《計(jì)量經(jīng)濟(jì)學(xué)原理與應(yīng)用》課件

1、許振宇主編計(jì)量經(jīng)濟(jì)學(xué)原理與應(yīng)用 主講教師：* （職稱，學(xué)歷） 聯(lián)系方式：* （清華大學(xué)出版社）希望同學(xué)們2016年有所改變和進(jìn)步！學(xué)會愉快的學(xué)習(xí)，尋找最佳的學(xué)習(xí)方法；勤能補(bǔ)拙，適當(dāng)給自己學(xué)習(xí)壓力；成大事者往往有大志，有目標(biāo)，能刻苦，能經(jīng)受各種壓力，有很好的人際關(guān)系（包括師生關(guān)系和同學(xué)關(guān)系），能夠?qū)彆r(shí)度勢，能夠利用身邊的環(huán)境擴(kuò)展自己的生存空間。學(xué)好該課程的基本要求要預(yù)習(xí)和經(jīng)常閱讀教材（通俗易懂），培養(yǎng)自學(xué)能力；不能缺課（屬于平時(shí)成績范疇），要認(rèn)真聽老師講課（學(xué)會抓重點(diǎn)，適當(dāng)做筆記），提高理解能力，學(xué)會思考相關(guān)計(jì)量經(jīng)濟(jì)學(xué)問題；要課后閱讀同類教材（2本以上）或網(wǎng)絡(luò)學(xué)習(xí)相關(guān)知識；要能提出計(jì)量經(jīng)濟(jì)學(xué)問題

2、和解決相關(guān)問題。前言： （編者）致學(xué)生現(xiàn)有國內(nèi)出版的計(jì)量經(jīng)濟(jì)學(xué)教材，往往過于偏重理論的詮釋，不適宜應(yīng)用型高等院校的教學(xué)要求。我們確定本教材編寫的原則為“理論精簡，突顯實(shí)務(wù)”，授課對象為應(yīng)用型高等院校學(xué)生。 著名西方經(jīng)濟(jì)學(xué)家薩繆爾森（P.Samuelson）指出：“經(jīng)濟(jì)學(xué)已進(jìn)入計(jì)量經(jīng)濟(jì)學(xué)的時(shí)代”?！緝?nèi)容簡介】 在講清基本原理的基礎(chǔ)上，列出詳細(xì)的軟件操作步驟，盡可能彰顯出應(yīng)用型教材的特點(diǎn)；突出計(jì)量經(jīng)濟(jì)學(xué)的知識性、趣味性、應(yīng)用性、實(shí)踐性、前沿性等特征。共十一章：計(jì)量經(jīng)濟(jì)學(xué)的概念、計(jì)量經(jīng)濟(jì)學(xué)模型的構(gòu)建步驟、一元線性回歸模型、多元線性回歸模型、異方差問題、多重共線問題、隨機(jī)解釋變量問題、虛擬變量模型、滯

3、后變量模型、聯(lián)立方程模型、時(shí)間序列平穩(wěn)性問題等。第一章 計(jì)量經(jīng)濟(jì)學(xué)概述【情景寫實(shí)】全球零售業(yè)巨頭沃爾瑪在對消費(fèi)者購物行為分析時(shí)，發(fā)現(xiàn)男性顧客在購買嬰兒尿片時(shí)常常會順搭幾瓶啤酒來犒勞自己，于是嘗試推出了將“啤酒+尿布”的促銷手段。沒想到這個(gè)舉措居然使尿布和啤酒的銷量都大幅增加了。一項(xiàng)研究表明，在某個(gè)城市出現(xiàn)心力衰竭死亡人數(shù)和啤酒的消耗量同時(shí)急劇升高的現(xiàn)象，這是否表明喝啤酒一定會引起心臟病發(fā)作呢？正確答案是：否！兩者升高是因?yàn)槿丝谘杆僭黾拥慕Y(jié)果。因此，在做計(jì)量實(shí)證分析時(shí)，一定要考慮變量之間是否存在真正的內(nèi)部聯(lián)系，考慮其研究方法適用的范圍和前提條件，否則會導(dǎo)致錯(cuò)誤的結(jié)論。第一節(jié) 什么是計(jì)量經(jīng)濟(jì)學(xué)計(jì)量

4、經(jīng)濟(jì)學(xué)（Econometrics）是經(jīng)濟(jì)學(xué)基礎(chǔ)學(xué)科之一第一屆諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者、計(jì)量經(jīng)濟(jì)學(xué)的創(chuàng)始人、挪威經(jīng)濟(jì)學(xué)家弗里希（R. Frisch）將計(jì)量經(jīng)濟(jì)學(xué)定義為經(jīng)濟(jì)理論、統(tǒng)計(jì)學(xué)和數(shù)學(xué)三者的有機(jī)結(jié)合。以一定的經(jīng)濟(jì)理論和統(tǒng)計(jì)資料為基礎(chǔ)，運(yùn)用數(shù)理方法與計(jì)算機(jī)技術(shù)等，建立計(jì)量經(jīng)濟(jì)模型為主要手段，定量研究具有隨機(jī)特性的經(jīng)濟(jì)變量，達(dá)到探究經(jīng)濟(jì)主體之間的互動(dòng)規(guī)律。計(jì)量經(jīng)濟(jì)學(xué)的起源 數(shù)學(xué)方法在經(jīng)濟(jì)學(xué)中的應(yīng)用，最早可追溯到三百多年前，即1676年英國古典政治經(jīng)濟(jì)學(xué)的創(chuàng)始人威廉配第（WilliamPetty）編著的政治算術(shù)。 “計(jì)量經(jīng)濟(jì)學(xué)”一詞，是挪威經(jīng)濟(jì)學(xué)家弗里希（R. Frisch）在1926年仿照“生物計(jì)量

