古扎拉蒂《计量经济学基础》第10章
古扎拉蒂《计量经济学基础》(第5版)笔记和课后习题详解
三、计量经济学方法论
大致说来,传统的计量经济学方法论按如下路线进行:
1.理论或假说的陈述;
2.理论的数学模型设定;
3.统计或计量经济模型设定;
4.获取数据;
5.计量经济模型的参数估计;
理论计量经济学是要找出适当的方法,去测度由计量经济模型设定的经济关系。为此,计量经济学家非常依赖于数理统计。
在应用计量经济学中,利用理论计量经济学工具去研究经济学或管理学中的某些特殊领域。
0.2
本章没有课后习题。本章是全书的一个引言,对计量经济学这门学科作一个简要介绍。对于本章内容,学员简单了解即可。
(3)在问卷调查中,无应答的问题也可能相当严重。
(4)获取数据的抽样方法可能变化很大,要比较不同样本得来的结果常常非常困难。
(5)通常获得的经济数据都是高度加总的。
(6)由于保密性质,某些数据只能以高度加总的形式公布。
研究结果不可能比数据的质量更好。所以,如果在一定情况下,研究者发现研究的结果“不能令人满意”的话,原因不一定是误用模型,而是数据的质量不好。
4.名义尺度
此类变量不具备比率尺度变量的任何一个特征。因此适合于比率尺度变量的计量经济方法可能不适合于名义尺度变量。
1.2
1.表1-1给出了7个工业化国家的消费者价格指数(CPI)数据,以1982~1984年为该指数的基期并令1982—1984=100。
1.经济理论所作的陈述或假说大多数是定性的。计量经济学家的工作就是要提供这一数值估计。换言之,计量经济学对大多数的经济理论赋予经验内容。
2.数理经济学的主要问题,是要用数学形式(方程式)来表述经济理论,而不管该理论是否可以量化或是否能够得到实证支持。计量经济学家常常使用数理经济学家所提供的数学方程式,但要把这些方程式改造成适合于经验检验的形式。这种从数学方程到计量经济方程的转换需要有许多的创造性和实际技巧。
计量经济学古扎拉蒂课后答案
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。
一、计量经济学基本概念二、计量经济学与相关学科的关系三
一、计量经济学基本概念二、计量经济学与相关学科的关系三一、计量经济学基本概念二、计量经济学与相关学科的关系三、计量经济学的学科体系四、建立计量经济学模型的步骤和要点五、计量经济学的应用第一章计量经济学概述一、计量经济学基本概念1.计量经济学2.计量经济学的产生 3.计量经济学的定义 4.计量经济学的地位计量经济学是经济学的一个分支学科,是以揭示经济活动中客观存在的数量关系为内容的分支学科。
在有关的出版物和课程表中出现了“计量经济学”与“经济计量学”两种名称。
“经济计量学”是由英文“econometrics”直译得到的,而且强调该学科的主要内容是经济计量的方法,是估计经济模型和检验经济模型;“计量经济学”则试图通过名称强调它是一门经济学科,强调它的经济学内涵与外延。
什么是计量经济学○1926年挪威经济学家R.Frisch提出Econometrics这一学科名称;○ 1930年成立世界计量经济学会;○ 1933年创刊《Econometrica》;○ 20世纪40、50年代的大发展和60年代的扩张;○ 20世纪70年代以来非经典(现代)计量经济学的发展~~~~计量经济学的产生费里希在Econometrica的创刊辞中这样指出:“用数学方法处理经济学可以有多种形式,其中任何单独的一种都不等同于计量经济学,计量经济学不等同于统计学,计量经济学也不等同于我们称之为的一般经济理论(即使这种理论的大部分具有定量的特点),当然,计量经济学也不是数学在经济学中的应用的同义词。
不用说,统计学、经济理论和数学是理解现代经济生活中的数量关系所不可缺少的必要条件,但是作为充分条件的是这三者的结合,这三者的结合就构成了计量经济学。
