計量經(jīng)濟學(xué)12

1、第一章：緒論一、教學(xué)內(nèi)容及學(xué)時分配1計量經(jīng)濟學(xué)的概念及研究對象 3學(xué)時2建立計量經(jīng)濟模型的步驟 3學(xué)時3計量經(jīng)濟模型的應(yīng)用范圍 3學(xué)時二、教學(xué)目的與要求 1掌握計量經(jīng)濟學(xué)的學(xué)科性質(zhì)和研究內(nèi)容，了解計量經(jīng)濟學(xué)發(fā)展簡史；掌握計量經(jīng)濟學(xué)與其他學(xué)科之間的關(guān)系；2掌握計量經(jīng)濟研究的運用步驟； 3了解計量經(jīng)濟學(xué)內(nèi)容體系。三 、教學(xué)重點與難點1計量經(jīng)濟學(xué)的概念； 2建立計量經(jīng)濟模型的步驟。四、教學(xué)方法和教具：講授；多媒體課件第一節(jié)：計量經(jīng)濟學(xué)的概念及研究對象一、定義計量經(jīng)濟學(xué)（Econometrics）是應(yīng)用經(jīng)濟學(xué)的一個分支學(xué)科。它以一定的經(jīng)濟理論和實際統(tǒng)計資料為依據(jù)，運用數(shù)學(xué)、統(tǒng)計學(xué)方法和計算機技術(shù)，通過

2、建立計量經(jīng)濟模型，定量分析經(jīng)濟變量之間的隨機因果關(guān)系。二、研究內(nèi)容定量分析經(jīng)濟變量之間的隨機因果關(guān)系。三、研究方法建立并運用計量經(jīng)濟模型。四、學(xué)科基礎(chǔ)經(jīng)濟學(xué)、統(tǒng)計學(xué)、數(shù)學(xué)和計算機技術(shù)。五、計量經(jīng)濟學(xué)發(fā)展簡史（略）六、計量經(jīng)濟學(xué)與其他學(xué)科之間的關(guān)系1、計量經(jīng)濟學(xué)與經(jīng)濟學(xué) 經(jīng)濟理論與數(shù)理經(jīng)濟學(xué)是計量經(jīng)濟學(xué)的理論基礎(chǔ)，計量經(jīng)濟學(xué)利用各種具體數(shù)量關(guān)系以統(tǒng)計方式描述經(jīng)濟規(guī)律，可以驗證和充實經(jīng)濟理論。2、計量經(jīng)濟學(xué)與統(tǒng)計學(xué)經(jīng)濟統(tǒng)計學(xué)是對經(jīng)濟統(tǒng)計資料的收集、加工和整理，并列表圖示，以描述整個觀察期間的發(fā)展模式，或推測各種經(jīng)濟變量之間的關(guān)系。統(tǒng)計資料僅僅是計量經(jīng)濟研究的“素材”。計量經(jīng)濟學(xué)要以經(jīng)濟統(tǒng)計學(xué)提供的

3、經(jīng)濟統(tǒng)計指標及數(shù)據(jù)研究經(jīng)濟現(xiàn)象的定量關(guān)系。所以，計量經(jīng)濟研究也是對統(tǒng)計資料一種深層次“挖掘”和“開發(fā)利用”。3、計量經(jīng)濟學(xué)與數(shù)學(xué)由于計量經(jīng)濟學(xué)研究的主要是隨機關(guān)系，所以需要引入數(shù)理統(tǒng)計方法以及集合與矩陣等理論和方法，并在此基礎(chǔ)上發(fā)展了計量經(jīng)濟方法，成為計量經(jīng)濟研究的建模工具。數(shù)理統(tǒng)計學(xué)是計量經(jīng)濟學(xué)的數(shù)學(xué)理論基礎(chǔ)。第二節(jié)：建立計量經(jīng)濟模型的步驟一、模型設(shè)定模型設(shè)定一般包括總體設(shè)計和個體設(shè)計?？傮w設(shè)計的目標是能正確反映經(jīng)濟系統(tǒng)的運行機制。個體設(shè)計的目標是能正確反映經(jīng)濟變量之間的因果關(guān)系。1、研究經(jīng)濟理論根據(jù)一定經(jīng)濟理論揭示影響研究對象的因素及其影響方向和作用大小。對同一經(jīng)濟問題，所依據(jù)的經(jīng)濟理論不