5、學(xué)”一詞提出的。隨后不久，1930年成立了國際計(jì)量經(jīng)濟(jì)學(xué)學(xué)會，1933年創(chuàng)辦了在經(jīng)濟(jì)學(xué)界影響力非常大的計(jì)量經(jīng)濟(jì)學(xué)學(xué)術(shù)雜志。計(jì)量經(jīng)濟(jì)學(xué)的學(xué)科屬性教育部將計(jì)量經(jīng)濟(jì)學(xué)納入文科課程范疇，這也是當(dāng)前許多高校出現(xiàn)計(jì)量經(jīng)濟(jì)學(xué)課程“教師難教、學(xué)生難學(xué)”窘?jīng)r的原因之一要真正學(xué)好計(jì)量經(jīng)濟(jì)學(xué)，需要良好的數(shù)學(xué)、統(tǒng)計(jì)學(xué)和經(jīng)濟(jì)學(xué)知識基礎(chǔ)，同時(shí)還需較強(qiáng)的思維分析能力，以及較專業(yè)的計(jì)量建模能力和計(jì)量軟件應(yīng)用能力（如Eviews軟件）。 對于基礎(chǔ)不夠好的學(xué)生，需要提前預(yù)習(xí)教材、多聽老師講授、多閱讀國內(nèi)外同類相關(guān)書籍、多進(jìn)行計(jì)量軟件實(shí)訓(xùn)操作等。學(xué)習(xí)計(jì)量經(jīng)濟(jì)學(xué)，可為寫作畢業(yè)論文和實(shí)證分析經(jīng)濟(jì)學(xué)現(xiàn)象等提供保障。計(jì)量經(jīng)濟(jì)學(xué)的應(yīng)用 理論

6、檢驗(yàn) 這是計(jì)量經(jīng)濟(jì)學(xué)最主要的用途。從一系列樣本觀察開始，然后通過數(shù)理分析，概括出相關(guān)經(jīng)濟(jì)理論模型，這是理論構(gòu)建；用已有的經(jīng)濟(jì)理論模型去擬合（或預(yù)測、應(yīng)用等）現(xiàn)實(shí)世界，如果擬合得非常好，那么這一理論就得到檢驗(yàn)，反之就未通過檢驗(yàn)，這是理論檢驗(yàn)。 冒險(xiǎn)犯罪的經(jīng)濟(jì)模型 諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主加里貝克爾設(shè)計(jì)了一個(gè)著名的計(jì)量經(jīng)濟(jì)學(xué)模型，試圖驗(yàn)證個(gè)體犯罪行為的選擇機(jī)制。通常每一項(xiàng)特定的犯罪都有較可觀的經(jīng)濟(jì)回報(bào)，但當(dāng)實(shí)施該犯罪行為時(shí)往往也有不可忽視的機(jī)會成本。根據(jù)利潤最大化原理，理性的個(gè)體會在經(jīng)濟(jì)回報(bào)與機(jī)會成本的比較中作出選擇，只有當(dāng)經(jīng)濟(jì)回報(bào)大于機(jī)會成本時(shí)，個(gè)體才會冒險(xiǎn)去犯罪。 計(jì)量經(jīng)濟(jì)模型為y=f(x1,x2,

7、x3,x4,x5,x6,x7)，y為犯罪所獲得的利潤。其中：x1為犯罪活動(dòng)獲得的經(jīng)濟(jì)回報(bào)；x2為犯罪活動(dòng)所耗時(shí)間；x3為個(gè)體單位時(shí)間的合法收入；x4為犯罪活動(dòng)被抓的概率；x5為被抓后被判有罪的概率；x6為獲罪后被監(jiān)禁的時(shí)間長度；x7為個(gè)體年齡； 結(jié)構(gòu)分析 當(dāng)一個(gè)變量或幾個(gè)變量發(fā)生變化時(shí)，會對其它變量以至整個(gè)經(jīng)濟(jì)系統(tǒng)產(chǎn)生一定的影響。結(jié)構(gòu)分析就是經(jīng)濟(jì)現(xiàn)象中變量之間相互關(guān)系的研究，如價(jià)格P與需求量Q之間的關(guān)系。結(jié)構(gòu)分析所采用的主要方法有彈性系數(shù)法、邊際分析法等。 施肥量對大豆收成的影響 大豆的生長通常需要大量肥料，一般施肥量越大大豆收成就越高。當(dāng)然，施肥量只是影響收成的重要因素之一，還有土地肥力因素

8、、降雨量、種群特征、耕作勞動(dòng)量等。為了得到施肥量與收成之間的相互關(guān)系，可以選擇幾塊面積相同、土地肥力相同的耕地，同時(shí)種上大豆。這幾塊耕地除了施肥量不同之外，其他影響要素都相同。分別對這幾塊耕地施撒不同倍數(shù)（n=1,2,3,4,5）的肥料量，等收割后，登記這幾塊耕地的大豆收成，并根據(jù)結(jié)構(gòu)分析法找出施肥量與大豆收成量之間的數(shù)量關(guān)系。最優(yōu)決策最優(yōu)決策是指決策者選擇最優(yōu)方案，追求理想條件下的最優(yōu)目標(biāo)。決策行為包括以下幾個(gè)要素：（1）決策主體，通常分為個(gè)人決策者與集體決策者；（2）決策目標(biāo)，不同的決策其目標(biāo)函數(shù)可能不同；（3）決策變量，指影響決策目標(biāo)并且決策者能夠調(diào)控的因素；（4）決策參數(shù)，指影響決策目