”定义计量经济学的地位计量经济学是一门经济学科。
首先,从定义看,计量经济学是统计学、经济理论和数学三者的结合,这种结合说明它是定量化的经济学或者经济学的定量化;其次,从经济学科中的地位看,计量经济学已经在在西方国家的经济学科中占有重要地位,在大多数大学和学院中,计量经济学的讲授已经成为经济学课程表中最有权威的部分。
古扎拉蒂计量经济学第四版讲义Ch10 Autoregression and Distribution Lag Model
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4版)笔记和课后习题详解-自相关:如果误差项相关会有什么结果(圣才出品
量对其滞后一期的回归。
(2)德宾-沃森 d 统计量的定义
n
( ) et − et−1 2
d = t=2 n
et 2
t =1
5 / 28
(10-3)
圣才电子书 十万种考研考证电子书、题库视频学习平台
即残差递差的平方和与残差平方和的比值。注意:在计算 d 统计量分子时,其样本容量
1 / 28
圣才电子书 十万种考研考证电子书、题库视频学习平台
图 10-1 自相关的模式 3.自相关产生的原因 (1)惯性 大多数经济时间序列的一个显著特征就是惯性或者说是迟滞性,即各经济变量的观测值 在时间前后存在着关联性。因此,在涉及时间序列数据的回归方程中,连续的观察值之间很 可能是互相依赖或是相关的。 (2)模型设定误差 不正确的模型设定是指本应纳入模型的重要变量未纳入模型或是模型选择了错误的函 数形式,如果发生这样的模型设定误差,得到的残差则会呈现出系统模式。一个简单的检验 方法是将遗漏变量纳入模型,判定残差是否仍然呈现系统模式。如果不存在系统模式,则序
可见,自相关的后果与异方差相似,也是严重的。因此,与异方差情形相同,在实际应 用中必须确定是否存在自相关问题。
三、自相关的诊断 1.图形法 与异方差情形相同,通过直接观察 OLS 残差 e 来判断误差项 u 中是否存在自相关。有 多种不同的残差图形的检验方法。 (1)残差 e 对时间的散点图 可以用残差对时间作图,如果随着时间的变化,残差呈现出某种有规律的趋势,则可能 存在着自相关。图 10-2 是回归的残差关于时间的时序图,从图可以看出:残差 e 并不是随 机分布的,而是呈现出明显的变动模式——开始是正的,接着变成负的,然后是正的,再然 后是负的,最后又是正的。图形展示了这样一种趋势:残差的递差之间正相关,表明序列存 在着正的自相关。
本科经济计量学第10章(第PPT课件
Schwarz criterion
6.656207
F-statistic
26.09857
Prob(F-statistic)
0.000006
回归结果表明,通过工人工作权利法的州中,工会化程度
平均为10.415%,未实施工人权利法的州中,工会化程度平均
为19.8%。因为虚拟变量的系数显著不为零。所以通过工作权
>65
1983 2987 2993 3156 2706 2217
11557 29387 31463 29554 25137 14952
2230 3757 3821 3291 3429 2533
11589 33328 36151 35448 32988 20437
首先对数据进行整理,得到表10-2。
6
S.E. of regression
178.7693 Akaike info criterion 13.42239
Sum squared resid 287626.1 Schwarz criterion
13.54361
Log likelihood
-77.53432 F-statistic
58.36471
-9.391667
R-squared
0.352214