4、同，所分析的影響因素和構(gòu)造的計量模型就可能不同。2、確定變量選擇變量必須正確把握所研究經(jīng)濟活動的經(jīng)濟學(xué)內(nèi)容。確定納入模型中的變量的性質(zhì)，即哪個是被解釋變量，哪個或哪些是解釋變量。一般將將影響研究對象最主要的、定量的、經(jīng)常發(fā)生作用的、有統(tǒng)計數(shù)據(jù)支持的因素納入模型之中。慎重使用虛擬變量。3、確定模型的數(shù)學(xué)形式一般有兩種方式：一是根據(jù)經(jīng)濟行為理論，利用數(shù)理經(jīng)濟學(xué)推導(dǎo)出的模型形式；一是根據(jù)實際統(tǒng)計資料繪制被解釋變量與解釋變量的相關(guān)圖。4、設(shè)定模型中待估參數(shù)的符號和大小的理論期望值。 二、模型估計1、樣本數(shù)據(jù)樣本數(shù)據(jù)類型：時間序列數(shù)據(jù)，應(yīng)用此類數(shù)據(jù)建模時要注意數(shù)據(jù)的口徑和易使模型產(chǎn)生序列相關(guān)；截面數(shù)據(jù)，

5、此類數(shù)據(jù)易使模型產(chǎn)生異方差性；虛變量數(shù)據(jù)；平行數(shù)據(jù)（混合數(shù)據(jù)）。選擇樣本數(shù)據(jù)的出發(fā)點：模型的研究目的；模型的應(yīng)用期限。樣本數(shù)據(jù)的質(zhì)量：完整性，準確性，可比性。2、模型識別僅對聯(lián)立經(jīng)濟計量模型而言，判斷能否方程組估計出模型參數(shù)。3、估計方法選擇根據(jù)模型特點和估計方法的應(yīng)用條件進行選擇。4、軟件使用本課程主要學(xué)習(xí)和掌握EVIEWS軟件。三、模型檢驗1、經(jīng)濟檢驗檢驗求得的參數(shù)估計值的符號和大小與人們的經(jīng)驗和經(jīng)濟理論是否相符。2、統(tǒng)計檢驗擬合優(yōu)度檢驗：檢驗回歸方程對樣本觀測值的擬合程度；方法為判定系數(shù)法。模型（方程）顯著性檢驗：檢驗?zāi)Ｐ停ǚ匠蹋傮w的近似程度；方法為F檢驗法。變量顯著性檢驗：檢驗?zāi)Ｐ?/p>

6、中每個解釋變量與被解釋變量之間的線性關(guān)系是否顯著；方法為t檢驗法。3、計量經(jīng)濟學(xué)檢驗異方差檢驗：檢驗?zāi)Ｐ褪欠翊嬖诋惙讲钚?；方法主要有G-Q、White、Park、Gleiser等方法。自相關(guān)檢驗：檢驗?zāi)Ｐ褪欠翊嬖谧韵嚓P(guān)性；方法主要有D-W檢驗、偏相關(guān)系數(shù)檢驗、B-G檢驗法等。多重共線性檢驗：判斷模型中解釋變量之間是否存在線性相關(guān)關(guān)系，方法主要有簡單相關(guān)系數(shù)、輔助回歸模型、方差膨脹因子等方法。4、預(yù)測性能檢驗判斷模型是否可以進行外推預(yù)測。四、模型應(yīng)用第三節(jié)：計量經(jīng)濟模型的應(yīng)用范圍1、結(jié)構(gòu)分析分析經(jīng)濟變量或結(jié)構(gòu)參數(shù)的變動對整個經(jīng)濟系統(tǒng)的影響。2、經(jīng)濟預(yù)測利用模型預(yù)測經(jīng)濟變量未來發(fā)展。3、政策評價利

7、用模型評價經(jīng)濟政策效應(yīng)，發(fā)揮“經(jīng)濟實驗室”作用。4、驗證經(jīng)濟理論利用計量經(jīng)濟模型和實際統(tǒng)計資料驗證某個經(jīng)濟理論假是否。第二章：回歸分析概述一、教學(xué)內(nèi)容及學(xué)時分配1.一元線性回歸分析概述 3學(xué)時2.一元線性回歸分析的參數(shù)估計 3學(xué)時3.參數(shù)的代數(shù)、統(tǒng)計特征 3學(xué)時4.統(tǒng)計檢驗和區(qū)間估計 3學(xué)時5.多元回歸分析概述 3學(xué)時6.多元回歸參數(shù)估計 3學(xué)時7.多元回歸的統(tǒng)計檢驗 3學(xué)時二、教學(xué)目的與要求1.幫助學(xué)生復(fù)習(xí)數(shù)理統(tǒng)計學(xué)的知識，把學(xué)生從數(shù)理統(tǒng)計學(xué)順利地引導(dǎo)到計量經(jīng)濟學(xué)；2.要求學(xué)生掌握回歸模型的概念及假設(shè)條件、統(tǒng)計檢驗方法。三 、教學(xué)重點與難點1最小二乘法；2.經(jīng)典假設(shè)；3.最小二乘估計量的性質(zhì)