9、標(biāo)而決策者無法調(diào)控的因素；（5）約束條件，指決策變量與決策參數(shù)變化的范圍及其相互關(guān)系，例如：社會經(jīng)濟(jì)因素、制度環(huán)境因素等。粥分配的民主決策 從前，有九個(gè)伙伴住在一起，每天共喝一桶粥，粥每天都不夠分。一開始，他們采用抓鬮的方式?jīng)Q定由誰來分粥。每次抽選一個(gè)人，幾周下來，結(jié)果他們覺得只有自己分粥的那一次是飽的。 接著，他們想到采用投票的方式選出一個(gè)道德高尚的人當(dāng)首長，讓首長全權(quán)負(fù)責(zé)分粥。權(quán)力過分集中就易產(chǎn)生腐敗，于是就有人挖空心思去討好首長，甚至賄賂他。首長后來也越來越囂張跋扈，順我者粥多，逆我者粥少。直到某一天，該首長被舉報(bào)家有巨額粥來源不明而免職。 然后，他們設(shè)計(jì)出三人的分粥立法委員會、三人的分

10、粥行政委員會 和三人的分粥司法委員會，各委員會相互監(jiān)督。結(jié)果是三個(gè)委員會經(jīng)常互相攻擊，不斷相互扯皮，辦事效率低下，大家喝到嘴里的粥天天都是涼的。 最后，大家摸索出一個(gè)最優(yōu)決策：實(shí)行輪流分粥制，但分粥的那個(gè)人必須要等其他人挑選完后，才能拿剩下的最后一碗。為了不讓自己的粥最少，每個(gè)人每次分粥時(shí)都盡可能把粥分配平均。 自此以后，大家和和氣氣，日子越過越好。政策評價(jià) 政策評價(jià)是研究不同的政策實(shí)施對經(jīng)濟(jì)目標(biāo)所產(chǎn)生影響的差異。在采取某項(xiàng)政策前，有時(shí)先在局部范圍內(nèi)進(jìn)行試驗(yàn)，然后推廣與實(shí)行。計(jì)量經(jīng)濟(jì)學(xué)模型，揭示了經(jīng)濟(jì)系統(tǒng)中變量之間的相互聯(lián)系，將經(jīng)濟(jì)目標(biāo)作為被解釋變量，經(jīng)濟(jì)政策作為解釋變量，可以很方便的評價(jià)各種

11、不同的政策對目標(biāo)的影響。一是預(yù)期目標(biāo)法，給定目標(biāo)變量的預(yù)期值，即我們希望達(dá)到的目標(biāo)，通過求解模型，可以得到政策變量值；二是政策模擬法，將各種不同的政策代入模型，計(jì)算各自的目標(biāo)值，然后比較其優(yōu)劣，決定其政策的取舍。 牛肉面館老板的煩惱 在鬧市入口有家牛肉面館，一開始生意非常紅火，但后來卻不知什么原因不做了。 朋友問老板為什么，老板說：“現(xiàn)在的人賊這呢！我當(dāng)時(shí)雇了個(gè)會做拉面的師傅，但在工資上總也談不攏。開始的時(shí)候，為了調(diào)動(dòng)師傅的積極性，我們按賣的多少來分成的，每賣一碗面讓他掙 5 毛錢。經(jīng)過一段時(shí)間，發(fā)現(xiàn)來吃面的客人越多他的收入越高。這樣一來，他就在每碗面里加超量的牛肉，吸引回頭客。一碗面才4塊錢

12、，本來就靠薄利多銷，他每碗多放幾片牛肉我還怎么掙錢？” “后來我看這樣不行，錢全被他賺去了！就換了個(gè)辦法，給他每月發(fā)固定工資，工資給高點(diǎn)也無所謂，這樣他不至于多加牛肉了吧？因?yàn)榭投嗫蜕俸退氖杖霙]關(guān)系”?！暗悴略趺粗?？”老板有點(diǎn)激動(dòng)了，“他在每碗里都少放牛肉，把客人都趕走了！”“這又是為什么？”朋友激動(dòng)地問。“牛肉的分量少，顧客就不滿意，回頭客就少，生意肯定清淡，他才不管你賺錢不賺錢呢，反正他拿的是固定的工錢，賣多少無所謂，沒客人他才清閑呢！”經(jīng)濟(jì)預(yù)測經(jīng)濟(jì)預(yù)測是與未來有關(guān)的旨在減少不確定性對經(jīng)濟(jì)活動(dòng)影響的一種經(jīng)濟(jì)分析，不是靠經(jīng)驗(yàn)、憑直覺或猜測，而是以科學(xué)的理論方法、可靠的資料、精密的計(jì)算及對

