《计量经济学》教学大纲第一章绪论教学目的和要求：掌握计量经济学的学科性质和研究内容，了解计量经济学发展简史；掌握计量经济学与其他学科之间的关系；掌握计量经济研究的运用步骤；了解计量经济学内容体系。
第一节计量经济学的涵义和发展一、定义计量经济学（Econometrics）是应用经济学的一个分支学科。
它以一定的经济理论和实际统计资料为依据，运用数学、统计学方法和计算机技术，通过建立计量经济模型，定量分析经济变量之间的随机因果关系。
二、研究内容定量分析经济变量之间的随机因果关系。
三、研究方法建立并运用计量经济模型。
四、学科基础经济学、统计学、数学和计算机技术。
五、计量经济学发展简史（略）第二节计量经济学与其它学科的关系一. 一.计量经济学与经济学经济理论与数理经济学是计量经济学的理论基础，计量经济学利用各种具体数量关系以统计方式描述经济规律，可以验证和充实经济理论。
二. 二.计量经济学与统计学经济统计学是对经济统计资料的收集、加工和整理，并列表图示，以描述整个观察期间的发展模式，或推测各种经济变量之间的关系。
统计资料仅仅是计量经济研究的“素材”。
计量经济学要以经济统计学提供的经济统计指标及数据研究经济现象的定量关系。
所以，计量经济研究也是对统计资料一种深层次“挖掘”和“开发利用”。
三. 三.计量经济学与数学由于计量经济学研究的主要是随机关系，所以需要引入数理统计方法以及集合与矩阵等理论和方法，并在此基础上发展了计量经济方法，成为计量经济研究的建模工具。
数理统计学是计量经济学的数学理论基础。
第三节计量经济研究的步骤一．模型设定模型设定一般包括总体设计和个体设计。
总体设计的目标是能正确反映经济系统的运行机制。
个体设计的目标是能正确反映经济变量之间的因果关系。
㈠研究经济理论根据一定经济理论揭示影响研究对象的因素及其影响方向和作用大小。
对同一经济问题，所依据的经济理论不同，所分析的影响因素和构造的计量模型就可能不同。
㈡确定变量选择变量必须正确把握所研究经济活动的经济学内容。
确定纳入模型中的变量的性质，即哪个是被解释变量，哪个或哪些是解释变量。
一般将将影响研究对象最主要的、定量的、经常发生作用的、有统计数据支持的因素纳入模型之中。
慎重使用虚拟变量。
㈢确定模型的数学形式一般有两种方式：一是根据经济行为理论，利用数理经济学推导出的模型形式；一是根据实际统计资料绘制被解释变量与解释变量的相关图。
㈣设定模型中待估参数的符号和大小的理论期望值。
二、模型估计㈠样本数据样本数据类型：时间序列数据，应用此类数据建模时要注意数据的口径和易使模型产生序列相关；截面数据，此类数据易使模型产生异方差性；虚变量数据；平行数据（混合数据）。
选择样本数据的出发点：模型的研究目的；模型的应用期限。
样本数据的质量：完整性，准确性，可比性。
㈡模型识别仅对联立经济计量模型而言，判断能否方程组估计出模型参数。
㈢估计方法选择根据模型特点和估计方法的应用条件进行选择。
㈣软件使用本课程主要学习和掌握EVIEWS软件。
三、模型检验㈠经济检验检验求得的参数估计值的符号和大小与人们的经验和经济理论是否相符。
㈡统计检验拟合优度检验：检验回归方程对样本观测值的拟合程度；方法为判定系数法。
模型（方程）显著性检验：检验模型（方程）对总体的近似程度；方法为F 检验法。
变量显著性检验：检验模型中每个解释变量与被解释变量之间的线性关系是否显著；方法为t检验法。
㈢计量经济学检验异方差检验：检验模型是否存在异方差性；方法主要有G-Q、White、Park、Gleiser等方法。
自相关检验：检验模型是否存在自相关性；方法主要有D-W检验、偏相关系数检验、B-G检验法等。
多重共线性检验：判断模型中解释变量之间是否存在线性相关关系，方法主要有简单相关系数、辅助回归模型、方差膨胀因子等方法。
㈣预测性能检验判断模型是否可以进行外推预测。
四、模型应用㈠结构分析分析经济变量或结构参数的变动对整个经济系统的影响。
㈡经济预测利用模型预测经济变量未来发展。
㈢政策评价利用模型评价经济政策效应，发挥“经济实验室”作用。
㈣验证经济理论利用计量经济模型和实际统计资料验证某个经济理论假是否。
第四节计量经济学内容体系一、广义计量经济学与狭义计量经济学广义计量经济学是利用经济理论、数学和统计学定量研究现象的数量经济方法的统称，内容包括回归分析、时间序列分析、投入产出分析等。
狭义计量经济学就是我们通常所定义的计量经济学，主要研究经济变量之间的随机因果关系，采用的数学方法主要是在回归分析基础上发展起来的计量经济方法。
这也是本课程的主要内容。
二、理论计量经济学与应用计量经济学理论计量经济学主要研究计量经济学的理论和方法，侧重分析如何建立一个“优良”的模型来揭示经济变量之间的数量关系，所以参数估计和模型检验是其讨论的两个中心内容。
应用计量经济学主要研究计量经济学的具体应用，侧重讨论如何利用计量经济模型定量分析具体的经济问题，中心内容是应用计量经济模型（如消费函数、生产函数、投资函数、需求函数等）的模型设定和模型应用。
三、计量经济模型的类型㈠单方程模型与联立方程模型单方程模型：模型系统只包含一个方程，即只研究某一个经济关系。
联立方程模型：模型系统含有多个方程，涉及到多个经济关系。
㈡静态模型与动态模型静态模型：模型中不含有滞后变量，反映不同经济变量之间相互关系。
动态模型：模型中含有滞后变量，反映经济变量各期值之间的影响，更确切地描述了经济变量之间的相互关系。