8、；4.區(qū)間估計。 四、教學(xué)方法和教具：講授；實驗教學(xué)；多媒體課件第一節(jié)：一元線性回歸分析概述一、回歸分析1、總體回歸函數(shù)在總體中，解釋變量x取各個給定值時y均值的軌跡稱為總體回歸直線，總體回歸直線所對應(yīng)的方程E(yi) = (xi) = a +bxi稱為總體回歸方程，常數(shù)a、b稱為總體回歸參數(shù)（或回歸系數(shù)）。2、樣本回歸函數(shù)在隨機抽取的樣本中，設(shè)法確定一條直線較好地擬合這些樣本觀察值，稱這條直線為樣本回歸直線，其對應(yīng)的方程稱為樣本回歸方程，分別為總體回歸參數(shù)a、b的估計?；貧w分析的主要內(nèi)容根據(jù)樣本觀察值確定樣本回歸方程；檢驗樣本回歸方程對總體回歸方程的近似程度；利用樣本回歸方程分析總體的平均變

9、化規(guī)律。二、模型的隨機設(shè)定1、隨機誤差與殘差隨機誤差為 iyiE(yi)總體回歸模型的隨機設(shè)定形式：yiE(yi)i殘差（或擬合誤差） ei為隨機誤差i的估計。2、產(chǎn)生隨機誤差的原因客觀現(xiàn)象本身的隨機性；模型本身的局限性；模型函數(shù)形式的設(shè)定誤差；數(shù)據(jù)的測量與歸并誤差；隨機因素的影響（如自然災(zāi)害等）第二節(jié)：一元線性回歸分析的參數(shù)估計一、古典回歸模型的基本假定1解釋變量x為非隨機變量。2零均值假定：E(i)=03同方差假定：D(i)=2（常數(shù)）4非自相關(guān)假定：Cov(i,j)=0（ij）5解釋變量與隨機誤差項不相關(guān)假定：Cov(xi,i)=0（或E(xii)=0）6無多重共線性假定。將滿足這些假定

10、的回歸模型稱為古典回歸模型。二、參數(shù)估計（最小二乘估計（OLS）1、最小二乘估計的原理對于所研究的經(jīng)濟問題，通常真實的回歸直線是觀測不到的。收集樣本的目的就是要對這條真實的回歸直線做出估計。設(shè)估計的直線用 =+ xt 表示。其中稱yt的擬合值（fitted value），和分別是 b0 和b1的估計量。觀測值到這條直線的縱向距離用表示，稱為殘差。 yt =+=+ xt +稱為估計的模型。假定樣本容量為T。（1）用“殘差和最小”確定直線位置是一個途徑。但很快發(fā)現(xiàn)計算“殘差和”存在相互抵消的問題。（2）用“殘差絕對值和最小”確定直線位置也是一個途徑。但絕對值的計算比較麻煩。（3）最小二乘法的原則是

11、以“殘差平方和最小”確定直線位置。用最小二乘法除了計算比較方便外，得到的估計量還具有優(yōu)良特性。2、參數(shù)估計設(shè)殘差平方和用Q表示， Q = = = ，則通過Q最小確定這條直線，即確定和的估計值。以和為變量，把Q看作是和的函數(shù)，這是一個求極值的問題。求Q對和的偏導(dǎo)數(shù)并令其為零，得正規(guī)方程， = 2(-1) = 0 (1) = 2(- xt) = 0 (2)由（1）、（2）式得， = 0 (3) xt = 0 (4)（3）式兩側(cè)用除T，并整理得，= (5)把（5）式代入（4）式并整理，得，xt = 0 (6)= 0 (7)= (8)因為= 0，= 0，分別在（8）式的分子和分母上減和得，= (9)=

12、 (10)第三節(jié)：參數(shù)的代數(shù)、統(tǒng)計特征1、參數(shù)估計量的代數(shù)特征 (1) 殘差和等于零，= 0由正規(guī)方程2 (yt - xt) (-1) = 0得 (yt - xt) = (yt -) = () = 0(2) 估計的回歸直線 =+ xt 過（,）點。正規(guī)方程 (yt - xt) = 0兩側(cè)同除樣本容量T，得 =+。得證。 (3) yt 的擬合值的平均數(shù)等于其樣本觀測值的平均數(shù)，=。 = (+ xt) = += 。得證。 (4) Cov(, xt) = 0 只需證明 ( xt -)= xt- = xt= xt (- xt) = 0。上式為正規(guī)方程之一。 (5) Cov(,) = 0 只需證明 (-