13、客觀規(guī)律性的認(rèn)識作出的分析和判斷。計(jì)量經(jīng)濟(jì)學(xué)模型作為一類經(jīng)濟(jì)數(shù)學(xué)模型，是以模擬歷史、從已經(jīng)發(fā)生的經(jīng)濟(jì)活動(dòng)中找出變化規(guī)律的技術(shù)手段，是從經(jīng)濟(jì)預(yù)測特別是短期預(yù)測發(fā)展起來的。在20世紀(jì)50-60年代，運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)模型對西方國家經(jīng)濟(jì)預(yù)測不乏有成功的實(shí)例；進(jìn)入70年代，人們對計(jì)量經(jīng)濟(jì)學(xué)模型的預(yù)測功能提出了質(zhì)疑，并不源于它未能對1973年和1979年的“石油危機(jī)”提出預(yù)報(bào)，而是幾乎所有的模型都無法預(yù)測“石油危機(jī)”對經(jīng)濟(jì)造成的影響。 計(jì)量經(jīng)濟(jì)學(xué)模型能告訴我們什么？ 以某區(qū)域汽車市場計(jì)量經(jīng)濟(jì)學(xué)模型為例，y=f(x1,x2,x3,x4,x5,x6,x7)，y為汽車銷售量，其中：x1為該區(qū)域人均收入水平；x2為

14、汽車價(jià)格；x3為汽油價(jià)格；x4為汽車售后服務(wù)水平；x5交通罰款平均值；x6為汽車壽命；x7為銀行利率水平；等。一旦該區(qū)域的汽車市場計(jì)量經(jīng)濟(jì)學(xué)模型各參數(shù)計(jì)算出來，即完整的計(jì)量經(jīng)濟(jì)學(xué)模型已經(jīng)建立，那么我們可以獲得以下信息：（1）影響汽車銷售量的主要因素是什么（收入、價(jià)格等）？（2）各種因素對汽車銷售量影響的性質(zhì)怎樣（正、負(fù)）？（3）各種因素影響汽車銷量的具體數(shù)量程度（各變量的參數(shù)值）？ （4）以上分析所得結(jié)論是否可靠（F檢驗(yàn)、R2檢驗(yàn)、t檢驗(yàn)等）？（5）今后發(fā)展的趨勢怎樣（經(jīng)濟(jì)預(yù)測）？計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展1969年，首屆諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)授予了“計(jì)量經(jīng)濟(jì)學(xué)奠基人”挪威經(jīng)濟(jì)學(xué)家弗里希（R. Frisch）和

15、“計(jì)量經(jīng)濟(jì)模式建造者之父”的荷蘭經(jīng)濟(jì)學(xué)家丁伯根（J.Tinbergen）。隨后，一半以上的諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)?lì)C給了對計(jì)量經(jīng)濟(jì)學(xué)模型頗有建樹的經(jīng)濟(jì)學(xué)家。近十多年來，諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)兩次授予計(jì)量經(jīng)濟(jì)學(xué)的分支學(xué)科，2000年是表彰赫克曼（J.Heckman）和麥克法登（L.MacFaddan）對橫截面數(shù)據(jù)的分析方法作出了杰出貢獻(xiàn),2003年是表彰恩格爾(R.Engle)和格蘭杰(C.Granger)分別用“隨著時(shí)間變化的易變性”和“共同趨勢”兩種新方法分析經(jīng)濟(jì)時(shí)間數(shù)列。這都說明，計(jì)量經(jīng)濟(jì)學(xué)“技術(shù)層面”的研究工作越來越得到廣泛的認(rèn)可和高度的重視。計(jì)量經(jīng)濟(jì)學(xué)早已不再是數(shù)理統(tǒng)計(jì)在經(jīng)濟(jì)學(xué)領(lǐng)域的簡單應(yīng)用；針對研究對

16、象的獨(dú)特性，計(jì)量經(jīng)濟(jì)學(xué)不斷開創(chuàng)出新的理論和方法，如廣義矩估計(jì)、協(xié)整分析、因果關(guān)系、脈沖效應(yīng)、高頻數(shù)據(jù)處理、虛擬變量處理、面板數(shù)據(jù)處理、狀態(tài)空間模型、聯(lián)立方程模型等，不僅拓展和豐富了統(tǒng)計(jì)學(xué)的研究范式，也給經(jīng)濟(jì)社會帶來了全新的認(rèn)識。如今，計(jì)量經(jīng)濟(jì)學(xué)與微觀經(jīng)濟(jì)學(xué)、宏觀經(jīng)濟(jì)學(xué)一起構(gòu)成了現(xiàn)代經(jīng)濟(jì)學(xué)的三大核心，計(jì)量經(jīng)濟(jì)學(xué)對社會學(xué)、政治學(xué)乃至歷史學(xué)等的研究也產(chǎn)生了深遠(yuǎn)的影響，它們也越來越多地借鑒和使用計(jì)量經(jīng)濟(jì)學(xué)的分析工具。在我國，計(jì)量經(jīng)濟(jì)學(xué)經(jīng)過30多年的發(fā)展，計(jì)量經(jīng)濟(jì)學(xué)模型已經(jīng)成為經(jīng)濟(jì)理論研究和實(shí)際經(jīng)濟(jì)分析的主流實(shí)證方法。當(dāng)前，科研論文如果沒有計(jì)量經(jīng)濟(jì)學(xué)模型實(shí)證分析，很難發(fā)表在美國經(jīng)濟(jì)評論（美國）、經(jīng)濟(jì)研究

