量。
计量经济学第一章1、什么是计量经济学计量经济学是以经济理论和经济数据的事实为依据,运用数学和统计学的方法,通过建立数学模型来研究经济数量关系和规律的一门经济学科。
2、计量经济学的研究步骤选择变量和数学关系式——模型设定确定变量间的数量关系——估计参数检验所得结论的可靠性——模型检验作经济分析和经济预测——模型应用3、为什么要对参数进行估计一般来说参数是未知的,又是不可直接观测的。
由于随机项的存在,参数也不能通过变量值去精确计算。
只能通过变量样本观测值选择适当方法去估计。
4、模型检验的内容经济意义的检验—所估计的模型与经济理论是否相符统计推断的检验—检验参数估计值是否抽样的偶然结果,包括拟合优度检验,总体显著性检验,变量显著性检验计量经济学检验—是否符合计量经济方法的基本假定,包括异方差性检验,序列相关性检验,多重共线性检验模型预测检验—将模型预测的结果与经济运行的实际对比,包括稳定性检验,预测性能检验5、模型应用有哪些方面经济结构分析,经济预测,政策评价6、数据类型有时间数列数据(同一空间、不同时间)截面数据(同一时间、不同空间)混合数据(面板数据 Panel Data)虚拟变量数据第二章1、注意几个概念和公式Y的条件分布:当解释变量X取某固定值时(条件),Y的值不确定,Y的不同取值形成一定的分布,即Y的条件分布。
Y的条件期望:对于X的每一个取值,对Y所形成的分布确定其期望或均值,称为Y的条件期望或条件均值E(Y|Xi)公式:2、回归线:对于每一个X的取值,都有Y的条件期望E(Y|Xi)与之对应,代表这些Y的条件期望的点的轨迹所形成的直线或曲线,称为回归线。
3、回归函数:应变量Y的条件期望E(Y|Xi)随解释变量X的的变化而有规律的变化,如果把Y的条件期望E(Y|Xi)表现为X的某种函数,这个函数称为回归函数。
4、总体回归函数的概念:假如已知所研究的经济现象的总体应变量Y和解释变量X的每个观测值, 可以计算出总体应变量Y的条件均值E(Y|Xi),并将其表现为解释变量X的某种函数,这个函数称为总体回归函数(PRF)。
1-1什么是计量经济学?它与经济学,统计学,数学的关系是怎样的?计量经济学是在经济理论的指导下,根据实际观测的统计数据,运用数学和统计学的方法,借助计算机技术从事经济关系和经济数量规律的研究,并以建立和应用计量经济模型为核心的一门经济学科。
简单地说,计量经济学是经济学、统计学和数学三科结合而成的交叉型学科。
计量经济模型建立的过程,是综合应用经济理论、统计和数学方法的过程,经济学为其提供理论基础,数学为其提供研究方法。
理论模型的设定和样本数据的收集是直接以经济理论为依据,建立在对研究对象的透彻认识的基础上的,而参数模型的估计和有效性的检验则是统计学和数学方法在经济研究中的具体应用。
没有理论模型和样本数据,统计学和数学方法将无法发挥作用的对象和原料,反过来如果没有统计学和数学提供的方法,原料将无法成为产品。
因此计量经济学广泛涉及了经济学、统计学、数学这三科的理论、原则、方法。
缺一不可。
1-4、建立与应用计量经济学模型的主要步骤有哪些?计量经济学模型主要有哪些应用领域?(1)、设定理论模型,包括选择模型所包含的变量,确定变量之间的数学关系和拟定模型中待估参数的数值范围;收集样本数据,要考虑样本数据的完整性、准确性、可比性和—致性;估计模型参数;检验模型,包括经济意义检验、统计检验、计量经济学检验和模型预测检验。
(1)、结构分析,即研究一个或者几个经济变量发生变化及结构参数的变动对其他变量以至整个经济系统产生何种影响。
其原理是:弹性分析、乘数分析和比较静力分析;经济预测,即进行中短期经济的因果预测。
其原理是:模拟历史,从已经发生的经济活动中找出变化规律;政策评价,即利用计量经济学模型定量分析政策变量变化对经济系统运行的影响,是对不同政策执行情况的“模拟仿真”;检验与发展经济理论,即利用计量经济学模型和实际统计资料实证分析某个理论假说正确与否。
其原理是:如果按照某种经济理论建立的计量经济学模型可以很好地拟合实际观察数据,则意味着该理论是符合客观事实的,否则,则表明该理论不能解释客观事实。
第六章6.1 解释概念(1)双对数模型 (2)对数-线性模型 (3)线性-对数模型 (4)多项式回归(5)标准化变量 (6)边际效应 (7)弹性 (8)瞬时增长率 答:(1)双对数模型是一种广泛应用的函数形式,模型中的因变量和自变量都以对数度量,比如设定一个双对数模型12ln ln Y X u ββ=++(2)对数线性模型是指因变量取对数、解释变量为原有形式的模型。
比如:12log()wage educ u ββ=++。
(3)线性对数模型是指因变量为原有形式,解释变量取对数的模型。
比如:12ln Y X u ββ=++(4)多项式回归模型中解释变量并不都是以线性的形式出现,多项式是由常数和一个或多个解释变量及其正整数次幂构成的表达式。
