計(jì)量經(jīng)濟(jì)學(xué)復(fù)習(xí)筆記

1、計(jì)量經(jīng)濟(jì)學(xué)復(fù)習(xí)筆記CH1導(dǎo)論1、 計(jì)量經(jīng)濟(jì)學(xué)：以經(jīng)濟(jì)理論和經(jīng)濟(jì)數(shù)據(jù)的事實(shí)為依據(jù)，運(yùn)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)的方法，通過建立數(shù)學(xué)模型來研究經(jīng)濟(jì)數(shù)量關(guān)系和規(guī)律的一門經(jīng)濟(jì)學(xué)科。研究主體是經(jīng)濟(jì)現(xiàn)象及其發(fā)展變化的規(guī)律。2、運(yùn)用計(jì)量分析研究步驟：模型設(shè)定確定變量和數(shù)學(xué)關(guān)系式估計(jì)參數(shù)分析變量間具體的數(shù)量關(guān)系模型檢驗(yàn)檢驗(yàn)所得結(jié)論的可靠性模型應(yīng)用做經(jīng)濟(jì)分析和經(jīng)濟(jì)預(yù)測3、模型變量:解釋變量:表示被解釋變量變動原因的變量，也稱自變量，回歸元。被解釋變量:表示分析研究的對象，變動結(jié)果的變量，也成應(yīng)變量。內(nèi)生變量:其數(shù)值由模型所決定的變量，是模型求解的結(jié)果。外生變量:其數(shù)值由模型意外決定的變量。外生變量數(shù)值的變化能夠影響內(nèi)生變量

2、的變化，而內(nèi)生變量卻不能反過來影響外生變量。前定內(nèi)生變量：過去時期的、滯后的或更大范圍的內(nèi)生變量，不受本模型研究范圍的內(nèi)生變量的影響，但能夠影響我們所研究的本期的內(nèi)生變量。前定變量：前定內(nèi)生變量和外生變量的總稱。數(shù)據(jù):時間序列數(shù)據(jù)：按照時間先后排列的統(tǒng)計(jì)數(shù)據(jù)。截面數(shù)據(jù)：發(fā)生在同一時間截面上的調(diào)查數(shù)據(jù)。面板數(shù)據(jù)：虛擬變量數(shù)據(jù)：表征政策，條件等，一般取0或1.4、估計(jì)評價統(tǒng)計(jì)性質(zhì)的標(biāo)準(zhǔn)無偏：E（）= 隨機(jī)變量，變量的函數(shù)？有效：最小方差性一致：N趨近無窮時，估計(jì)越來越接近真實(shí)值5、檢驗(yàn)經(jīng)濟(jì)意義檢驗(yàn)：所估計(jì)的模型與經(jīng)濟(jì)理論是否相等統(tǒng)計(jì)推斷檢驗(yàn)：檢驗(yàn)參數(shù)估計(jì)值是否抽樣的偶然結(jié)果，是否顯著計(jì)量經(jīng)濟(jì)檢驗(yàn)：

3、是否符合計(jì)量經(jīng)濟(jì)方法的基本假定預(yù)測檢驗(yàn)：將模型預(yù)測的結(jié)果與經(jīng)濟(jì)運(yùn)行的實(shí)際對比CH2 CH3 線性回歸模型模型（假設(shè)）估計(jì)參數(shù)檢驗(yàn)擬合優(yōu)度預(yù)測1、模型（線性）（1）關(guān)于參數(shù)的線性 模型就變量而言是線性的；模型就參數(shù)而言是線性的。 Yi=1+2lnXi+ui 線性影響 隨機(jī)影響 Yi=E（Yi|Xi）+ui E（Yi|Xi）=f(Xi)=1+2lnXi 引入隨機(jī)擾動項(xiàng)，（3）古典假設(shè)A零均值假定 E（ui|Xi）=0B同方差假定 Var(ui|Xi)=E(ui2)=2C無自相關(guān)假定 Cov(ui,uj)=0D隨機(jī)擾動項(xiàng)與解釋變量不相關(guān)假定 Cov(ui,Xi)=0E正態(tài)性假定uiN(0,2)F無多

