計(jì)量經(jīng)濟(jì)學(xué) 5經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型：專門問題

第五章經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型：專門問題

虛擬變量

滯后變量

設(shè)定誤差

建模理論§5.1虛擬變量模型

一、虛擬變量的基本含義二、虛擬變量的引入三、虛擬變量的設(shè)置原則一、虛擬變量的基本含義許多經(jīng)濟(jì)變量是可以定量度量的，如：商品需求量、價(jià)格、收入、產(chǎn)量等。但也有一些影響經(jīng)濟(jì)變量的因素?zé)o法定量度量，如：職業(yè)、性別對(duì)收入的影響，戰(zhàn)爭(zhēng)、自然災(zāi)害對(duì)GDP的影響，季節(jié)對(duì)某些產(chǎn)品（如冷飲）銷售的影響等等。為了在模型中能夠反映這些因素的影響，并提高模型的精度，需要將它們“量化”。這種“量化”通常是通過引入“虛擬變量”來完成的。根據(jù)這些因素的屬性類型，構(gòu)造只取“0”或“1”的人工變量，通常稱為虛擬變量（dummyvariables），記為D。例如，反映文程度的虛擬變量可取為：1，本科學(xué)歷D=0，非本科學(xué)歷

一般地，在虛擬變量的設(shè)置中：基礎(chǔ)類型、肯定類型取值為1；比較類型，否定類型取值為0。概念：同時(shí)含有一般解釋變量與虛擬變量的模型稱為虛擬變量模型或者方差分析（analysis-ofvariance:ANOVA）模型。一個(gè)以性別為虛擬變量考察企業(yè)職工薪金的模型：其中：Yi為企業(yè)職工的薪金，Xi為工齡，Di=1，若是男性，Di=0，若是女性。二、虛擬變量的引入虛擬變量做為解釋變量引入模型有兩種基本方式：加法方式和乘法方式。上述企業(yè)職工薪金模型中性別虛擬變量的引入采取了加法方式。在該模型中，如果仍假定E(i)=0，則

企業(yè)女職工的平均薪金為：1.加法方式

企業(yè)男職工的平均薪金為：幾何意義：假定2>0，則兩個(gè)函數(shù)有相同的斜率，但有不同的截距。意即，男女職工平均薪金對(duì)教齡的變化率是一樣的，但兩者的平均薪金水平相差2。可以通過傳統(tǒng)的回歸檢驗(yàn)，對(duì)2的統(tǒng)計(jì)顯著性進(jìn)行檢驗(yàn)，以判斷企業(yè)男女職工的平均薪金水平是否有顯著差異。02

又例：在橫截面數(shù)據(jù)基礎(chǔ)上，考慮個(gè)人保健支出對(duì)個(gè)人收入和教育水平的回歸。教育水平考慮三個(gè)層次：高中以下，高中，大學(xué)及其以上。這時(shí)需要引入兩個(gè)虛擬變量：模型可設(shè)定如下：

在E(i)=0的初始假定下，高中以下、高中、大學(xué)及其以上教育水平下個(gè)人保健支出的函數(shù)：高中以下：高中：大學(xué)及其以上：假定3>2，其幾何意義：還可將多個(gè)虛擬變量引入模型中以考察多種“定性”因素的影響。

如在上述職工薪金的例中，再引入代表學(xué)歷的虛擬變量D2：本科及以上學(xué)歷本科以下學(xué)歷職工薪金的回歸模型可設(shè)計(jì)為：女職工本科以下學(xué)歷的平均薪金：女職工本科以上學(xué)歷的平均薪金：于是，不同性別、不同學(xué)歷職工的平均薪金分別為：男職工本科以下學(xué)歷的平均薪金：男職工本科以上學(xué)歷的平均薪金：2.乘法方式加法方式引入虛擬變量，考察：截距的不同。許多情況下：往往是斜率就有變化，或斜率、截距同時(shí)發(fā)生變化。斜率的變化可通過以乘法的方式引入虛擬變量來測(cè)度。例：根據(jù)消費(fèi)理論，消費(fèi)水平C主要取決于收入水平Y(jié)，但在一個(gè)較長(zhǎng)的時(shí)期，人們的消費(fèi)傾向會(huì)發(fā)生變化，尤其是在自然災(zāi)害、戰(zhàn)爭(zhēng)等反常年份，消費(fèi)傾向往往出現(xiàn)變化。這種消費(fèi)傾向的變化可通過在收入的系數(shù)中引入虛擬變量來考察。如，設(shè)消費(fèi)模型可建立如下：這里，虛擬變量D以與X相乘的方式引入了模型中，從而可用來考察消費(fèi)傾向的變化。假定E(i)=0，上述模型所表示的函數(shù)可化為：

正常年份：

反常年份：

當(dāng)截距與斜率發(fā)生變化時(shí)，則需要同時(shí)引入加法與乘法形式的虛擬變量。例5.1.1，考察1990年前后的中國居民的總儲(chǔ)蓄-收入關(guān)系是否已發(fā)生變化。表5.1.1中給出了中國1979~2001年以城鄉(xiāng)儲(chǔ)蓄存款余額代表的居民儲(chǔ)蓄以及以GNP代表的居民收入的數(shù)據(jù)。以Y為儲(chǔ)蓄，X為收入，可令：1990年前：Yi=1+2Xi+1ii=1,2…,n1

1990年后：Yi=1+2Xi+2ii=1,2…,n2

則有可能出現(xiàn)下述四種情況中的一種：(1)1=1，且2=2，即兩個(gè)回歸相同，稱為重合回歸（CoincidentRegressions）；(2)11,但2=2，即兩個(gè)回歸的差異僅在其截距，稱為平行回歸（ParallelRegressions）;(3)1=1，但22，即兩個(gè)回歸的差異僅在其斜率，稱為匯合回歸(ConcurrentRegressions)；(4)11，且22，即兩個(gè)回歸完全不同，稱為相異回歸（DissimilarRegressions）。可以運(yùn)用鄒氏結(jié)構(gòu)變化的檢驗(yàn)。這一問題也可通過引入乘法形式的虛擬變量來解決。將n1與n2次觀察值合并，并用以估計(jì)以下回歸：Di為引入的虛擬變量：于是有：可分別表示1990年后期與前期的儲(chǔ)蓄函數(shù)。

在統(tǒng)計(jì)檢驗(yàn)中，如果4=0的假設(shè)被拒絕，則說明兩個(gè)時(shí)期中儲(chǔ)蓄函數(shù)的斜率不同。具體的回歸結(jié)果為：(-6.11)(22.89)(4.33)(-2.55)由3與4的t檢驗(yàn)可知：參數(shù)顯著地不等于0，強(qiáng)烈示出兩個(gè)時(shí)期的回歸是相異的，儲(chǔ)蓄函數(shù)分別為：1990年前：1990年后：=0.98363.臨界指標(biāo)的虛擬變量的引入

在經(jīng)濟(jì)發(fā)生轉(zhuǎn)折時(shí)期，可通過建立臨界指標(biāo)的虛擬變量模型來反映。例如，進(jìn)口消費(fèi)品數(shù)量Y主要取決于國民收入X的多少，中國在改革開放前后，Y對(duì)X的回歸關(guān)系明顯不同。

則進(jìn)口消費(fèi)品的回歸模型可建立如下：這時(shí)，可以t*=1979年為轉(zhuǎn)折期，以1979年的國民收入Xt*為臨界值，設(shè)如下虛擬變量：OLS法得到該模型的回歸方程為：則兩時(shí)期進(jìn)口消費(fèi)品函數(shù)分別為：當(dāng)t<t*=1979年，當(dāng)tt*=1979年，三、虛擬變量的設(shè)置原則虛擬變量的個(gè)數(shù)須按以下原則確定：

每一定性變量所需的虛擬變量個(gè)數(shù)要比該定性變量的類別數(shù)少1，即如果有m個(gè)定性變量，只在模型中引入m-1個(gè)虛擬變量。

例。已知冷飲的銷售量Y除受k種定量變量Xk的影響外，還受春、夏、秋、冬四季變化的影響，要考察該四季的影響，只需引入三個(gè)虛擬變量即可：則冷飲銷售量的模型為：在上述模型中，若再引入第四個(gè)虛擬變量：則冷飲銷售模型變量為：其矩陣形式為：

如果只取六個(gè)觀測(cè)值，其中春季與夏季取了兩次，秋、冬各取到一次觀測(cè)值，則式中的：顯然，(X,D)中的第1列可表示成后4列的線性組合，從而(X,D)不滿秩，參數(shù)無法唯一求出。

這就是所謂的“虛擬變量陷阱”，應(yīng)避免?！?.2滯后變量模型

一、滯后變量模型二、分布滯后模型的參數(shù)估計(jì)三、自回歸模型的參數(shù)估計(jì)四、格蘭杰因果關(guān)系檢驗(yàn)

在經(jīng)濟(jì)運(yùn)行過程中，廣泛存在時(shí)間滯后效應(yīng)。某些經(jīng)濟(jì)變量不僅受到同期各種因素的影響，而且也受到過去某些時(shí)期的各種因素甚至自身的過去值的影響。一、滯后變量模型

通常把這種過去時(shí)期的，具有滯后作用的變量叫做滯后變量（LaggedVariable），含有滯后變量的模型稱為滯后變量模型。滯后變量模型考慮了時(shí)間因素的作用，使靜態(tài)分析的問題有可能成為動(dòng)態(tài)分析。含有滯后解釋變量的模型，又稱動(dòng)態(tài)模型（DynamicalModel）。1.滯后效應(yīng)與與產(chǎn)生滯后效應(yīng)的原因

因變量受到自身或另一解釋變量的前幾期值影響的現(xiàn)象稱為滯后效應(yīng)。

表示前幾期值的變量稱為滯后變量。如：消費(fèi)函數(shù)通常認(rèn)為，本期的消費(fèi)除了受本期的收入影響之外，還受前1期，或前2期收入的影響：

