计量经济学案例分析第七章
计量经济学金玉国第7章
LOWESS是一种非参数回归方法，通过对数据点进行局部加权拟合，得到变量间的回归关系。该方法 适用于探索变量间的非线性关系，能够揭示数据的局部特征。
半参数方法简介及应用举例
半参数方法简介
半参数方法是介于参数方法和非参数方 法之间的一种统计方法。它结合了参数 方法和非参数方法的优点，既能够利用 已知的信息提高估计精度，又能够适应 数据的复杂结构。半参数方法主要包括 部分线性模型、单指标模型等。
线性回归模型基本概念
线性回归模型定义
描述因变量与一个或多个自变量之间线性关系的统计 模型。
回归方程
表示因变量与自变量之间关系的数学表达式，形如 Y=β0+β1X1+β2X2+⋯+βkXk。
估计的回归方程
利用样本数据对回归方程中的参数进行估计，得到的 方程用于预测和解释。
最小二乘法原理及性质
01
最小二乘法原理
计量经济学金玉国第7章
• 第七章概述 • 线性回归模型 • 广义线性模型 • 时间序列分析 • 面板数据分析 • 非参数和半参数方法 • 计量经济学软件应用
01
第七章概述
章节内容与结构
章节内容
本章主要介绍了计量经济学中的时间序列分析，包括时间序列的基本概念、平稳性检验、自回归模型、移动平均 模型、自回归移动平均模型等。
结构安排
首先介绍时间序列的基本概念和性质，然后阐述平稳性检验的方法和应用，接着详细讲解自回归模型、移动平均 模型和自回归移动平均模型的原理、建模步骤、预测及应用，最后通过案例分析和实践练习帮助读者深入理解和 掌握本章内容。
学习目标与要求
学习目标
通过本章学习，读者应能够掌握时间序列分析的基本方法和 技术，能够运用相关模型进行实际问题的分析和预测。
《计量经济学》第七章课后答案（李子奈编第四版）
《计量经济学》第七章课后答案（李子奈编第四版）回复关键词：计量经济学即可获取其他章节答案第七章：计量经济学应用模型1.分析教材例7.1.1中的问题，回答:为什么按照(1). (2)、(3)的方法建立的农户借贷因素分析模型都是不正确的?答:例题中农户借贷需求调查共采集了5100家农户的数据，其中，在一年中发生借贷行为的农户占55.3%(包括向亲友借贷)，为2820户，其余2280户没有发生借贷。
为了对农户借货行为进行因素分析，建立了农户借贷因素分析模型。
以农户借贷额为被解释变量，各种影响因素包括家庭总收入、总支出、总收入中农业生产经营收入所占比例、总支出中生产性支出所占的比例、户主受教育程度、户主健康状况、家庭人口数等为解释变量。
按照(1)的方法，仅利用2820户发生借贷的农户为样本，即以他们的借贷额为被解释变量，各种影响因素为解释变量，建立经典的回归模型，是不正确的。
首先，既然采集了5100家农户的数据，而只利用2820户的数据，损失了大量的样本信息。
其次，如果只利用2820户的数据建立模型，那么显然是“选择性样本”，应该建立“选择性样本”模型，而不是经典回归模型，属于模型类型选择错误。
按照(2)的方法，利用5100农户为样本，建立经典的回归模型，也是不正确的。
有大约45%的样本被解释变量观测值为0,这样的样本仍然属于“选择性样本”，只是与(1) 具有不同的“选择性”而已。
仍然应该建立“选择性样本”模型，而不是经典回归模型，属于模型类型选择错误。
按照(3)的方法，考虑样本的选择性，发现不应该将没有发生借贷的农户的借贷额统统视为0，而应该视为小于等于0 (s0)，于是利用5100农户为样本，建立归并数据模型(Tobit 模型)。
从模型类型选择的角度，是正确的。
问题在于，对没有发生借贷的农户进行更进- - 步分析发现，不应该将他们的借贷额统统视为小于等于0,因为其中一部分农户有借贷需求，只是因为各种原因( 例如提出借贷被拒绝，担心借不到而不敢提出借贷要求)而没有发生实际借贷。
计量经济学第07章
36
★ D· W检验
Step3：判断 0<D· dl W< dl <D· du W< 4<D· W<4- du 4-du <D· W<4-dl 4- dl <D· <4 W
存在正自相关 不能确定 无自相关 不能确定 存在正自相关
37
不能检验
正自相关
无自相关
负自相关
dL
dU
2
4-dU
4-dL
1 Var i
13
⑧同理可得
1 i xi 2 i yi i xi i xi yi
1 Var i xi 2
14
例3 上周练习题
已知模型
y i xi i
Y XB U , 其中 E (U ) 0, E (UU )
' 2 u
42
例7 假设 已知，考虑模型
yt t
t t 1 t
该模型满足其它基本条件， 试用OLS和GLS分别估计未知参数 及其方差的 估计量。
43
因为
yt t
H ki 2 i 2 1 ( ki ) 2 ( ki xi 1)
10
⑤对参数求偏导数可得
2ki 2 i 2 1 2 xi 0 i 1, 2,, n
k =0
i
k x
记
i i
1
i
1
i
2
, = i i xi
2
4
对未知参数求偏导数可得
2
2
k z 0 k 1
计量经济学课件第7章
7
在实际经济活动中，经济变量的关系是复杂的，直 接表现为线性关系的情况并不多见。