4、重共線性假定Rank(X)=k2、估計(jì)在古典假設(shè)下，經(jīng)典框架，可以使用OLS方法：OLS 尋找min ei2 1ols = (Y均值)-2(X均值) 2ols = xiyi/xi23、性質(zhì)OLS回歸線性質(zhì)（數(shù)值性質(zhì)） （1）回歸線通過樣本均值 （X均值,Y均值） （2）估計(jì)值Yi的均值等于實(shí)際值Yi的均值 （3）剩余項(xiàng)ei的均值為0 （4）被解釋變量估計(jì)值Yi與剩余項(xiàng)ei不相關(guān) Cov(Yi,ei)=0 （5）解釋變量Xi與剩余項(xiàng)ei不相關(guān) Cov(ei,Xi)=0在古典假設(shè)下，OLS的統(tǒng)計(jì)性質(zhì)是BLUE統(tǒng)計(jì) 最佳線性無偏估計(jì)4、檢驗(yàn)(1)Z 檢驗(yàn)Ho:2=0 原假設(shè) 驗(yàn)證2是否顯著不為0標(biāo)準(zhǔn)

5、化： Z=（2-2）/SE（2）N（0,1） 在方差已知，樣本充分大用Z檢驗(yàn) 拒絕域在兩側(cè)，跟臨界值判斷，是否2顯著不為0(2)t 檢驗(yàn)回歸系數(shù)的假設(shè)性檢驗(yàn)方差未知，用方差估計(jì)量代替 2=ei2/(n-k) 重點(diǎn)記憶t =（2-2）/SE（2）t（n-2）拒絕域：|t|>=t2/a(n-2) 拒絕，認(rèn)為對應(yīng)解釋變量對被解釋變量有顯著影響。P值是尚不能拒絕原假設(shè)的最大顯著水平。 （所以P越小，顯著性越好） P值>a 不拒絕 P值<a 拒絕(3)F檢驗(yàn)回歸方程顯著性檢驗(yàn)，檢驗(yàn)整個模型原假設(shè)Ho:2=3=4=0 （多元，依次寫下去）F=ESS/(k-1)/RSS/(n-k)F（k-

6、1,n-k）統(tǒng)計(jì)量F服從自由度為k-1和n-k的F分布F> Fa（k-1,n-k） (說明F越大越好)拒絕：說明回歸方程顯著，即列入模型的各個解釋變量聯(lián)合起來對被解釋變量有顯著影響一元回歸下，F(xiàn)與t檢驗(yàn)一致，且 F=t25、擬合優(yōu)度檢驗(yàn)（1）可決系數(shù)（判定系數(shù)）R2=ESS/TSS=1-RSS/TSS 特點(diǎn)： 非負(fù)統(tǒng)計(jì)量，取值0,1，樣本觀測值的函數(shù)，隨機(jī)變量對其解釋：R2=0.95,表示擬合優(yōu)度比較高，變量95%的變化可以用此模型解釋，只有5%不準(zhǔn)確(2)修正的可決系數(shù) adjusted R2=1-(1- R2）(n-1)/(n-k)adjusted R2取值0,1 計(jì)算出負(fù)值時，規(guī)定

7、為0k=1時，adjusted R2= R2（3）F與可決系數(shù)F=(n-k)/（k-1）* R2/ (1-R2)adjusted R2,R2,F 都是隨機(jī)變量聯(lián)系：a都是顯著性檢驗(yàn)的方法b構(gòu)成統(tǒng)計(jì)量都是用TSS=ESS+RSSc二者等價，伴隨可決系數(shù)和修正可決系數(shù)增加，F(xiàn)統(tǒng)計(jì)量不斷增加R2 =0時，F(xiàn)=0；R2=1時，F(xiàn)趨近無窮；區(qū)別：a F有明確分布，R2沒有b F檢驗(yàn)可在某顯著水平下得出結(jié)論，可決系數(shù)是模糊判斷6、預(yù)測平均值預(yù)測和個別值預(yù)測A預(yù)測不僅存在抽樣波動引起的誤差，還要受隨機(jī)擾動項(xiàng)的影響。個別值預(yù)測比平均值預(yù)測的方差大。個別值預(yù)測區(qū)間也大于平均值預(yù)測區(qū)間。B 對平均值和個別值預(yù)測區(qū)