Ct=0+1Yt+2Yt-1+3Yt-2+tYt-1，Yt-2為滯后變量。

產(chǎn)生滯后效應(yīng)的原因

1.心理因素：人們的心理定勢(shì)，行為方式滯后于經(jīng)濟(jì)形勢(shì)的變化，如中彩票的人不可能很快改變其生活方式。

2.技術(shù)原因：如當(dāng)年的產(chǎn)出在某種程度上依賴于過去若干期內(nèi)投資形成的固定資產(chǎn)。

3.制度原因：如定期存款到期才能提取，造成了它對(duì)社會(huì)購買力的影響具有滯后性。

2.滯后變量模型

以滯后變量作為解釋變量，就得到滯后變量模型。它的一般形式為：

q，s：滯后時(shí)間間隔自回歸分布滯后模型（autoregressivedistributedlagmodel,ADL）：既含有Y對(duì)自身滯后變量的回歸，還包括著X分布在不同時(shí)期的滯后變量。有限自回歸分布滯后模型：滯后期長(zhǎng)度有限

無限自回歸分布滯后模型：滯后期無限

（1）分布滯后模型（distributed-lagmodel）

分布滯后模型：模型中沒有滯后被解釋變量，僅有解釋變量X的當(dāng)期值及其若干期的滯后值：

0：短期(short-run)或即期乘數(shù)(impactmultiplier)，表示本期X變化一單位對(duì)Y平均值的影響程度。

i(i=1,2…,s)：動(dòng)態(tài)乘數(shù)或延遲系數(shù)，表示各滯后期X的變動(dòng)對(duì)Y平均值影響的大小。

如果各期的X值保持不變，則X與Y間的長(zhǎng)期或均衡關(guān)系即為:稱為長(zhǎng)期（long-run）或均衡乘數(shù)（totaldistributed-lagmultiplier），表示X變動(dòng)一個(gè)單位，由于滯后效應(yīng)而形成的對(duì)Y平均值總影響的大小。

2.自回歸模型（autoregressivemodel）而，

稱為一階自回歸模型（first-orderautoregressivemodel）。

自回歸模型：模型中的解釋變量?jī)H包含X的當(dāng)期值與被解釋變量Y的一個(gè)或多個(gè)滯后值二、分布滯后模型的參數(shù)估計(jì)

無限期的分布滯后模型，由于樣本觀測(cè)值的有限性，使得無法直接對(duì)其進(jìn)行估計(jì)。

有限期的分布滯后模型，OLS會(huì)遇到如下問題：

1.沒有先驗(yàn)準(zhǔn)則確定滯后期長(zhǎng)度；1.分布滯后模型估計(jì)的困難

2.如果滯后期較長(zhǎng)，將缺乏足夠的自由度進(jìn)行估計(jì)和檢驗(yàn)；3.同名變量滯后值之間可能存在高度線性相關(guān)，即模型存在高度的多重共線性。

2.分布滯后模型的修正估計(jì)方法

人們提出了一系列的修正估計(jì)方法，但并不很完善。

各種方法的基本思想大致相同：都是通過對(duì)各滯后變量加權(quán)，組成線性合成變量而有目的地減少滯后變量的數(shù)目，以緩解多重共線性，保證自由度。

(1)經(jīng)驗(yàn)加權(quán)法根據(jù)實(shí)際問題的特點(diǎn)、實(shí)際經(jīng)驗(yàn)給各滯后變量指定權(quán)數(shù)，滯后變量按權(quán)數(shù)線性組合，構(gòu)成新的變量。權(quán)數(shù)據(jù)的類型有：遞減型：即認(rèn)為權(quán)數(shù)是遞減的，X的近期值對(duì)Y的影響較遠(yuǎn)期值大。如消費(fèi)函數(shù)中，收入的近期值對(duì)消費(fèi)的影響作用顯然大于遠(yuǎn)期值的影響。例如：滯后期為3的一組權(quán)數(shù)可取值如下：

1/2，1/4，1/6，1/8即認(rèn)為權(quán)數(shù)是相等的，X的逐期滯后值對(duì)值Y的影響相同。如滯后期為3，指定相等權(quán)數(shù)為1/4，則新的線性組合變量為：矩型：

則新的線性組合變量為：

權(quán)數(shù)先遞增后遞減呈倒“V”型。

例如：在一個(gè)較長(zhǎng)建設(shè)周期的投資中，歷年投資X為產(chǎn)出Y的影響，往往在周期期中投資對(duì)本期產(chǎn)出貢獻(xiàn)最大。如滯后期為4，權(quán)數(shù)可取為

1/6，1/4，1/2，1/3，1/5則新變量為倒V型例5.2.1對(duì)一個(gè)分布滯后模型：

給定遞減權(quán)數(shù)：1/2，1/4，1/6，1/8

令

原模型變?yōu)椋?/p>

該模型可用OLS法估計(jì)。假如參數(shù)估計(jì)結(jié)果為：=0.5=0.8則原模型的估計(jì)結(jié)果為：

經(jīng)驗(yàn)權(quán)數(shù)法的優(yōu)點(diǎn)是：簡(jiǎn)單易行；缺點(diǎn)是：設(shè)置權(quán)數(shù)的隨意性較大通常的做法是：多選幾組權(quán)數(shù)，分別估計(jì)出幾個(gè)模型，然后根據(jù)常用的統(tǒng)計(jì)檢驗(yàn)（Ｒ方檢驗(yàn)，Ｆ檢驗(yàn)，t檢驗(yàn)，Ｄ-Ｗ檢驗(yàn)），從中選擇最佳估計(jì)式。（2）阿爾蒙（Ａlmon）多項(xiàng)式法

主要思想：針對(duì)有限滯后期模型，通過阿爾蒙變換，定義新變量，以減少解釋變量個(gè)數(shù)，然后用OLS法估計(jì)參數(shù)。

主要步驟為：第一步，阿爾蒙變換

對(duì)于分布滯后模型：

假定其回歸系數(shù)i可用一個(gè)關(guān)于滯后期i的適當(dāng)階數(shù)的多項(xiàng)式來表示，即:

i=0,1,…,s其中，m<s-1。阿爾蒙變換要求先驗(yàn)地確定適當(dāng)階數(shù)k，例如取k=2，得：

（*）

將(*)代入分布滯后模型：

得：定義新變量

將原模型轉(zhuǎn)換為：

第二步，模型的OLS估計(jì)

對(duì)變換后的模型進(jìn)行OLS估計(jì)，得：再計(jì)算出:求出滯后分布模型參數(shù)的估計(jì)值:由于m+1<s，可以認(rèn)為原模型存在的自由度不足和多重共線性問題已得到改善。

需注意的是，在實(shí)際估計(jì)中，阿爾蒙多項(xiàng)式的階數(shù)m一般取2或3，不超過4，否則達(dá)不到減少變量個(gè)數(shù)的目的。

例5.2.2

表5.2.1給出了中國電力基本建設(shè)投資X與發(fā)電量Y的相關(guān)資料，擬建立一多項(xiàng)式分布滯后模型來考察兩者的關(guān)系。

由于無法預(yù)見知電力行業(yè)基本建設(shè)投資對(duì)發(fā)電量影響的時(shí)滯期，需取不同的滯后期試算。

（13.62）（1.86）（0.15）（-0.67）

經(jīng)過試算發(fā)現(xiàn)，在2階阿爾蒙多項(xiàng)式變換下，滯后期數(shù)取到第6期，估計(jì)結(jié)果的經(jīng)濟(jì)意義比較合理。2階阿爾蒙多項(xiàng)式估計(jì)結(jié)果如下：求得的分布滯后模型參數(shù)估計(jì)值為：

最后得到分布滯后模型估計(jì)式為：

為了比較，下面給出直接對(duì)滯后6期的模型進(jìn)行OLS估計(jì)的結(jié)果：

（3）科伊克（Koyck）方法

科伊克方法是將無限分布滯后模型轉(zhuǎn)換為自回歸模型，然后進(jìn)行估計(jì)。對(duì)于無限分布滯后模型：

科伊克變換假設(shè)i隨滯后期i按幾何級(jí)數(shù)衰減：

其中，0<<1，稱為分布滯后衰減率，1-稱為調(diào)整速率（Speedofadjustment）?？埔量俗儞Q的具體做法:將科伊克假定i=0i代入無限分布滯后模型，得：滯后一期并乘以，得：(*)(**)將（*）減去（**）得科伊克變換模型：

整理得科伊克模型的一般形式：

科伊克模型的特點(diǎn)：

（1）以一個(gè)滯后因變量Yt-1代替了大量的滯后解釋變量Xt-i，最大限度地節(jié)省了自由度，解決了滯后期長(zhǎng)度s難以確定的問題；（2）由于滯后一期的因變量Yt-1與Xt的線性相關(guān)程度可以肯定小于X的各期滯后值之間的相關(guān)程度，從而緩解了多重共線性。但科伊克變換也同時(shí)產(chǎn)生了兩個(gè)新問題：（1）模型存在隨機(jī)項(xiàng)和vt的一階自相關(guān)性；（2）滯后被解釋變量Yt-1與隨機(jī)項(xiàng)vt不獨(dú)立。這些新問題需要進(jìn)一步解決。三、自回歸模型的參數(shù)估計(jì)

一個(gè)無限期分布滯后模型可以通過科伊克變換轉(zhuǎn)化為自回歸模型。事實(shí)上，許多滯后變量模型都可以轉(zhuǎn)化為自回歸模型，自回歸模型是經(jīng)濟(jì)生活中更常見的模型。以適應(yīng)預(yù)期模型以及局部調(diào)整模型為例進(jìn)行說明。1.自回歸模型的構(gòu)造

（1）自適應(yīng)預(yù)期（Adaptiveexpectation）模型在某些實(shí)際問題中，因變量Yt并不取決于解釋變量的當(dāng)前實(shí)際值Xt，而取決于Xt的“預(yù)期水平”或“長(zhǎng)期均衡水平”Xte。

