下载文档原格式
一元线性回归计量经济学模型的建立步骤一、理论模型的设计与建立二、样本数据的收集与整理三、模型的参数估计四、模型的检验五、模型的应用与评价常用的样本数据：时间序列数据、截面数据计量经济学模型都要通过四级检验，也就是：经济意义检验、统计学检验、计量经济学检验、模型预测检验。
拟合优度：检验模型对样本观测值得拟合程度OLS求出的是估计值而不是预测值的原因：一是模型中的参数估计量是不确定的二是随机干扰项的影响多元线性回归基本假定 :1解释变量是非随机的或固定的，且各X之间互不相关（无多重共线性）。
假设2,3,4，6随机误差项具有零均值、同方差及不序列相关性,满足正态分布5 解释变量与随机项不相关最小样本容量：样本容量必须不少于模型中解释变量的数目（包括常数项）化多元非线性回归模型为线性的方法：直接置换、函数变换（取对数）若F值大于临界值，则拒绝原假设，认为发生了结构变化，参数是非稳定的。
该检验也被称为邹氏参数稳定性检验自回归模型：模型中的解释变量仅包含X的当期值与被解释变量Y的一个或多个滞后值分布滞后模型：模型中没有滞后被解释变量，仅有解释变量X的当期值及其若干期的滞后值：分布滞后模型的修正估计方法:(1)经验加权法 2阿尔蒙（Ａlmon）多项式法（3）科伊克（Koyck）方法模型设定偏误主要有两大类:(1)关于解释变量选取的偏误，主要包括漏选相关变量和多选无关变量，(2)关于模型函数形式选取的偏误。
3错误的函数形式三、模型设定偏误的检验1、检验是否含有无关变量:可用t 检验与F检验完成。
检验是否有相关变量的遗漏或函数形式设定偏误: （1）残差图示法:（a）趋势变化：模型设定时可能遗漏了一随着时间的推移而持续上升的变量（b）循环变化：模型设定时可能遗漏了一随着时间的推移而呈现循环变化的变量（2）一般性设定偏误检验:拉姆齐提出的所谓RESET 检验虚拟变量1．虚拟变量作为解释变量引入模型的基本方式：加法方式、乘法方式2．虚拟变量的设置原则：每一定性变量所需的虚拟变量个数要比该定性变量的类别数少1，即如果有m个定性变量，只在模型中引入m-1个虚拟变量。
3．虚拟变量陷阱：如果有m个定性变量，应在模型中引入m-1个虚拟变量，否则会导致多重共线性放宽基本假定的模型基本假定违背：不满足基本假定的情况。
主要包括：（1）随机误差项序列存在异方差性；（2）随机误差项序列存在序列相关性；（3）解释变量之间存在多重共线性；（4）解释变量是随机变量且与随机误差项相关此外：（5）模型设定有偏误（6）解释变量的方差不随样本容量的增而收敛异方差、序列相关、多重共线1． 异方差性：即对于不同的样本点i ，随机误差项的方差不再是常数2． 产生原因：不同样本点上解释变量以外的其他因素差异较大3． 存在异方差仍用OLS 估计的后果：1参数估计量非有效2变量的显著性检验失去意义3模型的预测失效4． 异方差的检验方法：1) OLS2) 图示检验法：X-Y 、X-e2散点图3) 戈里瑟检验与帕克检验4) G-Q 检验：G-Q 检验以F 检验为基础，适用于样本容量较大、异方差递增或递减的情况。
先将样本一分为二，对子样本①和子样本②分别作回归，然后利用两个子样本的残差之比构造统计量进行异方差检验。
由于该统计量服从F 分布，因此假如存在递增的异方差，则F 远大于1；反之就会等于1（同方差）、或小于1（递减方差）。
5． 解决异方差——加权最小二乘法：是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。
·加权最小二乘法思想：就是对加了权重的残差平方和实施OLS 法：对较小的残差平方ei2赋予较大的权数；对较大的残差平方ei2赋予较小的权数。
6． 加权最小二乘法具体步骤：7． 序列相关性：即对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性8． 自相关表达形式：ρ：被称为自协方差系数或一阶自相关系数9． 存在序列相关仍用OLS 估计的后果：1参数估计量非有效（仍无偏）2变量的显著性检验失去意义3模型的预测功能失效10． 序列相关性的检验方法1) 普通最小二乘法2) 图示法（残差的变化图）3) 回归检验法4) D-W 检验法若 0<D.W.<dL 则存在正自相关dL<D.W.<dU 不能确定dU<D.W.<4-dU 无自相关4-dU<D.W.<4-dL 不能确定4-dL<D.W.<4 存在负自相关缺陷：存在两个不能确定的DW 值区域；无法检验存在滞后被解释变量的模型11． 序列相关产生的原因：1经济变量固有的惯性2模型设定误差：模型中遗漏了显著的变量或者引用了不正确的函数形式3数据“编造”③ 选择加权最小二乘法，以i e ~1序列作为权，进行估计得到参数估计量。