8、間都不是常數(shù)。 Xf趨近X均值，預(yù)測精度增加，預(yù)測區(qū)間最窄C 預(yù)測區(qū)間和樣本容量N有關(guān)，樣本容量越大，預(yù)測誤差方差越小，預(yù)測區(qū)間越窄。樣本容量趨于無窮個別值的預(yù)測誤差只決定于隨機(jī)擾動項(xiàng)的方差。CH4多重共線性后果/原因如何檢驗(yàn)如何修正1、后果/原因（1）完全/不完全多重共線 X3=X1+2X2 完全多重共線 參數(shù)無法估計(jì) 非滿秩矩陣 不可逆 X3=X1+X2+u 不完全多重共線性（2）無多重共線性 模型無多重共線性,解釋變量間不存在完全或不完全的線性關(guān)系 X是滿秩矩陣 可逆 Rank(X)=k Rank(XX)=k 從而XX可逆（XX）-1存在（3）多重共線原因 經(jīng)濟(jì)變量之間具有共同變化趨勢

9、模型中包含滯后變量 使用截面數(shù)據(jù)建立模型 樣本數(shù)據(jù)自身原因（4）后果存在多重共線性時，OLS估計(jì)式仍然是BLUE（最佳線性無偏估計(jì)） 不影響無偏性 （無偏性是重復(fù)抽樣的特性） 不影響有效性 （是樣本現(xiàn)象，與無多重共線性相比方差擴(kuò)大，但采用OLS估計(jì) 后，方差仍最?。?不影響一致性2、檢驗(yàn)（1）兩兩相關(guān)系數(shù) （充分條件） 兩兩相關(guān)可以推出多重共線性 反過來不一定 系數(shù)比較高，則可認(rèn)為存在著較嚴(yán)重的多重共線性（2）直觀判斷 （綜合判斷法） 參數(shù)聯(lián)合顯著性很高（通過F檢驗(yàn)）但個別重要解釋變量存在異常，t不顯著，或者為負(fù)，與經(jīng)濟(jì)意義違背。F檢驗(yàn)通過， t不通過，因?yàn)榉讲顢U(kuò)大了 F是由RSS計(jì)算得出的（

10、3）方差擴(kuò)大因子 VIFj=1/(1-Rj2) 方差與VIF正相關(guān) VIF>10 嚴(yán)重多重共線Rj2是多個解釋變量輔助回歸確定多重可決系數(shù)（4）逐步回歸（也是修正方法） 不會有計(jì)算，但要了解過程針對多重共線性，沒有什么特別好的修正方法，建模前要事先考慮，如果出現(xiàn)重要解釋變量的多重共線性，可以考慮擴(kuò)大樣本容量CH5 異方差原因、后果檢驗(yàn)修正（WLS）異方差：被解釋變量觀測值的分散程度是隨解釋變量的變化而變化的。Var(ui|Xi)=E(ui2)=i2=2f(Xi)1、 原因后果（1） 產(chǎn)生原因A 模型設(shè)定誤差B 測量誤差的變化C 截面數(shù)據(jù)中總體各單位的差異異方差性在截面數(shù)據(jù)中比在時間序列數(shù)

11、據(jù)中可能更常出現(xiàn)，因?yàn)橥粫r點(diǎn)不同對象的差異，一般來說會大于同一對象不同時間的差異。（2） 后果A 參數(shù)的OLS估計(jì)仍然具有無偏性（無偏性僅依賴零均值假定，解釋變量的非隨機(jī)性）B 參數(shù)OLS估計(jì)式的方差不再是最小的，影響有效性（方差會被低估，從而夸大t統(tǒng)計(jì)量，t，F(xiàn)檢驗(yàn)失效，區(qū)間預(yù)測會受影響，不顯著的也有可能變顯著）C 不滿足有效性，則也會影響一致性2、 檢驗(yàn)(要知道判斷時原假設(shè)和備擇假設(shè)；檢驗(yàn)命題統(tǒng)計(jì)量；輔助回歸函數(shù)形式；適用條件)原假設(shè)：同方差 備擇假設(shè)：異方差（1） 圖示：簡單易操作，但判斷比較粗糙（2） GQ：Goldfeld-Quanadt戈德菲爾德-夸特檢驗(yàn)A 大樣本，除同方差假定