如著名的恩格尔曲线(Engle curves)表现为 幂函数曲线形式、宏观经济学中的菲利普斯曲线 （Pillips cuves）表现为双曲线形式等。 但是，大部分非线性关系又可以通过一些简 单的数学处理，使之化为数学上的线性关系，从 而可以运用线性回归的方法进行计量经济学方面 的处理。
31
若区别男女两类的不同，引入两个虚拟变量， 则会导致完全共线性。
Yi Yi . ln X 1i X 1i / X 1i
给出了当X 2保持不变时，X 1i 变化 1%时Y的绝对变化量， Y的绝对变化量Yi 1 * X 1i / X 1i），即Y的绝对变化量为 0.01* 1。 （ P120，图 7 3，右边
17
例:牛肉需求方程
P120-121
t t 1
PF 为t年的农场劳动价格。
t
注意解释经济意义：保 持今年农场劳动价格不 变，
度量了去年棉花价格增 加一单位所引起的
1
今年棉花产量的平均单 位增加量。
27
7.4 虚拟变量的应用
一、虚拟变量模型 虚拟变量（dummy variable）：在实际建模过程 中，被解释变量不但受定量变量影响，同时还受定 性变量影响。例如性别、民族、不同历史时期、季 节差异、企业所有制性质不同等因素的影响。这些 因素也应该包括在模型中。 由于定性变量通常表示的是某种特征的有和无， 所以量化方法可采用取值为1或0。这种变量称作虚 拟变量，用D表示。虚拟变量应用于模型中，对其 回归系数的估计与检验方法与定量变量相同。
28
加法模型：
１.包含一个虚拟变量的模型
i 0 1 i 2 i i
计量经济学第七章答案详解
练习题7.1参考解答（1）先用第一个模型回归，结果如下：22216.4269 1.008106 t=(-6.619723) (67.0592)R 0.996455 R 0.996233 DW=1.366654 F=4496.936PCE PDI =-+==利用第二个模型进行回归，结果如下：122233.27360.9823820.037158 t=(-5.120436) (6.970817) (0.257997)R 0.996542 R 0.996048 DW=1.570195 F=2017.064t t t PCE PDI PCE -=-++==（2)从模型一得到MPC=1.008106；从模型二得到，短期MPC=0.982382，长期MPC= 0.982382+(0.037158)=1.01954 练习题7.2参考答案（1）在局部调整假定下，先估计如下形式的一阶自回归模型：*1*1*0*t t t t u Y X Y +++=-ββα 估计结果如下：122ˆ15.104030.6292730.271676 se=(4.72945) (0.097819) (0.114858)t= (-3.193613) (6.433031) (2.365315)R =0.987125 R =0.985695 F=690.0561 DW=1.518595t t t Y X Y -=-++根据局部调整模型的参数关系，有****11 ttu u αδαβδββδδ===-=将上述估计结果代入得到： *1110.2716760.728324δβ=-=-=*20.738064ααδ==-*0.864001ββδ==故局部调整模型估计结果为：*ˆ20.7380640.864001ttYX =-+ 经济意义解释：该地区销售额每增加1亿元，未来预期最佳新增固定资产投资为0.864001亿元。
运用德宾h 检验一阶自相关：(121(1 1.34022d h =-=-⨯=在显著性水平05.0=α上，查标准正态分布表得临界值21.96h α=，由于21.3402 1.96h h α=<=，则接收原假设0=ρ，说明自回归模型不存在一阶自相关。
[经管营销]计量经济学第七章
![[经管营销]计量经济学第七章](https://img.taocdn.com/s3/m/950e4ff243323968001c92b9.png)
36个投保人年龄的数据
23 35 39 27 36 44
36 42 46 43 31 33
+1.96x
90%的样本
95% 的样本
99% 的样本 h
x
17
评价估计量的标准
无偏性 有效性 一致性
h
18
总体均值的区间估计
正态总体、方差已知，或非正态总体、大样本
z
x
N(0,1)
n
x z 2
n
h
19
总体均值的区间估计(例题分析)
【 例 】一家食品生产企业以生产袋装食品为主，为对产量
h
11
置信区间
(confidence interval)
1. 由样本统计量所构造的总体参数的估计区间称为 置信区间
2. 统计学家在某种程度上确信这个区间会包含真正 的总体参数，所以给它取名为置信区间
3. 用一个具体的样本所构造的区间是一个特定的区 间，我们无法知道这个样本所产生的区间是否包 含总体参数的真值
第七章 参数估计
参数估计的一般问题 抽样估计的基本方法 样本容量的确定
h
1
抽样估计的过程
总体
样 本
h
样本统计量 例如：样本均 值、比例
2
参数估计的一般问题
参数估计：用样本统计量估计去估计参数