17、、中國社會科學(xué)、管理世界等國內(nèi)外頂級學(xué)術(shù)期刊上。與此同時(shí)，部分研究者不了解計(jì)量模型方法具體的應(yīng)用背景和適用條件，陷入濫用和錯(cuò)用的誤區(qū)。一項(xiàng)實(shí)證研究從計(jì)量經(jīng)濟(jì)模型的設(shè)定開始，一直到模型的估計(jì)、檢驗(yàn)、評價(jià)和解釋，其隨意和錯(cuò)誤隨處可見。于是，人們對計(jì)量經(jīng)濟(jì)學(xué)模型方法產(chǎn)生了不同的甚至是相反的評價(jià)，究其原因：部分來自于計(jì)量經(jīng)濟(jì)學(xué)模型方法本身，更多來自于計(jì)量經(jīng)濟(jì)學(xué)模型的應(yīng)用研究。國內(nèi)學(xué)者李子奈、潘文卿、高鐵梅、葉阿忠、張曉峒、于俊年等為我國計(jì)量經(jīng)濟(jì)學(xué)的普及作出了奠基性的貢獻(xiàn)。 第二節(jié) 計(jì)量經(jīng)濟(jì)學(xué)的研究對象計(jì)量經(jīng)濟(jì)學(xué)的兩大研究對象：橫截面數(shù)據(jù)（Cross-sectional Data）和時(shí)間序列數(shù)據(jù)（Tim

18、e-series Data）。前者旨在歸納不同經(jīng)濟(jì)行為者是否具有相似的行為關(guān)聯(lián)性，以模型參數(shù)估計(jì)結(jié)果顯現(xiàn)相關(guān)性；后者重點(diǎn)在分析同一經(jīng)濟(jì)行為者不同時(shí)間的資料，以展現(xiàn)研究對象的動(dòng)態(tài)行為。新興計(jì)量經(jīng)濟(jì)學(xué)研究切入同時(shí)具有橫截面及時(shí)間序列的資料，換言之，每個(gè)橫截面都同時(shí)具有時(shí)間序列的觀測值，這種資料稱為面板數(shù)據(jù)（Panel data）。 計(jì)量經(jīng)濟(jì)學(xué)的主要研究領(lǐng)域有哪些？ 當(dāng)代計(jì)量經(jīng)濟(jì)學(xué)研究，主要集中在以下六個(gè)領(lǐng)域：1單位根檢驗(yàn)；2時(shí)間序列模型；3波動(dòng)模型；4向量自回歸模型與向量誤差修正模型；5離散選擇模型與受限模型；6面板數(shù)據(jù)模型。其他研究領(lǐng)域還有非參數(shù)與半?yún)?shù)估計(jì)、廣義矩估計(jì)、貝葉斯估計(jì)、分?jǐn)?shù)積分研究

19、、模擬與自舉技術(shù)等。一、橫截面數(shù)據(jù)橫截面數(shù)據(jù)是指在同一時(shí)間（時(shí)期或時(shí)點(diǎn)）截面上反映一個(gè)總體的一批（或全部）個(gè)體的同一特征變量的觀測值，是樣本數(shù)據(jù)中的常見類型之一。橫截面數(shù)據(jù)是在同一時(shí)間不同統(tǒng)計(jì)單位相同統(tǒng)計(jì)指標(biāo)組成的數(shù)列。與時(shí)間序列數(shù)據(jù)相比較，其區(qū)別在于組成數(shù)據(jù)列的各個(gè)數(shù)據(jù)的排列標(biāo)準(zhǔn)不同，時(shí)間序列數(shù)據(jù)是按時(shí)間順序排列的，橫截面數(shù)據(jù)是按照統(tǒng)計(jì)單位排列的。例如，工業(yè)普查數(shù)據(jù)，人口普查數(shù)據(jù)，家庭收入調(diào)查數(shù)據(jù)。橫截面數(shù)據(jù)不要求統(tǒng)計(jì)對象及其范圍相同，但要求統(tǒng)計(jì)的時(shí)間相同，也就是說必須是同一時(shí)間截面上的數(shù)據(jù)。與時(shí)間序列數(shù)據(jù)完全一樣，橫截面數(shù)據(jù)的統(tǒng)計(jì)口徑和計(jì)算方法（例如價(jià)值量的計(jì)算標(biāo)準(zhǔn)）也應(yīng)當(dāng)是可比的。 分析

20、橫截面數(shù)據(jù)時(shí)，應(yīng)主要注意兩個(gè)問題：一是異方差問題，由于數(shù)據(jù)是在某一時(shí)期對個(gè)體或地域的樣本的采集，不同個(gè)體或地域本身就存在差異；二是數(shù)據(jù)的一致性，主要包括變量的樣本容量是否一致、樣本的取樣時(shí)期是否一致、數(shù)據(jù)的統(tǒng)計(jì)標(biāo)準(zhǔn)是否一致。二、時(shí)間序列數(shù)據(jù)時(shí)間序列數(shù)據(jù)是不同時(shí)間點(diǎn)上收集到的數(shù)據(jù)，這類數(shù)據(jù)反映某一事物隨時(shí)間的動(dòng)態(tài)變化狀態(tài)，如1949-2009年的國內(nèi)生產(chǎn)總值。時(shí)間序列數(shù)據(jù)除了年度數(shù)據(jù)之外，還有季度數(shù)據(jù)、月度數(shù)據(jù)、周度數(shù)據(jù)、天度數(shù)據(jù)、時(shí)度數(shù)據(jù)等。時(shí)間序列分析是根據(jù)系統(tǒng)觀測得到的時(shí)間序列數(shù)據(jù)通過曲線擬合和參數(shù)估計(jì)等建立數(shù)學(xué)模型的數(shù)量方法?；驹恚阂皇浅姓J(rèn)事物發(fā)展的延續(xù)性，應(yīng)用過去數(shù)據(jù)，推測事物的發(fā)

