经济计量学精要(第4版)(美)古扎拉蒂

第九章模型设定Model Specification and Diagnostic Testing1. Introduction假如模型没有被正确设定，我们会遇到model specification error或model specification bias 问题。

本章主要回答这些问题：1、选择模型的标准是什么？2、什么样的模型设定误差会经常遇到？3、模型设定误差的后果是什么？4、有那些诊断工具来发现模型设定误差？5、如果诊断有设定误差，如何校正，有何益处？6、怎样评估相互竞争模型的表现（model evaluation）？Model Selection Criteria这是笼统的模型选择标准：1、利用该模型进行预测在逻辑上是可能的；2、模型的参数具有稳定性，否则，预测就很困难。

弗里德曼说：模型有效性的唯一检验标准就是比较模型的预测是否与经验一致。

3、模型要与经济理论一致。

4、解释变量必须与误差项不相关。

5、模型的残差必须是白噪声；否则就存在模型设定误差。

6、最后选择的模型应该涵盖其它可能的竞争模型；也就是说，其他模型不应该比所选模型的表现更好。

Types of specification errors大概有这几种设定误差：设定误差之一：所选模型忽略了重要的解释变量（该解释变量被包含在模型误差中）设定误差之二：所选模型包含了不必要或不相关的解释变量设定误差之三：所选模型具有错误的方程形式（比如y采用了不该采用的对数转换）设定误差之四：被解释变量and/or解释变量测量偏差（所用数据相对于真实值有偏差）导致的误差（commit the errors of measurement bias）设定误差之五：随机误差项进入模型的形式不对引起的误差（比如是multiplicatively还是additively）The assumption of the CLRM that the econometric model is correctly specified has two meanings. One, there are no equation specification errors, and two, there are no model specification errors.上面概括的五种设定误差称为equation specification errors。

计量经济学（第四版）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 YY n==∑。

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 计量经济分析的统计学基础2.1 略，参考教材。

2.2 NS S x ==45=1.25 用α=0.05，N-1=15个自由度查表得005.0t =2.947，故99%置信限为 x S t X 005.0± =174±2.947×1.25=174±3.684也就是说，根据样本，我们有99%的把握说，北京男高中生的平均身高在170.316至177.684厘米之间。

2.3 原假设 120:0=μH备择假设 120:1≠μH 检验统计量()10/25XX μσ-Z ====查表96.1025.0=Z 因为Z= 5 >96.1025.0=Z ,故拒绝原假设, 即此样本不是取自一个均值为120元、标准差为10元的正态总体。

计量经济学古扎拉蒂课后答案【篇一：计量经济学考试习题及答案】双对数模型 lny?ln?0??1lnx??中，参数?1的含义是（）a.y关于x的增长率b.y关于x的发展速度c. y关于x的弹性d. y关于x 的边际变化2、设k为回归模型中的参数个数，n为样本容量。