估计量：用来估计总体参数的统计量。 估计值：根据样本计算出来的估计量的数值。
h
3
参数估计的方法
点估计： 区间估计：
我们只能是希望这个区间是大量包含总体参数真值的 区间中的一个，但它也可能是少数几个不包含参数真 值的区间中的一个
h
12
置信水平
(confidence level)
斯托克,沃森计量经济学第七章实证练习stata
斯托克,沃森计量经济学第七章实证练习stataE7.2E7.3E7.4-------------------------------------------- (1) (2) ahe ahe -------------------------------------------- age 0.605*** 0.585*** (15.02) (16.02) female -3.664*** (-17.65)bachelor 8.083*** (38.00)_cons 1.082 -0.636 (0.93) (-0.59)（表2）Robust ci in parentheses*** p<0.01, ** p<0.05, * p<0.1-------------------------------------------- N 7711 7711 -------------------------------------------- t statistics in parentheses* p<0.10, ** p<0.05, *** p<0.01 (表1)（1）建⽴ahe 对age 的回归。
截距估计值是1.082，斜率估计值是0.605。
（2）①建⽴ahe 对age ，female 和bachelor 的回归。
Age 对收⼊的效应的估计值是0.585。
② age 回归系数的95%置信区间： (0.514，0.657)（3）设H 0:βa,（2）-βa,（1）=0 H1:βa,（2）-βa （1）≠0由表3，得SE ，SE(βa,（2）-βa,（1）)=√（0.0403）2+(0.0365)2=0.054t=（0.605-0.585）/0.054=0.37<1.96所以不拒绝原假设，即在5%显著⽔平下age 对ahe 的效应估计没有显著差异，所以（1）中的回归没有遭遇遗漏变量偏差。
计量经济学(数字教材版)教案第七章
教学环节
教学内容与教学设计
导入主题
教学内容：
先简要回顾OLS回归的基本假定，再问题式导入主题——如何对时间序列时间建模分析。
经济增长的时间序列数据、人口增长的时间序列数据、工资增长的时间序列数据等问题表明时间序列数据从普遍性。问题：如何对时间序列数据建模找出经济规律？
教学设计：
采用真实的数据进行演示，通过现实问题，引导学生感受到所学思考内生性问题的本质，从而产生好奇心，激起学习新知的欲望。适时设疑，启发学生思考，调动学生学习的积极性。
巩固加深
教学内容：
向量自回归模型的软件实现。教材7.6给出了工具变量法的应用案例。
教学设计：
1实际问题引导学生思考：影响中美贸易量的因素是什么？人民币汇率是决定因素吗？引导学生学应用计量模型分析实际问题。
2软件实现数据平稳性检验，训练学生动手能力。
3软件实习方差分解和脉冲响应分析，让学生对软件得出的结果进行分析，进一步激发学习兴趣和树立为国家繁荣富强而奋斗的志向。
(3)合理设计板书：重点凸显DF检验和ADF检验的推导公式。
(4)请两个小组各派一个同学对DF检验与ADF检验作个小结，教师打分。
深入研讨
教学内容：
知识点：协整与误差修正模型。
具体如下：
(1)由协整的定义引出误差修正模型。
(2)推导误差修正模型，着重讲解模型的应用。
教学设计：
(1)通过协整的定义，问题式导入误差修正模型，让学生感受所学知识在计量经济学体系中的定位，激发其学习热情与探究欲望。
总结提高
在小结之前，及时设疑，设置思考题，启发学生。要想更深入地思考，要更好地估计模型，还需本课程的后续知识，让学生对课程充满期待，激发自主探究欲。学生完成随堂测验，并借习题练习对数据序列数据建模的能力。
计量经济学第七章evkc
以进口支出一例说明，考虑模型
Yi B1 B2 X i ui
（1）
2024/8/7
15
模型选择：标准与检验
第7 章
RESET检验步骤如下：
1. 根据模型估计出Y值，Yˆi。
2. 回得到残模 差型 和Y，ˆi之把间Yˆi的的系高统次关幂系，Yˆ。i2，考Yˆi虑3 等模纳型入模型以获
Yi B1 B2 X i B3Yˆi2 B4Yˆi3 vi （2）
2024/8/7
11
模型选择：标准与检验
第7 章
残差检验
残差图可以显示模型中的设定误差，如遗漏了某个 重要变量或使用了不正确的函数形式。
考虑进口支出对PDI和时间的回归。若错误估计回 归
Yi B1 B2 X i vi
vi B3 X 3i ui
注意：在任何情形下，对估计模型的残差 图进行检验都是建模过程中不可或缺的重 要内容。
这两个模型的函数形式不同，如果选择了错误的 函数形式，估计系数可能是真实系数的有偏估计值。 例7-3 美国进口货物的支出
2024/8/7
7
模型选择：标准与检验
7.6 度量误差
第7 章
度量误差的后果取决于误差是产生于应变量还是 解释变量。
