1、v1.0可編輯可修改1.實證分析的基本步驟1）模型設定A.經濟理論或假說的陳述B.理論的數學模型（經濟模型）的設定C.理論的計量經濟模型的設定模型設定基本要求：理論要科學、數學形式盡可能簡單、包含隨機誤差項（計量與經濟模型的區別）、變量可觀測2）估計參數A.收集數據：基本說明、來源、單位、時間跨度、符號解析、數據預處理方法B.計量經濟模型參數的估計：方法OLS等C.結果的解析概念：參數的估計值：所估計參數的具體數值參數的估計式：估計參數數值的公式參數估計的常用方法：普通最小二乘、廣義最小二乘、極大似然估計、二段最小二乘、三段最小二乘、其他估計方法3）模型檢驗假設檢驗檢驗的原因建模的理論依據可能

2、不充分統計數據或其他信息可能不可靠樣本可能較小，結論只是抽樣的某種偶然結果可能違反計量經濟方法的某些基本假定檢驗的內容對模型和所估計的參數加以評判，判定其在理論上是否有意義，在統計上是否可靠。v1.0可編輯可修改1）經濟意義的檢驗：所估計的模型與經濟理論是否相符2）統計推斷檢驗：檢驗參數估計值是否抽樣的偶然結果方法：擬合優度的檢驗，假設檢驗，方差分析3）計量經濟學檢驗：是否符合計量經濟方法的基本假定判定條件：是否具有（多重共線性、擾動項自相關、異方差、模型可識別性、經濟變量平穩性）4）預測檢驗：將模型預測的結果與經濟運行的實際對比（能否解析歷史）4）模型應用A經濟預測：利用估計了參數的計量經濟

3、模型，由已知的或預先測定的解釋變量，預測被解釋變量在樣本數據以外的數值B結構分析：根據估計出參數的模型，分析經濟變量之間的數量關系結構分析方法包括：邊際分析、彈性分析、乘數分析、比較靜態分析等邊際分析：邊際消費傾向為，說明國民總收入每增加1億美元，總消費支出將增加億美元乘數分析:(1.35)假若底策改變的給果使投資有所下降，具對經濟的影響將如何？玄觀經濟理比告辦我們.捏混支出每改叟1元，收八內改生由收入乘數（MisI-MFC給出寺如利用由（1.3.3）得到的MFC=此乘數就變成M=IH1-。斤0）=3.3九就是說，役費減少（增加）1美元，將最蟀輕致收入減少（增加）3倍,之學，注意，求效的實現需

4、要時間C政策評價：利用模型對可供選擇的政策方法的實施后果進行模擬測試，從而對各種政策方案做出評價v1.0可編輯可修改1經濟理論I設定小量模型I1實際經濟活動I估統卜1搜集統計賺1II倒丁模型IV模.檢驗b不符合11符合11P模型應用1一干飛.7:電?-二一I廉分,經濟預測一_-=2 .實證分析模型檢驗的基本內容參考上面的3 .回歸分析回歸分析是研究因變量對另一（些）解釋變量的依賴關系的計算方法和理論。?用意：在于通過后者的已知或設定值，去估計和（或）預測前者的（總體）均值。?回歸分析構成計量經濟學的方法論基礎，其主要內容（1）根據樣本觀察值對經濟計量模型參數進行估計，求得回歸方程；（2）對回歸

5、方程、參數估計值進行顯著性檢驗；（3）利用回歸方程進行分析、評價及預測。相關分析對稱地對待任何（兩個）變量，兩個變量都被看作是隨機的。回歸分析對變量的處理方法存在不對稱性，即區分因變量和解釋變量：前者是隨機變量，后者不是。因金口irifibcel季程聿品(E*ril=m%trrvnTLRhlr口2仲理:最更卬5*,拿rlvariaJilr)白嚏#ivartable*KLiM-闌MFPlvdivlEMjd,/典洲/匕ClJr?zli-ciar?江Iff舊子Iiir莒EntMindJ回日元tIKyircft叫m(Res-pollofc:)工U少卜k.CEjuugtinLHjfc:B里(OLstoc