13、)= - = = (+ xt) = +xt = 02、參數(shù)估計量的統(tǒng)計特征(1) 線性特性 這里指和分別是yt的線性函數(shù)。 = =令 kt = ，代入上式得 = kt yt可見是yt的線性函數(shù)，是b1的線性估計量。同理b0也具有線性特性。(2) 無偏性利用上式E() = E( kt yt) = E kt (b0 + b1 xt + ut) = E ( b0 kt + b1 kt xt + kt ut) = Eb1 kt (xt-) + kt ut = b1 + E( kt ut ) = b1 (3) 有效性 b0, b1的OLS估計量的方差比其他估計量的方差小。 Gauss-Marcov定理：

14、若ut滿足E(ut) = 0，D(ut) = s 2，那么用OLS法得到的估計量就具有最佳線性無偏性。估計量稱最佳線性無偏估計量。最佳線性無偏估計特性保證估計值最大限度的集中在真值周圍，估計值的置信區(qū)間最小。 第四節(jié)：統(tǒng)計檢驗和區(qū)間估計一、模型的擬合優(yōu)度檢驗所謂“擬合優(yōu)度”，即模型對樣本數(shù)據(jù)的近似程度，常用判定系數(shù)反映。 1、總平方和分解公式 設(shè)估計的多元線性回歸模型為有 上式記成 TSS =ESS + RSS 2、判定系數(shù)判定系數(shù)為回歸平方和(ESS)占總平方和(TSS)的比重，用符號R2表示，即0R21，R2的值越接近于1，則表明模型對樣本數(shù)據(jù)的擬合優(yōu)度越高。判定系數(shù)的經(jīng)濟含義y的變化中可

15、以用解釋變量的變化來說明的部分，即模型的可解釋程度。調(diào)整判定系數(shù):判定系數(shù)受解釋變量X的個數(shù)k的影響，在進行k不同的模型優(yōu)劣比較時，判定系數(shù)必須進行調(diào)整。SC（Schwarz Criterion，施瓦茲準則）和AIC(Akaike Information Criterion，赤池信息準則)也可以用于比較含有不同解釋變量個數(shù)模型的擬合優(yōu)度：SC或AIC值越小表明模型的擬合優(yōu)度越高。二、變量的顯著性檢驗變量的顯著性檢驗即檢驗?zāi)Ｐ椭忻總€解釋變量對被解釋變量的線性影響是否顯著，檢驗方法為t檢驗法。對于多元線性回歸模型 作原假設(shè)：H0：bj=0構(gòu)造統(tǒng)計量 給定顯著水平，由t分布表查得臨界值t/2.若|t

16、j|t/2，拒絕H0，認為xj對y的線性影響顯著；若|tj|t/2，接受H0，認為xj對y的線性影響不顯著，應(yīng)考慮將xi從模型中剔除或改變模型形式，重新建立模型。變量顯著性檢驗通不過的原因可能在于： 第一，xj與y不存在線性相關(guān)關(guān)系 ；第二，xj與y不存在任何關(guān)系;第三，xi與xj(ij)存在線性相關(guān)關(guān)系。三、區(qū)間估計被解釋變量和解釋變量的值在預(yù)測區(qū)間都是已知的?？梢灾苯佑脤嶋H發(fā)生值評價模型的預(yù)測能力。對于事前預(yù)測，解釋變量是未發(fā)生的。（當模型中含有滯后變量時，解釋變量則有可能是已知的。）當預(yù)測被解釋變量時，則首先應(yīng)該預(yù)測解釋變量的值。對于解釋變量的預(yù)測，通常采用時間序列模型。 T1 T2 T

17、3（目前） 樣本區(qū)間 事后預(yù)測 事前預(yù)測預(yù)測還分為有條件預(yù)測和無條件預(yù)測。對于無條件預(yù)測，預(yù)測式中所有解釋變量的值都是已知的。所以事后預(yù)測應(yīng)該屬于無條件預(yù)測。當一個模型的解釋變量完全由滯后變量組成時，事前預(yù)測也有可能是無條件預(yù)測。例如=+ xt-1當預(yù)測T+1期的yt值時，xt用的是T期值，是已知值。(1) yF 的點預(yù)測。根據(jù)估計的回歸函數(shù)，得 =+ xF(2) 單個yF 的區(qū)間預(yù)測的分布是 N (b0 + b1 xF, s 2 (1+) )所以，yF 的區(qū)間預(yù)測是 ta (T-2) (3) E(yF) 的區(qū)間預(yù)測E() 的分布是E() N (b0 + b1 xF, s 2 (+) )則E(