➢应变量中的度量误差
OLS估计量及其方差是无偏的，但是估计量的估计方差比 没有独立误差时的大。
反映出真实 的随机误差 和变量X3。
2024/8/7
12
模型选择：标准与检验
第7 章
3.在线性和对数线性模型之间选择：MWD检验
以进口支出一例说明：
H0: 线性模型：Y是X的线性函数。 H1：对数线性模型：lnY是X或lnX的线性函数。
MWD检验步骤如下：
计量经济学第七章
济
学
夏 凡
n 自回归模型
n 移动平均模型
n 自回归移动平均模型
6
计 量 经 济 学
夏 凡
ARMA模型
自回归(AR: Autoregressive)模型
移动平均(MA: Moving Average)模型
自回归移动平均(ARMA: Auto-regressive Moving Average)模型
7
自回归模型
计 量
n 自回归模型
经
l 若时序yt 是它的前期值和随机项的线性函
济 学
数 yt 1 yt1 2 yt2 p yt p ut
1
n
夏
l 则称该时序yt 是自回归序列，(1)式为p阶
凡
自回归模型1,，2,记,为p AR(p)
n 实参数
称为自回归系数，是待估参数
l 季节性和趋势同时存在时
n 必须事先剔除序列趋势性再识别序列的季节性 n 否则季节性会被强趋势性所掩盖，以至判断错误
24
计
时序特性分析（续5）
量
经
济
学 n [例7-1] 下表中，序列zt表示1994年1月
夏 至1998年12月经居民消费价格指数调整的
凡 中国城镇居民可支配收入时间序列。用自
相关分析图识别序列的季节性
计 量
第七章 ARMA模型应用
经
济
学
第一节 ARMA模型概述
夏 凡
第二节 随机时序的特性分析
第三节 模型的识别与建立
第四节 模型的预测
第五节 序列相关与ARMA模型
1
计 量
引言
经
济
学
n 对时间序列Yt的变动进行解释或预测
庞皓计量经济学课后答案解析第七章
统计学2班第六次作业1、⑴①模型一：t t t PDI A A PCE μ++=21t tPDI E C P 008106.14269.216ˆ+-= t （-6.619723）（67.05920）996455.02=R F=4496.936 DW=1.366654美国个人消费支出受个人可支配收入影响，通过回归可知，个人可支配收入PDI 每增加一个单位，个人消费支出平均增加1.008106个单位。
②模型二：t t t t PCE B PDI B B PCE υ+++=-13211037158.0982382.02736.233ˆ-++-=t t tPCE PDI E C P T （-5.120436）（6.970817） （0.257997）996542.02=R F=2017.064 DW=1.570195美国个人消费支出PCE 不仅受当期个人可支配收入PDI 影响，还受滞后一期个人消费支出PCE t-1自身影响。
⑵从模型一得MPC=1.008106从模型二可得短期MPC=0.982382.从库伊特模型)()1(110---+++-=t t t t t Y X Y λμμλβλα可得1-t P E C 为λ的系数即037158.0=λ因为，长期MPC 即长期乘数为：∑=si iβ，根据库伊特模型)10(0<<=λλββi i ，。
当s →∞时，λβλλβλβλβλβββββ-=--==+++=++=∞∞=∞=∑∑111 (001)02210100i ii i 所以长期MPC=02023.1037158.01982382.0=-=MPC2、Y ：固定资产投资 X ：销售额⑴ 设定模型为：t t t X Y μβα++=*，*t Y 为被解释变量的预期最佳值运用局部调整假定，模型转换为：*1*1*0*t t t t Y X Y μββα+++=- 其中：t t δμμδβδββδαα=-===**1*0*,1,,1271676.0629273.010403.15ˆ-++-=t t tY X Y T （-3.193613） （6.433031） （2.365315）987125.02=R F=690.0561 DW=1.518595t t δμμδβδββδαα=-===**1*0*,1,, ，728324.0271676.011*1=-=-=βδ7381.20728324.010403.15*-=-==δαα，864.0728324.0629273.0*0===δββ∴局部调整模型估计结果为：tt X Y 864.07381.20ˆ*+-= 经济意义：该地区销售额每增加1亿元，未来预期最佳新增固定资产投资为0.846亿元采用德宾h 检验如下0:,0:10≠=ρρH H29728.1114858.0*21121)21.5185951()ˆ(1)21(2*1=--=--=βnVar n d h 在显著性水平05.0=α下，查标准正态分布表得临界值96.1025.02==h h α,因此拒绝原假设96.129728.1025.0=<=h h ，因此接受原假设，说明自回归模型不存在一阶自相关。
计量经济学案例分析第七章