多项式回归模型的一般函数形式表示为21123k k Y X X X u ββββ-=+++++L(5)标准化变量是标准化变量就是将变量减去其均值并除以其标准差。
(6)边际效应是指一单位变量X 的变化所引起的变量Y 的单位变化。
(7)弹性是指一个变量变动的百分比相应于另一变量变动的百分比来反应变量之间的变动的灵敏程度。
(8)瞬时增长率是指仅当时间变动很小时,才近似等于因变量的相对变化。
6.2 考虑双对数模型12ln ln Y X uββ=++分别描绘出21β=,21β>,201β<<,21β=-,21β<-,210β-<<时表现Y 与X 之间关系的曲线。
答:当21β=时,Y 和X 对应的是曲线是:当21β>时,对应的曲线是:201β<<时:21β=-时,Y 和X 对应的图形为:21β<-时,对应的函数为:210β-<<时,Y 和X的曲线为:6.3 在研究生产函数时,我们得到如下结果·2ln8.570.460ln 1.285ln 0.272(4.2)(0.025)(0.347)(0.041)360.889K L t se n R θ=-+++===其中θ为产量,K 为资本,L 为劳动时数,t 为时间变量。
(1)解释系数0.460、1.285、0.272的含义。
(2)对资本、劳动时数的回归系数做显著性检验(写出原假设、备择假设、计算检验统计量)。
答:(1)0.460表示的是产量对资本的弹性。
同理,1.285表示的是产量对劳动时数的弹性,0.272表示的是产量对时间的弹性。
(2)对于资本的系数2β:原假设:02=0H β:,备择假设:10H β≠2:¶220.46018.4()0.025t se ββ===, 由Excel 计算可得:32(18.4)=1.4018prob t E ≥-,可知2β是显著的。
对于劳动时数的系数3β:原假设:03=0H β:,备择假设:10H β≠3:µ33 1.285 3.70()0.347t se ββ=== 由Excel 计算可得:32( 3.70)=0.000807prob t ≥ 由此可以看出,3β也是显著的。
6.4 一个劳动经济学家想分析教育程度和工作经验对收入的影响。
使用横截面数据,她获得如下关系式:·22log()7.710.0940.0230.000325(0.113)(0.005)(0.009)(0.000187)0.33760income educ exper exper se R n =++-=== 式中,income 为收入;educ 为受教育程度;exper 为工作经验。
括号内为标准误。
请写出以下检验的原假设和备择假设。
(1)检验“受教育程度对收入没有影响”;(2)检验:“受教育程度和工作经验对收入都没有影响”;(3)检验“工作经验对收入没有影响”,如果有必要你还会进行什么回归?写出检验统计量的表达式,说明其分布和自由度。
(4)写出收入对 a.受教育程度;b.工作经验的边际效应的表达式。
如果有需要的话,计算这些边际效应你还需要什么其他信息?(5)写出收入对 a.受教育程度;b.工作经验的弹性的表达式。
如果有需要的话,计算这些弹性你还需要什么其他信息?(6)分析以不同单位度量收入,估计结果有变化吗?答:设educ 的系数为2β,exper 的系数为3β,2exper 的系数为4β。
(1)原假设:02=0H β:,备择假设:20β≠。
(2)原假设:0234:=0H βββ==,备择假设:1H :2β,3β,4β不全为0。
(3)原假设:034=0H ββ=: ,备择假设:134:,0H ββ不全为。
如果有必要还要进行辅助回归。
检验统计量:22(1)(1)()i i i R k F R n k -=--其分布服从自由度为(2,57)的F 分布。
(4)21dyY dx β=⨯(1X 表示受教育程度,Y 表示收入) 3422(2)dyX Y dx ββ=+⨯,如果有需要的话,还要知道各变量的均值。
(5)1211educ X dy E X dx Yβ=⨯=⨯ 2exp 34222(2)er X dy E X X dx Yββ=⨯=+⨯, 如果有需要的话,计算这些弹性还需要有这些变量的均值。
(6)有变化。
当单位不同时,Y 值也会不同,ln Y 的大小也不一样,而其他的变量的单位是保持不变的,所以对Y 值的估计是有影响的。
6.5 一家公司的销售经理认为公司的销售增长遵从模式0(1)t t S S g =+。
他得出以下回归结果:·ln3.68890.0583t S t =+。
(1)他得出的增长率g 的估计值是多少? (2)他得出的0S 的估计值是多少? (3)估计公司未来5个期间的销售额。