Adjusted R-squared 0.338719
S.E. of regression
6.368320
Sum squared resid 1946.664
Log likelihood
-162.4932
Durbin-Watson stat 0.847527
Dependent Variable: Y Method: Least Squares
古扎拉蒂《计量经济学基础》复习笔记和课后习题详解(计量经济建模:模型设定与诊断检验)【圣才出品】
第13章计量经济建模:模型设定与诊断检验13.1 复习笔记考点一:模型选择准则和设定误差★★★1.模型的选择准则(1)数据容纳性;(2)与理论一致;(3)回归元的弱外生性;(4)表现出参数的不变性;(5)表现出数据的协调性;(6)模型有一定的包容性。
2.设定误差类型及解释(见表13-1)表13-1 设定误差类型及解释考点二:模型设定误差的后果★★★★1.模型拟合不足(漏掉一个有关变量)假如真实模型是:Y i=β1+β2X2i+β3X3i+u i。
但出于某种原因拟合了如下模型:Y i=α1+α2X2i+v i。
漏掉X3的后果将是:(1)如果放弃或漏掉的变量X3与变量X2两变量的相关系数r23非零,则α∧1和α∧2是有偏误且非一致的。
此时E(α∧1)≠β1,E(α∧2)≠β2,而且这种偏误不会随着样本容量的增大而消失。
(2)即使X2与X3不相关(r23=0),尽管α∧2现在是无偏的,但α∧1是有偏的。
(3)由于误差项包含了X3的信息,方差σ2将被不正确地估计。
(4)计算的α∧2的方差σ2/∑x2i2,是真实估计量β∧2的方差的一个有偏误的估计量。
(5)通常的置信区间和假设检验程序对于所估计参数的统计显著性容易导出误导性的结论。
(6)基于不正确模型做出的预测及预测(置信)区间都是不可靠的。
2.包含一个无关变量(模型拟合过度)假定:Y i=β1+β2X2i+u i是真实模型,但拟合了以下模型:Y i=α1+α2X2i+α3X3i+v i,从而导致了在模型中引入一个无关变量的设定误差。
这一设定误差将导致如下后果:(1)“不正确”模型中全部参数的OLS估计量都是无偏而又一致的,即E(α∧1)=β1,E(α∧2)=β2,和E(α∧3)=β3=0。
(2)误差方差σ2的估计是正确的。
(3)置信区间和假设检验程序仍然有效。
(4)一般地说,各个系数的估计量将是非有效的,也就是说,它们的方差一般都大于真实模型中β∧的方差。
古扎拉蒂经济计量学精要第四版笔记和课后习题答案
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-计量经济学课件
• 3、理论计量经济学和应用计量经济学
– 理论计量经济学:以介绍、研究计量经济学的 理论与方法为主要内容,侧重于理论与方法的 数学证明与推导
• 数学理论基础 • 参数估计方法 • 检验方法
– 应用计量经济学:以建立、应用计量经济学模 型为主要内容,侧重于实际问题的处理。
• 4、经典计量经济学和非经典计量经济学
– 经典计量经济学理论方法特征:
• 模型类型:采用随机模型 • 模型导向:以经济理论为导向 • 模型结构:因果关系的线性模型 • 数据类型:时序数据,截面数据 • 估计方法:最小二乘法、最大或然法
– 应用方面的特征:
• 方法论基础:实证分析,经验分析,归纳 • 功能:结构分析,政策评价,经济预测,理论检验
续数据
– 本书:以经典计量经济学为主,并介绍简单的 应用较多的非经典计量经济学
• 微观计量经济学和宏观计量经济学
– 微观计量经济学
• 属于非经典计量经济学 • 内容:对个人和家庭的经济行为进行经验分析 • 微观数据:截面数据和平行(panel)数据
– 宏观计量经济学