第七章 案例分析【案例7.1】 为了研究1955—1974年期间美国制造业库存量Y 和销售额X 的关系，我们在例7.3中采用了经验加权法估计分布滞后模型。
尽管经验加权法具有一些优点，但是设置权数的主观随意性较大，要求分析者对实际问题的特征有比较透彻的了解。
下面用阿尔蒙法估计如下有限分布滞后模型：tt t t t t u X X X X Y +++++=---3322110ββββα将系数i β(i =0,1,2,3)用二次多项式近似，即00αβ=2101αααβ++=210242αααβ++= 210393αααβ++=则原模型可变为t t t t t u Z Z Z Y ++++=221100αααα其中3212321132109432---------++=++=+++=t t t t t t t t t t t t t X X X Z X X X Z X X X X Z在Eviews 工作文件中输入X 和Y 的数据，在工作文件窗口中点击“Genr ”工具栏，出现对话框，输入生成变量Z 0t 的公式，点击“OK ”；类似，可生成Z 1t 、Z 2t 变量的数据。
进入Equation Specification 对话栏，键入回归方程形式Y C Z0 Z1 Z2点击“OK ”，显示回归结果（见表7.2）。
表7.2表中Z0、 Z1、Z2对应的系数分别为210ααα、、的估计值210ˆˆˆααα、、。
将它们代入分布滞后系数的阿尔蒙多项式中，可计算出3210ˆˆˆˆββββ、、、的估计值为： -0.522)432155.0(9902049.03661248.0ˆ9ˆ3ˆˆ0.736725)432155.0(4902049.02661248.0ˆ4ˆ2ˆˆ 1.131142)432155.0(902049.0661248.0ˆˆˆˆ661248.0ˆˆ21012101210100=-⨯+⨯+=++==-⨯+⨯+=++==-++=++===αααβαααβαααβαβ从而，分布滞后模型的最终估计式为：32155495.076178.015686.1630281.0419601.6----+++-=t t t t t X X X X Y在实际应用中，Eviews 提供了多项式分布滞后指令“PDL ”用于估计分布滞后模型。
计量经济学讲稿(7-8章)
第7章 双变量模型：假设检验7.1 古典线性回归模型基本假定：A7.1 解释变量（X ）与扰动项不相关 如果X 是确定性变量，该假定自然成立。
A7.2 扰动项的期望或均值为零。
即E(u i )=0 （7-1） A7.3 同方差假定，即Var(u i )为常数 （7-2） A7.4 无自相关假定，即随机扰动项之间是互不相关的。
即COV(u i ,u j )=0 当i ≠j 时 （7-3）7.2 普通最小二乘估计量的方差和标准差7.2.1 widget 一例中的方差和标准差及需求函数小结 Widget 的需求函数如下：())1203.0(7464.0ˆ=-=se 2.1576X 49.6670Y i i具体计算可用软件演示。
7.3 普通最小二乘估计量的性质OLS 估计量是最优线性无偏估计量。
b 1和b 2满足： (1)线性：即b 1和b 2是随机变量Y 的线性函数。
(2)无偏性，即()()()σσ22211ˆ===E B b E B b E 2 (3)最小方差性，即b 1的方差小与其他任何一个B 1的无偏估计量的方差 b 2的方差小与其他任何一个B 2的无偏估计量的方差蒙特卡洛试验，假定已知如下信息：i i i i i u 2.0X 1.5u X B B Y ++=++=21u i 服从N(0，4)分布。
假定X 有10个观察值：1,2,3,4,5,7,7,8,9,10。
试验及试验结果见 表7-2 蒙特卡洛试验 （书104页）7.4 OLS 估计量的抽样分布或概率分布为了求得OLS 估计量b 1和b 2的抽样分布，我们需要在增加一条假定，即：A7.5 在总体回归函数 i i i u X B B Y ++=21中，误差项u i 服从均值为零，方差为σ2的正态分布，即2(0,)iu N σ (7-17) 正态变量b 1和b 2的均值和方差为：;)var(;)var(),(~);,(~2222222122222112121∑∑∑==⋅==i b iib b b x b xn X b B N b B N b σσσσσσ (7-19)图 7-4 估计量分布的几何图形见书P107。
计量经济学第七章答案