则对多元线性回归方程进行显著性检验时，所用的f统计量可表示为（）ess（/n?k）r2/(k?1)b. a.2rss（/k?1)（1?r）（/n?k)ess（/k?1）r2（/n-k)d.c. tss（/n?k）（1?r2）（/k?1)3、回归模型中具有异方差性时，仍用ols估计模型，则以下说法正确的是（）a. 参数估计值是无偏非有效的b. 参数估计量仍具有最小方差性c. 常用f 检验失效d. 参数估计量是有偏的4、利用德宾h检验自回归模型扰动项的自相关性时，下列命题正确的是（）a. 德宾h检验只适用一阶自回归模型b. 德宾h检验适用任意阶的自回归模型c. 德宾h 统计量渐进服从t分布d. 德宾h检验可以用于小样本问题5、一元线性回归分析中的回归平方和ess的自由度是（）a. nb. n-1c. n-kd. 16、已知样本回归模型残差的一阶自相关系数接近于1，则dw统计量近似等于( )a. 0b. 1 c. 2 d. 47、更容易产生异方差的数据为 ( )a. 时序数据b. 修匀数据c. 横截面数据d. 年度数据8、设m为货币需求量，y为收入水平，r为利率，流动性偏好函数为?2分别是?1 、?2的估计值，则根据经济理m??0??1y??2r??，又设?1、论，一般来说(a )a. ?1应为正值，?2应为负值b. ?1应为正值，?2应为正值c. ?1应为负值，?2应为负值d. ?1应为负值，?2应为正值9、以下选项中，正确地表达了序列相关的是（）a.co(v?i,?j)?0,i?jb.co(v?i,?j)?0,i?j ??????????vxi,?j)?0,i?j c.cov(xi,xj)?0,i?jd.co(10、在一元线性回归模型中，样本回归方程可表示为（）a. yt??0??1??tb.yt?e(yt/x)??ic. yt??0??1xtd. e(yt/xt)??0??1xt11、对于有限分布滞后模型 ???yt????0xt??1xt?1??2xt?2????kxt?k??t在一定条件下，参数?i 可近似用一个关于i的阿尔蒙多项式表示（i?0,1,2,?,m)，其中多项式的阶数m必须满足（） ?a．mk b．m=kc．mkd．m?k12、设?t为随机误差项，则一阶线性自相关是指（）a．cov(?t,?s)?0(t?s) b. ?t???t?1??tc. ?t??1?t?1??2?t?2??td. ?t??2?t?1??t13、把反映某一总体特征的同一指标的数据，按一定的时间顺序和时间间隔排列起来，这样的数据称为（）a. 横截面数据b. 时间序列数据c. 修匀数据d. 原始数据14、多元线性回归分析中，调整后的可决系数r与可决系数r2之间的关系（）22n?122a．?1?(1?r) b. ?r n?k22n?k2 c. ?0 d. ?1?(1?r) n?115、goldfeld-quandt检验法可用于检验( )a.异方差性b.多重共线性c.序列相关d.设定误差16、用于检验序列相关的dw统计量的取值范围是( )a．0?dw?1b．?1?dw?1c．?2?dw?2 d．0?dw?417、如果回归模型中解释变量之间存在完全的多重共线性，则最小二乘估计量的值为（）a.不确定，方差无限大b.确定，方差无限大c.不确定，方差最小d.确定，方差最小18、应用dw检验方法时应满足该方法的假定条件，下列不是其假定条件的为（）a.解释变量为非随机的b.被解释变量为非随机的c.线性回归模型中不能含有滞后内生变量d.随机误差项服从一阶自回归二、多项选择题1、古典线性回归模型的普通最小二乘估计量的特性有（）a. 无偏性b. 线性性c. 最小方差性d. 不一致性e. 有偏性2、如果模型中存在自相关现象，则会引起如下后果（）a.参数估计值有偏b.参数估计值的方差不能正确确定c.变量的显著性检验失效d.预测精度降低e.参数估计值仍是无偏的????x的特点（） ???3、利用普通最小二乘法求得的样本回归直线yt12ta. 必然通过点（,）b. 可能通过点（,）?的平均值与y?的平均值相等 c. 残差et的均值为常数 d. ytte. 残差et与解释变量xt之间有一定的相关性4、广义最小二乘法的特殊情况是（）a．对模型进行对数变换 b.加权最小二乘法c.数据的结合d.广义差分法e.增加样本容量5、计量经济模型的检验一般包括内容有（）a、经济意义的检验b、统计推断的检验c、计量经济学的检验d、预测检验e、对比检验三、判断题（判断下列命题正误，并说明理由）1、在实际中，一元回归几乎没什么用，因为因变量的行为不可能仅由一个解释变量来解释。

第3章双变量模型：假设检验3.1 复习笔记一、古典线性回归模型古典线性回归模型假定如下：假定1：回归模型是参数线性的，但不一定是变量线性的。

回归模型形式如下：Y i＝B1＋B2X i＋u i这个模型可以扩展到多个解释变量的情形。

假定2：解释变量X与扰动误差项u不相关。

但是，如果X是非随机的（即为固定值），则该假定自动满足。

即使X值是随机的，如果样本容量足够大，也不会对分析产生严重影响。

假定3：给定X，扰动项的期望或均值为零。

即E（u|X i）＝0（3-1）假定4：u i的方差为常数，或同方差，即var（u i）＝σ2（3-2）假定5：无自相关假定，即两个误差项之间不相关。

即：cov（u i，u j）＝0，i≠j（3-3）无自相关假定表明误差u i是随机的。

由于假定任何两个误差项不相关，所以任何两个Y值也是不相关的，即cov（Y i，Y j）＝0。

由于Y i＝B1＋B2X i＋u i，则给定B值和X值，Y 随u的变化而变化。

因此，如果u是不相关的，则Y也是不相关的。

假定6：回归模型是正确设定的。

换句话说，实证分析的模型不存在设定偏差或设定误差。

这一假定表明，模型中包括了所有影响变量。

二、普通最小二乘估计量的方差与标准误有了上述假定就能够估计出OLS估计量的方差和标准误。

由此可知，教材式（2-16）和教材式（2-17）给出的OLS估计量是随机变量，因为其值随样本的不同而变化。

这种抽样变异性通常由估计量的方差或其标准误（方差的平方根）来度量。

教材式（2-16）和式（2-17）中OLS估计量的方差及标准误是：（3-4）（3-5）（3-6）（3-7）其中，var表示方差，se表示标准误，σ2是扰动项u i的方差。