21、展趨勢；二是考慮到事物發(fā)展的隨機(jī)性，任何事物發(fā)展都可能受偶然因素影響，為此要利用加權(quán)平均法對歷史數(shù)據(jù)進(jìn)行處理。該方法常應(yīng)用在國民經(jīng)濟(jì)宏觀控制、區(qū)域綜合發(fā)展規(guī)劃、企業(yè)經(jīng)營管理、市場潛量預(yù)測、氣象預(yù)報(bào)、環(huán)境污染控制等方面。一個(gè)時(shí)間序列通常由四種要素組成：趨勢、季節(jié)變動(dòng)、循環(huán)波動(dòng)和不規(guī)則波動(dòng)。趨勢是時(shí)間序列在長時(shí)期內(nèi)呈現(xiàn)出來的持續(xù)向上或持續(xù)向下的變動(dòng)；季節(jié)變動(dòng)是時(shí)間序列在一年內(nèi)重復(fù)出現(xiàn)的周期性波動(dòng)，是諸如氣候條件、生產(chǎn)條件、節(jié)假日或風(fēng)俗習(xí)慣等因素影響的結(jié)果；循環(huán)波動(dòng)是時(shí)間序列呈現(xiàn)出非固定長度的周期性變動(dòng)，是漲落相同的交替振動(dòng)；不規(guī)則波動(dòng)是時(shí)間序列中除去趨勢、季節(jié)變動(dòng)和循環(huán)波動(dòng)之后的隨機(jī)波動(dòng)。時(shí)間序列

22、數(shù)據(jù)的輸入與編輯Eviews6.0軟件操作步驟（附圖）：1.創(chuàng)建工作文件（如圖1-2）打開Eviews工作界面，點(diǎn)擊File/New/Workfile。2.完成workfile create（如圖1-3）選擇workfile structure type（文件結(jié)構(gòu)類型）為Dated-regular frequency(時(shí)間序列),選擇Date specification（時(shí)間標(biāo)準(zhǔn)）中Frequency（頻率）為Annual(年度)，Start（開始年份）如1978年，End（結(jié)束年份）如2014年，點(diǎn)擊OK。 出現(xiàn)C（常數(shù)項(xiàng)）和resid（殘差項(xiàng)）兩個(gè)數(shù)據(jù)系列（如圖1-4）。3.創(chuàng)建工作組點(diǎn)擊

23、最上層標(biāo)題欄Quick,進(jìn)入Empty Group（空組）（如圖1-5） 出現(xiàn)Group組變量與數(shù)據(jù)輸入界面（如圖1-6）。4.輸入變量名與變量對應(yīng)的樣本數(shù)據(jù)在obs(觀察值)中輸入Y與x1,x2等變量名，將鼠標(biāo)移出格子外點(diǎn)擊，得到Series create界面（如圖1-7）；可以選擇變量的屬性，如Numeric series（數(shù)值系列）。 在NA（數(shù)值）時(shí)間系列中輸入樣本數(shù)據(jù)（如1-8）。在文件界面自動(dòng)增加了y,x1,x2數(shù)據(jù)系列（如圖1-9）。三、面板數(shù)據(jù)面板數(shù)據(jù)有時(shí)間序列和橫截面兩個(gè)維度。當(dāng)這類數(shù)據(jù)按兩個(gè)維度排列時(shí)，是排在一個(gè)平面上，與只有一個(gè)維度的數(shù)據(jù)排在一條線上有著明顯的不同，整個(gè)表

24、格像是一個(gè)面板。例如：A、B、C、D四城市2000年的GDP分別為8、9、10、11（億元），這是橫截面數(shù)據(jù)；A城市2000、2001、2002、2003四年的GDP分別為8、9、10、11（億元），這就是時(shí)間序列數(shù)據(jù)；A、B、C、D四城市2000、2001、2002、2003四年的GDP（億元）分別為：A城市（2000-2003）：8、9、10、11 B城市（2000-2003）：9、10、11、12C城市（2000-2003）：10、11、12、13 D城市（2000-2003）：11、12、13、14這就是面板數(shù)據(jù)。面板數(shù)據(jù)可以克服時(shí)間序列分析受多重共線性的困擾,能夠提供更多的信息、更多

25、的變化、更多的自由度和更高的估計(jì)效率。面板數(shù)據(jù)的輸入與編輯Eviews6.0軟件操作步驟（附圖）：1.創(chuàng)建工作文件打開Eviews工作界面，點(diǎn)擊File/New/Workfile。2.完成workfile create(如圖1-10)選擇workfile structure type（文件結(jié)構(gòu)類型）為Balanced Panel(平衡面板),選擇Panel specification（面板標(biāo)準(zhǔn)）中Frequency（頻率）為Annual(年度)，Start（開始年份）如1978年，End（結(jié)束年份）如2014年，Number of cross 中輸入截面數(shù)據(jù)成員個(gè)數(shù)，點(diǎn)擊OK。出現(xiàn)C（常數(shù)項(xiàng)）