练习题7.1参考解答（1）先用第一个模型回归，结果如下：22216.4269 1.008106 t=(-6.619723) (67.0592)R 0.996455 R 0.996233 DW=1.366654 F=4496.936PCE PDI =-+==利用第二个模型进行回归，结果如下：122233.27360.9823820.037158 t=(-5.120436) (6.970817) (0.257997)R 0.996542 R 0.996048 DW=1.570195 F=2017.064t t t PCE PDI PCE -=-++==（2)从模型一得到MPC=1.008106；从模型二得到，短期MPC=0.982382，长期MPC=0.982382+(0.037158)=1.01954练习题7.2参考答案（1）在局部调整假定下，先估计如下形式的一阶自回归模型：*1*1*0*t t t t u Y X Y +++=-ββα估计结果如下：122ˆ15.104030.6292730.271676 se=(4.72945) (0.097819) (0.114858)t= (-3.193613) (6.433031) (2.365315)R =0.987125 R =0.985695 F=690.0561 DW=1.518595t t t Y X Y -=-++根据局部调整模型的参数关系，有****1 1 t tu u αδαβδββδδ===-=将上述估计结果代入得到：*1110.2716760.728324δβ=-=-=*20.738064ααδ==-*0.864001ββδ==故局部调整模型估计结果为：*ˆ20.7380640.864001t tY X =-+经济意义解释：该地区销售额每增加1亿元，未来预期最佳新增固定资产投资为0.864001亿元。
运用德宾h检验一阶自相关：(121(1 1.34022d h =-=-⨯=在显著性水平05.0=α上，查标准正态分布表得临界值，由于，则接收21.96h α=21.3402 1.96h h α=<=原假设0=ρ，说明自回归模型不存在一阶自相关。
计量经济学 第七章 多重共线性
第七章 多重共线性“多重共线性”一词由R. Frisch 1934年提出，它原指模型的解释变量间存在线性关系。
7.1多重共线性及产生的原因 7.1.1．非多重共线性假定111211212221121111k k T T Tk x x xx xx X x x x ---=如果rk (X 'X ) = rk (X ) ＜ k 或`0X X =称解释变量是完全共线性相关。
在实际经济问题中，完全多重共线性和完全无多重共线性两种极端情况都是极少的，大多数情况是解释变量存在不完全的多重共线性，或者近似的多重共线性，可一表示为：1122110k k x x x u λλλ--++++= 7.1.2．多重共线性的经济解释（1）经济变量在时间上有共同变化的趋势。
如在经济上升时期，收入、消费、就业率等都增长，当经济收缩期，收入、消费、就业率等又都下降。
当这些变量同时进入模型后就会带来多重共线性问题。
0.E+001.E+112.E+113.E+114.E+11808284868890929496980002GDPCONS0.E +001.E +112.E +113.E +114.E +110.0E +005.0E +101.0E +111.5E +112.0E +112.5E +11C O N SG D P o f H o n g K o n g（2）解释变量与其滞后变量同作解释变量。
滞后变量与原因变量在经济意义上没有本质区别，只是时间上的差异，原因变量与解释变量有相关关系，滞后变量也会有相关关系。
（见下图） （3）解释变量之间往往存在密切的关联度。
对同一经济现象的解释变量，往往存在密切的相关关系，如生产函数，资本大，需投入的劳动力也应趆多。
0.E+001.E+112.E+113.E+114.E+11GDP0.E+001.E+112.E+113.E+114.E+110.E+001.E+112.E+113.E+114.E+11GDP(-1)GDP7.2．多重共线性的后果（1） 当 `0X X =，X 为降秩矩阵，则 (X 'X ) -1不存在，βˆ= (X 'X )-1 X 'Y 不可计算。
高级计量经济学 第七章 截取模型
贫困线
删改：样本来自总体， 但观察结果不完整，或 报告的信息简化。
收入
例2：对电影票 的需求
容量限制
座位
5
截取数据和删改数据
从统计技术角度讲，由于两种情况均导致随机变 量的分布形式发生变化，并引起丢失解释变量错 误，因而利用OLS方法估计模型会出现估计系数 偏差。
在很多应用工作中，人们常常利用受限因变量模 型处理存在上限、下限或上下限的数据，而不去 认真考虑究竟数据体现何种性质。
14
删改数据模型
为了分析上述情况，定义随机变量y为：
如果y*0，那么y=0
如果y*>0，那么y=y*
假定y*为正态分布变量(y*~N(，2)，此时
有：
Pr(y=0)=Pr(y*0)= (-)=1- ()
Pr(y>0)=Pr(y*)
15
Tobit模型
上述两种情况均可以表示为Tobit模型，其一般形式为：
23
案例分析
估计的方程表达为：
GNSit = a0 + a1GNQit + a2 (GNQit)2 + a3APGNit + a4TAPGNit + a5NYDRit + a6POPit + a7HLEDit + a8MKTDt + eit
式中： GNS＝实际出售的粮食数量 GNQ＝粮食生产量 APGN＝农民得到的粮食价格（村级平均）
此时出现样本对总体的代表性问题。
需要注意的是，总体的确定具有相对性，例如我们将 贫困人口作为总体时，例1的情况不再属于截取。
3
删改数据
若样本在总体中的分布具有代表性，但当数据由于报告制 度而使某些信息被高度简化时，我们遇到“删改数据”情况 。