根据同方差假定，每一个u i具有相同的方差σ2。

一旦知道了σ2，就很容易计算等式右边的项，从而求得OLS估计量的方差和标准误。

根据下式估计σ2：（3-8）其中，σ∧2是σ2的估计量，是残差平方和，是Y的真实值与估计值差的平方和，即()122212var ibiXbn xσσ==∑∑1se()b=()22222varbibxσσ==∑()2se b=22ˆ2ienσ=−∑2ie∑n －2称为自由度，可以简单地看作是独立观察值的个数。

计量经济学（第四版）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 YY n==∑。

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 计量经济分析的统计学基础2.1 略，参考教材。

2.2 NS S x ==45=1.25 用α=0.05，N-1=15个自由度查表得005.0t =2.947，故99%置信限为 x S t X 005.0± =174±2.947×1.25=174±3.684也就是说，根据样本，我们有99%的把握说，北京男高中生的平均身高在170.316至177.684厘米之间。

2.3 原假设 120:0=μH备择假设 120:1≠μH2检验统计量()10/25XX μσ-Z ====查表96.1025.0=Z 因为Z= 5 >96.1025.0=Z ,故拒绝原假设, 即此样本不是取自一个均值为120元、标准差为10元的正态总体。

5.14（1） Y 对X ，即12ˆi iY b b X =+Dependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 20:58 Sample: 1971 1987 Included observations: 17Variable Coefficient Std. Error t-Statistic Prob.X 0.260878 0.016664 15.65490 0.0000 C38.969073.85635110.10517 0.0000R-squared0.942325 Mean dependent var 96.41176 Adjusted R-squared 0.938480 S.D. dependent var 19.72216 S.E. of regression 4.891751 Akaike info criterion 6.123109 Sum squared resid 358.9385 Schwarz criterion 6.221134 Log likelihood -50.04642 Hannan-Quinn criter. 6.132853 F-statistic 245.0760 Durbin-Watson stat 0.629301Prob(F-statistic) 0.0000009423.0)655.15)(105.10(2609.09690.382==+=∧r x t y t（2）InY 对InX ，即 12ˆi iInY b b InX =+9642.0)090.20)(954.8(ln 5890.04041.1ln 2==+=∧r x t y tDependent Variable: LNY Method: Least Squares Date: 11/13/17 Time: 21:40 Sample: 1971 1987 Included observations: 17Variable Coefficient Std. Error t-Statistic Prob.C 1.404051 0.156813 8.953649 0.0000 LNX0.5889650.02931720.08981 0.0000R-squared0.964166 Mean dependent var 4.547848 Adjusted R-squared 0.961777 S.D. dependent var 0.213165 S.E. of regression 0.041675 Akaike info criterion -3.407698 Sum squared resid 0.026052 Schwarz criterion -3.309673 Log likelihood 30.96543 Hannan-Quinn criter. -3.397954 F-statistic 403.6007 Durbin-Watson stat 0.734161Prob(F-statistic)0.000000（3），即 12i iDependent Variable: LNY Method: Least Squares Date: 11/13/17 Time: 21:42 Sample: 1971 1987 Included observations: 17Variable Coefficient Std. Error t-Statistic Prob.C 3.931578 0.046430 84.67764 0.0000 X0.0027990.00020113.94972 0.0000R-squared0.928433 Mean dependent var 4.547848 Adjusted R-squared 0.923662 S.D. dependent var 0.213165 S.E. of regression 0.058896 Akaike info criterion -2.715956 Sum squared resid 0.052031 Schwarz criterion -2.617930 Log likelihood 25.08562 Hannan-Quinn criter. -2.706212 F-statistic 194.5946 Durbin-Watson stat 0.529132Prob(F-statistic) 0.0000009284.0)950.13)(678.84(0028.09316.3ln 2==+=∧r X t y t（4），即 12i iDependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 21:43 Sample: 1971 1987 Included observations: 17Variable Coefficient Std. Error t-Statistic Prob.C -192.9661 16.38000 -11.78059 0.0000 LNX54.212573.06227817.70335 0.0000R-squared0.954325 Mean dependent var 96.41176 Adjusted R-squared 0.951280 S.D. dependent var 19.72216 S.E. of regression 4.353186 Akaike info criterion 5.889824 Sum squared resid 284.2535 Schwarz criterion 5.987849 Log likelihood -48.06350 Hannan-Quinn criter. 5.899568 F-statistic 313.4086 Durbin-Watson stat 0.610822Prob(F-statistic) 0.0000009542.0)703.17)(781.11(ln 2126.549661.1922=−=+−=∧r X t Y t解：1.XY∆∆=1ˆβ斜率说明X 每变动一个单位，Y 的绝对变动量；2. E XX Y Y =∆∆=//ˆ1β斜率便是弹性系数； 3. XY Y ∆∆=/ˆ1β斜率表示X 每变动一个单位，Y 的均值的瞬时增长率； 4,. XX Y/ˆ1∆∆=β斜率表示X 的相对变化对Y 的绝对量的影响。