18、yF) 的區(qū)間預(yù)測是 ta (T-2) 第五節(jié)：多元回歸分析概述一、多元線性回歸模型多元線性回歸模型:表現(xiàn)在線性回歸模型中的解釋變量有多個。一般表現(xiàn)形式：樣本回歸函數(shù)：用來估計總體回歸函數(shù)其隨機表示式: ei稱為殘差或剩余項(residuals)，可看成是總體回歸函數(shù)中隨機擾動項mi的近似替代。二、多元線性回歸模型的基本假定 假設(shè)1，解釋變量是非隨機的或固定的，且各X之間互不相關(guān)（無多重共線性）。 假設(shè)2，隨機誤差項具有零均值、同方差及不序列相關(guān)性 假設(shè)3，解釋變量與隨機項不相關(guān) 假設(shè)4，隨機項滿足正態(tài)分布 第六節(jié)：多元回歸參數(shù)估計對于隨機抽取的n組觀測值如果樣本函數(shù)的參數(shù)估計值已經(jīng)得到，則有

19、： 根據(jù)最小二乘原理，參數(shù)估計值應(yīng)該是下列方程組的解：于是得到關(guān)于待估參數(shù)估計值的正規(guī)方程組： 第七節(jié)：多元回歸的統(tǒng)計檢驗方程的顯著性檢驗，旨在對模型中被解釋變量與解釋變量之間的線性關(guān)系在總體上是否顯著成立作出推斷。即檢驗?zāi)Ｐ?Yi=b0+b1X1i+b2X2i+ +bkXki+mi i=1,2, ,n中的參數(shù)bj是否顯著不為0?？商岢鋈缦略僭O(shè)與備擇假設(shè)： H0： b0=b1=b2= =bk=0 H1： bj不全為0F檢驗的思想來自于總離差平方和的分解式：TSS=ESS+RSS如果這個比值較大，則X的聯(lián)合體對Y的解釋程度高，可認為總體存在線性關(guān)系，反之總體上可能不存在線性關(guān)系。因此,可通過該

20、比值的大小對總體線性關(guān)系進行推斷。根據(jù)數(shù)理統(tǒng)計學(xué)中的知識，在原假設(shè)H0成立的條件下，統(tǒng)計量： 服從自由度為(k , n-k-1)的F分布。給定顯著性水平a，可得到臨界值Fa(k,n-k-1)，由樣本求出統(tǒng)計量F的數(shù)值，通過 F Fa(k,n-k-1) 或 FFa(k,n-k-1)來拒絕或接受原假設(shè)H0，以判定原方程總體上的線性關(guān)系是否顯著成立。 第三章：違背經(jīng)典假設(shè)的回歸模型一、教學(xué)內(nèi)容及學(xué)時分配1異方差 3學(xué)時2序列相關(guān) 3學(xué)時3多重共線性 3學(xué)時二、教學(xué)目的與要求 1了解異方差的意義、產(chǎn)生原因和影響，掌握異方差性的檢驗和修正方法；2了解序列相關(guān)的意義、產(chǎn)生原因和影響，掌握序列相關(guān)性的檢驗和

21、修正方法； 3了解多重共線性的意義、產(chǎn)生原因和影響，掌握多重共線性的檢驗和修正方法。三 、教學(xué)重點與難點異方差、序列相關(guān)、多重共線性檢驗和修正方法四、教學(xué)方法和教具：講授；實驗教學(xué)、多媒體課件第一節(jié)：異方差一、異方差性及其產(chǎn)生的原因1、異方差的定義對于線性回歸模型 若D(i)2i常數(shù) (i=1,2,.n)則稱模型存在異方差性。2、產(chǎn)生異方差的原因模型中遺漏了影響逐漸增大的因素；模型函數(shù)形式的設(shè)定誤差；隨機因素的影響。二、異方差的影響最小二乘估計不再是有效估計；無法正確估計系數(shù)的標準誤差；t檢驗的可靠性降低；增大模型的預(yù)測誤差。三、異方差性的檢驗1、圖示檢驗法（1）相關(guān)圖分析如果隨著x值的增加，

22、散布點分布的區(qū)域逐漸變寬或變窄或出現(xiàn)不規(guī)則的復(fù)雜變化，則表明模型存在著遞增型（遞減型、或復(fù)雜型）的異方差性。在Eviews軟件中，可利用“Scat“命令作Y對X的散點圖： Scat Y X （2）殘差分布圖分析建立回歸模型之后，在方程窗口中點擊Resids按鈕可以得到模型的殘差分布圖，如果殘差分布點不緊緊圍繞在一條水平線變動（既近似為一常數(shù)），其散步區(qū)域逐漸變寬或變窄或出現(xiàn)不規(guī)則的復(fù)雜變化，則表明存在著異方差性。注意觀察之前需要先將數(shù)據(jù)關(guān)于解釋變量排序，命令格式為：SORT X 2、懷特（White）檢驗White檢驗是建立輔助回歸模型的方式來判斷異方差性。其步驟為：（1）估計回歸模型，并計算