第七章计量经济学7ppt课件
第七章
精品课件
本章内容概述
1. 垄断 2. 垄断竞争 3. 寡头 4. 不同市场的经济效率的比较 5. 结束语
精品课件
垄断
1. 垄断市场的条件 2. 垄断厂商的需求曲线和收益曲线 3. 垄断厂商的短期均衡 4. 垄断厂商的供给曲线 5. 垄断厂商的长期均衡 6. 价格歧视 7. 自然垄断和政府管制
精品课件
垄断厂商的需求曲线和收益曲线
1. 垄断厂商的需求曲线及特征 垄断行业【一个厂商】，垄断厂商的需求曲
线即市场的需求曲线。 垄断厂商需求曲线的特征【一条向右下方倾
斜的曲线】
精品课件
垄断厂商的需求曲线和收益曲线
2. 垄断厂商的收益曲线 影响垄断厂商收益的因素【垄断厂商的需求
曲线特征决定其收益曲线特征】
精品课件
垄断厂商的长期均衡
1. 垄断厂商的长期利润——垄断厂商在长期内 可以保持其在短期内所获得的利润。
2. 垄断厂商在长期内对生产的调整【退出生产、 摆脱亏损状态、获得更大利润】
精品课件
垄断厂商的长期均衡
3. 对垄断厂商的长期均衡分析（获得利润）
P
SMC1 SAC1
P1
H
SMC2
P1 E1
SAC2
垄断厂商供给曲线的特征【对产量和价格的
同时调整实现P＝SMC均衡条件，而且，P总是
大于AR】
精品课件
垄断厂商的供给曲线
对垄断厂商供给曲线的分析
d2
P
MC
P
MC
P1
P1 MR2
MR1
O Q
d1 MR2 Q1 Q2
d2 精品课件 O Qd1 MR1Q1垄断厂商的供给曲线
结论——在需求曲线向右下方倾斜、厂商可以 控制市场价格的市场中，不存在规律性的短期 供给曲线。
计量经济学案例分析报告
《计量经济学》实验报告实验课题：各章节案列分析姓名：茆汉成班级：会计学12-2班学号：指导老师：蒋翠侠报告日期：目录第二章简单线性回归模型案例 (1)1 问题引入 (1)2 模型设定 (1)3 估计参数 (3)4 模型检验 (3)第三章多元线性回归模型案例 (5)1 问题引入 (5)2 模型设定 (5)3 估计参数 (6)4 模型检验 (6)第四章多重线性案例 (8)1 问题引入 (8)2 模型设定 (8)3 参数估计 (8)4 对多重共线性的处理 (9)第五章异方差性案例 (10)1 问题引入 (11)2 模型设定 (11)3 参数估计 (11)4 异方差检验 (11)5 异方差性的修正 (14)第六章自相关案例 (14)1 问题引入 (15)2 模型设定 (15)3 用OLS估计 (15)4 自相关其他检验 (15)5 消除自相关 (16)第七章分布滞后模型与自回归模型案例 (18)7.2案例1 (19)1 问题引入 (19)2 模型设定 (19)3 参数估计 (19)7.3案例2 (20)1 问题引入 (21)2 模型设定 (21)3、回归分析 (21)4 模型检验 (23)第八章虚拟变量回归案例 (23)1 问题引入 (24)2 模型设定 (24)3 参数估计 (26)4 模型检验 (27)第二章简单线性回归模型案例1、问题引入居民消费在社会经济的持续发展中有着重要的作用。
适度的居民消费规模和合理的消费模型是人民生活水平的具体体现，有利于经济持续健康的增长。
随着社会信息化程度和居民的收入水平的提高，计算机的运用越来越普及，作为居民耐用消费品重要代表的计算机已经为众多的城镇居民家庭所拥有。
研究中国各地区城镇居民计算机拥有量与居民收入水平的数量关系。
影响居民计算机拥有量的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入水平。
从理论上说居民收入水平越高，居民计算机拥有量越多。
所以我们设定“城镇居民家庭平均每百户计算机拥有量（台）”为被解释变量，“城镇居民平均每人全年家庭总收入（元）”为解释变量。
- 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)。
第七章 案例分析
【案例7.1】 为了研究1955—1974年期间美国制造业库存量Y 和销售额X 的关系，我们在例7.3中采用了经验加权法估计分布滞后模型。
尽管经验加权法具有一些优点，但是设置权数的主观随意性较大，要求分析者对实际问题的特征有比较透彻的了解。
下面用阿尔蒙法估计如下有限分布滞后模型：
t
t t t t t u X X X X Y +++++=---3322110ββββα
将系数i β(i =0,1,2,3)用二次多项式近似，即
00αβ=
2101αααβ++=
210242αααβ++= 210393αααβ++=
则原模型可变为
t t t t t u Z Z Z Y ++++=221100αααα
其中
3
212321132109432---------++=++=+++=t t t t t t t t t t t t t X X X Z X X X Z X X X X Z
在Eviews 工作文件中输入X 和Y 的数据，在工作文件窗口中点击“Genr ”工具栏，出现对话框，输入生成变量Z 0t 的公式，点击“OK ”；类似，可生成Z 1t 、Z 2t 变量的数据。