• 属于经典计量经济学 • 内容:对宏观经济进行分析、评价、预测 • 目前研究方向:单位根检验,协整检验,动态计量
描述
模型实例 如:Q f (T, K, L)
Q Aert K L 实例特点 没有揭示因素间的定
量关系,αβγ未知
用随机性的数学方程描述
如:1、Q Aert K L
2、Q 0.6479e0.0128t K L 0.3608 0.6756
模型1是理论形式 模型2揭示了特定问题的定量关系
②多个变量的线性相关程度:复相关系数, 偏相关系数
古扎拉蒂《计量经济学基础》(第5版)笔记和课后习题详解
古扎拉蒂《计量经济学基础》(第5版)笔记和课后习题详解关注薇公号-精研学习网-查找资料引言0.1复习笔记考点一:计量经济学概况★1计量经济学的定义计量经济学是以一定的经济理论为基础,运用数学、统计学方法,以建立经济计量模型为主要手段,定量分析研究具有随机性特性的经济变量关系的一门经济学学科。
计量经济学可定义为实际经济现象的数量分析。
这种分析基于理论与观测的并行发展,而理论与观测又通过适当的推断方法得以联系。
2研究对象和研究方法在一系列的假定条件下,计量经济学主要通过对经济数据的统计推断,研究经济定律的经验判定。
计量经济学的研究方法是,利用统计推断的理论和技术,以达到经济理论和实际测算相衔接的目的。
3计量经济学是一门单独的学科计量经济学是一门单独的学科,理由如下:(1)经济理论所作的陈述或假说大多数是定性的。
计量经济学提供了经济理论的数值估计,对大多数的经济理论赋予经验内容。
(2)数理经济学只用方程式表达经济理论,却未考虑实证检验问题。
计量经济学家对数学方程式进行改造,使其成为更适合于经验检验的形式。
(3)经济统计学主要收集、加工并通过图表的形式来展现经济数据,不考虑怎样利用所收集来的数据去检验经济理论。
计量经济学通过数据来检验经济理论。
考点二:计量经济学方法论★1计量经济学的方法论路线传统的计量经济学方法论大致按如下路线进行:(1)理论或假说的陈述;(2)理论的数学模型设定;(3)统计或计量经济模型设定;(4)获取数据;(5)计量经济模型的参数估计;(6)假设检验;(7)预报或预测;(8)利用模型进行控制或制定政策。
2计量经济学的类型计量经济学可划分为两大类:理论计量经济学和应用计量经济学。
在每一大类中按照估计方法逻辑又分为经典方法和贝叶斯方法。
理论计量经济学主要研究计量模型和计量方法,以求更精准测度由计量经济模型设定的经济关系。
应用计量经济学主要将理论计量经济学工具应用到经济学或管理学中的某些特殊领域。
古扎拉蒂-计量经济学课件
第二章
第一节 回归分析概述
一、回归分析基本概念 1、变量间的相互关系 变量间的关系可分为两类: (1)确定的函数关系(确定性现象
之间的关系)S r 2
(2)不确定的统计相关关系(非确 定性现象之间的关系) 如农作物产量Y与施肥量X的关系
2、相关分析与回归分析
(1)相关的形式:线性相关与非线性相关
(3)回归分析的前提:相关密切且有因果 关系
二、总体回归函数 (双变量)总体回归函数是:
E(Y / X i ) f ( X i )
线性总体回归函数:
E(Y / X i ) 0 1X i
三、随机干扰项
E(Y / X i ) f ( X i )
E(Y / Xi ) 0 1Xi
Yi E(Y / X i ) i f ( X i ) i Yi E(Y / X i ) i 0 1X i i
• 大小:
Ln(煤炭产量) 2.69 1.85Ln(固定资产原值 ) 0.51Ln(职工人数)
• 参数之间的关系:
Ln(人均购买日用品支出额) 3.69 1.20Ln(人均收入) 6.40Ln(日用品类价格)
– 2、统计检验
• 拟合优度检验 • 变量的显著性检验 • 方程的显著性检验
– 3、计量经济学检验
– 方法:模型方法和计算方法 – 数据:信息