12、不成立，其余假定要滿足B 對解釋變量大小排序C 去除中間C個觀測值（樣本的1/5-1/4），分成兩個部分D構(gòu)造F統(tǒng)計(jì)量，兩個部分殘差平方和服從卡方分布，則F=兩部分殘差平方和相除（大的除以小的）F（(n-c)/2-k,(n-c)/2-k） F>臨界值，拒絕原假設(shè)，則認(rèn)為存在異方差E 可判斷是否存在異方差，不能確定是哪個變量引起（3） WhiteA 大樣本，喪失較多自由度B 做殘差對常數(shù)項(xiàng)、解釋變量、解釋變量平方及其交叉乘積等所構(gòu)成的輔助回歸 ei2 C 計(jì)算統(tǒng)計(jì)量nR2，n為樣本容量，R2為輔助回歸的可決系數(shù)D 統(tǒng)計(jì)量服從卡方分布nR2>卡方a(df) 拒絕原假設(shè)，表明模型存在異方

13、差E 不僅能夠檢驗(yàn)異方差，還能判斷是哪個變量引起的異方差（4） ArchA 用于大樣本，只對時間序列檢驗(yàn)B 做OLS估計(jì)，求殘差，并計(jì)算殘差平方序列et2,et-12.做輔助回歸et2et-12et-p2C 計(jì)算輔助回歸可決系數(shù)R2，統(tǒng)計(jì)量(n-p) R2 p是ARCH過程的階數(shù)D 統(tǒng)計(jì)量服從卡方分布 （統(tǒng)計(jì)量就是”O(jiān)bs*R-squared”所顯示的數(shù)值） (n-p) R2>卡方a(p) 拒絕原假設(shè)，表明模型存在異方差E 能判斷是否存在異方差，但不能診斷是哪一個變量引起的（5） Glejser可以忽略。 要求大樣本3、 修正（1） 對模型 變換，取對數(shù)，但不能消除，只能減輕后果（2）

14、WLS （不考計(jì)算，主要掌握思想）使殘差平方和最小，在存在異方差時，方差越小的應(yīng)約重視，確定回歸線作用越大，反之同理。在擬合時應(yīng)對較小的殘差平方給予較大的權(quán)數(shù)，對較大的殘差平方給予較小的權(quán)數(shù)。通?？扇=1/i2 將權(quán)數(shù)與殘差平方相乘后再求和變換模型后剩余項(xiàng)u = ui/根號下f(Xi) 已是同方差 Var(u)= i2/f(Xi)= 2CH6 自相關(guān)原因/后果檢驗(yàn)（DW是唯一方法）修正（從廣義差分出發(fā)）自相關(guān)：（序列相關(guān)）總體回歸模型的隨機(jī)誤差項(xiàng)ui之間存在的 相關(guān)關(guān)系。Cov(ui,uj)不為0 自相關(guān)形式： ut=put-1+vt ( -1<p<1) 一階線性自相關(guān)1、原因

15、（從時間序列出發(fā)考慮） 經(jīng)濟(jì)系統(tǒng)的慣性 經(jīng)濟(jì)活動滯后效應(yīng) 數(shù)據(jù)處理造成的相關(guān) 蛛網(wǎng)現(xiàn)象（某種商品的供給量受前一期價格影響而表現(xiàn)出的規(guī)律性） 模型設(shè)定偏誤（虛假自相關(guān)，可以改變模型而消除）2、后果（1）違背古典假定，繼續(xù)適用OLS估計(jì)參數(shù)，會產(chǎn)生嚴(yán)重后果，和異方差情形類似（2）影響有效性，一致性；但不會影響無偏性。（3）通常低估參數(shù)估計(jì)值的方差，t統(tǒng)計(jì)量被高估，夸大顯著性，t檢驗(yàn)失去意義。t、F、 R2檢驗(yàn)均不可靠，區(qū)間預(yù)測精度降低，置信區(qū)間不可靠。3、檢驗(yàn) （ DW是唯一方法） （1）前提條件 A 解釋變量X為非隨機(jī)B 隨機(jī)誤差項(xiàng)為一階自回歸形式C 線性模型的解釋變量中不包含之后的被解釋變量D

16、 截距項(xiàng)不為零，只適用于有常數(shù)項(xiàng)的回歸模型E 數(shù)據(jù)序列無缺失項(xiàng)（2）表達(dá)式 DW= (et-et-1)2/et2DW約= 2（1-p） |p|<=1 所以 DW0,4（3）判斷 根據(jù)樣本容量n，解釋變量的數(shù)目k（不含常數(shù)項(xiàng)） 查DW分布表，得到臨界值dL,dU0DWdL 正相關(guān)dL<DWdU 無法判斷dU <DW< 4-dU 無自相關(guān)4-dUDW<4-dL 無法判斷4-dLDW4 負(fù)相關(guān)模型中不存在滯后被解釋變量，否則用得賓h檢驗(yàn)4、 修正（廣義差分）(1)廣義差分（p已知）ut=put-1+vt vt為白噪聲，符合古典假定 vt=ut-put-1 所以Yt=Yt