例如，家庭本期消費(fèi)水平，取決于本期收入的預(yù)期值；市場(chǎng)上某種商品供求量，決定于本期該商品價(jià)格的均衡值。

因此，自適應(yīng)預(yù)期模型最初表現(xiàn)形式是：由于預(yù)期變量是不可實(shí)際觀測(cè)的，往往作如下自適應(yīng)預(yù)期假定:其中：r為預(yù)期系數(shù)（coefficientofexpectation）,0r1。該式的經(jīng)濟(jì)含義為：“經(jīng)濟(jì)行為者將根據(jù)過去的經(jīng)驗(yàn)修改他們的預(yù)期”，即本期預(yù)期值的形成是一個(gè)逐步調(diào)整過程，本期預(yù)期值的增量是本期實(shí)際值與前一期預(yù)期值之差的一部分，其比例為r。這個(gè)假定還可寫成：將得：代入將（*）式滯后一期并乘以(1-r),得：(**)以(*)減去（**），整理得：其中可見自適應(yīng)預(yù)期模型轉(zhuǎn)化為自回歸模型。(*)（2）局部調(diào)整(PartialAdjustment)模型局部調(diào)整模型主要是用來研究物資儲(chǔ)備問題的。例如，企業(yè)為了保證生產(chǎn)和銷售，必須保持一定的原材料儲(chǔ)備。對(duì)應(yīng)于一定的產(chǎn)量或銷售量Xt，存在著預(yù)期的最佳庫存Yte。局部調(diào)整模型的最初形式為：Yte不可觀測(cè)。由于生產(chǎn)條件的波動(dòng)，生產(chǎn)管理方面的原因，庫存儲(chǔ)備Yt的實(shí)際變化量只是預(yù)期變化的一部分。或：(*)儲(chǔ)備按預(yù)定水平逐步進(jìn)行調(diào)整，故有如下局部調(diào)整假設(shè)：其中，為調(diào)整系數(shù)，0

1將(*)式代入可見，局部調(diào)整模型轉(zhuǎn)化為自回歸模型2.自回歸模型的參數(shù)估計(jì)

考伊克模型：

對(duì)于自回歸模型：

估計(jì)時(shí)的主要問題：滯后被解釋變量的存在可能導(dǎo)致它與隨機(jī)擾動(dòng)項(xiàng)相關(guān)，以及隨機(jī)擾動(dòng)項(xiàng)出現(xiàn)序列相關(guān)性。

自適應(yīng)預(yù)期模型：局部調(diào)整模型：

存在：滯后被解釋變量Yt-1與隨機(jī)擾動(dòng)項(xiàng)t的異期相關(guān)性。

因此，對(duì)自回歸模型的估計(jì)主要需視滯后被解釋變量與隨機(jī)擾動(dòng)項(xiàng)的不同關(guān)系進(jìn)行估計(jì)。以一階自回歸模型為例說明:

顯然存在：(1)工具變量法

若Yt-1與t同期相關(guān)，則OLS估計(jì)是有偏的，并且不是一致估計(jì)。因此，對(duì)上述模型，通常采用工具變量法，即尋找一個(gè)新的經(jīng)濟(jì)變量Zt，用來代替Yt-1。

參數(shù)估計(jì)量具有一致性。對(duì)于一階自回歸模型：

在實(shí)際估計(jì)中，一般用X的若干滯后的線性組合作為Yt-1的工具變量:由于原模型已假設(shè)隨機(jī)擾動(dòng)項(xiàng)t與解釋變量X及其滯后項(xiàng)不存在相關(guān)性，因此上述工具變量與t不再線性相關(guān)。一個(gè)更簡(jiǎn)單的情形是直接用Xt-1作為Yt-1的工具變量。

（2）普通最小二乘法

若滯后被解釋變量Yt-1與隨機(jī)擾動(dòng)項(xiàng)t同期無關(guān)（如局部調(diào)整模型），可直接使用OLS法進(jìn)行估計(jì)，得到一致估計(jì)量。上述工具變量法只解決了解釋變量與t相關(guān)對(duì)參數(shù)估計(jì)所造成的影響，但沒有解決t的自相關(guān)問題。注意：事實(shí)上，對(duì)于自回歸模型，t項(xiàng)的自相關(guān)問題始終存在，對(duì)于此問題，至今沒有完全有效的解決方法。唯一可做的，就是盡可能地建立“正確”的模型，以使序列相關(guān)性的程度減輕。

例5.2.3建立中國長(zhǎng)期貨幣流通量需求模型

經(jīng)驗(yàn)表明：中國改革開放以來，對(duì)貨幣需求量(Y)的影響因素，主要有資金運(yùn)用中的貸款額(X)以及反映價(jià)格變化的居民消費(fèi)者價(jià)格指數(shù)(P)。

長(zhǎng)期貨幣流通量模型可設(shè)定為：

由于長(zhǎng)期貨幣流通需求量不可觀測(cè)，作局部調(diào)整:

(*)(**)將（*）式代入（**）得短期貨幣流通量需求模型：

對(duì)局部調(diào)整模型：運(yùn)用OLS法估計(jì)結(jié)果如下：

（-2.93）(2.86)(3.10)(2.87)

最后得到長(zhǎng)期貨幣流通需求模型的估計(jì)式：

注意：

盡管D.W.=1.733，但不能據(jù)此判斷自回歸模型不存在自相關(guān)(Why?)。但LM=0.7855，=5%下，臨界值2(1)=3.84，

判斷：模型已不存在一階自相關(guān)。如果直接對(duì)下式作OLS回歸

（-4.81）(58.79)(5.05)

得，可見該模型隨機(jī)擾動(dòng)項(xiàng)具有序列相關(guān)性，

四、格蘭杰因果關(guān)系檢驗(yàn)

自回歸分布滯后模型旨在揭示：某變量的變化受其自身及其他變量過去行為的影響。然而，許多經(jīng)濟(jì)變量有著相互的影響關(guān)系GDP消費(fèi)問題：當(dāng)兩個(gè)變量在時(shí)間上有先導(dǎo)——滯后關(guān)系時(shí)，能否從統(tǒng)計(jì)上考察這種關(guān)系是單向的還是雙向的？即:主要是一個(gè)變量過去的行為在影響另一個(gè)變量的當(dāng)前行為呢？還是雙方的過去行為在相互影響著對(duì)方的當(dāng)前行為？

格蘭杰因果關(guān)系檢驗(yàn)（Grangertestofcausality）對(duì)兩變量Y與X，格蘭杰因果關(guān)系檢驗(yàn)要求估計(jì):(*)(**)可能存在有四種檢驗(yàn)結(jié)果：（1）X對(duì)Y有單向影響，表現(xiàn)為（*）式X各滯后項(xiàng)前的參數(shù)整體為零，而Y各滯后項(xiàng)前的參數(shù)整體不為零；（2）Y對(duì)X有單向影響，表現(xiàn)為（**）式Y(jié)各滯后項(xiàng)前的參數(shù)整體為零，而X各滯后項(xiàng)前的參數(shù)整體不為零；（3）Y與X間存在雙向影響，表現(xiàn)為Y與X各滯后項(xiàng)前的參數(shù)整體不為零；（4）Y與X間不存在影響，表現(xiàn)為Y與X各滯后項(xiàng)前的參數(shù)整體為零。

格蘭杰檢驗(yàn)是通過受約束的F檢驗(yàn)完成的。如:針對(duì)中X滯后項(xiàng)前的參數(shù)整體為零的假設(shè)(X不是Y的格蘭杰原因)。

分別做包含與不包含X滯后項(xiàng)的回歸，記前者與后者的殘差平方和分別為RSSU、RSSR；再計(jì)算F統(tǒng)計(jì)量：

k為無約束回歸模型的待估參數(shù)的個(gè)數(shù)。

如果:F>F(m,n-k)，則拒絕原假設(shè)，認(rèn)為X是Y的格蘭杰原因。

注意：

格蘭杰因果關(guān)系檢驗(yàn)對(duì)于滯后期長(zhǎng)度的選擇有時(shí)很敏感。不同的滯后期可能會(huì)得到完全不同的檢驗(yàn)結(jié)果。因此，一般而言，常進(jìn)行不同滯后期長(zhǎng)度的檢驗(yàn)，以檢驗(yàn)?zāi)Ｐ椭须S機(jī)誤差項(xiàng)不存在序列相關(guān)的滯后期長(zhǎng)度來選取滯后期。

例5.2.4檢驗(yàn)1978~2000年間中國當(dāng)年價(jià)GDP與居民消費(fèi)CONS的因果關(guān)系。

取兩階滯后，Eviews給出的估計(jì)結(jié)果為：

判斷：=5%，臨界值F0.05(2,17)=3.59拒絕“GDP不是CONS的格蘭杰原因”的假設(shè)，不拒絕“CONS不是GDP的格蘭杰原因”的假設(shè)。因此，從2階滯后的情況看，GDP的增長(zhǎng)是居民消費(fèi)增長(zhǎng)的原因，而不是相反。但在2階滯后時(shí)，檢驗(yàn)的模型存在1階自相關(guān)性。隨著滯后階數(shù)的增加，拒絕“GDP是居民消費(fèi)CONS的原因”的概率變大，而拒絕“居民消費(fèi)CONS是GDP的原因”的概率變小。如果同時(shí)考慮檢驗(yàn)?zāi)Ｐ偷男蛄邢嚓P(guān)性以及赤池信息準(zhǔn)則，發(fā)現(xiàn)：滯后4階或5階的檢驗(yàn)?zāi)Ｐ筒痪哂?階自相關(guān)性，而且也擁有較小的AIC值，這時(shí)判斷結(jié)果是:GDP與CONS有雙向的格蘭杰因果關(guān)系，即相互影響。

分析：§5.3模型設(shè)定偏誤問題

一、模型設(shè)定偏誤的類型

二、模型設(shè)定偏誤的后果

三、模型設(shè)定偏誤的檢驗(yàn)

一、模型設(shè)定偏誤的類型

模型設(shè)定偏誤主要有兩大類:(1)關(guān)于解釋變量選取的偏誤，主要包括漏選相關(guān)變量和多選無關(guān)變量，(2)關(guān)于模型函數(shù)形式選取的偏誤。