• 六、计量经济学软件
– Eviews – SPSS – SAS
第三节 计量经济学模型的应用
• 一、结构分析:对经济现象中变量之间 相互关系的研究
– 弹性分析
• 弹性:某一变量的相对变化引起另一变量的相对 变化的度量,即变量的变化率之比
– 乘数分析
• 乘数:某一变量的绝对变化引起另一变量的绝对 变化的度量,即变量的变化量之比,也称倍数
古扎拉蒂《计量经济学基础》第10章
Var(ˆ2 )
2 x32i
x22i x32i ( x2i x3i )2
2
x22i (1 r223 )
Var(ˆ3 )
2 x22i
x22i x32i ( x2i x3i )2
2
x32i (1 r223 )
上面两式表明,解释变量之间的线性相关 程度越高,即越接近于1,这时方差的分母就越 小,从而方差就越大。另一方面,还可看出, 该模型式当解释变量存在线性相关关系时,其 OLS估计量的方差是线性无关时方差的 1
具体可进一步对上述回归方程作F检验:
构造如下F统计量
Fj
(1
R
2 j
/
(k
2)
R
2 j
)
/
(
n
k
1)
F (k
2, n
k
1)
式中:Rj•2为第j个解释变量对其他解释变 量的回归方程的决定系数,
若存在较强的共线性,则Rj•2较大且接近于 1,这时(1-Rj•2)较小,从而Fj的值较大。
因此,给定显著性水平,计算F值,并与 相应的临界值比较,来判定是否存在相关性。
完全多重共线性 当解释变量之间完全线性相关时,称解释 变量为完全多重共线性。 完全多重共线性即其中某一解释变量可以 用其余解释变量线性表示(比如: X2=0.5×X3+0.8×X4)。 这种情况在现实经济问题中一般不会出现。
完全多重共线性的数学意义
Y Xβ U
当rank(X)<k时,表示
注意: 除非是完全共线性,多重共线性并不意味 着任何基本假设的违背; 因此,即使出现较高程度的多重共线性, OLS估计量仍具有线性性等良好的统计性质。 问题在于,即使OLS法仍是最好的估计方 法,它却不是“完美的”,尤其是在统计推断 上无法给出真正有用的信息。
古扎拉蒂-计量经济学课件
• 随机误差项的序列相关性检验 • 异方差性检验 • 解释变量的多重共线性检验
– 4、模型预测检验:参数估计量稳定性检验 (超样本特性)
• 利用扩大了的样本重新估计模型参数,检验其与 原来估计值的显著性
• 用于样本以外的实际预测,检验预测值与实际值 的显著性
• 五、计量经济学模型成功的三要素
Q
Yi Yˆi 2
i1
使Q值达到最小,从而得到β0和β1 的估计值:
ˆ0、ˆ1
• ˆ0、ˆ1 的求解
n
Q
Y i Y ˆ i 2n
Y i (ˆ 0 ˆ 1 X i)2
i 1
i 1
Q Q 10i ni1 n122YY i i((ˆ0ˆ0ˆ1ˆX 1Xi)i)( (X1)i)00
经济学
六、计量经济学是一门经济学科
• 计量经济学的定义: 计量经济学是定量化的经济学或经济
学的定量化:是经济理论、统计学、数 学三者的结合。 • 计量经济学的地位 • 计量经济学是严格区别于数理统计学的 • 建立计量经济模型的全过程,都需要以 经济理论为指导,以对经济现象的深入 认识为基础。
第二节
• 外生条件变量,外生政策变量,通常以虚变量形 式出现
• 因素与变量 • 正确选择解释变量:
– 经济学理论与经济行为规律 – 变量数据的可得性 – 变量之间的关系,要求相互独立
– 2、确定模型的数学形式
• 主要依据经济行为理论
– <数理经济学>:生产函数、消费函数、需求函数、投资函 数
• 作散点图
2、非线性模型
第二章
第一节 回归分析概述
一、回归分析基本概念 1、变量间的相互关系 变量间的关系可分为两类: (1)确定的函数关系(确定性现象
计量经济学-古扎拉蒂