17、-pYt-1 此時，模型中隨機(jī)擾動項(xiàng)ut-put-1無自相關(guān) （白噪聲過程）(2)p未知情況下，先估計(jì)p，在使用廣義差分 A 科科倫-奧科特迭代法p=1-DW/2 利用殘差et 輔助回歸 et=pet-1+vt 用第一次的估計(jì)p值進(jìn)行廣義差分，得到新的樣本回歸函數(shù)，繼續(xù)輔助回歸，直到兩次估計(jì)的p值相差很小，或者回歸所得DW統(tǒng)計(jì)量表明以無自相關(guān)為止。得到較高精度的估計(jì)p值后，再用廣義差分對自相關(guān)修正效果較好。 B 得賓兩步法 第一步：利用廣義差分形式，做Yt對Yt-1、Xt、Xt-1的回歸模型，用OLS估計(jì)參數(shù)，Yt-1對應(yīng)的系數(shù)就是p的估計(jì)值。但是是有偏、一致的估計(jì)。 第二步：利用p的估計(jì)值，

18、進(jìn)行廣義差分，再使用OLS對廣義差分方程估計(jì)參數(shù)，得到無偏估計(jì)CH7 分布滯后模型和自回歸模型分布滯后模型（僅用于時間序列）自回歸建立（數(shù)學(xué)：庫伊克/經(jīng)濟(jì)：自適應(yīng)預(yù)期、局部調(diào)整）自回歸模型估計(jì)1、 分布滯后模型（不含滯后被解釋變量）Yt=+0Xt+1Xt-1+2Xt-2+sXt-s+ut（1） 分類：有限分布滯后模型/無限分布滯后模型（2） 乘數(shù)效應(yīng)短期乘數(shù)（即期乘數(shù)）0 表示本期X變動一個單位對Y值的影響大小延遲乘數(shù)（動態(tài)乘數(shù)）i （i=1,2s）表示過去各時期X變動一個單位對Y值的影響大小長期乘數(shù)（總分布乘數(shù)）i 表示X變動一個單位時，包括滯后效應(yīng)而形成的對Y值的總影響Eg.問短期乘數(shù)是多

19、少？就是問X本期的系數(shù)0（3） 估計(jì)（有限期滯后）經(jīng)驗(yàn)加權(quán)：對解釋變量系數(shù)賦予一定權(quán)數(shù)，形成新的變量，再用OLSYt=+0Zt +ut常見類型A遞減滯后結(jié)構(gòu)：遠(yuǎn)小近大，常見類型B不變滯后結(jié)構(gòu)：權(quán)數(shù)不變C型滯后結(jié)構(gòu)：兩頭小，中間大特點(diǎn)：簡單易行、少損失自由度、避免多重共線性干擾、參數(shù)估計(jì)一致性。設(shè)置權(quán)數(shù)主觀性大。通常多選幾組權(quán)數(shù)分別估計(jì)，根據(jù)可決系數(shù)、F、t、估計(jì)標(biāo)準(zhǔn)差及DW值，選擇最佳估計(jì)方程。阿爾蒙法思想：為了消除共線性，用某種多項(xiàng)式來逼近滯后參數(shù)的變化結(jié)構(gòu)，從而減少待估參數(shù)個數(shù)?；驹恚涸谟邢薹植紲竽Ｐ蜏箝L度S已知的情況下，滯后項(xiàng)系數(shù)可以看成是相應(yīng)滯后期i的函數(shù)。在以滯后期i為橫軸，