6、ne).Hr型(LIovrieLteJrT模雷1安鼠tComrolvnrinNrrv1.0可編輯可修改4 .總體回歸函數、總體回歸線、樣本回歸線，及其形式總體回歸?在給定解釋變量X條件下，被解釋變量Y的期望軌跡稱為總體回歸線（PRL）,或更般地稱為總體回歸曲線。相應的函數:噩)=/(%)稱為（雙變量）總體回歸函數（PRF）。?回歸函數（PRF）說明被解釋變量Y的平均狀態（總體條件期望）隨解釋變量X變化的規律?函數形式：可以是線性或非線性的。樣本回歸函數樣本散點圖近似于一條直線，畫一條直線以盡好地擬合該散點圖。由于樣本取自總體，可以認為該線近似地代表總體回歸線，該線稱為樣本回歸線（SRF）。記樣

7、本回歸線的函數形式為：匕=）=尸。一戶又稱為樣本回歸函數（sampleregressionfunction,SRF）5 .最小二乘回歸的數值性質1） 樣本回歸線通過Y和X的樣本均值r=國十尾片A2） Y的估計值匕的均值等于Y實際值的均值一v1.0可編輯可修改3）殘差%的均值為04）殘差與Y的估計值不相關5）殘差與X不相關E加無=6 .經典線性回歸模型的基本假設1）模型的線性假設2） X是非隨機的3）隨機擾動項Ui的均值為0,更專業說，條件均值為04）同方差假設，更確切的，條件方差相同5）擾動項非自相關6） u和X不存在序列相關7）樣本容量必須大于參數個數8） X在樣本內存在差異9）不存在模型設

8、定誤差10）對于多元回歸分析，解釋變量不存在多重共線性7 .測量單位對回歸結果的影響1） R平方不受影響2）斜率仍然表示變化率3 ）截距隨尺度發生變化4）系數顯著性檢驗不受影響8 .多重共線性含義、導致的問題解釋變量之間不存在多重共線性，不存在外內的線性關系，但可以存在非線性關系|KXK,i02,3,7K?不存在一組不全為0的數滿足：2X2i3X3i完全共線性導致的問題：?1、參數估計不確定（無法確定估計值、無法區分共線性的變量對Y的影響）?2、參數估計值的方差無限大不完全共線性導致的問題：v1.0可編輯可修改?1、參數估計的方差增大：相關系數越高，方差越大?2、對參數的區間估計，置信區間變寬

9、。置信區間依賴于參數估計的標準誤，標準誤越大，置信區間越寬。?3、假設檢驗容易作出錯誤的判斷(置信區間擴大和參數估計方差增大帶來T統計量變小的影響)?4、多重共線性嚴重時，可能造成判決系數R2較高，參數聯合檢驗F的顯著性也很高，但單參數t檢驗不顯著，甚至使參數估計的符號與真實理論相反。?多重共線性的信號：不顯著的t值，卻有高的R2值。(1)當增加或剔除一個解釋變量，或#改變一個觀測值時，回歸參數的估沖值發生較大變化，回歸方程可能存在嚴重的多重共線性.(2)從定性分析認為，些重要的解釋變量的回歸系數的標港識是較人,在則歸方程中沒有通過顯著性檢驗時，可初步判斷可能存在嚴重的多重共線性.(3)有些解

10、釋變量的回歸系數所帶正負號與定性分析給果述背時，很可能存在多重共線性.(4)解釋變量的相關矩陣中，自變量之間的相關系數較大時，可能會存在多重共線性?逐步回歸檢驗法逐步回1H的基木思想將變呈逐個的引入模型一，每引入一個解釋變量后，都要進行檢險，并對已經選人的解釋變量逐個進行t槍驗，當原來引入的解釋變最由于后面解釋變盤的引入而變得不再顯著時，則將其副除.以確保每次引入新的變量之前回歸方程中只包含顯著的變量：在逐步回歸中，高度相關的解粹變量，在引入時會被剔除a因而也是一種檢測多重共線性的有效方法.?多重共線性的處理：剔除變量法、增大樣本容量、變量替換(時間趨勢-差分)(比率變換)、利用先驗信息、橫截