为了便于期末复习,请各类题型都抄好原题,而不是只写出答案;并且名词 解释和简答题要抄一小题,答一小题,而不是集中抄题,集中回答。
只要是讲过的附录内容,都属于考试范围。
第1章一、填空1. 拟合即( )的意思,拟合直线是指直线对( )的近似。
2. 回归一词的使用始于高尔顿对人体身高的研究。
他发现一个规律:父母高,子女也高; 父母矮,子女也矮。
当父母身高既定时, 子女的身高趋向于或“回归” 部子女的( )。
简记为,回归即指回归到(第2章一、 填空1. 总体回归线代表(二、 单项选择题1. 下列函数中,哪个是参数线性但非变量线性的函数? A. E(Y)=B 1+B 2 X ;B. E(Y | X i )=B i +B 2X iC. Y i =B i +B 2X i +U i2. 下列函数中,哪个是变量线性但非参数线性的函数?1 2A. E (Y )=B 1+B 2B. E (Y )=B 什 B 2 X iC. E (Y | X i )=B 计B 2X iXi三、 名词解释总体;样本;随机实验;估计量;估计值;变量线性;参数线性 四、 简述1. 奥卡姆剃刀原则如何应用到模型设定中?2. 什么是非随机总体回归函数?什么是随机总体回归函数?什么是非随机样本回归函数? 什么是随机样本回归函数? 五、 论述题什么是普通最小二乘法?(按教材内容回答,不必按讲义,因它太细了)第3章一、填空1. 如果连续随机变量的概率密度函数( PDF )有如下形式:11 (x _P ) f (x )= ----- exp (2 ) , (-m <x< g ) 口阪2其中,□和2分别是分布的均值和方差,那么该变量被称为是( )分布的,其图形呈( )。
2. 如果X 1,X 2, , ,X n 都独立抽取于同一概率分布,即X i (i=1,2,, ,n )的概率密度函数相同, 则称其为(),X 称为()随机变量。
3. 如果随机样本X 1, X 2, , , X n 来自均值为 収,方差为£的任一总体,则随着样本容量无限增大,样本均值X 趋于(),其均值为 似,方差为cX /n 。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
二、实际经济问题中的多重共线性
一般地,产生多重共线性的主要原因有以 下一个方面: (1)经济变量相关的共同趋势 时间序列样本:经济繁荣时期,各基本经 济变量(收入、消费、投资、价格)都趋于增 长;衰退时期,又同时趋于下降。 横截面数据:生产函数中,资本投入与劳 动力投入往往出现高度相关情况,大企业二者 都大,小企业都小。
三、多重共线性的后果 1.完全共线性下参数估计量不存在
Y Xβ
的OLS估计量为:
ˆ ( X X )1 X Y
如果存在完全共线性,则(X’X)-1不存在, 无法得到参数的估计量。
2.不完全多重共线性的后果 当模型解释变量之间出现不完全多重共线 性时,普通最小二乘估计方法虽然有解,但是 参数估计量的方差会无限增大,从而产生4种 结果。 为什么参数估计量的方差无限增大 以二元线性回归模型为例来说明解释变量 的线性相关程度较高时,会使OLS估计量的方 差很大。
10.2 重难点导学
一、多重共线性的性质:符号与假定
多 重 共 线 性 ( multicollinearity) 回归模型中的一些或全部解释变量(样本向量) 之间存在“完全”的线性关系。 即 , 对 向 量 X 1 , X 2 , X k , 存 在 不 全 为0的
一 组 常 数 1 , 2 , k 使 得 1 X 1 2 X 2 k X k 0
(2)滞后变量的引入
在经济计量模型中,往往需要引入滞后 经济变量来反映真实的经济关系。例如,消 费=f(当期收入,前期收入) 显然,两期收入间有较强的线性相关性。
(3)样本资料的限制
由于完全符合理论模型所要求的样本数据