1.相關(guān)變量的遺漏（omittingrelevantvariables）

例如，如果“正確”的模型為:而我們將模型設(shè)定為:

即設(shè)定模型時(shí)漏掉了一個(gè)相關(guān)的解釋變量。這類錯(cuò)誤稱為遺漏相關(guān)變量。

2.無關(guān)變量的誤選(includingirrevelantvariables)

例如，如果Y=0+1X1+2X2+仍為“真”，但我們將模型設(shè)定為:Y=0+1X1+2X2+3X3+即設(shè)定模型時(shí)，多選了一個(gè)無關(guān)解釋變量。

3.錯(cuò)誤的函數(shù)形式(wrongfunctionalform)例如，如果“真實(shí)”的回歸函數(shù)為:

但卻將模型設(shè)定為:

二、模型設(shè)定偏誤的后果

當(dāng)模型設(shè)定出現(xiàn)偏誤時(shí)，模型估計(jì)結(jié)果也會(huì)與“實(shí)際”有偏差。這種偏差的性質(zhì)及程度與模型設(shè)定偏誤的類型密切相關(guān)。

1.遺漏相關(guān)變量偏誤

采用遺漏相關(guān)變量的模型進(jìn)行估計(jì)而帶來的偏誤稱為遺漏相關(guān)變量偏誤（omittingrelevantvariablebias）。設(shè)正確的模型為:Y=0+1X1+2X2+卻對(duì)Y=0+1X1+v進(jìn)行回歸，得:將正確模型Y=0+1X1+2X2+

的離差形式:

代入得:(1)如果漏掉的X2與X1相關(guān)，則上式中的第二項(xiàng)在小樣本下求期望與大樣本下求概率極限都不會(huì)為零，從而使得OLS估計(jì)量在小樣本下有偏，在大樣本下非一致。

(2)如果X2與X1不相關(guān)，則1的估計(jì)滿足無偏性與一致性；但這時(shí)0的估計(jì)卻是有偏的。

由Y=0+1X1+v得:由Y=0+1X1+2X2+得:如果X2與X1相關(guān)，顯然有如果X2與X1不相關(guān)，也有Why?2.包含無關(guān)變量偏誤采用包含無關(guān)解釋變量的模型進(jìn)行估計(jì)帶來的偏誤，稱為包含無關(guān)變量偏誤（includingirrelevantvariablebias）。設(shè)Y=0+1X1+v(*)為正確模型，但卻估計(jì)了Y=0+1X1+2X2+

(**)如果2=0，則(**)與(*)相同，因此，可將(**)式視為以2=0為約束的(*)式的特殊形式。由于所有的經(jīng)典假設(shè)都滿足，因此對(duì)Y=0+1X1+2X2+

(**)式進(jìn)行OLS估計(jì)，可得到無偏且一致的估計(jì)量。

但是，OLS估計(jì)量卻不具有最小方差性。Y=0+1X1+v中X1的方差:Y=0+1X1+2X2+

中X1的方差:當(dāng)X1與X2完全線性無關(guān)時(shí):

否則：注意：3.錯(cuò)誤函數(shù)形式的偏誤當(dāng)選取了錯(cuò)誤函數(shù)形式并對(duì)其進(jìn)行估計(jì)時(shí)，帶來的偏誤稱錯(cuò)誤函數(shù)形式偏誤（wrongfunctionalformbias）。容易判斷，這種偏誤是全方位的。

例如，如果“真實(shí)”的回歸函數(shù)為:卻估計(jì)線性式顯然，兩者的參數(shù)具有完全不同的經(jīng)濟(jì)含義，且估計(jì)結(jié)果一般也是不相同的。

三、模型設(shè)定偏誤的檢驗(yàn)

1.檢驗(yàn)是否含有無關(guān)變量

可用t檢驗(yàn)與F檢驗(yàn)完成。

檢驗(yàn)的基本思想:如果模型中誤選了無關(guān)變量，則其系數(shù)的真值應(yīng)為零。因此，只須對(duì)無關(guān)變量系數(shù)的顯著性進(jìn)行檢驗(yàn)。

t檢驗(yàn)：檢驗(yàn)?zāi)?個(gè)變量是否應(yīng)包括在模型中；

2.檢驗(yàn)是否有相關(guān)變量的遺漏或函數(shù)形式設(shè)定偏誤

（1）殘差圖示法F檢驗(yàn)：檢驗(yàn)若干個(gè)變量是否應(yīng)同時(shí)包括在模型中。殘差序列變化圖（a）趨勢(shì)變化：模型設(shè)定時(shí)可能遺漏了一隨著時(shí)間的推移而持續(xù)上升的變量

（b）循環(huán)變化：模型設(shè)定時(shí)可能遺漏了一隨著時(shí)間的推移而呈現(xiàn)循環(huán)變化的變量

模型函數(shù)形式設(shè)定偏誤時(shí)殘差序列呈現(xiàn)正負(fù)交替變化

圖示：一元回歸模型中，真實(shí)模型呈冪函數(shù)形式，但卻選取了線性函數(shù)進(jìn)行回歸。

（2）一般性設(shè)定偏誤檢驗(yàn)

但更準(zhǔn)確更常用的判定方法是拉姆齊(Ramsey)于1969年提出的所謂RESET檢驗(yàn)（regressionerrorspecificationtest）。

基本思想：

如果事先知道遺漏了哪個(gè)變量，只需將此變量引入模型，估計(jì)并檢驗(yàn)其參數(shù)是否顯著不為零即可；問題是不知道遺漏了哪個(gè)變量，需尋找一個(gè)替代變量Z，來進(jìn)行上述檢驗(yàn)。

RESET檢驗(yàn)中，采用所設(shè)定模型中被解釋變量Y的估計(jì)值?的若干次冪來充當(dāng)該“替代”變量。

例如，先估計(jì)Y=0+1X1+v得:

再根據(jù)第三章第五節(jié)介紹的增加解釋變量的F檢驗(yàn)來判斷是否增加這些“替代”變量。若僅增加一個(gè)“替代”變量，也可通過t檢驗(yàn)來判斷。

例如，在一元回歸中，假設(shè)真實(shí)的函數(shù)形式是非線性的，用泰勒定理將其近似地表示為多項(xiàng)式：

RESET檢驗(yàn)也可用來檢驗(yàn)函數(shù)形式設(shè)定偏誤的問題。

因此，如果設(shè)定了線性模型，就意味著遺漏了相關(guān)變量X12、X13

，等等。（*）因此，在一元回歸中，可通過檢驗(yàn)(*)式中的各高次冪參數(shù)的顯著性來判斷是否將非線性模型誤設(shè)成了線性模型。對(duì)多元回歸，非線性函數(shù)可能是關(guān)于若干個(gè)或全部解釋變量的非線性，這時(shí)可按遺漏變量的程序進(jìn)行檢驗(yàn)。

例如，估計(jì)Y=0+1X1+2X2+但卻懷疑真實(shí)的函數(shù)形式是非線性的。這時(shí)，只需以估計(jì)出的?的若干次冪為“替代”變量，進(jìn)行類似于如下模型的估計(jì):再判斷各“替代”變量的參數(shù)是否顯著地不為零即可。

例5.3.1：在§4.3商品進(jìn)口的例中,估計(jì)了中國商品進(jìn)口M與GDP的關(guān)系，并發(fā)現(xiàn)具有強(qiáng)烈的一階自相關(guān)性。然而，由于僅用GDP來解釋商品進(jìn)口的變化，明顯地遺漏了諸如商品進(jìn)口價(jià)格、匯率等其他影響因素。因此，序列相關(guān)性的主要原因可能就是建模時(shí)遺漏了重要的相關(guān)變量造成的。下面進(jìn)行RESET檢驗(yàn)。

用原回歸模型估計(jì)出商品進(jìn)口序列:

R2=0.9484

（-0.085）（8.274）（-6.457）（6.692）R2=0.9842在=5%下，查得臨界值F0.05(2,20)=3.49判斷：拒絕原模型與引入新變量的模型可決系數(shù)無顯著差異的假設(shè)，表明原模型確實(shí)存在遺漏相關(guān)變量的設(shè)定偏誤。

*（3）同期相關(guān)性的豪斯蔓（Hausman）檢驗(yàn)由于在遺漏相關(guān)變量的情況下，往往導(dǎo)致解釋變量與隨機(jī)擾動(dòng)項(xiàng)出現(xiàn)同期相關(guān)性，從而使得OLS估計(jì)量有偏且非一致。因此，對(duì)模型遺漏相關(guān)變量的檢驗(yàn)可以用模型是否出現(xiàn)解釋變量與隨機(jī)擾動(dòng)項(xiàng)同期相關(guān)性的檢驗(yàn)來替代。這就是豪斯蔓檢驗(yàn)（1978）的主要思想。

當(dāng)解釋變量與隨機(jī)擾動(dòng)項(xiàng)同期相關(guān)時(shí)，通過工具變量法可得到參數(shù)的一致估計(jì)量。而當(dāng)解釋變量與隨機(jī)擾動(dòng)項(xiàng)同期無關(guān)時(shí)，OLS估計(jì)量就可得到參數(shù)的一致估計(jì)量。因此，只須檢驗(yàn)IV估計(jì)量與OLS估計(jì)量是否有顯著差異來檢驗(yàn)解釋變量與隨機(jī)擾動(dòng)項(xiàng)是否同期無關(guān)。對(duì)一元線性回歸模型Y=0+1X+所檢驗(yàn)的假設(shè)是H0：X與無同期相關(guān)。

設(shè)一元樣本回歸模型為:

以Z為工具變量，則IV估計(jì)量為：

(*)(*)式表明，IV估計(jì)量與OLS估計(jì)量無差異當(dāng)且僅當(dāng)ziei=0，即工具變量與OLS估計(jì)的殘差項(xiàng)無關(guān)。

檢驗(yàn)時(shí)，求Y關(guān)于X與Z的OLS回歸式：

在實(shí)際檢驗(yàn)中，豪斯蔓檢驗(yàn)主要針對(duì)多元回歸進(jìn)行，而且也不是直接對(duì)工具變量回歸，而是對(duì)以各工具變量為自變量、分別以各解釋變量為因變量進(jìn)行回歸。