23、殘差的平方；（2）估計輔助回歸模型：殘差平方關(guān)于解釋變量的二次函數(shù)。（3）計算輔助回歸模型的判定系數(shù)R2；可以證明，在同方差的假設(shè)下，有nR22(q)其中自由度q為輔助回歸模型中的自變量個數(shù)。（4）對于給定的顯著水平，若nR22(q)，模型存在異方差性；反之，則認為不存在異方差性。利用EViews軟件可以直接進行White檢驗：(1)建立回歸模型： LS Y CX (2)檢驗異方差性：在方程窗口中依次點擊ViewResidual Test White Heteroskedastcity可以選擇在輔助回歸模型中是否包含交叉乘積項（Cross terms）。3、帕克（Park）檢驗和戈里瑟（Gle

24、iser）檢驗帕克檢驗的模型形式為：或 戈里瑟檢驗是利用多個模型形式進行檢驗： 其中，是隨機誤差項。如果經(jīng)檢驗?zāi)硞€方程是顯著的，則表明存在異方差性。四、異方差性的解決方法1、模型變換法模型變換法：對存在異方差性的模型進行適當?shù)淖兞孔儞Q，使之成為滿足同方差假定的模型，這樣仍然可以利用最小二乘法估計變換后的模型，得到的參數(shù)估計還是最佳線性無偏估計。2、加權(quán)最小二乘法（Weighted Least SquareWLS）基本原理 (i為權(quán)重)注意權(quán)重的變化應(yīng)與異方差的變化相反。通常將i直接取成1/2i。3、加權(quán)最小二乘估計的EViews軟件實現(xiàn)（1）利用原始數(shù)據(jù)和OLS法計算ei;（2）生成權(quán)數(shù)變量i

25、 ；（3）使用加權(quán)最小二乘法估計模型【命令方式】LS(W=權(quán)數(shù)變量) Y C X【菜單方式】在方程窗口中點擊Estimate按鈕；在彈出的方程說明對話框中點擊Options，進入?yún)?shù)設(shè)置對話框；在參數(shù)設(shè)置對話框中選定Weighted LS方法，并在權(quán)數(shù)變量欄中輸入權(quán)數(shù)變量，然后點擊OK返回方程說明對話框；點擊OK，系統(tǒng)將采用WLS方法估計模型。（3）對估計后的模型，再使用White檢驗判斷是否消除了異方差性。第二節(jié)：序列相關(guān)一、序列關(guān)及其產(chǎn)生原因1、序列相關(guān)的定義對于模型 如果隨機誤差項的各期值之間存在著相關(guān)關(guān)系，即Cov(t,t-i)E(tt-i)0 (i=1,2,s)則稱模型存在著序列相關(guān)

26、性（Autocorrelation）。隨機誤差項的自相關(guān)性可以有多種形式，其一般形式可以表示為 稱模型存在p階自相關(guān)2、序列相關(guān)產(chǎn)生原因模型中遺漏了重要的解釋變量；模型函數(shù)形式的設(shè)定不當；經(jīng)濟現(xiàn)象發(fā)展慣性；隨機因素的影響。二、序列相關(guān)的影響最小二乘估計不再是有效估計；一般會低估OLS估計的標準誤差；t檢驗的可靠性降低；降低模型的預(yù)測精度。三、序列相關(guān)的檢驗1、殘差圖分析如果隨著時間的推移殘差分布呈現(xiàn)出周期性的變化，說明很可能存在序列相關(guān)性。若呈現(xiàn)不規(guī)則的隨機分布，則直觀認為不存在序列相關(guān)性。在Eviews軟件方程窗口中點擊Resids按鈕，或者點擊View Actual，F(xiàn)itted，Resi

27、dual Tabel，都可以得到殘差分布圖。2、德賓沃森（Durbin-Watson）檢驗 (1) 提出假設(shè) H0 : =0(2)構(gòu)造檢驗統(tǒng)計量： 因為對于大樣本: 由于-11，所以 0 DW 4。（3）進行判斷 根據(jù)樣本容量n、解釋變量k，在給定的顯著水平下，查DW檢驗統(tǒng)計量臨界值的下限dL和上限dU 0DWdL時，拒絕H0， 認為存在一階正序列相關(guān)性。 4-dUDW4時，拒絕H0，認為存在一階負序列相關(guān)性。 dUDW4-dU時，接受H0，認為不存在一階序列相關(guān)性。 dLDWdU，或4-dUDW10時，認為模型存在較嚴重的多重共線性。四、多重共線性的解決方法如果建立模型的目的是進行預(yù)測，可以

