计量经济建模步骤与模型分类.

1000 0
0 80 82 84 86 88 90 92 94 96 98 00 02 04 06
0
40000
80000 120000 160000 200000 240000 Y
中国GDP与宏观消费
散点图
（1）回归模型建模步骤：
确定研究对象 及其影响因素 定义变量 收集数据 画变量 散点图 模型的设定，估计，诊断、 检验，分析回归参数，预测
1．单方程回归模型 （1）一元、多元线性回归模型， （2）一元、多元可线性化的非线性回归模型 （3）非线性回归模型 假定条件：误差项服从正态分布，不存在自相关、 异方差，解释变量间不存在多重共线性。 估计方法：OLS 法、GLS 法、 可使用虚拟变量：季度的、月度的、不同时期的。
（2）时间序列（ARIMA）模型建模步骤：
确定研究对象 定义变量 收集数据 画时间 序列图 模型的设定，估计，诊断、 检验，分析回归参数，预测
注意： （1）选定模型类型（见第二部分） 。对于回归模型来说，是单方程的，还是多方程联立 的；是描述水平的，还是描述方差的；是描述均值的，还是描述分位数的；是连 续的，还是离散的。 （2）设定模型表达式，并考察是否满足模型假定条件。 （3）用相应方法估计模型。 （4）对模型估计结果进行诊断、检验（包括 t、F、LR、Wald、LM、Q、DF、JB、自 相关、异方差、多重共线性、结构突变、GARCH、单位根、协整等检验） 。 （5）解释模型回归系数的经济含义。利用估计结果进行预测。 （6）若目的是解释模型回归系数的经济含义，模型的设定一定要完备；若目的是利用 模型估计结果进行预测，模型的拟合优度一定要高。
计量经济建模步骤与模型分类
张晓峒
（2011-6-15） 南开大学数量经济研究所所长、博士生导师 中国数量经济学会常务理事、天津市数量经济学会理事长 nkeviews@yahoo.com.cn
一．计量经济模型建模步骤
（1）回归模型建模步骤： 确定研究对象 及其影响因素 定义变量 收集数据 画变量 散点图 模型的设定，估计，诊断、 检验，分析回归参数，预测
16,000
250000
8000 7000 6000
Y
14,000 12,000
X 8000
Y 200000 150000 100000
6000
10,000
5000 4000 3000 2000
X
8,000 6,000
4000 50000 2000 0
4,000 2,000 II III 1999 IV I II III IV I II III IV I 2000 2001
（1）回归模型建模步骤：
确定研究对象 及其影响因素 定义变量 收集数据 画变量 散点图 模型的设定，估计，诊断、 检验，分析回归参数，预测
（2）时间序列（ARIMA）模型建模步骤：
确定研究对象 定义变量 收集数据 画时间 序列图 模型的设定，估计，诊断、 检验，分析回归参数，预测
注意： （1）通过散点图确定解释变量与被解释变量的关系。具体问题具体分析是最可靠的研 究方法。 （2）通过时间序列图观察序列的平稳性、季节特征。进一步观察相关图、偏相关图， 为设定模型做准备。 （3）通过画散点图和时间序列图还可以帮助发现错误的观测数据。
（2）时间序列（ARIMA）模型建模步骤：
确定研究对象 定义变量 收集数据 画时间 序列图 模型的设定，估计，诊断、 检验，分析回归参数，预测
注意： （1）确定度量研究对象和影响因素的变量。比如，研究中国经济，使用 GDP 还是 GNP 做测量变量。 不容易度量的对象要找合理的替代变量。 比如， 需求量用销售量代替。 （2）用货币度量的数据一般要考虑价格因素。最好用不变价测量。 （3）要选择恰当的测量单位。比如，测量中国年 GDP，以万亿人民币为宜。如果以万 人民币为单位数字将太大。 （4）收集数据分直接收集和间接收集。直接收集数据即亲自作调查。调查分普查和抽 样调查两种。间接收集数据即从年鉴、网站、数据库等处引用数据。 （5）普查即对每一个对象作调查。抽样调查分多种，有简单随机抽样、分层抽样、整 群抽样、系统抽样。 （6）引用数据时要时刻注意，引用的数据是否与想要的数据的定义相符。比如，想要 农业劳动人数，但引用的是统计年鉴上的农村人口数，这其实是两个概念。 （7）统计数据时，注意不要出现错误。 （8）引用数据时，要检查数据是否有错误。
（2）时间序列（ARIMA）模型建模步骤：
确定研究对象 定义变量 收集数据 画时间 序列图 模型的设定，估计，诊断、 检验，分析回归参数，预测
注意： （1）研究对象必须是可量化的，可观测的。 （2）对于回归模型应根据经济理论或深入调查研究 确定研究对象的影响因素。
（1）回归模型建模步骤：
确定研究对象 及其影响因素 定义变量 收集数据 画变量 散点图 模型的设定，估计，诊断、 检验，分析回归参数，预测
二．计量经济模型分类
线性时间序列 单 序 列 模 型
时间序列的加法、乘法模型，X12 季节调整 ARIMA（时间序列）模型 SARIMA（季节时间序列）模型 GAR（广义自回归） 、BL（双线性）模型 非线性时间序列 TAR、STAR（门限自回归、平滑转移）模型 ARCH、GARCH（自回归条件异方差）模型 组合模型
（2）时间序列（ARIMA）模型建模步骤： 定义变量 收集数据 画时间 序列图 模型的设定，估计，诊断、 检验，分析回归参数，预测
确定研究对象
回归模型：通过解释变量描述被解释变量的变化。 ARIMA 模型：依据自身的变化规律，描述序列的变化，建模不以经济理论为依据。
（1）回归模型建模步骤：
确定研究对象 及其影响因素 定义变量 收集数据 画变量 散点图 模型的设定，估计，诊断、 检验，分析回归参数，预测
二 ． 计 量 经 济 模 型 分 类
时 间 序 列 模 型
向 量 序 列 பைடு நூலகம் 型
波动模型
SV（随机波动）模型 ACD、SCD（自回归、随机条件久期）模型 研究 VAR、VEC（向量自回归、误差修正）模型 单方程（线性、可线性化非线性）回归模型
回 归 模 型
时间序列回归 联立方程模型（结构、简化型、递归模型） 分位数回归模型 PANEL（面板数据）模型、空间计量模型 截面数据回归 DS（离散选择）模型、有序响应、计数模型 LDV（受限因变量）模型（删失、截断模型）