如對(duì)二元回歸模型:

(*)通過增加解釋變量的F檢驗(yàn)，檢驗(yàn)聯(lián)合假設(shè)：H0：1=2=0。拒絕原假設(shè)，就意味著（*）式中的解釋變量與隨機(jī)擾動(dòng)項(xiàng)相關(guān)。

（4）線性模型與雙對(duì)數(shù)線性模型的選擇

無法通過判定系數(shù)的大小來輔助決策，因?yàn)樵趦深惸Ｐ椭斜唤忉屪兞渴遣煌?。為了在兩類模型中比較，可用Box-Cox變換:第一步，計(jì)算Y的樣本幾何均值。

第二步，用得到的樣本幾何均值去除原被解釋變量Y，得到被解釋變量的新序列Y*。

第三步，用Y*替代Y，分別估計(jì)雙對(duì)數(shù)線性模型與線性模型。并通過比較它們的殘差平方和是否有顯著差異來進(jìn)行判斷。Zarembka（1968）提出的檢驗(yàn)統(tǒng)計(jì)量為：其中，RSS1與RSS2分別為對(duì)應(yīng)的較大的殘差平方和與較小的殘差平方和，n為樣本容量。

可以證明：該統(tǒng)計(jì)量在兩個(gè)回歸的殘差平方和無差異的假設(shè)下服從自由度為1的2分布。因此，拒絕原假設(shè)時(shí)，就應(yīng)選擇RSS2的模型。

例5.3.2在§4.3中國商品進(jìn)口的例中，采用線性模型:R2=0.948;采用雙對(duì)數(shù)線性模型:R2=0.973，但不能就此簡(jiǎn)單地判斷雙對(duì)數(shù)線性模型優(yōu)于線性模型。下面進(jìn)行Box-Cox變換。計(jì)算原商品進(jìn)口樣本的幾何平均值為：

計(jì)算出新的商品進(jìn)口序列：

以Mt*替代Mt，分別進(jìn)行雙對(duì)數(shù)線性模型與線性模型的回歸，得：

RSS1=0.5044RSS2=1.5536于是，在=5%下，查得臨界值20.05(1)=3.841判斷：拒絕原假設(shè)，表明雙對(duì)數(shù)線性模型確實(shí)“優(yōu)于”線性模型。

§5.4從傳統(tǒng)建模理論到約化建模理論一、傳統(tǒng)建模理論與數(shù)據(jù)開采問題

二、“從一般到簡(jiǎn)單”——約化建模型理論

三、非嵌套假設(shè)檢驗(yàn)

四、約化模型的準(zhǔn)則

一、傳統(tǒng)建模理論與數(shù)據(jù)開采問題

傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)的主導(dǎo)建模理論是“結(jié)構(gòu)模型方法論”以先驗(yàn)給定的經(jīng)濟(jì)理論為建立模型的出發(fā)點(diǎn)，以模型參數(shù)的估計(jì)為重心，以參數(shù)估計(jì)值與其理論預(yù)期值相一致為判斷標(biāo)準(zhǔn)，是一個(gè)“從簡(jiǎn)單到復(fù)雜”的建模過程（simple-to-generalapproach）:對(duì)不同變量及其數(shù)據(jù)的償試與篩選過程。

傳統(tǒng)建模方法主要的缺陷：建模過程的所謂“數(shù)據(jù)開采”（Dataminimg）問題。數(shù)據(jù)開采:對(duì)不同變量及其數(shù)據(jù)的償試與篩選。這一過程對(duì)最終選擇的變量的t檢驗(yàn)產(chǎn)生較大影響當(dāng)在眾多備選變量中選擇變量進(jìn)入模型時(shí)，其中t檢驗(yàn)的真實(shí)的顯著性水平已不再是事先給出的名義顯著性水平。顯著性水平意味著將一個(gè)無關(guān)變量作為相關(guān)變量選入模型而犯錯(cuò)誤的概率。羅維爾（Lovell）給出了一個(gè)從c個(gè)備選變量中選取k個(gè)變量進(jìn)入模型時(shí)，真實(shí)顯著性水平*與名義顯著性水平的關(guān)系：

*=1-(1-)c/k例如：給定=5%，如果有2個(gè)相互獨(dú)立且與被解釋變量無關(guān)的備選變量，誤選一個(gè)進(jìn)入模型的概率就成了1-(1-0.05)2=0.0975傳統(tǒng)建模方法的另一問題是它的“隨意性”。其結(jié)果是：對(duì)同一研究對(duì)象，使用同一數(shù)據(jù)，但不同的建模者往往得出不同的最終模型。二、“從一般到簡(jiǎn)單”——約化建模型理論

該理論認(rèn)為：在模型的最初設(shè)定上，就設(shè)立一個(gè)“一般”的模型，它包括了所有先驗(yàn)經(jīng)濟(jì)理論與假設(shè)中所應(yīng)包括的全部變量，各種可能的“簡(jiǎn)單”模型都被“嵌套”（nested）在這個(gè)“一般”的模型之中。然后在模型的估計(jì)過程中逐漸剔除不顯著的變量，最后得到一個(gè)較“簡(jiǎn)單”的最終模型。這就是所謂的“從一般到簡(jiǎn)單”（general-to-specific）的建模理論。(1)約化建模理論提出了一個(gè)對(duì)不同先驗(yàn)假設(shè)的更為系統(tǒng)的檢驗(yàn)程序；(2)初始模型就是一個(gè)包括所有可能變量的“一般”模型，也就避免了過度的“數(shù)據(jù)開采”問題；(3)由于初始模型的“一般”性，所有研究者的“起點(diǎn)”都有是相同的，因此，在相同的約化程序下，最后得到的最終模型也應(yīng)該是相同的。

特點(diǎn)：例題：

例3.5.1曾建立了一個(gè)中國城鎮(zhèn)居民食品消費(fèi)模型：

Q=f(X,P1,P0)然而，有理由認(rèn)為X、P1、P0的變化可能會(huì)經(jīng)過一段時(shí)期才會(huì)對(duì)Q起作用，因?yàn)橄M(fèi)者固有的消費(fèi)習(xí)慣是不易改變的。于是，可建立如下更“一般”的模型：在估計(jì)該模型之前，并不知道食品消費(fèi)需求是怎樣決定的，但可以考察幾種可能的情況:例如認(rèn)為，對(duì)食品的消費(fèi)需求是一個(gè)“靜態(tài)”行為，只有當(dāng)期的因素發(fā)生作用：（*）也可以認(rèn)為，由于食品是必需品，P1的變化并不對(duì)Q產(chǎn)生影響，但仍受P0與X變動(dòng)的影響，然而后者的影響卻有著一期的滯后：

可以看出，(*)、(**)都是原一般模型的特例，即都可通過對(duì)原一般模型施加約束得到。（**）如果一個(gè)模型可通過對(duì)“一般”模型施加約束得到，則稱該模型“嵌套”在一般模型之中。

約束：1=1=2=0約束：1=2=2=2=0約束：1+1+1=0

一個(gè)“一般模型”具有如下兩個(gè)重要特性：

第一，與所考察問題相關(guān)的不同的先驗(yàn)理論與假設(shè)都“嵌套”在該一般模型中；

第二，能較好地?cái)M合數(shù)據(jù)，并能滿足模型設(shè)定偏誤的各種檢驗(yàn)。

該兩條性質(zhì)是相互關(guān)聯(lián)的。例如，如果某一重要理論被忽略，則相關(guān)的變量也就被排除在該“一般”模型之外，從而使得該模型不能通過模型設(shè)定偏誤的多種檢驗(yàn)。

一個(gè)“一般”的模型是能夠進(jìn)行諸如遺漏相關(guān)變量、多選無關(guān)變量以及誤設(shè)函數(shù)形式的多種設(shè)定偏誤檢驗(yàn)的。

從一般到簡(jiǎn)單的約化建模過程

一旦建立了一個(gè)“一般”模型，就可對(duì)其進(jìn)行約化（simplificationresearch），尋找可能的簡(jiǎn)單模型。這往往是通過檢驗(yàn)“嵌套”于其中的各種簡(jiǎn)單模型進(jìn)行的。主要包括（1）各種“約束”檢驗(yàn)與（2）設(shè)定偏誤檢驗(yàn)，等。

一般模型的約化過程，是一個(gè)自上而下（top-down）逐級(jí)化簡(jiǎn)的建模過程。只有當(dāng)觀測(cè)數(shù)據(jù)不支持約束條件時(shí)，才退回到上一級(jí)，檢驗(yàn)其他可能的約束，或者得到最終模型。

“從一般到簡(jiǎn)單”的建模程序面臨的主要問題在于無法在兩個(gè)沒有嵌套關(guān)系的模型間進(jìn)行選擇。

這時(shí)，可能通過通常的擬合優(yōu)度檢驗(yàn)、池赤信息準(zhǔn)則來幫助決策，更主要的檢驗(yàn)是非嵌套假設(shè)檢驗(yàn)。

三、非嵌套假設(shè)檢驗(yàn)

假設(shè)要檢驗(yàn)下面兩個(gè)非嵌套模型：H0:Y=0+1X+2Z+H1:Y=0+1X+2W+該兩模型之間沒有嵌套關(guān)系，無法進(jìn)行約束檢驗(yàn)。同時(shí)，H0與H1不是對(duì)立假設(shè)，拒絕假設(shè)H0未必意味著接受假設(shè)H1。因此，通常的假設(shè)檢驗(yàn)程序無法直接使用。于是，可針對(duì)一般模型(*)分別檢驗(yàn)H0與H1

。

(*)為此，一種稱為包容性F檢驗(yàn)（encompassingFtests）被提了出來。這種檢驗(yàn)是人為地構(gòu)造一個(gè)“一般”模型：包容性F檢驗(yàn)主要存在以下問題:(1)人為構(gòu)造的一般模型沒有實(shí)際的經(jīng)濟(jì)意義，尤其在H0與H1分別反映兩種對(duì)立的經(jīng)濟(jì)理論的情況下更是如此；(2)有可能出現(xiàn)同時(shí)接受或拒絕H0與H1的現(xiàn)象；(3)當(dāng)Z與W高度相關(guān)時(shí)，往往導(dǎo)致既不能拒絕H0，也不能拒絕H1