28、忽略多重共線性的問題；如果是應(yīng)用模型進行結(jié)構(gòu)分析或政策評價，則需要消除多重共線性的影響。1、直接剔除次要或可替代的變量 將t檢驗通不過、證實為共線性原因的變量剔除；由理論或?qū)嵺`分析，剔除次要的變量。2、間接剔除重要的解釋變量（1）利用附加信息(2）變換模型的形式 變換模型的函數(shù)形式； 變換模型的變量形式； 改變變量的統(tǒng)計指標； （3）綜合使用時序數(shù)據(jù)與橫截面數(shù)據(jù)。 3、逐步回歸從所有解釋變量中間先選擇影響最為顯著的變量建立模型，然后再將模型之外的變量逐個引入模型；每引入一個變量，就對模型中的所有變量進行一次顯著性檢驗，并從中剔除不顯著的變量；逐步引入剔除引入，直到模型之外所有變量均不顯著時為止

29、。第四章：聯(lián)立方程計量經(jīng)濟學(xué)模型一、教學(xué)內(nèi)容及學(xué)時分配1聯(lián)立方程模型概述及識別 3學(xué)時2聯(lián)立方程模型的估計 3學(xué)時二、教學(xué)目的與要求 1了解聯(lián)立方程模型的特點、變量和模型的類型；2掌握聯(lián)立方程模型的類型和方法； 3掌握估計方法：間接最小二乘法、二階段最小二乘法的原理和EVIEWS軟件實現(xiàn)。三 、教學(xué)重點與難點1聯(lián)立方程模型識別；2聯(lián)立方程模型的估計。四、教學(xué)方法和教具：講授；實驗教學(xué)、多媒體課件第一節(jié)：聯(lián)立方程模型概述及識別一、聯(lián)立方程模型的特點聯(lián)立方程模型就是由多個相互聯(lián)系的單一方程組成的方程組。由于其包含的變量和描述的經(jīng)濟關(guān)系較多，所以能夠較為全面地反映經(jīng)濟系統(tǒng)的運行規(guī)律。 其特點：1便于

30、研究經(jīng)濟變量之間的復(fù)雜關(guān)系。2由若干個單方程模型有機地組合而成。3模型中可能同時包含隨機方程和確定性方程。4模型的各個方程中間可能含有隨機解釋變量。二、聯(lián)立方程模型的變量類型1、內(nèi)生變量所謂內(nèi)生變量，即其取值是由模型系統(tǒng)內(nèi)部決定的變量。一般有以下特點： （1）內(nèi)生變量既受模型中其它變量的影響，同時又影響模型中的其它內(nèi)生變量。 （2）內(nèi)生變量一般都直接或間接地受模型系統(tǒng)中隨機誤差項的影響，所以都是具有某種概率分布的隨機變量。 （3）內(nèi)生變量的變化一般都用模型中的某一個方程來描述，所以模型中每個方程等號左端的變量（即被解釋變量）都是內(nèi)生變量。2、外生變量所謂外生變量，即其取值由模型系統(tǒng)之外其它因素

31、決定的變量，一般具有以下特點： （1）外生變量的變化將對模型系統(tǒng)中的內(nèi)生變量直接產(chǎn)生影響，但自身變化卻由模型系統(tǒng)之外其它因素來決定。（2）相對于所構(gòu)造的聯(lián)立方程模型，外生變量可以視為可控的非隨機變量，從而與模型中的隨機誤差項不相關(guān)。 3、前定變量滯后內(nèi)生變量和外生變量的統(tǒng)稱。前定變量與方程中的隨機誤差項通常是互不相關(guān)的。三、聯(lián)立方程模型的類型1、結(jié)構(gòu)式模型(1)定義根據(jù)經(jīng)濟理論和行為規(guī)律建立的、用以描述經(jīng)濟變量之間關(guān)系結(jié)構(gòu)的聯(lián)立方程模型，稱為結(jié)構(gòu)式模型。結(jié)構(gòu)式模型中的每一個方程都稱為結(jié)構(gòu)方程，結(jié)構(gòu)方程中的系數(shù)稱為結(jié)構(gòu)參數(shù)，或結(jié)構(gòu)式參數(shù)。一般包括以下幾種類型： 行為方程：即解釋或描述居民、企業(yè)或