① 选择普通最小二乘法估计原模型，得到随机误差项的近似估计量i e ~； ② 建立i e ~1的数据序列；12．如何补救序列相关：1)广义最小二乘法2)广义差分法：可以克服所有类型的序列相关带来的问题3) 随机误差相关系数ρ的估计——科克伦·奥科特迭代法/杜宾两步法4)应用软件中的广义差分法13．基本假定违背：不满足基本假定的情况1)随机干扰项序列存在异方差性2)随机干扰项序列存在序列相关性3)解释变量之间存在多重共线性4)解释变量是随机变量且与随机干扰项相关14．计量经济学检验：在进行计量经济学模型的回归分析时，必须对所研究对象是否满足普通最小二乘法的基本假定进行检验，及检验是否存在一种或多种违背基本假定的情况。
15．多重共线性：如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。
分为完全共线性、近似共线性、交互相关。
16．出线多重共线性的原因：1)经济变量相关的共同趋势2)滞后变量的引入3)样本资料的限制17．存在多重共线性仍用OLS估计的后果1)完全共线性下的参数估计量不存在2)近似共线性下OLS估计量非有效]3)参数估计量的经济含义不合理4)变量的显著性检验和模型的预测功能失去意义18．多重共线性的检验：检验多重共线性是否存在1)对两个解释变量的模型采用简单相关系数法，r接近1存在较强的多重共线性2)对多个解释变量的模型，采用综合统计检验法判明存在多重共线性的范围(1) 判定系数检验法 :如果某一种回归的判定系数较大，说明X j与其他X间存在共线性。
(2)逐步回归法:以Y为被解释变量，逐个引入解释变量，构成回归模型，进行模型估计。
根据拟合优度的变化决定新引入的变量是否独立。
如果拟合优度变化显著，则说明新引入的变量是一个独立解释变量；如果拟合优度变化很不显著，则说明新引入的变量与其它变量之间存在共线性关系。
19．克服多重共线性的方法：1)排除引起共线性的变量(逐步回归法)2)差分法3)第三类方法：减小参数估计量的方差20．随机解释变量：存在一个或多个随机变量作为解释变量的模型21．不同情况的随机解释变量：1)随机解释变量与随机干扰项独立：无偏一致2)随机解释变量与随机干扰项同期无关但异期相关：有偏一致3)随机解释变量与随机干扰项同期相关：有偏非一致22．工具变量法：在模型估计过程中被作为工具使用，以替代与随机干扰项相关的随机解释变量，是克服解释变量与随机干扰项相关影响的一种参数估计方法。
23．24．工具变量法须满足的条件：1)与所替代的随机解释变量高度相关2)与随机干扰项不相关3)与模型中其他解释变量不相关，以避免出现多重共线性联立方程计量经济模型理论方法(变量,结构式模型,简化式模型,参数关系体系)⒈⒉内生变量: 对联立方程模型系统而言，已经不能用被解释变量与解释变量来划分变量，而将变量分为内生变量和外生变量两大类。
⒊⒋外生变量:一般是确定性变量，或者是具有临界概率分布的随机变量，其参数不是模型系统研究的元素。
⒌先决变量: 外生变量与滞后内生变量统称为先决变量或是前定变量。
联立方程模型的单方程估计方法:一、间接最小二乘法(ILS)二、二阶段最小二乘法(2SLS)非平稳经济变量分析••一、时间序列的平稳性:如果一个时间序列是非平稳的，它常常可通过取差分的方法而形成平稳序列。
•二、单整序列:如果一个时间序列经过一次差分变成平稳的，就称原序列是一阶单整序列，记为I(1)。
三、单位根检验:1、DF检验2ADF检验•四、趋势平稳与差分平稳随机过程:随机性趋势可通过差分的方法消除，该时间序列X t称为差分平稳过程•确定性趋势无法通过差分的方法消除，只能通过除去趋势项消除，该时间序列X t称为趋势平稳过程时间序列的协整检验与误差修正模型:长期均衡关系与协整 :某些经济变量间确实存在着长期均衡关系，这种均衡关系意味着经济系统不存在破坏均衡的内在机制，如果变量在某时期受到干扰后偏离其长期均衡点，则均衡机制将会在下一期进行调整以使其重新回到均衡状态。
如果变量之间有着长期的稳定关系，即它们之间是协整的非稳定的时间序列，它们的线性组合也可能成为平稳的。
称变量X与Y是协整的二、协整的E-G检验•三、关于均衡与协整关系的讨论 :不能由协整导出均衡，只能用协整检验均衡。
四、误差修正模型时间序列分析随机过程、时间序列: 时间序列分析方法它适用于各种领域的时间序列分析。
⑴随机过程：由随机变量组成的一个有序序列称为随机过程，⑵随机过程一般分为两类。
一类是离散型的，一类是连续型的⑶时间序列：随机过程的一次实现称为时间序列，也用{x t}或x t表示。
时间序列模型的分类 :1自回归过程2.移动平均过程3.自回归移动平均过程自相关函数偏自相关函数时间序列模型的建立与预测 :建立时间序列模型通常包括三个步骤:（1）模型的识别;（2）模型参数的估计;（3）诊断与检验。