，因?yàn)樵谝话隳Ｐ椭腥サ羧魏我粋€(gè)變量，都不會(huì)使擬合優(yōu)度下降很多。

另一個(gè)解決辦法是建立如下的一般模型：

如果=0，則為模型H0，如果=1，則為模型H1。因此，可通過檢驗(yàn)施加的約束=0是否為真來判斷H0是否為正選模型。問題：由該模型無法直接估計(jì)出的值。戴維森（Davidson）和麥金農(nóng)（Mackinnon）建議通過下面步驟估計(jì)：

第一步，對(duì)模型H1進(jìn)行OLS估計(jì)，得到?：

第二步，用估計(jì)的代替“一般模型”中的0+1X+2W，并進(jìn)行OLS估計(jì)：

戴維森和麥金農(nóng)證明：在大樣本下，H0為真時(shí)，的OLS估計(jì)量的t統(tǒng)計(jì)量服從標(biāo)準(zhǔn)正態(tài)分布：

t~N(0,1)。因此，如果的t統(tǒng)計(jì)量的絕對(duì)值大于給定顯著性水平下的臨界值，就拒絕模型H0。

如果要檢驗(yàn)?zāi)Ｐ虷1是否為真，仍可通過上面兩個(gè)步驟進(jìn)行，但需先對(duì)H0進(jìn)行OLS估計(jì)，得到?，以它為另一解釋變量估計(jì)如下模型：

如果顯著地異于0，則拒絕模型H1為真的假設(shè)。

該非嵌套假設(shè)檢驗(yàn)也被稱為J檢驗(yàn)（Jtest），因?yàn)樾鑼煞乔短啄Ｐ吐?lián)合起來進(jìn)行參數(shù)的聯(lián)合估計(jì)（jointestimation）。注意：(1)拒絕H0(或H1)不意味著接受H1(或H0)；(2)J檢驗(yàn)仍然存在同時(shí)接受或拒絕H0與H1的現(xiàn)象。四、約化模型的準(zhǔn)則

從一般到簡(jiǎn)單的建模過程，同樣存在著數(shù)據(jù)開采問題。一個(gè)“一般”模型經(jīng)過k步約化后得到最終的簡(jiǎn)化模型，可以證明，每一步中的名義顯著性水平與最終模型中各種檢驗(yàn)的實(shí)際顯著性水平*間有如下關(guān)系：

*=1-(1-)k然而，與“從簡(jiǎn)單到復(fù)雜”這一傳統(tǒng)建模方法相比，“從一般到簡(jiǎn)單”的建模過程能夠展現(xiàn)模型建立的全過程；同時(shí)建模過程的程式化（systematicmanner）也避免了過度的“數(shù)據(jù)開采”問題。由于一定程度的數(shù)據(jù)開采不可避免，“從一般到簡(jiǎn)單”建模理論倡導(dǎo)更加關(guān)注模型的樣本外預(yù)測(cè)（out-of-sampleforecast）?！皬囊话愕胶?jiǎn)單”的建模方法，初始模型就可能包括了所有的相關(guān)變量，沒有必要再進(jìn)行遺漏相關(guān)變量的設(shè)定偏誤檢驗(yàn)。“從一般到簡(jiǎn)單”的建模過程本身就是一項(xiàng)十分艱巨復(fù)雜的工作。各約化步驟往往是需要反復(fù)進(jìn)行的，約化步驟的順序也需要靈活按排。從實(shí)踐上看，由于各種因素的影響，所建立的最終的簡(jiǎn)化模型不一定就是最“理想”的模型。亨德瑞給出了一個(gè)約化模型的基本準(zhǔn)則：第一，模型必須具有數(shù)據(jù)一致(data-coherent)性，即模型能夠正確地解釋已有的數(shù)據(jù)。約化過程中需不斷進(jìn)行設(shè)定偏誤檢驗(yàn)。第二，模型必須與經(jīng)濟(jì)理論相一致（consistentwitheconomictheory）。第三，解釋變量必須是弱外生的(exogenous)，即解釋變量應(yīng)與隨機(jī)擾動(dòng)項(xiàng)不同期相關(guān)。第四，模型具有恒定的參數(shù)(constantparameters)。第五，模型具有包容性，即模型應(yīng)包容相競(jìng)爭(zhēng)的對(duì)手模型。第六，模型具有簡(jiǎn)潔性(parsimonious)，即在具有相同解釋能力的情況下，一個(gè)擁有較少解釋變量的模型優(yōu)于擁有較多解釋變量的模型。

例5.4.1在§3.5的例3.5.1中，曾以傳統(tǒng)的建模方法建立了1981—1994年間的中國城鎮(zhèn)居民食品消費(fèi)需求模型。用小寫字母代表變量的自然對(duì)數(shù)，則該一般模型的估計(jì)結(jié)果為：這里再以“從一般到簡(jiǎn)單”這一建模理論來做進(jìn)一步的考察。初始的一般模型設(shè)定為：（1.41）(0.09)(8.24)(-0.57)

(-0.65)(-0.24)(-6.03)(0.85)

給定5%的顯著性水平，可以判斷，盡管若干個(gè)變量的t檢驗(yàn)不顯著，但總體上看，不存在模型的相關(guān)變量遺漏與函數(shù)形式的設(shè)定偏誤問題，而且參數(shù)也具有穩(wěn)定性。因此，以它作為初始的一般模型是合適的。

進(jìn)一步考察模型的約化問題:

首先，檢驗(yàn)?zāi)Ｐ?/p>

(9.03)(25.35)(-2.28)(-7.35)該模型是由“一般模型”去掉滯后變量得到，相當(dāng)于對(duì)滯后變量施加了零約束，由受約束的F檢驗(yàn)得檢驗(yàn)值F=2.188，相伴概率p=0.207，可見：在5%的顯著性水平下，可接受該約束。

但是，存在著結(jié)構(gòu)變化，而且RSS有明顯增大。

如果忽略存在結(jié)構(gòu)變化這一特征，則上面模型能夠作為一個(gè)可接受的模型，并可進(jìn)一步檢驗(yàn)：

（75.86）（52.66）

（-3.62）

取=5%，RESET檢驗(yàn)表明可能存在遺漏相關(guān)變量的設(shè)定偏誤，這時(shí)RSS的值也有所增大，而且CHOW檢驗(yàn)也表明存在明顯的結(jié)構(gòu)變化。

強(qiáng)化節(jié)能減排實(shí)現(xiàn)綠色發(fā)展內(nèi)容覽要節(jié)能減排，世界正在行動(dòng)為什么要節(jié)能減排什么是節(jié)能減排節(jié)能減排，我們正在行動(dòng)0502010403目錄CONTENTS一、什么是節(jié)能減排

在《中華人民共和國節(jié)約能源法》中定義的節(jié)能減排，是指加強(qiáng)用能管理，采取技術(shù)上可行、經(jīng)濟(jì)上合理以及環(huán)境和社會(huì)可以承受的措施，從能源生產(chǎn)到消費(fèi)的各個(gè)環(huán)節(jié)，降低消耗、減少損失和污染物排放、制止浪費(fèi)，有效、合理地利用能源。從具體意義上說，節(jié)能，就是降低各種類型的能源品消耗；減排，就是減少各種污染物和溫室氣體的排放，以最大限度地避免污染我們賴以生存的環(huán)境。二、為什么要節(jié)能減排1、節(jié)能減排是緩解能源危機(jī)的有效手段

當(dāng)下，能源危機(jī)迫在眉睫，國外有關(guān)機(jī)構(gòu)的統(tǒng)計(jì)結(jié)果顯示：2010年中國的能源消耗超過美國，成為全球第一。2011年2月底，中國能源研究會(huì)公布最新統(tǒng)計(jì)數(shù)據(jù)顯示，2010年我國一次能源消費(fèi)量為32.5億噸標(biāo)準(zhǔn)煤，同比增長(zhǎng)6%，超過美國成為全球第一能源消費(fèi)大國。統(tǒng)計(jì)數(shù)據(jù)稱，2010年中國一次能源消費(fèi)量為24.32億噸油當(dāng)量，同比增長(zhǎng)11.2%，占世界能源消費(fèi)總量的20.3%。美國一次能源消費(fèi)量為22.86億噸油當(dāng)量，同比增長(zhǎng)3.7%，占世界能源消費(fèi)總量的19.0%。

根據(jù)全球已探明傳統(tǒng)能源儲(chǔ)量測(cè)算，按照當(dāng)前能源消耗增長(zhǎng)速度，傳統(tǒng)的石化燃料（煤、石油、天然氣）已經(jīng)不夠人類再使用一百年。目前新能源的開發(fā)利用方興未艾，2010年全球有23%的能源需求來自再生能源，其中13%為傳統(tǒng)的生物能，多半用于熱能（例如燒柴），5.2%是來自水力，來自新的可再生能源（小于20MW的水力，現(xiàn)代的生物質(zhì)能，風(fēng)能，太陽，地?zé)岬龋﹦t只有4.7%。在再生能源發(fā)電方面，全球來自水力的占16%，來自新的再生能源者占5%。如果我們不對(duì)現(xiàn)有能源和資源節(jié)約使用，按照目前情況持續(xù)下去，有可能百年之后，人類將會(huì)部分進(jìn)入一個(gè)“新石器時(shí)代”。2節(jié)能減排是保護(hù)自然生態(tài)環(huán)境的強(qiáng)力武器

