【導(dǎo)讀】經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)模型的建模步驟。計(jì)量經(jīng)濟(jì)學(xué)模型的應(yīng)用?！鹁w論是課程的綱。○學(xué)好緒論，可以說學(xué)好了課程的一半。個(gè)城市，先站在最高處俯瞰，然后走街串巷；了解一座建筑，先看模型，后走進(jìn)每一個(gè)房間?！鸩槐厝?，只需似懂非懂。量分析方法是經(jīng)濟(jì)學(xué)研究的基本方法論。與方法，并能夠建立實(shí)用的計(jì)量經(jīng)濟(jì)學(xué)應(yīng)用模型?！队?jì)量經(jīng)濟(jì)學(xué)—方法與應(yīng)用》，李子奈，清華大學(xué)出版社，基本要求、教學(xué)大綱、復(fù)習(xí)要點(diǎn)等。⑸必須十分重視綜合練習(xí)；但任何一個(gè)方面都不能和計(jì)量經(jīng)濟(jì)學(xué)混為一談。系來說，都是必要的，但本身并非是充分條件。動(dòng)中的數(shù)量關(guān)系。的定量關(guān)系，用隨機(jī)性的數(shù)學(xué)方程加以描述。狹義計(jì)量經(jīng)濟(jì)學(xué)，也就是我們通常所說的。初級以計(jì)量經(jīng)濟(jì)學(xué)的數(shù)理統(tǒng)計(jì)學(xué)基礎(chǔ)知識和。本定位于中級水平上，適當(dāng)引入高級的內(nèi)容。理論計(jì)量經(jīng)濟(jì)學(xué)是以介紹、研究計(jì)量經(jīng)濟(jì)學(xué)的。數(shù)學(xué)證明與推導(dǎo)，與數(shù)理統(tǒng)計(jì)聯(lián)系極為密切。法外，還研究特殊模型的估計(jì)方法與檢驗(yàn)方法，程中實(shí)際問題的處理。

　　

【正文】 8 . 4 云 南 1 3 3 1 . 0 3 江 蘇 2 3 7 4 . 7 2 6 0 7 . 2 西 藏 1 1 2 7 . 3 7 浙 江 3 4 7 9 . 2 3 5 9 6 . 6 陜 西 1 3 3 0 . 4 5 安 徽 1 4 1 2 . 4 1 0 0 6 . 9 甘 肅 1 3 8 8 . 7 9 福 建 2 5 0 3 . 1 2 3 2 7 . 7 青 海 1 3 5 0 . 2 3 江 西 1 7 2 0 . 0 1 2 0 3 . 8 寧 夏 2 7 0 3 . 3 6 2 5 2 6 . 9 山 東 1 9 0 5 . 0 1 5 1 1 . 6 新 疆 1 5 5 0 . 6 2 河 南 1 3 7 5 . 6 1 0 1 4 . 1 普通最小二乘法的估計(jì)結(jié)果： 21 ln5 0 8 1 6 5 ?ln XXY ??? ( 1 . 8 7 ) ( 3 . 0 2) （ 1 0 . 0 4 ） 2R= 0 . 7 8 3 1 2R= 0 . 7676 D W = 1 . 89 F = 50 .5 3 R S S = 0 . 8232 異方差檢驗(yàn) 進(jìn)一步的統(tǒng)計(jì)檢驗(yàn) (1)GQ檢驗(yàn) 將原始數(shù)據(jù)按 X2排成升序，去掉中間的 7個(gè)數(shù)據(jù)，得兩個(gè)容量為 12的子樣本。 對兩個(gè)子樣本分別作 OLS回歸，求各自的殘差平方和 RSS1和 RSS2： 子樣本 1： 21 ln1 1 4 6 XXY ??? () () () R2=， RSS1= 子樣本 2： 21 ln7 7 3 9 XXY ??? () () () R2=， RSS2= 計(jì)算 F統(tǒng)計(jì)量： F= RSS2/RSS1= 查表 給定 ?=5%，查得臨界值 (9,9)= 判斷 F (9,9) 否定兩組子樣方差相同的假設(shè) ， 從而 該總體隨機(jī)項(xiàng) 存在遞增異方差性 。 （ 2）懷特檢驗(yàn) 作輔助回歸 : 2222112 )( l n0 2 5 )( l n0 1 0 XXXXe ?????? （ () () () () 21 XX? () R2 = 似乎沒有哪個(gè)參數(shù)的 t檢驗(yàn)是顯著的 。但 n R2 =31*= ?=5%下，臨界值 ?(5)=， 拒絕同方差性。 去掉交叉項(xiàng)后的輔助回歸結(jié)果 2222112 )( l )( l XXXXe ????? () () (064) () () R2 = X2項(xiàng)與 X2的平方項(xiàng)的參數(shù)的 t檢驗(yàn)是顯著的，且 n R2 =31? = ?=5%下 ，臨界值 ?(4)=， 拒絕 同方差 的原假設(shè)。 原模型的加權(quán)最小二乘回歸 對原模型進(jìn)行 OLS估計(jì)，得到隨機(jī)誤差項(xiàng)的近似估計(jì)量 ěi，以此構(gòu)成權(quán)矩陣 ?2W的估計(jì)量； 再以 1/| ěi|為權(quán)重進(jìn)行 WLS估計(jì)，得 21 ln5 2 1 9 XXY ??? ( 5 . 1 2 ) ( 5 . 9 4 ) （ 2 8 . 9 4 ） 2R= 0 . 9 9 9 9 2R= 0 . 9 9 9 9 D W = 2 . 4 9 F = 9 2 4 4 3 2 R S S = 0 . 0 7 0 6 各項(xiàng)統(tǒng)計(jì)檢驗(yàn)指標(biāo)全面改善 一、 序列相關(guān)性概念 二、 實(shí)際經(jīng)濟(jì)問題中的序列相關(guān)性 三、 序列相關(guān)性的后果 四、 序列相關(guān)性的檢驗(yàn) 五、 案例 167。 序列相關(guān)性 一、序列相關(guān)性概念 如果對于不同的樣本點(diǎn)，隨機(jī)誤差項(xiàng)之間不再是不相關(guān)的，而是存在某種相關(guān)性，則認(rèn)為出現(xiàn)了 序列相關(guān)性 (Serial Correlation)。 對于模型 Yi=?0+?1X1i+?2X2i+…+ ?kXki+?i i=1,2, …,n 隨機(jī)項(xiàng)互不相關(guān)的基本假設(shè)表現(xiàn)為 Cov(?i , ?j)=0 i?j, i,j=1,2, …,n 在其他假設(shè)仍成立的條件下， 序列相關(guān) 即意味著0)( ?jiE ???????????????2112)()()()(???????????nnEEECo v μμμ???????????2112?????????nnIΩ 22 ?? ??或 稱為 一階列相關(guān) ， 或 自相關(guān) （ autocorrelation） 其中： ?被稱為 自協(xié)方差系數(shù) （ coefficient of autocovariance） 或 一階自相關(guān)系數(shù) （ firstorder coefficient of autocorrelation） 如果僅存在 E(?i ?i+1)?0 i=1,2, …,n 自相關(guān) 往往可寫成如下形式 ： ?i=??i1+?i 1?1 0)( ?iE ? , 2)v a r ( ?? ?i , 0),c o v ( ?? sii ?? 0?s 由于序列相關(guān)性經(jīng)常出現(xiàn)在以時(shí)間序列為樣本的模型中，因此，本節(jié)將用下標(biāo) t代表 i。 ?i是滿足以下標(biāo)準(zhǔn) OLS假定的隨機(jī)干擾項(xiàng)： 二、實(shí)際經(jīng)濟(jì)問題中的序列相關(guān)性 大多數(shù)經(jīng)濟(jì)時(shí)間數(shù)據(jù)都有一個(gè)明顯的特點(diǎn) :慣性 ，表現(xiàn)在時(shí)間序列不同時(shí)間的前后關(guān)聯(lián)上。 