32、政府經(jīng)濟行為的方程。 技術(shù)方程：即根據(jù)客觀經(jīng)濟技術(shù)關(guān)系建立的方程。 制度方程：即由法律、政策法令、規(guī)章制度決定的經(jīng)濟數(shù)量關(guān)系。 統(tǒng)計方程：即根據(jù)經(jīng)濟變量之間統(tǒng)計相關(guān)關(guān)系建立的方程。 恒等方程：包括定義方程和平衡方程（或稱為均衡條件）。 （2）特點模型直觀地描述了經(jīng)濟變量之間的關(guān)系結(jié)構(gòu)，模型的經(jīng)濟意義明確。模型無法直觀地反映各變量之間的間接影響和總影響。無法直接運用結(jié)構(gòu)式模型進行預(yù)測。2、簡化式模型（1）定義將聯(lián)立方程模型中的每個內(nèi)生變量都表示成前定變量和隨機誤差項的函數(shù)，即用所有前定變量作為每個內(nèi)生變量的解釋變量，這樣形成的模型稱為簡化式模型。簡化式模型中的每個方程都稱為簡化式方程。方程中的系

33、數(shù)稱為簡化式參數(shù)（或簡化式系數(shù)），一般用符號來表示。 (2)特點簡化式方程的解釋變量都是與隨機誤差項不相關(guān)的前定變量。簡化式參數(shù)反映了前定變量對內(nèi)生變量的總影響，包括直接影響和間接影響。利用簡化式模型可以直接進行預(yù)測。模型的經(jīng)濟含義不明確。3、結(jié)構(gòu)式模型與簡化式模型的關(guān)系(1)結(jié)構(gòu)式模型與簡化式模型的矩陣表示形式結(jié)構(gòu)式模型的矩陣表示形式：其中，B為內(nèi)生表量的結(jié)構(gòu)系數(shù)矩陣，為前定標量的結(jié)構(gòu)系數(shù)矩陣，Y、X、分別為內(nèi)生變量向量、前定變量向量和隨機誤差項向量。簡化式模型的矩陣表示形式：其中為簡化式參數(shù)矩陣。(2)結(jié)構(gòu)式模型與簡化式模型的參數(shù)關(guān)系體系四、聯(lián)立方程模型的識別1、識別的概念和類型利用參數(shù)關(guān)

34、系體系能否求解出結(jié)構(gòu)參數(shù)值以及是否唯一求解出結(jié)構(gòu)參數(shù)值的判斷過程稱之為識別。只有結(jié)構(gòu)式模型以及隨機結(jié)構(gòu)方程才存在識別問題。對于每個隨機結(jié)構(gòu)方程而言，如果其所含的結(jié)構(gòu)參數(shù)值都可以從參數(shù)關(guān)系體系中求解出來，則稱該方程為可以識別，否則為不可識別；如果其所含的結(jié)構(gòu)參數(shù)值都可以從參數(shù)關(guān)系體系中唯一求解出來，則稱該方程為恰好識別；如果其所含的結(jié)構(gòu)參數(shù)值不能從參數(shù)關(guān)系體系中唯一求解出來，則稱該方程為過度識別。2、識別的判別條件（1）識別的階條件設(shè)G為模型中內(nèi)生變量個數(shù)（即方程個數(shù)），K為模型中前定變量個數(shù)，g為某個特定結(jié)構(gòu)方程中的內(nèi)生變量個數(shù)，k為某個特定結(jié)構(gòu)方程中的前定變量個數(shù)。若 gkK 該方程不可識別

35、若 gkK 該方程恰好識別若 gkK 該方程過度識別識別的階條件只是一個必要條件，而非充分條件。（2）識別的秩條件在具有G個方程的結(jié)構(gòu)式模型中，所有不包含在該方程中的變量的結(jié)構(gòu)參數(shù)矩陣的秩為G1。或者說，該方程被斥變量的結(jié)構(gòu)系數(shù)矩陣中，至少有一個G1階的非零行列式。第二節(jié)：聯(lián)立方程模型的估計一、恰好識別模型的估計1、間接最小二乘法（ILS）的原理先利用OLS估計簡化式方程，再通過參數(shù)關(guān)系體系，由簡化式參數(shù)的估計值求解得到結(jié)構(gòu)參數(shù)的估計值。間接最小二乘法只適用于恰好識別的結(jié)構(gòu)方程。2、間接最小二乘法的步驟判斷結(jié)構(gòu)方程的識別狀態(tài)；將結(jié)構(gòu)式模型轉(zhuǎn)化成簡化式模型，得到參數(shù)關(guān)系體系，并解出結(jié)構(gòu)參數(shù)與簡化式參數(shù)之間的關(guān)系式；利用OLS法估計簡化式方程；將簡化式參數(shù)估計值代入?yún)?shù)關(guān)系體系，解出結(jié)構(gòu)參數(shù)二、過度識別模型的估計1、二階段最小二乘估計（2SLS）的原理設(shè)法尋找一個變量來替代變量中的內(nèi)生變量Y，采用OLS法估計變量替代后的結(jié)構(gòu)方程。由于估計過程分成兩個階段，每個階段都利用最小二乘法估計參數(shù)，所以稱之為二（階）段最小