11、面數據和時間序列數據并用9 .異方差的含義、PAR臉當金、Glejser檢當金、Goldfeld-Quandt檢驗、White檢驗異方差：擾動項的條件方差各異，不再等于相同的一個常數。v1.0可編輯可修改賢存在異方差的原因：?1、誤差學習（邊錯邊改）模型，學習時間越長，誤差越小。?打字錯誤與打字練習小時的關系?2.解釋變量值越高，被解釋變量有更多的變異源。?收入與儲蓄的關系，隨著收入增長，高收入家庭有更多的儲蓄方式可以選擇。?3.數據收集、處理技術的改進，減少了擾動項的方差。?4.異方差可能因為數據異常值而產生?5.模型設定錯誤所導致?被忽略的變量與模型的解釋變量有同方向或反方向的變化趨勢。?

12、6.異方差可能源于某個或某些回歸元的分布偏態（skewness）。?處于頂端的少數部分人擁有大部分的收入和財富。?7.截面數據中總體各單位的差異。?截面數據比時間序列數據更容易產生異方差。截面數據比時間序列數據更容易產生異方差。異方差的后果?1、對回歸系數的無偏性和一致性不影響?2、估計量不再是有效的，方差不再最小。異方差的診斷圖解法v1.0可編輯可修改?Step1,忽略異方差，做OLS回歸分析?Step2,做OLS殘差平方關于回歸方程（整體解釋部分）的散點圖?Step3,做OLS殘差平方關于各個回歸元的散點圖。?Step4,初步判斷。Park檢驗）nIfj=hiff）=Q.F010.自相關的

13、含義、DW僉驗以及判斷方法自相關（autocorrelation）,又稱序列相關（serialcorrelation）是指總體回歸模型的隨機誤差項之間存在相關關系。即不同觀測點上的誤差項彼此相關。一階自相關系數自相關系數的定義與普通相關系的公式形式相同產的取值范圍為-px.5 .利用殘差d”做如下的回歸麥=嚴）喈十匕這里得到的戶就是P的第二輪估計值我們并不能確認加”是否是P的最佳估計值，還要繼續估計Q的第三輪估計值0.當估計的嚴與力小相差很小時，就找到了Q的最佳估計值.11. 計量模型選擇基本準則Bedataadmissible;數據容許性Beconsistentwiththeory;與理論一

14、致，必須與經濟含義一致Haveweaklyexogenousregressors;回歸元的弱外生性（與誤差項不相關）Exhibitparameterconstancy;參數方急定性Exhibitdatacoherency;數據協調性（殘差是隨機的，白噪音）2_HSS_RSS=TSS=TssBeencompassing;模型具有兼容性R2準則：度量樣本內擬合程度，不能保證對樣本外的預測效率一1Z卜=一=小校正R2準則：同上TBW-I）一赤池信息準則（AIC準則）：模型越簡潔、精度越高AIC值越小hn施瓦茨信息準則：模型越簡潔、精度越高SIC值越小13v1.0可編輯可修改=加精造nn12. 設定誤

15、差的DW僉驗、LM檢驗、RESET僉驗；嵌套模型的J檢驗設定誤差的類型(1)變量的設定誤差，包括相關變量的遺漏欠擬合)、無關變量的誤選(過擬合)；(2)變量數據的測量誤差；(3)模型函數形式的設定誤差；(4)隨機擾動項設定誤差設定誤差的原因 數據來源不可獲取。數據很難取得，被迫將具有重要的經濟意義變量排斥在模型之外。 不知道變量應當以什么確切的函數形式出現在回歸模型中。 事先并不知道所研究的實證數據中所隱含的真實模型究竟是什么。設定誤差的影響(1)遺漏相關變量將導致參數估計量和假設檢驗有偏且不一致；但一般情況下參數估計的方差更小。(2)誤選無關變量雖參數估計量具無偏性、一致性，但損失有效性。(

