下载文档原格式
计量经济学教案赵建新（苏州大学东吴商学院）第1章绪论1.1 计量经济学想做什么？对“计量”一词的解释：测量，观测，数据。
对“经济”一词的解释：（1）国家经济层面：经世济民；（2）企业层面：合理有效的经营；（3）个人家庭层面：节俭，节约；合法的获取利益；（4）综合层面：效率，效益。
对“学”一词的解释：学问，学科，学术，科学。
科学就是对规律性的认识。
你都知道有哪些被量化的经济规律？■利用数学的方法（想象、推理、逻辑）以及客观的、真实的经济观测数据为基础，发现、推断未知的经济现象或规律。
■计量经济学——发现寻找经济事物（现象）背后数量化的规律的思想和方法体系。
■规律=铁定的+不变的+量化的+本质的+简洁的+关系式■规律=必然的因果联系■请看下列两组数据：1，2，3，4，5，6，？75，28，41，26，38，64，？请问：你觉得那一组有规律？你觉得那一组是随机的？你觉得那一组具有可预测性？现在如果告诉你，第一组数据实际是一次彩票的中奖号码的前六位数，而第二组数字沿着美国密歇根州上半岛的北部边缘进行观光游时要经过的州县的公路号序列，起点是安大略湖的圣玛丽瀑布，终点是威斯康星州的萨克逊。
知道了前六条公路暗示的线路后，你能够从地图上确凿地预测下两个数字：2，122。
1.2 计量经济学需要用到哪些学科基础？■经济学思维和分析方法■数学思维和分析方法【案例】三个和尚的故事【案例】两个囚犯的选择【案例】海滩上的冷饮店的选址【案例】七人分粥有七个人住在一起，每天共喝一桶粥，显然粥每天都不够。
一开始，他们抓阄决定谁来分粥，每天轮一个。
于是乎每周下来，他们只有一天是饱的，就是自己分粥的那一天。
后来他们开始推选出一个道德高尚的人出来分粥。
强权就会产生腐败，大家开始挖空心思去讨好他，贿赂他，搞得整个小团体乌烟瘴气。
然后大家开始组成三人的分粥委员会及四人的评选委员会，互相攻击扯皮下来，粥吃到嘴里全是凉的。
最后想出来一个方法：轮流分粥，但分粥的人要等其它人都挑完后拿剩下的最后一碗。
第一章计量经济学概述本章概要本章将介绍计量经济学的基本问题，通过本章的学习，您可以：1.知道什么是计量经济学；2.明确计量经济学研究的对象及其与相关学科的关系；3.了解计量经济模型、数据等基本概念；4.了解计量经济学研究问题的一般方法。
第一节什么是计量经济学一、计量经济学的定义英文“Econometrics”一词最早是由挪威经济学家、第一届诺贝尔经济学奖获得者拉格纳•费瑞希（Ragnar•Frich）于1926年仿照“Biometrics”（“生物计量学” ）提出来的。
中文译名有两种：经济计量学与计量经济学。
前者是从英文直译而来，试图从名称上强调它是一门研究经济计量方法论的学科；后者试图通过名称强调它是一门经济学科。
本教材采用后一种译名“计量经济学”。
1930年费瑞希、荷兰经济学家丁伯根（Tinbergen）等和一些国家的经济学家在美国成立了“计量经济学会”，并于1933年该学会创办了《计量经济学》杂志。
在这个杂志的创刊号上费瑞希说：“统计学、经济理论和数学三个方面观点的每一种观点本身都不是充分条件，三者的统一才是强有力的工具，正是由于这三者的统一才构成了计量经济学”。
可见，计量经济学是经济理论、数学和统计学相结合的一门综合性学科。
具体地说，计量经济学就是在经济理论的指导下，以客观事实为依据，运用数学和统计学的方法，借助于计算机技术从事经济关系与经济活动数量规律的研究，并以建立和应用计量经济模型为核心的一门经济学科。
而且必须指出，这些计量经济模型是具有随机性特征的。
在这个定义中，强调以下几点：1.计量经济学是一门应用经济学，是以经济现象为研究对象的；2.计量经济学目的在于揭示经济关系与经济活动数量规律；3.计量经济学是经济理论、统计学、数学三者的综合；4.计量经济学核心内容是建立和应用计量经济模型。