這就是我們美麗的太陽系概念圖從太空中拍攝到的蔚藍(lán)色的精靈——地球如詩如畫的鄉(xiāng)間美景，逸趣橫生的勞動(dòng)生活！

這幾乎就是我們每個(gè)人為之向往的家園！

然而我們目前不得不面對(duì)的卻是自然生態(tài)環(huán)境的日益惡化！

“溫室氣體大量排放，發(fā)生溫室效應(yīng)，造成全球變暖，這已是不爭(zhēng)的事實(shí)！”目前，在各種溫室氣體中，二氧化碳對(duì)溫室效應(yīng)的影響約占50%，而大氣中的二氧化碳有70%是燃燒石化燃料排放的。我們可以了解到冰川融化、海平面上升、干旱蔓延、農(nóng)作物生產(chǎn)力下降、動(dòng)植物行為發(fā)生變異等氣候變化帶來的影響。我國最近兩年干旱頻發(fā)，有相當(dāng)部分原因是受到全球氣候變化問題的影響，而這也是我們目前面臨的最復(fù)雜、最嚴(yán)峻的挑戰(zhàn)之一。長(zhǎng)江江西九江段裸露出來的江灘湘江長(zhǎng)沙橘子洲以西河床（2009年）江西贛江南昌段裸露的橋墩（2009年）溫室效應(yīng)導(dǎo)致氣候變化，打破降雨平衡，旱澇頻發(fā)洪水泛濫——當(dāng)大自然露出鋒利的爪牙，

我們才發(fā)現(xiàn)自己原來是如此脆弱，不堪一擊！溫室效應(yīng)導(dǎo)致冰川融化

北極熊等極地生命形態(tài)遭遇嚴(yán)重的生存危機(jī)受世界氣候變化影響，曼谷遭遇洪水

溫室效應(yīng)導(dǎo)致的冰川融化還將造成海平面升高的后果，它將直接威脅到沿海國家以及30多個(gè)海島國家的生存和發(fā)展。美國環(huán)保專家的預(yù)測(cè)更令人擔(dān)憂，再過50年～70年，巴基斯坦國土的1/5、尼羅河三角洲的1/3以及印度洋上的整個(gè)馬爾代夫共和國，都將因海平面升高而被淹沒；東京、曼谷、上海、威尼斯、彼得堡和阿姆斯特丹等許多沿海城市也將完全或局部被淹沒。

目前，在溫室氣體排放方面，我們國家正保持領(lǐng)先優(yōu)勢(shì)并有繼續(xù)將其擴(kuò)大的趨勢(shì)?。?！

馬爾代夫倒計(jì)時(shí)：預(yù)計(jì)將于90年內(nèi)被海水淹沒。原因：全球變暖導(dǎo)致海平面上升.

馬爾代夫是一個(gè)群島國家，80%是珊瑚礁島，全國最高的兩座島嶼距離海平面只有2.4米。因此，它也是受到全球變暖影響最嚴(yán)重的國家.在過去一個(gè)世紀(jì)里，該國家海平面上升了約20厘米，根據(jù)聯(lián)合國政府間氣候變化問題研究小組的報(bào)告，2100年全球海平面有可能升高0.18米至0.59米。屆時(shí)，馬爾代夫?qū)⒚媾R滅頂之災(zāi)。太平洋上的一顆美麗的翡翠——馬爾代夫澄澈的碧藍(lán)海水上徜徉著白云——這就是人間天堂婆娑的椰樹，潔白的沙灘，舒適的躺椅

圖瓦盧倒計(jì)時(shí)：預(yù)計(jì)將于未來50至100年消失。原因：氣候變暖導(dǎo)致海平面上升.

這個(gè)由9座環(huán)形珊瑚島群組成、平均海拔1.5米的小國家每逢二三月大潮期間，就會(huì)有30%的國土被海水淹沒。近20年來，這些由珊瑚礁形成的海島已被海水侵蝕得千瘡百孔，土壤加速鹽堿化，糧食和蔬菜已很難正常生長(zhǎng)。事實(shí)上，圖瓦盧人從2001年就已開始陸陸續(xù)續(xù)地告別自己的國家，遷往美國、新西蘭等國。澳大利亞大堡礁倒計(jì)時(shí)：20年消失原因：全球變暖和人為破壞大堡礁1981年被列入自然類世界遺產(chǎn)，支撐著規(guī)模巨大的旅游業(yè)。然而，自上世紀(jì)80年代以來，由于全球變暖導(dǎo)致海洋酸性增加以及人為破壞，珊瑚漸漸在人們的視線中消失。海洋學(xué)家查利·沃隆今年7月公布的一份報(bào)告指出，全球氣候變暖將在短短20年時(shí)間內(nèi)讓大堡礁蕩然無存。

美麗的澳大利亞大堡礁大堡礁色彩繽紛的美麗珊瑚礁和魚群大堡礁的明星——與?？采男〕篝~

南北極倒計(jì)時(shí)：50年消失原因：全球變暖導(dǎo)致冰帽融化溫室效應(yīng)造成全球氣溫升高已經(jīng)使得兩極冰帽開始融化，冰帽融化不僅直接沖擊當(dāng)?shù)氐纳鷳B(tài)環(huán)境，使現(xiàn)存的南北極生物面臨滅絕，南北極也漸漸消亡。全球海平面上升，許多低洼地區(qū)的國家甚至?xí)虼硕谎蜎]。以上幾個(gè)現(xiàn)實(shí)中正在慢慢被證實(shí)的例子，已經(jīng)為我們敲響了最刺耳的警鐘，如果我們?cè)俨患皶r(shí)采取強(qiáng)有力的措施，那么，后果將不堪設(shè)想。我們，需要盡可能為子孫后代留下一個(gè)相對(duì)較好的生存環(huán)境，這是我們每個(gè)人義不容辭的責(zé)任！【開普勒-22b】科學(xué)家用開普勒望遠(yuǎn)鏡發(fā)現(xiàn)首顆適合居住星球美國航空航天局（NASA）12月5日宣布，該局通過開普勒太空望遠(yuǎn)鏡項(xiàng)目證實(shí)了太陽系外第一顆類似地球的、可適合居住的行星。報(bào)道稱，NASA表示，科學(xué)家們利用開普勒太空望遠(yuǎn)鏡在距地球約600光年的一個(gè)恒星系統(tǒng)中新發(fā)現(xiàn)了一顆宜居行星。該行星被命名為“開普勒-22b”，半徑約為地球半徑的2.4倍，這是目前被證實(shí)的最接近地球形態(tài)的行星。目前，該行星的主要成分尚不清楚，繞恒星運(yùn)行的周期約為290個(gè)地球日。這顆行星圍繞運(yùn)轉(zhuǎn)的母恒星比太陽略小、略冷，但和太陽一樣屬于比較穩(wěn)定、壽命比較長(zhǎng)的恒星。因此，這也是首次在與太陽系類似的恒星系統(tǒng)中發(fā)現(xiàn)宜居行星。最新發(fā)現(xiàn)的行星“不冷不熱”，溫度大約為22.2℃，正好適合人類居住。此外，這顆行星上還可能有液態(tài)水，而液態(tài)水被科學(xué)家視為生命存在的關(guān)鍵指標(biāo)。據(jù)悉，相關(guān)研究成果將發(fā)表在美國《天體物理學(xué)》雜志上。各種水體污染繼續(xù)加劇，“清流”變“濁流”超標(biāo)排放造成河流的污染，導(dǎo)致大量魚類死去，仍存活的魚類體內(nèi)也富集了數(shù)量不一的各類有害物質(zhì)酸性氣體超標(biāo)排放導(dǎo)致酸雨形成酸雨頻降導(dǎo)致嚴(yán)重污染

以下是全國酸雨分布示意圖我國三大酸雨區(qū)包括(我國酸雨主要是：硫酸型）1.西南酸雨區(qū)：是僅次于華中酸雨區(qū)的降水污染嚴(yán)重區(qū)域。2.華中酸雨區(qū)：目前它已成為全國酸雨污染范圍最大，中心強(qiáng)度最高的酸雨污染區(qū)。3.華東沿海酸雨區(qū)：它的污染強(qiáng)度低于華中、西南酸雨區(qū)。我國酸雨主要分布地區(qū)是長(zhǎng)江以南的四川盆地、貴州、湖南、湖北、江西，以及沿海的福建、廣東等省。在華北，很少觀測(cè)到酸雨沉降，其原因可能是北方的降水量少，空氣濕度低，土壤酸度低。然而值得注意的是北方如侯馬、京津、丹東、圖們等地區(qū)現(xiàn)在也出現(xiàn)了酸性降水。酸雨危害是多方面的，包括對(duì)人體健康、生態(tài)系統(tǒng)和建筑設(shè)施都有直接和潛在的危害。酸雨還可使農(nóng)作物大幅度減產(chǎn)，特別是小麥，在酸雨影響下，可減產(chǎn)13%至34%。大豆、蔬菜也容易受酸雨危害，導(dǎo)致蛋白質(zhì)含量和產(chǎn)量下降。酸雨對(duì)森林和其他植物危害也較大，常使森林和其他植物葉子枯黃、病蟲害加重，最終造成大面積死亡?？諝庵械亩趸蛳扰c空氣中的氧氣反應(yīng)生成三氧化硫，再與氫離子結(jié)合生成濃硫酸，濃硫酸再與水反應(yīng)生成酸雨。酸雨具有腐蝕性，人體遇到酸雨很容易得皮膚癌。被酸雨毀壞的叢林，其危害超乎想象受到酸雨腐蝕影響的樂山大佛

長(zhǎng)明燈、長(zhǎng)流水等現(xiàn)象屢見不鮮，這些瑣碎的細(xì)節(jié)造成了當(dāng)今社會(huì)能源、資源的大量浪費(fèi)。3節(jié)能減排是改善日常能源和各種資源浪費(fèi)嚴(yán)重的有力措施長(zhǎng)流水現(xiàn)象隨處可見

在此，我想向各位在此通報(bào)我們各類資源占有率：我國水資源總量占世界水資源總量的7%，居第6位。但人均占有量?jī)H有2400m3，為世界人均水量的1/4，居世界第119位，是全球13個(gè)貧水國之一;我國森林面積為15894．1萬公頃，全國森林覆蓋率達(dá)到16．55％，居世界首位，但人均森林蓄積量只有世界人均蓄積量的1／8;當(dāng)前，我國天然氣產(chǎn)量?jī)H居世界第19位，占世界總產(chǎn)量的1%，消費(fèi)量排名在世界第20位以后；消費(fèi)量是世界總量的0.9%。節(jié)能減排對(duì)大至國家、小至個(gè)人都是很有意義的一件事情！