26、和resid（殘差項(xiàng)）、crossid(截面項(xiàng))、dateid（時(shí)間序列項(xiàng)）四個(gè)數(shù)據(jù)系列（如圖1-11）。3.創(chuàng)建Pool（數(shù)據(jù)庫）對象點(diǎn)擊最上層標(biāo)題欄Object,進(jìn)入New Object（新對象）（如圖1-12） 出現(xiàn)New object界面,在Type of object（對象類型）中選擇Pool（數(shù)據(jù)庫），在Name for object(對象名)中輸入對象名稱,點(diǎn)擊OK（如圖1-13）。 出現(xiàn)Pool的編輯窗口，可以在窗口輸入截面成員的標(biāo)識名。例如中國省際面板數(shù)據(jù)，可以選取湖南省、湖北省、河南省、江西省、安徽省中部五省份，分別用字母HN、HB、HN、JX、AH表示,一般每一個(gè)標(biāo)識名占

27、一行（如圖1-14）。4.輸入Pool對象的樣本數(shù)據(jù)打開Pool對象，點(diǎn)擊最上層標(biāo)題欄View,進(jìn)入Spreadsheet(stacked data) 電子表格（如圖1-15）;在彈出的對話框里輸入序列名稱，如Pool01（如圖1-16）, 點(diǎn)擊OK；會出現(xiàn)Pool01數(shù)據(jù)表，單擊工具欄中的Edit+/-可對樣本數(shù)據(jù)進(jìn)行輸入和編輯（如圖1-17）。第三節(jié) 計(jì)量經(jīng)濟(jì)學(xué)模型的構(gòu)建步驟一、什么是計(jì)量經(jīng)濟(jì)學(xué)模型模型是用我們熟悉的形式（幾何或數(shù)學(xué)或?qū)嵨铮┤ソ庾x和說明現(xiàn)實(shí)世界的某些功能（或規(guī)律）。模型是所研究的系統(tǒng)（過程或事物）的一種表達(dá)形式，是對現(xiàn)實(shí)世界的抽象（如圖1-2）。模型是人類思維的創(chuàng)造物，通常

28、易于操作和易于演練，具有重要的仿真模擬功能。計(jì)量經(jīng)濟(jì)模型（The model of Econometrics）是表示經(jīng)濟(jì)現(xiàn)象及其主要因素之間數(shù)量關(guān)系的方程式，通常用隨機(jī)性的數(shù)學(xué)方程加以描述，數(shù)學(xué)方程式主要由經(jīng)濟(jì)變量、參數(shù)以及隨機(jī)誤差三大要素組成。例如道格拉斯生產(chǎn)函數(shù)： Q AetKL （1-1）其中Q、K、L、t為經(jīng)濟(jì)變量，A、為參數(shù)，為隨機(jī)誤差項(xiàng)。大豆收成與施肥量的計(jì)量經(jīng)濟(jì)學(xué)模型 假定大豆收成的計(jì)量經(jīng)濟(jì)學(xué)模型為：Y=+X+,其中Y為大豆收成，X為施肥量，、為參數(shù)，為隨機(jī)誤差項(xiàng)。 農(nóng)業(yè)研究者感興趣的是：在其他因素不變的情況下，施肥量如何影響大豆收成？參數(shù)給出了這個(gè)答案，因?yàn)閅=X。 當(dāng)然，施肥

29、量只是影響收成的重要因素之一，隨機(jī)誤差項(xiàng)包括了土地肥力因素、降雨量、種群特征、耕作勞動(dòng)量等因素。經(jīng)濟(jì)變量（Variable）是反映經(jīng)濟(jì)變動(dòng)情況的隨機(jī)變量，分為自變量和因變量，如上式中的Q為因變量，K與L、t為自變量。為了描述自變量與因變量的變化，引入一些不是當(dāng)前問題必須研究的另外變量，我們把這樣的變量叫做參數(shù)（coefficient），一般反映出事物之間相對穩(wěn)定的比例關(guān)系。自變量也可分為內(nèi)生變量和外生變量。內(nèi)生變量是在經(jīng)濟(jì)體系內(nèi)部由純粹經(jīng)濟(jì)因素影響而自行變化的變量（通常不被政策因素所左右），如1-1式中K、L、t；外生變量是在經(jīng)濟(jì)機(jī)制中受外部因素（主要是政策因素影響）而非經(jīng)濟(jì)體系內(nèi)部因素所決定

30、的變量，如1-1式中的技術(shù)指數(shù)A。 隨機(jī)誤差項(xiàng)(stochastic error)是指那些很難預(yù)知的偶然性誤差，包括統(tǒng)計(jì)與整理經(jīng)濟(jì)資料、模型運(yùn)算等過程中所出現(xiàn)的差錯(cuò)，通常正負(fù)誤差可以抵消，可忽略不計(jì)。 經(jīng)濟(jì)變量的統(tǒng)計(jì)描述Eviews6.0軟件操作步驟（附圖）：1.輸入變量名與樣本數(shù)據(jù)（如圖1-19）2.組描述性統(tǒng)計(jì)（如圖1-20）點(diǎn)擊最上層標(biāo)題欄Quick,進(jìn)入Group statistics/Dsecriptive Statistics/Common sample。3.經(jīng)濟(jì)變量描述統(tǒng)計(jì)輸出出現(xiàn)Series List窗口，輸入系列名或組名（如圖1-21），點(diǎn)擊OK；得到各經(jīng)濟(jì)變量的描述統(tǒng)計(jì)量（