答:(1)对原方程两端都取对数可得:0ln ln ln(1)t S S t g =++, 对应回归结果可知:ln(1)0.0583g +=,可得g=0.06。
(2)由µµ00ln() 3.6889,=40S S =可得, (3)由(1)和(2)可知,未来1个期间内的销售额14040(10.06)82.4t S =+⨯+= 未来2个期间的销售额为:282.4+40(10.06)127.3⨯+= 未来3个期间的销售额为:3127.340(10.06)174.9+⨯+= 未来4个期间的销售额为:4147.940(10.06)198.4+⨯+= 未来5个期间的销售额为:5198.440(10.06)251.9+⨯+=计算机习题6.6 数据集Data6-7是美国1958~2004年间的失业率(UNEMPLOY )和通货膨胀率(infl )的数据。
(1)对1958~1969、1958~2004年间的失业率与通货膨胀率作图,图形是否与菲利普斯曲线的假设一致?(2)分别估计上述两个样本期间的菲利普斯曲线12t t t infl UNEMPLOY u ββ=++你的结论是什么?(3)在上述模型中加入预期,使用上一期的通货膨胀率来预期本期的通货膨胀率,分别估计两个样本期间的附加预期的菲利普斯曲线112t t t t infl infl UNEMPLOY u ββ--=++你的结论是什么?与菲利普斯曲线的假设相一致吗?答:(1)对1958-1969年间的失业率和通货膨胀率进行作图:图形和菲利普斯的假设是一致的。
对1958~2004年间的失业率与通货膨胀率作图:图形和菲利普斯曲线不保持一致。
(2)对1958-1969年间的失业率和通货膨胀率进行估计得:2inf 0.0640.008 (4.37) ( 2.91) 0.458l unemployt R =-⨯=-= (1)对1958~2004年间的失业率与通货膨胀率进行估计得:2inf 0.00870.0054 (0.477) (1.806) 0.0675l unemploy t R =+⨯== (2)由模型(1)可以看出拟合优度是比较低的。
由模型(2)可以看出拟合优度很低,再加上模unemploy 的系数和假设是不相符的。
(3)估计方程:112t t t t infl infl UNEMPLOY u ββ--=++ 可得:1958-1969年间:12inf inf 0.00100.0011 (0.6216) (0.3473) 0.0119t t tl l unemploy t R --=-⨯=-=对1958~2004年间:12inf inf 0.03700.0062un (3.7365) ( 3.8038) 0.2433t t l l employt R --=-⨯=-=由以上结果可以看出,加上预期之后,模型的估计更好,而且菲利普斯曲线的假设保持了一致。
6.7 数据集Data6-8给出了1995~2000年间Qualcom 公司每周股票价格的数据。
(1)做收盘价格对时间的散点图。
散点图呈现出什么样的模式? (2)建立一个线性模型预测Qualcom 股票的收盘价格。
(3)建立一个二次模型,解释变量包括时间和时间的平方。
模型的拟合效果如何?(4)建立一个三次模型:230123i i i i i Y X X X u ββββ=++++其中,Y 是股票价格,X 是时间。
哪一个模型更好地拟合了数据? 答:(1)做散点图:可以看出价钱随时间呈上升趋势。
(2)构建回归模型:12i price time u ββ=+⨯+ 可得:24.690.58time (0.68) (12.70) 0.385price t R =-+⨯=-=(3)构建模型:2123i price time time u βββ=+⨯+⨯+ 可得:227.68 1.190.007 (8.92) (8.27) (12.69) 0.622price time time t R =-⨯+⨯=-=由拟合优度可以看出拟合的程度比(2)中的要好。
(4)估计:230123i i i i i Y X X X u ββββ=++++ 可得:23210.85 2.620.03(9.2905)( 1.42) (10.29) (13.09) (16.33) 0.815Y X X E X t R =-+⨯-⨯+-⨯=--=从显著性水平和拟合优度上,可以看出这个模型的拟合程度最好。
6.8 数据集Data6-9给出了40个国家平均寿命Y 的数据。
数据来自《世界年鉴》(1993)。
解释变量是电视机普通率1X 和医生覆盖率2X 。
(1)利用数据拟合一个LIV (变量线性)模型,解释回归系数的涵义。
模型拟合的效果如何?分别做Y 对1X 和Y 对2X 的散点图。
散点图是否呈现出线性模式?(2)分别做ln Y 对1ln X 和ln Y 对2ln X 的散点图。
散点图是否呈现出线性模式?(3)估计一个双对数模型。