二、计量经济学与其它相关学科的关系计量经济学是经济理论、统计学、数学的综合，它与相关学科的关系可图示如下：计量经济学数理统计学经济统计学数理经济学统计学数学经济理论图1.1 计量经济学与相关学科的关系图1.1.1表明计量经济学是数理经济学、经济统计学和数理统计学的交集，而数理经济学是经济理论与数学的交集，数理统计学是数学和统计学的交集，经济统计学是经济理论与统计学的交集。
一、课程简介1.1 课程定位《计量经济学》是经济学、金融学、统计学等相关学科的专业基础课程，旨在培养学生运用经济学理论、统计学方法和数学工具分析经济现象的能力。
通过本课程的学习，使学生掌握经济学数据分析的基本思路、方法和技术，为后续专业课程学习和科研工作打下坚实基础。
1.2 课程目标（1）理解计量经济学的基本概念、原理和方法；（2）掌握运用EViews、Stata等软件进行数据分析的基本技能；（3）能够独立完成经济学实证研究论文的写作。
二、教学内容2.1 引言部分介绍计量经济学的基本概念、学科体系、发展历程和应用范围。
2.2 经典线性回归模型讲解单方程线性回归模型、多元线性回归模型、回归分析的基本假设及检验方法。
2.3 回归诊断与改进分析回归模型的诊断方法，如多重共线性、异方差性、自相关性等，并介绍相应的改进措施。
2.4 非线性模型介绍非线性模型的基本形式、估计方法及应用，如对数线性模型、多项式回归模型等。
2.5 时间序列模型讲解时间序列的基本概念、平稳性检验、自相关函数和偏自相关函数，以及ARIMA模型、VAR模型等。
三、教学方法与手段3.1 教学方法采用课堂讲授、案例分析、上机操作、小组讨论相结合的教学方法，注重培养学生实际操作能力和独立思考能力。
3.2 教学手段利用多媒体课件、网络资源、软件操作演示等手段，提高课堂教学效果和学生的学习兴趣。
四、课程考核与评价4.1 考核方式课程考核分为平时成绩和期末成绩两部分，平时成绩包括课堂表现、作业完成情况等，期末成绩包括书面考试和上机操作考试。
4.2 评价方法根据学生课堂参与度、作业完成质量、上机操作熟练度和期末考试成绩，全面评价学生的学习效果。
五、教学进度安排5.1 课时安排共计32课时，其中理论讲授24课时，上机操作8课时。
5.2 教学进度第1-4周：引言及经典线性回归模型；第5-8周：多元线性回归模型、回归诊断与改进；第9-12周：非线性模型；第13-16周：时间序列模型。
计量经济学的的教案设计一、教学目标1.了解计量经济学的基本概念和方法。
2.理解计量经济学在实证研究中的应用。
3.培养学生运用计量经济学方法进行实证研究的能力。
二、教学内容与重点1.计量经济学的基本概念2.计量经济学的基本方法3.计量经济学在实证研究中的应用三、教学方法与手段1.讲授相结合2.实例分析3.讨论交流四、教学过程与安排第一课时：计量经济学的基本概念1.课堂导入（10分钟）学生通过小组讨论的方式，回顾经济学的基本概念，引出计量经济学的概念。
2.讲解（30分钟）教师讲解计量经济学的定义、特点以及其在经济学研究中的作用，引导学生理解计量经济学的基本概念。
3.实例分析（20分钟）以实际案例为例，分析计量经济学在实证研究中的应用，引导学生理解计量经济学的实证分析过程。
4.小结（10分钟）教师对本节课的重点内容进行总结，引导学生进行相关问题的思考和讨论。
第二课时：计量经济学的基本方法1.课堂导入（10分钟）教师通过分析实际问题，引导学生思考计量经济学的研究方法。
2.讲解（30分钟）教师讲解计量经济学的基本方法，包括数据收集、模型建立、参数估计和假设检验等内容。