由于 消費(fèi)習(xí)慣 的影響被包含在隨機(jī)誤差項(xiàng)中，則可能出現(xiàn)序列相關(guān)性（往往是正相關(guān) ）。 例如 ， 絕對收入假設(shè) 下 居民總消費(fèi)函數(shù)模型 ： Ct=?0+?1Yt+?t t=1,2,…,n 所謂模型 設(shè)定偏誤 （ Specification error）是指所設(shè)定的模型 “ 不正確 ” 。主要表現(xiàn)在模型中丟掉了重要的解釋變量或模型函數(shù)形式有偏誤。 例如 ，本來應(yīng)該估計(jì)的模型為 Yt=?0+?1X1t+ ?2X2t + ?3X3t + ?t 但在模型設(shè)定中做了下述回歸： Yt=?0+?1X1t+ ?1X2t + vt 因此， vt=?3X3t + ?t，如果 X3確實(shí)影響 Y，則出現(xiàn) 序列相關(guān)。 又如 ：如果真實(shí)的邊際成本回歸模型應(yīng)為： Yt= ?0+?1Xt+?2Xt2+?t 其中： Y=邊際成本， X=產(chǎn)出。 但建模時(shí)設(shè)立了如下模型： Yt= ?0+?1Xt+vt 因此，由于 vt= ?2Xt2+?t, ，包含了產(chǎn)出的平方對隨機(jī)項(xiàng)的系統(tǒng)性影響，隨機(jī)項(xiàng)也呈現(xiàn)序列相關(guān)性。 3. 數(shù)據(jù)的 “ 編造 ” 例如： 季度數(shù)據(jù) 來自 月度數(shù)據(jù) 的簡單平均，這種平均的計(jì)算減弱了每月數(shù)據(jù)的波動(dòng)性，從而使隨機(jī)干擾項(xiàng)出現(xiàn)序列相關(guān)。 在實(shí)際經(jīng)濟(jì)問題中，有些數(shù)據(jù)是通過已知數(shù)據(jù)生成的。 因此，新生成的數(shù)據(jù)與原數(shù)據(jù)間就有了內(nèi)在的聯(lián)系，表現(xiàn)出序列相關(guān)性。 還有就是兩個(gè)時(shí)間點(diǎn)之間的“ 內(nèi)插 ”技術(shù)往往導(dǎo)致隨機(jī)項(xiàng)的序列相關(guān)性。 計(jì)量經(jīng)濟(jì)學(xué)模型一旦出現(xiàn)序列相關(guān)性，如果仍采用 OLS法估計(jì)模型參數(shù)，會(huì)產(chǎn)生下列不良后果： 二、序列相關(guān)性的后果 1. 參數(shù)估計(jì)量非有效 因?yàn)椋谟行宰C明中利用了 E(NN’)=?2I 即同方差性和互相獨(dú)立性條件。 而且，在大樣本情況下， 參數(shù)估計(jì)量雖然具有一致性，但仍然不具有漸近有效性。 2. 變量的顯著性檢驗(yàn)失去意義 在變量的顯著性檢驗(yàn)中，統(tǒng)計(jì)量是建立在參數(shù)方差正確估計(jì)基礎(chǔ)之上的，這只有當(dāng)隨機(jī)誤差項(xiàng)具有同方差性和互相獨(dú)立性時(shí)才能成立。 其他檢驗(yàn)也是如此。 3. 模型的預(yù)測失效 區(qū)間預(yù)測與參數(shù)估計(jì)量的方差有關(guān)，在方差有偏誤的情況下，使得預(yù)測估計(jì)不準(zhǔn)確，預(yù)測精度降低。 所以 ， 當(dāng)模型出現(xiàn)序列相關(guān)性時(shí)，它的預(yù)測功能失效。 然后 ， 通過分析這些 “ 近似估計(jì)量 ” 之間的相關(guān)性 ， 以判斷隨機(jī)誤差項(xiàng)是否具有序列相關(guān)性 。 序列相關(guān)性 檢驗(yàn)方法有多種，但基本思路相同： 首先 ，采用 O L S 法估計(jì)模型，以求得隨機(jī)誤差項(xiàng)的“ 近似估計(jì)量 ”，用~ei 表示： lsiii YYe 0)?(~ ??基本思路 : 三、序列相關(guān)性的檢驗(yàn) 1. 圖示法