经济计量学精要第四版课后练习题含答案前言经济计量学是运用数学和统计方法研究经济现象及其规律的一门学科。

经济计量学精要第四版是经济计量学的入门教材，本文将为各位读者提供该教材课后练习题及答案，帮助读者更好地掌握该门学科。

第一章经济计量学基础选择题1.什么是偏差？A.衡量回归直线的直角离散程度B.已知均值估计总体标准差C.样本中的观测值与其相应总体值之差D.对称分布的方差答案：C2.在经济计量分析中，线性关系是基本关系之一。

下列哪个假设是错误的？A.线性关系是基本关系之一B.线性关系是在整个取值区间内成立的C.在一些情况下线性关系只在某一特定范围内成立D.线性方程存在可比较的斜率答案：B填空题1.在经验研究中，一般采用______________式估计总体参数。

答案：样本2.如果增加自变量个数，再加上满足一定条件，使得求出的参数估计仍有标准正态分布的概率较大，这就是多元_____________中的问题。

答案：线性回归第二章单一线性回归模型选择题1.在单一线性回归中，为使OLS估计量无偏，必须假定误差项都等于____。

A.正态分布B.泊松分布C.自变量D.零答案：D2.投资量与利息率之间可能存在一种哪种关系？A.负向线性关系B.正向线性关系C.非线性关系D.都不正确答案：B填空题1.在单一线性回归模型中，因变量和自变量之间需要满足线性关系，使散点图大致呈现出一个______________。

答案：直线趋势2.单一线性回归模型的OLS估计量被定义为将所有预测误差的平方之和最小化得来的样本_______________。

答案：回归方程第三章多元线性回归模型选择题1.当模型自变量与因变量的简单相关系数大于0.7时，发生的问题是什么？A.多重共线性B.异方差性C.自相关D.标准误增大答案：A2.关于多解释变量线性回归模型，下列哪个描述是错误的？A.利用OLS估计法估计各个参数的估计值B.OLS含有多个系数，这些系数代表因变量特定解释变量的影响。

古扎拉蒂计量经济学第四版讲义Ch...第⼗章⾃回归和分布滞后模型Lecture Note 13 – Dynamic Econometric Models: Autoregressive and Distributed-Lag Models1. Some conceptsRegression models that take into account time lags are known as dynamic or lagged regression models .There are two types of lagged models: distributed-lag models and autoregressive models . In the former, the current and lagged values of regressors are explanatory variables. In the latter, the lagged value(s) of the regressand appears as explanatory variables.2. The role of “lag” or “time” in economics什么是lag ：In economics the dependence of a variable y (the dependent variable) on another variable(s) x (the explanatory variable) is rarely instantaneous. Very often, y responds to x with a lapse of time. Such a lapse of time is called a lag .The reasons for lag:1. Psychological reasons.2. Technological reasons.3. Institutional reasons.3. Estimation of distributed-lag models假定含有⼀个解释变量及其滞后（这只是⼀种简化，当然可以推⼴到⼏个解释变量及其各⾃滞后）的分布滞后模型如下：01122t t t t t y x x x αβββε??=+++++ 17.3.1这⾥没有定义滞后长度，即，how far back into the past we want to go ，这样的模型称为infinite (lag) model 。

古扎拉蒂经济计量学精要第四版笔记和课后习题答案内容第1章经济计量学的特征及研究范围1.1 复习笔记一、什么是经济计量学经济计量学是利用经济理论、数学、统计推断等工具对经济现象进行分析的一门社会科学。