3.实例分析（30分钟）以实际案例为例，引导学生运用计量经济学的方法进行实证研究，分析数据、建立模型并进行参数估计和假设检验。
4.小结（10分钟）教师对本节课的重点内容进行总结，引导学生进行相关问题的思考和讨论。
第三课时：计量经济学在实证研究中的应用1.课堂导入（10分钟）学生分享和讨论关于计量经济学的实证研究的案例，引出本节课的内容。
2.讲解（30分钟）教师讲解计量经济学在实证研究中的常见应用领域，如劳动经济学、金融经济学等，并介绍具体案例。
3.实际案例分析（30分钟）学生以小组为单位，选择一个应用领域并选取相应的案例，运用计量经济学的方法进行实证研究。
4.小结（10分钟）教师对本节课的重点内容进行总结，引导学生进行相关问题的思考和讨论。
五、教学评价与反思1.通过学生的讨论和小组展示，评价学生对计量经济学基本概念的掌握情况。
计量经济学复习范围一、回归模型的比较1．根据模型估计结果观察分析（1）回归系数的符号和值的大小是否符合经济理论要求 （2）改变模型形式之后是否使判定系数的值明显提高 （3）各个解释变量t 检验的显著性 2．根据残差分布观察分析在方程窗口点击View \ Actual ，Fitted ，Residual\Tabe （或Graph ）（1）残差分布表中，各期残差是否大都落在σˆ±的虚线框内。
（2）残差分布是否具有某种规律性，即是否存在着系统误差。
（3）近期残差的分布情况二、 判断新的解释变量引入模型是否合适（遗漏变量检验） 1、基本原理如果模型逐次增加一个变量, 由于增加一个新的变量，ESS 相对于RSS 的增加，称为这个变量的“增量贡献”或“边际贡献”。
不引入:0H （即引入的变量不显著）())'','(~)''/(/'k k F k n RSS k ESS ESS F new old new --=或 )'','(~/)1(/)(''2'22k k F kn R k R R F NEW OLD NEW ---= 其中，'k 为新引进解释变量的个数，''k 为引进解释变量后的模型中参数个数。
判别增量贡献的准则：如果增加一个变量使2R 变大，即使RSS 不显著地减少，这个变量从边际贡献来看，是值得增加的。
若F>F或者对应的P 值充分小，拒绝则认为引入新的解释变量合适；否则，接受则认为引入新的解释变量不合适。
三、伪回归的消除如果解释变量和被解释变量均虽随时间而呈同趋势变动,如果不包含时间趋势变量而仅仅是将Y 对X 回归，则结果可能仅仅反映这两个变量的同趋势特征而没有反映它们之间的真实关系，这种回归也称为伪回归。
模型的结构稳定性检 CHOW 检验法 1、基本原理模型结构稳定性，是指模型在样本期的不同时期(子样本),其参数不发生改变。
若模型参数样随样本期(子样本)的不同而发生改变，则称模型不具有结构稳定性。
另外，还可以引入虚拟变量 四、模型的拟合优度检验“拟合优度”，即所估计的模型对样本数据的近似程度,常用判定系数反映。
i ki k i i i X b X b X b b Y ε+++++=Λ22110n i ,,2,1Λ=1、总误差平方和的分解=-∑2)(y y i 22)ˆ(i i e y y∑+-∑总误差（TSS ）＝回归误差（ESS ）＋剩余误差（RSS ）自由度 )1()1(--+=-k n k n2．判定系数2R∑∑∑∑--=--=22222)(1)()ˆ(y y e y y y y Ri i i i∑∑∑∑∑------=221102ˆˆˆ1y n y y x b y x b y b y i iki k i i i iK0≤2R ≤1 , R 2的值越接近于1，则表明模型对样本数据的拟合优度越高。
经济意义：在被解释变量的变动中，由模型中解释变量变动所引起的比例，即y 变动的%1002R 是由模型中解释变量变动所引起。