较难收集,抽样时,部分指标在一定抽样范围 内的样本间正好表现出了相关性,即特定样本 可能存在某种程度的多重共线性。 一般经验: 时间序列数据样本:简单线性模型,往往 存在多重共线性。 截面数据样本:问题不那么严重,但多重 共线性仍然是存在的。
注意: 除非是完全共线性,多重共线性并不意味 着任何基本假设的违背; 因此,即使出现较高程度的多重共线性, OLS估计量仍具有线性性等良好的统计性质。 问题在于,即使OLS法仍是最好的估计方 法,它却不是“完美的”,尤其是在统计推断 上无法给出真正有用的信息。
四、多重共线性的检验
多重共线性表现为解释变量之间具有相关 关系,所以用于多重共线性的检验方法主要是 统计方法:如判定系数检验法、逐步回归检验 法等。 多重共线性检验的任务是: (1)检验多重共线性是否存在; (2)估计多重共线性的范围,即判断哪些
1.违反非随机假定,工具变量法 2.违反零均值假定,对截距项估计有影响 3.违反同方差假定,异方差现象 4.违反无自相关假定,称自相关 5.违反无多重共线性假定,本章内容 6.违反 正态性假定,不影响最小二乘估计的性
质,不予讨论
本章介绍计量经济学模型经典假设中违背 解释变量线性无关时的情况,这时称之多重共线 性模型。多重共线性分为完全多重共线性与不 完全多重共线性两类。 完全多重共线性指模型中的解释变量之间 完全线性相关,不完全多重共线性指模型中解释 变量之间的线性相关程度较高。
不完全多重共线性时,Rank(X)=k,满 秩,系数可以估计,但是会导致模型估计结果 出现问题。 注意:解释变量之间不存在线性关系,并 不意味着不存在非线性关系,当解释变量之间 存在非线性关系时,并不违反无多重共线性的 假定。
一个总结 首先,无多重共线性的假定是对理论(即 PRF)模型而言。实际上,当为经验分析搜集 数据时,不能保证回归元之间不存在相关。
(4)预测可信度低
[Yˆf T /2 SE(e f ) , Yˆf T /2 SE(e f )]
由于模型回归估计的可信度较低,使预测 结果的可信度也降低。一般来说,预测结果不 可信。但是,如果样本期间解释变量之间的线 性相关关系在所预测的未来期仍然存在,多重 共线性模型的预测结果仍是可用的,但是模型 不能用于做结构分析等。
事实上,在本章稍后的说明性例子中将会 发现,在多数应用研究中,几乎不可能找到两 个或多个在某种程度上不相关的(经济)变量。 只是要求不存在非常精确的线性关系。
其次,记住只是在讨论两个或多个变量之 间的完全线性关系。多重共线性并不排除变量 之间的非线性关系。假设X3i=X2i2,这就不违背 不完全共线性的假定,因为变量之间的关系不 是线性的。
1 r223
倍。
VIF
1 1 r223
当r23=0.8时,OLS估计量的方差是线性无关 时的2.78倍,即方差膨胀因子为2.78;当 r23=0.95时,方差膨胀因子等于10;当 r23=0.999时,方差膨胀因子等于500,这时方差 为解释变量线性无关时方差的500倍。由此可见 ,多重共线性使方差的增大是十分惊人的。
完全多重共线性 当解释变量之间完全线性相关时,称解释 变量为完全多重共线性。 完全多重共线性即其中某一解释变量可以 用其余解释变量线性表示(比如: X2=0.5×X3+0.8×X4)。 这种情况在现实经济问题中一般不会出现。
完全多重共线性的数学意义
Y Xβ U
当rank(X)<k时,表示
五、克服多重共线性的方法
如果模型被检验证明存在多重共线性,则需 要发展新的方法估计模型,最常用的方法有三类。
1.第一类方法:排除引起共线性的变量 找出引起多重共线性的解释变量,将它排 除出去。 以逐步回归法得到最广泛的应用。 注意: 这时,剩余解释变量参数的经济含义和数 值都发生了变化。