20、之后系數(shù)為縱軸的坐標(biāo)系中，如果這些滯后系數(shù)落在一條光滑曲線上，或近似落在一條光滑曲線上，則可以由一個關(guān)于i的次數(shù)較低的m次多項(xiàng)式很好的逼近阿爾蒙多項(xiàng)式變換i=0+1 i+2 i2+m im (i=.s; m遠(yuǎn)遠(yuǎn)<s,一般m取2-4就好)對所有i進(jìn)行變換，帶回分布滯后模型，再仿照經(jīng)驗(yàn)加權(quán)將模型改寫：Yt=+0 Z0t +1 Z 1t+2 Z 2t+m Zmt+utut滿足古典假設(shè),可以用OLS估計(jì)m如果取得過大則達(dá)不到通過阿爾蒙多項(xiàng)式變換減少變量個數(shù)的目的。特點(diǎn)：新模型中變量個數(shù)少于原分布滯后模型中的變量個數(shù)，自由度得到保證，一定程度上環(huán)節(jié)了多重共線性。2、 自回歸模型建立無限期滯后模型（

21、1） 庫伊克變換A 施加約束條件，假定滯后解釋變量對被解釋變量的影響隨滯后期i的增加按幾何衰減，即滯后系數(shù)的衰減服從某公比小于1的幾何級數(shù) i=0i 長期乘數(shù)0/(1-)為待估參數(shù)，稱作分布滯后衰減率；越接近0，衰減速度越快；1-為調(diào)整速度 B將i帶入無限分布滯后模型求Yt，再將Yt滯后一期求得Yt-1C Yt-1同時乘以，求得Yt-Yt-1 ，變換得庫伊克模型： Yt=(1-)+ 0 Xt +Yt-1+（ ut- ut-1） Yt=*+ 0* Xt +1* Yt-1+ ut* （一階自回歸模型）D優(yōu)點(diǎn)：模型結(jié)構(gòu)簡化；最大限度 保證自由度；解決滯后長度難以確定的問題；緩解多重共線性E缺陷： 假

22、定呈幾何滯后結(jié)構(gòu)，某些經(jīng)濟(jì)變量可能不適用； 庫伊克隨機(jī)擾動項(xiàng)ut*= ut- ut-1 很有可能造成自相關(guān)；（最嚴(yán)重的?。?將滯后一期被解釋變量引入模型，不一定符合基本假設(shè)； 純粹的數(shù)學(xué)運(yùn)算結(jié)果，缺乏經(jīng)濟(jì)理論依據(jù)。 Eg.如果給你個模型，說是庫伊克模型，根據(jù)這個提問，你要清楚：這是個無限分布滯后模型，還要知道一階自回歸與原模型的對應(yīng)關(guān)系（2） 自適應(yīng)預(yù)期（解釋變量）A假定：經(jīng)濟(jì)活動主體會根據(jù)自己過去在做預(yù)期時犯錯誤的程度，來修正以后每一期的預(yù)期，即按照過去預(yù)測偏差的某一比例對當(dāng)前期望修正，以適應(yīng)新的經(jīng)濟(jì)環(huán)境Xt*= Xt-1*+ r(Xt Xt-1*) = rXt + (1r)Xt-1* B

23、ut*= ut-(1r) ut-1 有可能產(chǎn)生自相關(guān)（3） 局部調(diào)整（被解釋變量）A假定：被解釋變量的實(shí)際變化僅僅是預(yù)期變化的一部分，即: Yt Yt-1=（ Yt* Yt-1）為調(diào)整系數(shù)，代表調(diào)整速度；約接近1，表明調(diào)整到預(yù)期最佳水平速度越快 B ut*= ut 不存在自相關(guān)，可以使用OLS估計(jì)（4） 對比聯(lián)系：庫伊克、自適應(yīng)預(yù)期、局部調(diào)整模型最終形式都是一階自回歸；區(qū)別：1導(dǎo)出模型經(jīng)濟(jì)背景思想不同 庫伊克：無限分布滯后模型的基礎(chǔ)上根據(jù)庫伊克幾何分布滯后假定導(dǎo)出 自適應(yīng)：由解釋變量的自適應(yīng)過程得到 局部調(diào)整：對被解釋變量的局部調(diào)整得到 2 對應(yīng)的自回歸形式中，由于模型的形成機(jī)理不同，而隨機(jī)誤