3．判定系数与相关系数的区别和联系区别：（1）判定系数反映变量间不对称的因果关系（2）相关系数反映变量间对称的线性相关关系 联系：TSSRSS TSS ESS R -==1 一元线性判定系数相关系数=()()--==222y y x x R r 11≤≤-r多元线性4.比较解释变量个数不同模型优劣时，利用如下三个指标 ⑴ 调整的判定系数2R)1(111)1()1(122R k n n n TSS k n RSS R -----=----=2R 越大，模型拟合优度越高。
⑵ SC （Schwarz Criterion ，施瓦兹准则）SC = n nk n e i ln 1)ln(2++∑ ⑶ AIC(Akaike Information Criterion ，赤池信息准则)AIC = nk n e i )1(2)ln(2++∑ SC 和AIC 越小，表明模型的拟合优度越高。
方程的显著性检验——R F ,检验法方程的显著性检验，就是检验模型对总体的近似程度。
最常用的检验方法是F 检验或者R 检验。
1． F 检验i ki k i i i x b x b x b b y ε+++++=Λ22110 n i ,,2,1Λ=0:210====k b b b H K1//)ˆ(22--∑-∑=k n e k y yF i i ～ )1,(--k n k F 给定的显著水平α，可由F 分布表查得临界值αF ，进行判断：若F ＞αF ，拒绝0H ，方程的线性关系显著；若F ≤ αF ，接受0H ，方程的线性关系不显著，回归方程无效、重建。
()()∑∑---==222ˆ1y y y y R R 10≤≤R检验通不过的原因可能在于：⑴ 所选取的解释变量不是影响被解释变量变动的主要因素,或者说影响y 变动的主要因素除方程中包含的因素外还有其它不可忽略的因素；⑵ 解释变量与被解释变量之间无相关关系； ⑶ 解释变量与被解释变量之间不存在线性相关关系； ⑷ 样本容量n 小。
2．R 检验⑴ R 2与F 的关系22221111//)ˆ(R R k k n TSS RSS TSS ESS k k n k n e k y yF i i -⋅--=⋅--=--∑-∑= 可见，F 为R 2的单调递增函数 ⑵ 相关系数由于kF k n kFR +--=)1(2则 αααkF k n kF R +--=)1(在一元线性回归中，R 称为简单相关系数，且│R │≤ 1，即-1≤R ≤ 1 在多元线性回归中，，R 称为复相关系数，且0≤R ≤1。
给定显著性水平α和自由度1--k n ,即可查表找到αR 判断：︱R ︱>αR ，方程线性关系显著。
︱R ︱≤αR ，方程线性关系不显著，回归方程无效，重建方程。
F 检验与R 检验结果一致，实际应用可选择其一。
解释变量的显著性检验－t 检验法对于模型 iki k i i i X b X b X b b Y ε+++++=Λ2211.0在),0(.~2σεN i 之下，检验解释变量jx 对y 是否有显著影响，建立假设0:0=j b H ,0:1≠j b H)1(~)ˆ(0ˆ---=k n t b se b t jjj当jt ＞2αt ，或所对应的伴随概率p ＜α时，拒绝0H，即认为j X 对Y 有重要线性影响；当jt ≤2αt ，或所对应的伴随概率p ≥α时，接受0H，即认为j X 对Y 无重要影响，应考虑将其从模型中剔除，重新建立模型。
解释变量显著性检验通不过的原因可能在于： ⑴ j x 与y 不存在线性相关关系； ⑵jx 与y 不存在任何关系;⑶ i x 与jx (i ≠j)存在线性相关关系。