首先，國家在節(jié)能減排政策方面不斷出臺(tái)各種強(qiáng)制性政策，不斷提高對(duì)各類企業(yè)節(jié)能減排組織機(jī)構(gòu)與能力建設(shè)的要求；其次，中央和地方政府大幅度增加節(jié)能減排方面的財(cái)政預(yù)算,在稅收、價(jià)格等方面有各種激勵(lì)機(jī)制，激發(fā)企業(yè)節(jié)能減排的熱情；再次，自主節(jié)能減排可以企業(yè)降低生產(chǎn)經(jīng)營(yíng)成本，具有非常直觀的經(jīng)濟(jì)效益；最后，節(jié)能減排是衡量一個(gè)企業(yè)是不是一個(gè)有強(qiáng)烈社會(huì)責(zé)任意識(shí)的優(yōu)秀企業(yè)的重要標(biāo)準(zhǔn)（即你所在的企業(yè)是否受人尊重）。4節(jié)能減排與企業(yè)的發(fā)展休戚相關(guān)

總之，種種事實(shí)向我們說明了節(jié)能減排工作的必要性和迫切性?。。《?jié)能減排目標(biāo)的實(shí)現(xiàn)，也涉及生產(chǎn)、生活、建設(shè)、流通和消費(fèi)等各個(gè)環(huán)節(jié)，關(guān)系各行各業(yè)、社會(huì)各界和我們自己的切身利益，所以，在公在私，我們都要充分調(diào)動(dòng)各方面參與這項(xiàng)工作的積極性，全社會(huì)動(dòng)員，全民參與，實(shí)施節(jié)水、節(jié)油、節(jié)煤、節(jié)電、節(jié)地等等，使節(jié)能減排成為每個(gè)企業(yè)、每個(gè)社區(qū)、每個(gè)單位、每個(gè)學(xué)校、每個(gè)家庭、每個(gè)社會(huì)成員的自覺行動(dòng)，這是非常必要的。三節(jié)能減排世界正在行動(dòng)世界各國和各相關(guān)組織機(jī)構(gòu)的行動(dòng)計(jì)劃1、各國從政策律例上為節(jié)能減排加大支持力度，很多國家都把節(jié)能減排納入企業(yè)管理的一個(gè)強(qiáng)力約束指標(biāo)。2、全球相關(guān)組織發(fā)起積極行動(dòng)“地球1小時(shí)”是世界自然基金會(huì)向全球發(fā)出的一項(xiàng)倡議，呼吁個(gè)人、社區(qū)、企業(yè)和政府在每年3月份的最后一個(gè)星期六熄燈1小時(shí)，以此來激發(fā)人們對(duì)保護(hù)地球的責(zé)任感，以及對(duì)氣候變化等環(huán)境問題的思考，表明對(duì)全球共同抵御氣候變暖行動(dòng)的支持。參加活動(dòng)的法國巴黎艾菲爾鐵塔燈光對(duì)比的圖景英國積極響應(yīng)“地球一小時(shí)”熄燈活動(dòng)，圖為倫敦的大本鐘燈光明滅對(duì)照四節(jié)能減排我們正在行動(dòng)1

.節(jié)能減排，國家在行動(dòng)

在政策方面，國家財(cái)政十大措施支持新能源與節(jié)能減排：一是大力支持風(fēng)電規(guī)?；l(fā)展，建立比較完善的風(fēng)電產(chǎn)業(yè)體系；二是實(shí)施“金太陽”工程，加快啟動(dòng)國內(nèi)光伏發(fā)電市場(chǎng)；三是開展節(jié)能與新能源汽車示范推廣試點(diǎn)，鼓勵(lì)北京、上海等13個(gè)城市在公交、出租等領(lǐng)域推廣使用；四是加快實(shí)施十大重點(diǎn)節(jié)能工程，鼓勵(lì)合同能源管理發(fā)展；五是加快淘汰落后產(chǎn)能，對(duì)經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)淘汰電力、鋼鐵等13個(gè)行業(yè)落后產(chǎn)能給予獎(jiǎng)勵(lì)；

六是支持城鎮(zhèn)污水管網(wǎng)建設(shè)，推進(jìn)污水處理產(chǎn)業(yè)化發(fā)展；七是支持生態(tài)環(huán)境保護(hù)和污染治理，加大重點(diǎn)流域水污染治理，促進(jìn)企業(yè)加強(qiáng)污染治理，加強(qiáng)農(nóng)村環(huán)境保護(hù)，探索跨流域生態(tài)環(huán)境補(bǔ)償機(jī)制；八是實(shí)施“節(jié)能產(chǎn)品惠民工程”，擴(kuò)大節(jié)能環(huán)保產(chǎn)品使用和消費(fèi)；九是支持發(fā)展循環(huán)經(jīng)濟(jì)，全面推行清潔生產(chǎn)；十是支持節(jié)能減排能力建設(shè)，建立完善能效標(biāo)識(shí)制度，節(jié)能統(tǒng)計(jì)、報(bào)告和審計(jì)制度，加強(qiáng)環(huán)境監(jiān)管能力建設(shè)。

出臺(tái)十二五節(jié)能減排規(guī)劃，作為十二五發(fā)展重要考核指標(biāo)之一，計(jì)劃在“十二五”期間，全國31個(gè)省市自治區(qū)被分為5類地區(qū)，每類地區(qū)確定一個(gè)節(jié)能指標(biāo)，其單位GDP能耗降低率分為10%—18%?！笆濉逼陂g和今年我國工業(yè)節(jié)能減排四大約束性指標(biāo)：?jiǎn)挝还I(yè)增加值能耗、二氧化碳排放量和用水量分別要比“十一五”末降低18%、18%以上和30%，工業(yè)固體廢物綜合利用率要提高到72%左右；今年這四項(xiàng)指標(biāo)同比要分別降低4%、4%以上和7%左右以及提高2.2個(gè)百分點(diǎn)。十二五期間，SO2、COD排放總量要比“十一五”末分別減少10%和5%。

我國在節(jié)能減排各項(xiàng)相關(guān)體系構(gòu)建上日益嚴(yán)密，約束力和影響力日益凸顯！--節(jié)約型的生產(chǎn)體系、消費(fèi)體系建設(shè)加快；--政策保障體系“三管齊下”，形成比較完善的節(jié)能政策保障體系（法律、行政、經(jīng)濟(jì)）；--技術(shù)支撐體系：節(jié)能技術(shù)創(chuàng)新的能力不斷提高，節(jié)能產(chǎn)品層出不窮，節(jié)能成為一些企業(yè)“創(chuàng)品牌”的亮點(diǎn)；--監(jiān)督管理體系：管理節(jié)能的部門和機(jī)構(gòu)不斷增多、級(jí)別不斷提高，隊(duì)伍不斷壯大，能力不斷提高：（首長(zhǎng)負(fù)責(zé)、中央和地方成立新機(jī)構(gòu)、新鮮血液）

為此，我國還專門制定并推廣十大重點(diǎn)節(jié)能工程，它包括：節(jié)約和替代石油、燃煤工業(yè)鍋爐（窯爐）改造、區(qū)域熱電聯(lián)產(chǎn)、余熱余壓利用、電機(jī)系統(tǒng)節(jié)能、能量系統(tǒng)優(yōu)化、建筑節(jié)能、綠色照明、政府機(jī)構(gòu)節(jié)能以及節(jié)能監(jiān)測(cè)和技術(shù)服務(wù)體系建設(shè)工程。綜上所述，我們可以看到國家在節(jié)能減排方面的決心和投入是多么的堅(jiān)決，這一點(diǎn)是非?？上驳模?節(jié)能減排，我們自己在行動(dòng)從之前的實(shí)例表明，節(jié)能減排與國家、企業(yè)息息相關(guān)，同時(shí)與我們自身也是密不可分的。因?yàn)槲覀兠總€(gè)人都是節(jié)能減排這項(xiàng)很有意義的工作執(zhí)行者，只有當(dāng)我們每個(gè)人都具備強(qiáng)烈的節(jié)能減排意識(shí)和責(zé)任心的時(shí)候，節(jié)能減排這項(xiàng)工作的開展才算是有了最廣泛、最強(qiáng)大的基礎(chǔ)和平臺(tái)，才會(huì)達(dá)到或者超出預(yù)期的效果。事實(shí)上，節(jié)能減排對(duì)我們的工作現(xiàn)實(shí)生活也有非常重要的作用——一方面能提高我們的工作質(zhì)量和個(gè)人素養(yǎng)，另一方面還可以節(jié)約生活成本，暢享低碳生活！

通過對(duì)之前幾個(gè)節(jié)能減排項(xiàng)目的介紹，我們可以看到，節(jié)能減排其實(shí)并不神秘，很多可以實(shí)施的項(xiàng)目就在我們身邊以各種形式存在著，它可以是對(duì)原有放空蒸汽的回收利用，可以是對(duì)冷凝液四處橫流浪費(fèi)現(xiàn)象的有效解決，可以是工藝操作法方面的改進(jìn)，可以是對(duì)設(shè)備自身問題的優(yōu)化解決，等等。然而我們要認(rèn)識(shí)到，盡管我們身邊存在不少需要優(yōu)化改進(jìn)的問題，但是能否發(fā)現(xiàn)并解決這些問題則取決于我們自身的技術(shù)水平、工作思路和責(zé)任心是否到位，而這三個(gè)方面是直接2.1樹立和增強(qiáng)節(jié)能減排意識(shí)有利于我們提高自身的工作質(zhì)量、個(gè)人素養(yǎng)以及未來的發(fā)展

決定我們的工作質(zhì)量和個(gè)人綜合素養(yǎng)的高低的重要因素，并會(huì)最終影響到個(gè)人未來的發(fā)展。換句話說，節(jié)能減排工作開展質(zhì)量的高低，可以在某種程度上直接反映個(gè)人工作能力的高下！