31、如圖1-22），自上至下依次為：均值（或期望值）、中位數(shù)、最大值、最小值、標(biāo)準(zhǔn)差、偏度、峰度、JB統(tǒng)計(jì)值、正態(tài)分布的概率、變量總和、離差平方和、樣本數(shù)。4.經(jīng)濟(jì)變量描述統(tǒng)計(jì)列表由軟件(英文)格式轉(zhuǎn)換成常規(guī)學(xué)術(shù)論文(中文)格式（如表1-1）。變量單位均值標(biāo)準(zhǔn)差最小值最大值GDPFJNY億元1710.49650.341037.273007.40LAG萬人695.5754.61636.54776.43KAG萬元83.6273.488.10241.87FDITW億元5.351.992.789.60MTAGT億元17.1419.852.5656.79二、計(jì)量經(jīng)濟(jì)學(xué)模型的構(gòu)建步驟理論模型的建立樣本數(shù)據(jù)的收

32、集模型參數(shù)的估計(jì)理論模型的檢驗(yàn)反饋1.理論模型的建立首先對所研究的經(jīng)濟(jì)現(xiàn)象要有足夠的認(rèn)識和較深入的分析，其次確定研究目標(biāo)，即明白這個(gè)計(jì)量經(jīng)濟(jì)學(xué)模型需要去解析哪些內(nèi)在規(guī)律，再次找尋影響研究目標(biāo)的主要因素，合理確定因變量和自變量， 最后根據(jù)數(shù)理統(tǒng)計(jì)的綜合角度去構(gòu)建理論模型。ln(人均食品需求量)=+ln(人均收入) +ln(食品價(jià)格) +ln(其它商品價(jià)格)+ （1-2）、為參數(shù)，為隨機(jī)誤差項(xiàng)。 確定模型包含的變量根據(jù)經(jīng)濟(jì)學(xué)理論和經(jīng)濟(jì)行為分析，如1-2式中人均食品需求量跟人均收入、食品價(jià)格、其他替代品和互補(bǔ)品的價(jià)格等因素相關(guān)；考慮數(shù)據(jù)的可得性，有些變量數(shù)據(jù)很容易在國家或地方統(tǒng)計(jì)局網(wǎng)、國家與地方統(tǒng)計(jì)

33、年鑒、中國知網(wǎng)、百度搜索、世界銀行網(wǎng)、NBER網(wǎng)等（見相關(guān)鏈接1-13）找到；考慮入選變量之間的關(guān)系；要求變量間互相獨(dú)立，避免變量的多重共線性。 確定模型的數(shù)學(xué)形式利用經(jīng)濟(jì)學(xué)和數(shù)理經(jīng)濟(jì)學(xué)的成果，如生產(chǎn)函數(shù)、消費(fèi)函數(shù)、利潤函數(shù)等；根據(jù)樣本數(shù)據(jù)作出的變量關(guān)系圖，如菲利普斯曲線、庫茲涅茨曲線、洛倫茨曲線等；選擇可能的形式模擬，如一元一次方程、一元二次方程、半對數(shù)方程、全對數(shù)方程、差分方程、微分方程、指數(shù)方程等。 擬定模型中參數(shù)的期望值區(qū)間以1-2式為例，預(yù)先擬定好 、的正負(fù)符號、大小區(qū)間、 相關(guān)關(guān)系等。2.樣本數(shù)據(jù)的收集 幾類常用的樣本數(shù)據(jù)時(shí)間序列數(shù)據(jù)、截面數(shù)據(jù)、虛變量離散數(shù)據(jù)（0、1）、面板數(shù)據(jù)等

34、。 數(shù)據(jù)質(zhì)量完整性問題：盡可能數(shù)據(jù)齊全，數(shù)據(jù)殘缺會對模型估計(jì)結(jié)果產(chǎn)生誤差；準(zhǔn)確性問題：盡可能統(tǒng)計(jì)資料準(zhǔn)確，錯(cuò)誤的數(shù)據(jù)會產(chǎn)生錯(cuò)誤的結(jié)果；可比性問題：盡可能數(shù)據(jù)統(tǒng)計(jì)口徑統(tǒng)一，統(tǒng)計(jì)標(biāo)準(zhǔn)不同的數(shù)據(jù)放在一起比較就毫無意義，例如要求匯率換算統(tǒng)一、貨幣單位統(tǒng)一等；一致性問題：盡可能保證整體數(shù)據(jù)與樣本數(shù)據(jù)統(tǒng)計(jì)的一致，盡可能保持近代數(shù)據(jù)與現(xiàn)代數(shù)據(jù)統(tǒng)計(jì)的一致等。3.模型參數(shù)的估計(jì) 模型參數(shù)估計(jì)方法模型參數(shù)估計(jì)是一個(gè)純數(shù)學(xué)技術(shù)問題，常用的有最小二乘法、二階段最小二乘法、廣義矩估計(jì)法、最大似然對數(shù)法等。 估計(jì)方法的選擇每一種模型參數(shù)估計(jì)方法都有其優(yōu)點(diǎn)和缺點(diǎn)，需要根據(jù)特定的研究問題認(rèn)真分析和考慮哪一種最適合，有時(shí)需要采用好幾種參數(shù)估計(jì)方法進(jìn)行綜合分析。 應(yīng)用軟件市場上有很多可以完成計(jì)量經(jīng)濟(jì)學(xué)模型參數(shù)估計(jì)、模型檢驗(yàn)、預(yù)測等基本運(yùn)算的計(jì)量經(jīng)濟(jì)學(xué)軟件包，例如：EViews，SPSS，STATA，MATLAB，SAS，ET，ESP，