五、最小二乘原理所选择的回归模型应该使所有观察值的残差平方和达到最小，即∑∑-=22)ˆ(ii i y y e ＝最小多重共线性产生的原因 对于模型yi=b0+b1x1i+b2x2i+…+bkxki+εi ，若解释变量之间存在较强的线性相关关系，即存在一组不全为零的常数λ1，λ2，…λk ，使得：λ1x1i + λ2x2i +…+ λkxki +νi=0 则称模型存在着多重共线性如果νi= 0,则称存在完全的多重共线性。
六、多重共线性的检验 （一）简单相关系数检验法计算解释变量两两之间的相关系数。
一般而言，如果每两个解释变量的简单相关系数比较高，则可认为存在着较严重的多重共线性。
【命令方式】COR 解释变量名【菜单方式】将所有解释变量设置成一个数组，并在数组窗口中点击View\ Correlations 。
（二）方差膨胀因子法方差膨胀因子越大，表明解释变量之间的多重共性越严重。
反过来，方差膨胀因子越接近于1，多重共线性越弱。
一般当VIF>10时（此时Ri2 >0.9 ），认为模型存在较严重的多重共线性。
另一个与VIF 等价的指标是“容许度”（Tolerance ），当0≤TOL ≤1；当xi 与其它解释变量高度相关时，TOL →0。
因此，一般当TOL<0.1时，认为模型存在较严重的多重共线性 （三）直观判断法1. 当增加或剔除一个解释变量，或者改变一个观测值时，回归参数的估计值发生较大变化，回归方程可能存在严重的多重共线性。
2. 从定性分析认为，一些重要的解释变量的回归系数的标准误差较大，在回归方程中没有通过显著性检验时，可初步判断可能存在严重的多重共线性。
3. 有些解释变量的回归系数所带正负号与定性分析结果违背时，很可能存在多重共线性。
4. 解释变量的相关矩阵中，自变量之间的相关系数较大时，可能会存在多重共线性问题。
（四）逐步回归检测法将变量逐个的引入模型，每引入一个解释变量后，都要进行Ｆ检验，并对已经选入的解释变量逐个进行t 检验，当原来引入的解释变量由于后面解释变量的引入而变得不再显著时，则将其剔除。
以确保每次引入新的变量之前回归方程中只包含显著的变量。
在逐步回归中，高度相关的解释变量，在引入时会被剔除。
因而也是一种检测多重共线性的有效方法。
（五）特征值检验若模型存在完全多重共线性,rank(X)<k+1, 而当模型存在严重的多重共线性时， （六）Theil 效应系数检验法式中R2 为样本方程判定系数；Rj2为不含Xj 的样本方程判定系数，RT2为Theil 效应系数。
判断：RT2 =0，无多重共线性；RT2接近于1，样本回归方程的解释变量与被忽略的之间存在严重的多重共线性。
补救办法：（一）剔除变量法 直接剔除次要或可替代的变量，或者把方差扩大因子最大者所对应的自变量首先剔除再重新建立回归方程，直至回归方程中不再存在严重的多重共线性。
需注意产生新的问题:①模型的经济意义不合理；②是否使模型产生异方差性或自相关性；③若剔除不当,可能会产生模型设定误差，造成参数估计严重有偏 （二） 增大样本容量如果样本容量增加，会减小回归参数的方差，标准误差也同样会减小。
因此尽可能地收集足够多的样本数据可以改进模型参数的估计。
（三） 变换模型形式将线性方程变换为差分方程、双对数模型、半对数模型等。
注意：差分会丢失一些信息，差分模型的误差 项可能存在序列相关，可能会违背经典线性回 归模型的相关假设，在具体运用时要慎重。
（四） 利用非样本先验信息通过经济理论分析能够得到某些参数之间的关系，可以将这种关系作为约束条件。
（五） 横截面数据与时序数据并用首先利用横截面数据估计出部分参数，再利用 时序数据估计出另外的部分参数，最后得到整 个方程参数的估计。
注意：这里包含着假设，即参数的横截面估计和 从纯粹时间序列分析中得到的估计是一样的。