24、差項(xiàng)結(jié)構(gòu)不同，對模型估計(jì)帶來一定影響。eg.如果模型分析有自相關(guān)，又是由局部調(diào)整模型引起的，則是由數(shù)據(jù)本身產(chǎn)生的；如果是庫伊克或者自適應(yīng)預(yù)期模型引起的，則會存在在模型變換中產(chǎn)生自相關(guān)的可能。3、 自回歸模型的估計(jì)與檢驗(yàn)（1） 主要問題：出現(xiàn)了隨機(jī)解釋變量Yt-1,而Yt-1可能與隨機(jī)擾動項(xiàng)相關(guān)；隨機(jī)擾動項(xiàng)可能自相關(guān)。如果直接用OLS，估計(jì)結(jié)果是有偏的，不是一致的。 （2）解決方法：A消除滯后一期被解釋變量與隨機(jī)擾動項(xiàng)的相關(guān)性（工具變量法）；B檢驗(yàn)是否存在自相關(guān)（德賓h檢驗(yàn)法）。（3）估計(jì)工具變量法：進(jìn)行參數(shù)估計(jì)的過程中選擇適當(dāng)?shù)墓ぞ咦兞?，代替回歸模型中同隨機(jī)擾動項(xiàng)存在相關(guān)性的解釋變量。滿足條件

25、：與所代替的解釋變量高度相關(guān)；與隨機(jī)擾動項(xiàng)不相關(guān)；與其他解釋變量不相關(guān)，以免多重共線。（4）檢驗(yàn)德賓h檢驗(yàn)法 A 不能再使用DW法（其不適合方程含有滯后的被解釋變量） B記憶h統(tǒng)計(jì)量公式：193頁 Var(1*)表示滯后一期被解釋變量的回歸系數(shù)估計(jì)方差，s.e平方就可得到數(shù)值 C 假設(shè)：p=0時， h統(tǒng)計(jì)量服從正態(tài)分布,（原假設(shè)：無自相關(guān)）對比臨界值h/2 ,若|h|> h/2,拒絕原假設(shè),說明自回歸模型存在一階自相關(guān) D使用條件：針對大樣本；可以適用任意階的自回歸模型CH11 聯(lián)立方程組模型建立識別估計(jì)1、 概念及模型（1） 聯(lián)立方程模型：用若干個相互關(guān)聯(lián)的單一方程，同時去表示一個經(jīng)濟(jì)

26、系統(tǒng)中經(jīng)濟(jì)變量相互聯(lián)立依存性的模型，即用一個聯(lián)立方程組去表現(xiàn)多個變量間互為因果的聯(lián)立關(guān)系。（2） 變量類型A內(nèi)生變量：變量時由模型體現(xiàn)的經(jīng)濟(jì)系統(tǒng)本身所決定的，隨機(jī)變量。B外生變量：在模型體現(xiàn)的經(jīng)濟(jì)系統(tǒng)之外給定的，非隨機(jī)變量。C前定變量：模型中滯后內(nèi)生變量或更大范圍的內(nèi)生變量和外生變量統(tǒng)稱。D：區(qū)別單一方程中：前定變量一般作為解釋變量；內(nèi)生變量作為被解釋變量。聯(lián)立方程模型中：內(nèi)生變量既可以做被解釋變量，又可以做解釋變量。（3） 模型形式A結(jié)構(gòu)模型：根據(jù)經(jīng)濟(jì)行為理論或經(jīng)濟(jì)活動規(guī)律，描述經(jīng)濟(jì)變量之間現(xiàn)實(shí)的經(jīng)濟(jì)結(jié)構(gòu)關(guān)系的模型。表現(xiàn)變量間直接的經(jīng)濟(jì)聯(lián)系，將某內(nèi)生變量直接表示為內(nèi)生變量和前定變量的函數(shù)。 BY+TX=UB簡化模型：每個內(nèi)生變量都只被表示成前定變量及隨機(jī)擾動項(xiàng)函數(shù)的聯(lián)立方程組模型。在簡化模型中的每個方程右端不再出現(xiàn)內(nèi)生變量。 （可以直接做預(yù)測） Y=TX+VC特點(diǎn)和區(qū)別結(jié)構(gòu)：方程右端可能有內(nèi)生變量；明確的經(jīng)濟(jì)意義；具有偏倚性不能直接OLS；不能直接用結(jié)夠模型預(yù)測。簡化：右端不再出現(xiàn)內(nèi)生變量，只有前定變量作為解釋變量；前定變量與隨機(jī)誤差項(xiàng)不相關(guān)；參數(shù)反映前定變量對內(nèi)生變量的直接影響與間接影響，表現(xiàn)了影響乘數(shù)；可以直接進(jìn)行預(yù)測。2、 識別（1） 類型：不可識別；恰好識別；過度識別。不可