进入Equation Specification 对话栏，键入回归方程形式
Y C Z0 Z1 Z2
点击“OK ”，显示回归结果（见表7.2）。
表7.2
表中Z0、 Z1、Z2对应的系数分别为210ααα、、的估计值210ˆ
ˆˆααα、、。
将它们代入
分布滞后系数的阿尔蒙多项式中，可计算出
3210ˆˆˆˆββββ、、、的估计值为： -0.522)432155.0(9902049.03661248.0ˆ9ˆ3ˆˆ0.736725)432155.0(4902049.02661248.0ˆ4ˆ2ˆˆ 1.131142)432155.0(902049.0661248.0ˆˆˆˆ661248.0ˆˆ2101
2101
2101
00
=-⨯+⨯+=++==-⨯+⨯+=++==-++=++===αααβαααβαααβαβ
从而，分布滞后模型的最终估计式为：
32155495.076178.015686.1630281.0419601.6----+++-=t t t t t X X X X Y
在实际应用中，Eviews 提供了多项式分布滞后指令“PDL ”用于估计分布滞后模型。
下面结合本例给出操作过程：
在Eviews 中输入X 和Y 的数据，进入Equation Specification 对话栏，键入方程形式
Y C PDL(X, 3, 2)
其中，“PDL 指令”表示进行多项式分布滞后（Polynomial Distributed Lags ）模型的估计，括号中的3表示X 的分布滞后长度，2表示多项式的阶数。
在Estimation Settings 栏中选择Least Squares(最小二乘法)，点击OK ，屏幕将显示回归分析结果（见表7.3）。
表7.3
需要指出的是，用“PDL ”估计分布滞后模型时，Eviews 所采用的滞后系数多项式变换不是形如（7.4）式的阿尔蒙多项式，而是阿尔蒙多项式的派生形式。
因此，输出结果中PDL01、PDL02、PDL03对应的估计系数不是阿尔蒙多项式
系数210ααα、、的估计。
但同前面分步计算的结果相比，最终的分布滞后估计
系数式3210ˆ
ˆˆˆββββ、、、是相同的。
【案例7.2】 货币主义学派认为，产生通货膨胀的必要条件是货币的超量供应。
物价变动与货币供应量的变化有着较为密切的联系，但是二者之间的关系不是瞬时的，货币供应量的变化对物价的影响存在一定时滞。
有研究表明，西方国家的通货膨胀时滞大约为2—3个季度。
在中国，大家普遍认同货币供给的变化对物价具有滞后影响，但滞后期究竟有多长，还存在不同的认识。
下面采集1996－2005年全国广义货币供应量和物价指数的月度数据（见表7.4）对这一问题进行研究。
表7.4 1996－2005年全国广义货币供应量及物价指数月度数据
为了考察货币供应量的变化对物价的影响，我们用广义货币M2的月增长量M2Z 作为解释变量，以居民消费价格月度同比指数TBZS 为被解释变量进行研究。
首先估计如下回归模型
t
t t u Z M TBZS ++=20βα
得如下回归结果（表7.5）。
表7.5
平的影响在统计意义上不明显。
为了分析货币供应量变化影响物价的滞后性，我们做滞后6个月的分布滞后模型的估计，在Eviews工作文档的方程设定窗口中，输入
TBZS C M2Z M2Z(-1) M2Z(-2) M2Z(-3) M2Z(-4) M2Z(-5) M2Z(-6)
结果见表7.6。
表7.6
从回归结果来看，M2Z各滞后期的系数逐步增加，表明当期货币供应量的变化对物价水平的影响要经过一段时间才能逐步显现。
但各滞后期的系数的t统计量值不显著，因此还不能据此判断滞后期究竟有多长。
为此，我们做滞后12个月的分布滞后模型的估计，结果见表7.7。
表7.7
表
数t统计量值为3.016798，在5％显著性水平下拒绝系数为零的原假设。
这一结果表明，当期货币供应量变化对物价水平的影响在经过12个月（即一年）后明显地显现出来。
为了考察货币供应量变化对物价水平影响的持续期，我们做滞后18个月的分布滞后模型的估计，结果见表7.8。
表7.8
17个月开始t 值变得不显著；再从回归系数来看，从滞后11个月开始，货币供应量变化对物价水平的影响明显增加，再滞后14个月时达到最大，然后逐步下降。
通过上述一系列分析，我们可以做出这样的判断：在我国，货币供应量变化对物价水平的影响具有明显的滞后性，滞后期大约为一年，而且滞后影响具有持续性，持续的长度大约为半年，其影响力度先递增然后递减，滞后结构为Λ型。
当然，从上述回归结果也可以看出，回归方程的2
R 不高，DW 值也偏低，表明除了货币供应量外，还有其他因素影响物价变化；同时，过多的滞后变量也可能引起多重共线性问题。
如果我们分析的重点是货币供应量变化对物价影响的滞后性，上述结果已能说明问题。
如果要提高模型的预测精度，则可以考虑对模型进行改进。
根据前面的分析可知，分布滞后模型可以用子回归模型来代替，因此我们估计如下子自回归模型：
t t t u TBZS TBZS ++=-1βα
在Eviews 工作文档的方程设定窗口中，输入
TBZS C TBZS(-1)
估计结果见表7.9。
表7.9。