第二章 回归模型教学目的和要求：了解总体回归方程和样本方程，掌握随机误差的意义和产生原因，掌握古典回归模型的假定；掌握OLS 法的基本原理和高斯—马尔柯夫定理，了解系数的估计误差与置信区间；掌握回归模型统计检验的意义和方法；了解非线性回归模型参数的估计；掌握回归模型参数估计和统计检验的EVIEWS 软件实现。
第一节 古典回归模型一、回归分析1. 1. 总体回归函数在总体中，解释变量x 取各个给定值时y 均值的轨迹称为总体回归直线，总体回归直线所对应的方程E(y i ) = ƒ(x i ) = a +bx i 称为总体回归方程，常数a 、b 称为总体回归参数（或回归系数）。
2. 2. 样本回归函数在随机抽取的样本中，设法确定一条直线较好地拟合这些样本观察值，称这条直线为样本回归直线，其对应的方程x b a y i ˆˆˆ+=称为样本回归方程，b a ˆ,ˆ分别为总体回归参数a 、b 的估计。
3. 回归分析的主要内容根据样本观察值确定样本回归方程；检验样本回归方程对总体回归方程的近似程度；利用样本回归方程分析总体的平均变化规律。
二．模型的随机设定 1．1．随机误差与残差随机误差为 εi ＝y i －E(y i )总体回归模型的随机设定形式：y i ＝E(y i )＋εi 残差（或拟合误差） i i i y y e ˆ-= e i 为随机误差εi 的估计。
2．2．产生随机误差的原因客观现象本身的随机性；模型本身的局限性；模型函数形式的设定误差；数据的测量与归并误差；随机因素的影响（如自然灾害等） 三．古典回归模型的基本假定1．解释变量x 为非随机变量。
2．零均值假定：E(εi )=03．同方差假定：D(εi )=σ2（常数） 4．非自相关假定：Cov(εi ,εj )=0（i ≠j ）5．解释变量与随机误差项不相关假定：Cov(x i ,εi )=0（或E(x i εi )=0） 6．无多重共线性假定。
将满足这些假定的回归模型称为古典回归模型。
第二节 回归模型的参数估计一、最小二乘估计（OLS ）1、最小二乘原理min )ˆ(22=-=∑∑i i i y y e2．参数的最小二乘估计设 =Q =∑2i e =k i i i b x b x b b y ˆˆˆˆ(22110-----∑ 2)ki x ，利用微分学中求极值的方法，分别求Q 关于待估参数的一阶偏导并令其为零，解正规方程组可得到各参数的估计值。
二、最小二乘估计的性质 1、参数估计量的评价标准 无偏性；有效性；一致性。
2、2、高斯—马尔可夫定理在古典回归模型的若干假定成立的情况下，最小二乘估计是所有线性无偏估计量中的有效估计量，即OLS 估计为“最佳线性无偏估计量”（Best Linear Unbiased Estimator — BLUE ）。
三、系数的估计误差与置信区间1．OLS 估计的概率分布（以一元线性回归为例）)/,(~ˆ2xx S b N b σ，)/,(~ˆ222xx i nS x a N a ∑σ 2．系数的估计误差（以一元线性回归为例） xx i xx S n e S b s )2(ˆ)ˆ(22-==∑σ， xx i i S n n x e as )2())(()ˆ(22-=∑∑3．系数的置信区间（以一元线性回归为例）))ˆ(ˆ),ˆ(ˆ(2/2/i i i i b S t b b S t b αα+-第三节 回归模型的统计检验一、模型的拟合优度检验(2-1)所谓“拟合优度”，即模型对样本数据的近似程度，常用判定系数反映。
1．总平方和分解公式设估计的多元线性回归模型为ki k i i i x b x b x b b y ˆ......ˆˆˆˆ22110++++=有222)ˆ()(i i i e y y y y ∑+-∑=-∑ 上式记成 TSS =ESS + RSS 2．判定系数判定系数为回归平方和(ESS)占总平方和(TSS)的比重，用符号R 2表示，即∑∑∑∑--=-=--==22222)(11)()ˆ(y y e TSS RSS y y y y TSS ESS R i ii i0≤R 2≤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。
判定系数的经济含义y 的变化中可以用解释变量的变化来说明的部分，即模型的可解释程度。
调整判定系数:判定系数受解释变量X 的个数k 的影响，在进行k 不同的模型优劣比较时，判定系数必须进行调整。
)1(111)1/()1/(122R k n n n TSS k n RSS R -----=----=SC （Schwarz Criterion ，施瓦兹准则）和AIC(Akaike Information Criterion ，赤池信息准则)也可以用于比较含有不同解释变量个数模型的拟合优度：n n k neSC iln 1)ln(2++=∑ n k ne AIC i)1(2)ln(2++=∑SC 或AIC 值越小表明模型的拟合优度越高。
二、模型的显著性检验模型的显著性检验，就是检验模型对总体的近似程度。
最常用的检验方法是F 检验法。
对于多元线性回归模型i ki k i i i x b x b x b b y ε++++= 22110作假设H 0：b 1=b 2=…=b k =0构造统计量 )1,(~1//)ˆ(22----∑-∑=k n k F k n e k y yF i i对于给定的显著水平α，可由F 分布表查得临界值F α： 若F ＞F α，则拒绝H 0，可以认为模型的线性关系是显著的；若F ≤F α，则接受H 0，认为模型的线性关系不显著，回归模型无效，需重建。