1.X1, X2, …,Xk 是非随机的; 2.E(u i) = 0 ,零均值 3.Var(ui)=σ2 i=1,2,… ,n同方差 4.Cov(ui,uj)= 0 i≠j,i,j=1,2,… ,n 无自相关 5.X1, X2, …,Xk 线性无关;无多重共线性 6.ui~N(0,σ2 ) 正态性
Y1
Y
Y2
Yn
1
2
k
1
X
1
X 21
X 22
X X
k1 k2
矩阵X中,至少有一个列 向量可以用其余列向量线
1
X2n
X kn
性表示。|x'x|=0
u1
U
u2
un
此时,
ˆ ( X X )1 X Y
无法估计
不完全多重共线性 当解释变量之间虽然不是完全线性相关, 但其线性相关程度较高时,即解释变量之间的 多重相关系数较高时,称解释变量为不完全多 重共线性。 这种情况在现实经济问题中比较常见。
变量之间存在共线性。
1.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 求出X1与X2的简单相关系数r,若|r|接近 1,则说明两变量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 若在OLS法下:R2与F值较大,但t检验值较 小,说明各解释变量对Y的联合线性作用显著, 但各解释变量间存在共线性而使得它们对Y的独 立作用不能分辨,故t检验不显著。
具体可进一步计量
Fj
(1
R
2 j
/
(k
2)
R
2 j
)
/
(
n
k
1)
F (k
2, n
k
1)
式中:Rj•2为第j个解释变量对其他解释变 量的回归方程的决定系数,
若存在较强的共线性,则Rj•2较大且接近于 1,这时(1-Rj•2)较小,从而Fj的值较大。
因此,给定显著性水平,计算F值,并与 相应的临界值比较,来判定是否存在相关性。
这时,如果仍按照t-显著性检验的原则将 不显著的解释变量去掉,则会误删掉本来对被 解释变量是有重要影响的解释变量,而t-检验 显著的变量未必是最好的解释变量。比如,消 费模型中有可能将收入变量误删除掉。 (3)模型参数稳定性差。参数的OLS估计 量及方差均对样本的变化反应十分敏感,缺乏 稳定性,从而不可信。
另一等价的检验是:
在模型中排除某一个解释变量Xj,估计模 型; 如果拟合优度与包含Xj时十分接近,则说 明Xj与其它解释变量之间存在共线性。
(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。
2.第二类方法:差分法 时间序列数据、线性模型:将原模型变换 为差分模型:
Yi=1X1i+2X2i++kXki+i 可以有效地消除原模型中的多重共线性。
一般讲,增量之间的线性关系远比总量之 间的线性关系弱得多。
3.第三类方法:减小参数估计量的方差
多重共线性的主要后果是参数估计量具有 较大的方差,所以采取适当方法减小参数估计 量的方差,虽然没有消除模型中的多重共线性, 但确能消除多重共线性造成的后果。 例如: ①增加样本容量,可使参数估计量的方差 减小。
Var(ˆ3 )
2
x32i
这时,二元线性回归的OLS估计量的方差相 当于分别作被解释变量关于各个解释变量的一 元线性回归估计。
当r23=1时,即解释变量X2,X3完全正线性相 关时,由上可知,二元模型OLS估计量的方差式 中分母为0,即方差为∞。这也从另一个侧面说 明了解释变量完全线性相关时,OLS估计量无解。
例:对离差形式的二元回归模型
y 1 x1 2 x2
如果两个解释变量完全相关,如x2=x1,则
y (1 2 )x1
这时,只能确定综合参数1+2的估计值:
1 2 x1i yi / x12i
Yt 1 2 X 2t 3 X 3t ut
(t 1, 2,, n)
Var(ˆ2 )
2 x32i
x22i x32i ( x2i x3i )2