16、3)注重檢驗的無偏性、一致性寧愿誤選無關變量也不愿遺漏相關變量；(4)注重估計量的有效性，寧愿刪除相關變量。通常誤選無關變量不如遺漏相關變量的后果嚴重。設定誤差的檢驗DW僉驗按遞增次序排列，此時的DW直等于d值基本思想：遺漏的相關變量應包含在隨機擾動項中，那么回歸所得的殘差序列就會呈現14v1.0可編輯可修改單側的正（負）相關性，因此可從自相關性的角度檢驗相關變量的遺漏。DW檢驗的具體步驟1 .對回歸模型運用OLS法得殘注序列22 .設定匕：受約束回歸模型Hr無約束回歸模孰按遺漏解釋變量的遞增次序對殘差序列F進行排序.對排序后的殘差序列，計算d統計量：d二/S工jjal3 .查Durbln-W

17、idsuii表，若d為顯著，財拒絕原1K設，受約束回歸模型不成立，存在模型設定誤差，否則接受原假設，受約束回歸模型成立？模型無設定誤差.拉格朗日乘數（LM）檢驗基本思想：模型中遺漏的相關變量包含在隨機擾動項中，因此隨機擾動項或回歸所得的殘差序列應與遺漏的相關變量呈現出某種依存關系。具體步驟T對存在遺漏變量設定偏誤的模型（受的柬回歸模型）進行回歸，得殘差序列名；2 .用殘差序列號對全部的解釋變量（包括遺漏變量）進行叵歸，得可決系數正三3 .設定H一：受約束回歸模型H一無約束回歸模型。va在大樣本情況下，構造檢驗統計量，回成漸近地遵從步（約束個數）4 .進行顯著性檢驗的判斷士若成二約束個數），則拒

18、絕H認為受約束儂不成立，存后遺漏變量；否則.接受認為受約束模型成立，無遺漏變量。拉姆齊的RESET僉驗K=貓+33.4.6)15v1.0可編輯可修改1從所選模型例如(】3,九6),得到匕的估計笈2 .將某種形式的匕作為增補的回口元引入重做(13.4川.由圖13.2找W看出凡與R之間有曲被關系，表明可引進V?和*作為增力回打元，于是我們做回歸工=/蘆角X,卜處力+瓦匕tw.(13.4.7J3 .記來自(13.4.7)的為雙彳得自(13.4.6)的R?為田金，然后利用首次在(8,5.18)中弓I人的方檢驗,即：_一回。元的小數_一“一二樵魚中的參鼓型liG(8，18)判別由于(13.4.7)的使用

19、,犬的增大是不是統計上顯著的.4 .如果所計算的匕比方說,在5%的水平卜顯著.就可接受模型(13.4.6)被誤讀的假設力回到我們的說明性例子，我們有如下結果(括琮中為標準炭人?.=166.467+19.933X,(：3.4.8)(19+021)(3,066)R上h(L*4代號Y,2140.7223+476.6557X；-O.flQlR7卜0,伽地(1L4.Q)(132.0044)(33.3951(0,00620)3.0000074)-0.9983注：。3.4力1中的T；和竹得自U348).現應用尸檢險求得二”精晶第尚=2WJ檢驗步驟如下：(假設比較模型C和D)L,估計模型D井由此得到丫的估計值