经济计量学运用数理统计学分析经济数据，对构建于数理经济学基础之上的模型进行实证分析，并得出数值结果。

二、为什么要学习经济计量学经济计量学涉及经济理论、数理经济学、经济统计学（即经济数据）以及数理统计学。

然而，它又是一门有独立研究方向的学科，原因如下：1．经济理论所提出的命题和假说，多以定性描述为主。

但是，经济理论本身却无法定量测度这两个变量之间的强度关系，经济计量学家的任务就是提供这样的数值估计。

经济计量学依据观测或试验，对大多数经济理论给出经验解释。

2．数理经济学主要是用数学形式或方程（或模型）描述经济理论，而不考虑对经济理论的测度和经验验证。

而经济计量学主要关注的却是对经济理论的经验验证。

经济计量学家通常采用数理经济学家提出的数学模型，只不过是把这些模型转换成可以用于经验验证的形式。

3．经济统计学主要涉及经济数据的收集、处理、绘图、制表。

经济统计学家的工作是收集GDP、失业、就业、价格等数据，而不是利用这些数据来验证经济理论。

但这些数据恰恰是经济计量分析的原始数据。

虽然数理统计学提供了许多分析工具，但由于经济数据独特的性质（大多数经济数据的生成并非可控试验的结果），经济计量学经常需要使用特殊方法。

三、经济计量学方法论1建立一个理论假说首先要了解经济理论对这一问题是怎样阐述的，然后是对这个理论进行验证。

2收集数据一般来说，有三类数据可用于实证分析：（1）时间序列数据：时间序列数据是按时间跨度收集得到的。

比如GDP、失业、就业、货币供给、政府赤字等，这些数据是按照规则的时间间隔收集得到的。

这些数据可能是定量的，也可能是定性的。

（2）截面数据：截面数据是指一个或多个变量在某一时点上的数据集合。

例如美国人口调查局每十年进行的人口普查。

古扎拉蒂《计量经济学》4人大版读书笔记第一章回归分析的性质“回归”一词是费朗西斯·高尔顿在研究子女身高与父母身高的关系时提出来的，他发现，给定父母的身高，子女的身高会趋向于或“回归”到总人口的平均身高。

换言之，父母异常高或异常矮，其儿子的身高都会趋向于或回归到所有男子的平均身高。

统计关系与确定性关系的区别：先看了解什么叫确定性关系，某个应变量确定的依赖于自变量，数学中和经典物理学中的各种定律都是确定性的关系，比如宇宙间两个粒子的引力离，k是比例常数，给定两个粒子质量和他们间的距离，那么他们之间的引力随机可以确定，而且是唯一的。

而统计关系是不确定性的，应变量和自变量间是统计依赖关系，给定解释变量的某个取值，不能预测因变量的确定取值，因为这时因变量的取值有着概率分布范围，所以我们说它是一个随机变量，如农作物的收成对气温、降雨量、光照条件的依赖关系是统计性质的，这个性质的意义在于影响农作物的因素（变量）还有很多很多，无法一一辨认出来，无论考虑的多少个解释变量，都无法完全解释农作物收成这个因变量，所以它内在的或随机的变异是存在的。

回归和因果：统计关系式本身不能意味着任何因果关系，回归分析研究一个变量对另一些变量的依赖关系但他们绝不是因果关系。

对于因果关系的理念，必须来自与统计学之外的经验或者理论，比如说用经济学的理论来说明价格对需求变动的影响。

回归与相关的区别：回归区分哪个是解释变量，哪个是被解释变量（因变量），相关不区分两者，也就是说前者变量间是不对称的，后者变量间是对称的。

另一方面，相关分析中的所有变量被看作都是随机的，而回归分析则基于以下假定：因变量是随机的，而解释变量是固定的或者非随机的。

给定每个x，都有很多相应的y值（即y有一个分布范围），但不可能知道每一个y的值，所以我们用回归线来预测y的均值第二章回归分析的一些基本概念1、条件均值（条件期望值）：为什么叫“条件”？因为他们取决于（条件）变量x的给定值，E(Y|X i)读成给定X下Y的期望值，与E(Y)的区别：E(Y)是总体的Y的均值2、随机或统计总体回归函数（statistical PRF）：E(Y|X i)=B1+B2X i；非随机的或确定的总体回归函数（non-stochastic PRF）：Y i=B1+B2X i+μi，μi的方差记为σ2。

古扎拉蒂计量经济学计量经济学是经济学中的一个重要分支，它运用数理统计学和经济理论的方法对经济现象进行量化研究和分析。

通过收集和整理大量的经济数据，计量经济学可以帮助经济学家更准确地理解经济现象，预测经济趋势，并提供决策支持。

在计量经济学中，经济数据是不可或缺的。

经济数据可以分为时间序列数据和截面数据两类。

时间序列数据是按照时间顺序记录的一系列经济变量，如国内生产总值（GDP）、通货膨胀率等；截面数据则是在某一特定时间点上对不同个体进行观察并记录的数据，如不同地区的失业率、收入水平等。

计量经济学的基本方法包括描述统计、推断统计和计量经济模型。

描述统计是对经济数据进行概括和描述的方法，通过计算均值、方差、标准差等统计量来揭示数据的特征和规律。

推断统计是通过从样本数据中推断总体特征的方法，其中最常用的是假设检验和置信区间估计。

计量经济模型是通过建立数学方程来描述经济关系和经济行为的方法，常用的模型包括线性回归模型、时间序列模型等。

计量经济学在经济研究中起着重要的作用。

首先，它可以帮助经济学家对经济现象进行客观、准确的描述和分析，从而更好地理解经济问题。

其次，计量经济学可以通过建立经济模型来预测和解释经济现象，为决策提供科学依据。

例如，在货币政策制定中，央行可以利用计量经济模型对经济增长、通货膨胀等因素进行预测，以制定合理的货币政策。

此外，计量经济学还可以用于评估政策的效果和进行政策的影响分析，为政府决策提供参考。

然而，计量经济学也存在一些局限性和挑战。

首先，经济数据的获取和质量可能存在问题，不同数据来源和采集方法可能导致数据的不一致性和偏差。

其次，计量经济模型往往建立在一定的假设前提下，这些假设可能与真实经济世界存在差异，因此模型的预测和解释能力可能受到限制。

此外，计量经济学需要运用复杂的数学和统计方法，对经济学学生来说学习难度较大。

古扎拉蒂的《计量经济学》是一本重要的教材，它介绍了计量经济学的基本概念、方法和应用。

第五章第五章 虚拟变量回归模型虚拟变量回归模型Dummy Variable Regression Models1、什么是虚拟变量？、什么是虚拟变量？名义型变量又称为指标变量、分类变量、定性变量，或者虚拟变量（哑变量）。

2、方差分析模型（ANOVA models ）一种类型的回归模型就是解释变量全部是虚拟变量，这样的模型称为Analysis of Variance (ANOV A) models 。

假如我们想检验东（10个省）中（12个省）西（9个省）部三个地区教师的平均收入是否不同。

对三个地区教师工资数据取算术平均值，发现不同，这种不同显著吗？一般用D 表示哑变量，设定如下的哑变量：表示哑变量，设定如下的哑变量： D2 =1 代表东部省份；否则用0表示表示 D3 =1代表中部省份；否则用0表示表示可以写出如下的模型可以写出如下的模型12233i i i i y D D βββε=+++ 9.2.1这类似于一般的多元回归模型的形式。

这类似于一般的多元回归模型的形式。

假定该模型的误差项满足通常OLS 回归的假定，对上式两边取期望，得到回归的假定，对上式两边取期望，得到 对东部地区：对东部地区： ()2312|1,0i i i E y D D ββ===+ 对中部地区：对中部地区： ()2313|0,1i i i E y D D ββ===+ 对西部地区：对西部地区： ()231|0,0i i i E y D D β===假定回归结果为假定回归结果为()()()2322158.622264.6151734.473:0.00000.03490.23300.0901i i i y D D p R =++=1）虚拟变量使用注意）虚拟变量使用注意使用虚拟变量要小心，特别要注意以下几点：使用虚拟变量要小心，特别要注意以下几点：1）一个定性解释变量如果分成m 类，则用m-1个哑变量表示；如果分成m 类用m 个哑变差别截距系数，代表该类别均值比基准别均，前系数称为差别截距系数差别截距，前系数称为的类别可称为差别截距()()()()2321077.231900.2361634.256 3.2889:9.5115 1.3286 2.088910.35390.7266i i ii y D D x t R =+++=4、Chow Test 的替代方法：虚拟变量方法的替代方法：虚拟变量方法多元回归章节的多步Chow Test 程序只能告诉我们两个子区间的回归是否不同，并没有告诉我们这种不同的根源，是由于截距项的差异呢，还是由于斜率项的差异，或者来自两者。