20、九2 .將步翳1中得到的估計皆作為另一回歸元增補到欖型C中，并網即估計以下模型：K匚，+a2X2l口天占十之4丫十片(13,X.5)其中的值得自步驟L此模那是亨德性方法論中的兼容性原則(encompassingprim叩出)之一例二3,用t檢驗對假設受二。避仃怪猿4 .如果假設打=0不被拒絕.就可接受即不拒絕)模舉C為真模型,四為，(13,fi,5)所含的5平代表不為侵耳口C所含有的變呈影響，而這種影16v1.0可編輯可修改響并沒有增加模型C原有的解釋能力口換句話說，D模型不含右足以改進模型C的表現的任何新外信息，故模型C兼容了模型D”類似地推埋,如果虛徵假沒被拒絕.則模型C不會是其模型（為什

21、么？），5,現在把假設或模型C和D的作用顛毋過來.先估計模型U并用由此得到的F估計值作為回Q元放到梗型口中.更復布騏4,以決定是否認為模型D胖過模型7更具體而言，我|門怙計如下模型：匕二8i十氏2七+肉Z*+#*匕%13,8.6）其中：是謳自模型C的的估計值口現在限設檢驗仇工心如該假設不被拒絕,則選擇模型D而不選C加假設仇=0被指維，則由于T）沒有改進C的表現（而C改進了D的表現譯者注），故選C而不選13. 虛擬變量回歸的加法、乘法以及基本分析方法（條件均值）定量因素：可直接測度、數值性的因素。定性因素：屬性因素，表征某種屬性存在與否的非數值性的因素。虛擬變量的定義：取值為0和1的人工變量在計

22、量經濟學中，通常引入虛擬變量的方式分為加法方式和乘法方式兩種：即）；二%）十四勺十%十%DYtcc-PxXi+ut+P1XiD原模型：4=支十0明十叼加法方式引入a=o+aYD乘法方式引入RR實質加法方式引入虛擬變量改變的是截距；乘法方式引入虛擬變量改變的是斜率，加法方式引入虛擬變量的主要作用為:1 .在有定量解釋變量的情形下，主要改變方程截距；2 .在沒有定量解釋變量的情形下，主要用于方差分析。結構變化分析結構變化的實質是檢驗所設定的模型在樣本期內是否為同一模型。顯然，平行回歸、共點回歸、不同的回歸三個模型均不是同一模型。17v1.0可編輯可修改平行回歸模型的假定是斜率保持不變（加法類型，包

23、括方差分析）；共點回歸模型的假定是截距保持不變（乘法類型，又被稱為協方差分析）；不同的回歸的模型的假定是截距、斜率均為變動的（加法、乘法類型的組合）。交互效應分析一個解釋變量的邊際效應有時可能要依賴于另一個解釋變量。耳一/+%+%+Wut其中1刀依副產品收益）；AX農副聲品投入）1發展油菜籽生產八fl發展養蜂生產0“。其他鼻1。其他為了反映交互效應，將口）變為；=ct+a飛+QJL,+%同時發展油菜籽和養蜂生產：丫=f巧一巧+6十6卜月-%發展油菜打生產：耳=（Q+）+陽+馬發展養蜂生產：工二（q+%）+住工千國基礎類型:%二十匹5+歸分段回歸分析作用：提高模型的描述精度。虛擬變量也可以用來代

24、表數量因素的不同階段。14. 面板數據、隨機效應、固定效應（個體固定、時間固定、個體時間固定）如果對于不同的截面或不同的時間序列，模型的截距是不同的，則可以采用在模型中加虛擬變量的方法估計回歸參數，稱此種模型為固定效應模型（巾xedeffectsregressionmodel）。個體固定效應模型就是對于不同的個體有不同截距的模型。如果對于不同的時間序列（個體）截距是不同的，但是對于不同的橫截面，模型的截距沒有顯著性變化，18v1.0可編輯可修改那么就應該建立個體固定效應模型A=4+/陷+力白+乙巴，+%”127其中如果屬于第i個個體,，=12N其它時刻固定效應模型就是對于不同的截面（時刻點）有不同截距的模型。如果確知對于不同的截面，模型的截距顯著不同，但是對于不同