【正文】 3. 計(jì)量經(jīng)濟(jì)建模中為何包括擾動(dòng)項(xiàng)？ 4. 什么是時(shí)間序列數(shù)據(jù)？什么是橫截面數(shù)據(jù)？試舉例說(shuō)明二者的區(qū)別。它們可用于計(jì)量經(jīng)濟(jì)學(xué)的三個(gè)主要目的：結(jié)構(gòu)分析、預(yù)測(cè)和政策評(píng)價(jià)。 合軟件包 SAS: SAS/BASE, SAS/STAT, SAS/ETS和 SAS/ GRAPHICS； JUMP等模塊。 Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)模型的應(yīng)用 3. 政策評(píng)價(jià) (policy assessment)： 計(jì)量經(jīng)濟(jì)模型的另一大應(yīng)用是政策評(píng)價(jià)，也叫政策分析或政策模擬。例如，對(duì)菲利浦斯曲線，即通貨膨脹率和失業(yè)率之間的關(guān)系的數(shù)量研究，已經(jīng)導(dǎo)致了失業(yè)理論的各種發(fā)展。 Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)模型的應(yīng)用 由于計(jì)量經(jīng)濟(jì)學(xué)的應(yīng)用是通過(guò)計(jì)量經(jīng)濟(jì)模型實(shí)現(xiàn)的，因此，計(jì)量經(jīng)濟(jì)學(xué)的三項(xiàng)應(yīng)用也就是計(jì)量經(jīng)濟(jì)模型應(yīng)用的三個(gè)方面。 [―A variable whose value is determined within a set of equations, or models, established to make predictions or test an hypothesis‖ (Bannock, G., R. E. Baxter and D. Evan (1987) The Penguin Dictionary of Econometrics 4th ed., Richard Clay Ltd., )] Tuesday, Mar. 2022 CUFE 第三節(jié) 計(jì)量經(jīng)濟(jì)模型及其應(yīng)用 外生變量 (exogenous variable)： 是指其值在模型之外決定的變量，模型中使用它們，但不由模型決定它們的值。 Tuesday, Mar. 2022 CUFE 第三節(jié) 計(jì)量經(jīng)濟(jì)模型及其應(yīng)用 內(nèi)生變量 (endogenous variable) 與外生變量 (exogenous variable)： 在上述簡(jiǎn)單宏觀經(jīng)濟(jì)模型中， C， I和 Y是內(nèi)生變量， G是外生變量。如最簡(jiǎn)單的宏觀經(jīng)濟(jì)模型： Ct = ?0 + ?1Yt + u1t 消費(fèi)函數(shù) It = ?0 + ?1Yt + ?2Yt1 + u2t 投資方程 Yt = Ct + It + Gt GDP衡等式，亦稱定義式 式中， Yt為 GDP； Ct為消費(fèi)； It為投資； Gt為政府支出。 Tuesday, Mar. 2022 CUFE 主題 ? 第一節(jié) 什么是計(jì)量經(jīng)濟(jì)學(xué) ? 第二節(jié) 計(jì)量經(jīng)濟(jì)學(xué)方法 ? 第三節(jié) 計(jì)量經(jīng)濟(jì)模型及其應(yīng)用 ? 第四節(jié) 統(tǒng)計(jì)和計(jì)量經(jīng)濟(jì)分析軟件 ? 小結(jié) ? 復(fù)習(xí)思考題 Tuesday, Mar. 2022 CUFE 第三節(jié) 計(jì)量經(jīng)濟(jì)模型及其應(yīng)用 單方程模型 (single equation) 和聯(lián)立方程 (simultaneous equations) 模型： 計(jì)量經(jīng)濟(jì)模型可分為兩類：?jiǎn)畏匠棠Ｐ秃吐?lián)立方程模型。綜列數(shù)據(jù)有別于混合橫截面數(shù)據(jù)的關(guān)鍵特征是： 同一橫截面數(shù)據(jù) 的數(shù)據(jù)單位都被跟蹤了一段特定的時(shí)期。 混合橫截面數(shù)據(jù)分析與（標(biāo)準(zhǔn)）橫截面數(shù)據(jù)分析的不同之處在于，前者通常要對(duì)變量在不同時(shí)間的現(xiàn)實(shí)差異作出解釋。為了擴(kuò)大樣本容量，可以將這兩年的數(shù)據(jù)合并成一個(gè)混合橫截面數(shù)據(jù)（ pooled cross section）。 Tuesday, Mar. 2022 CUFE 經(jīng)濟(jì)數(shù)據(jù)的類型 混合橫截面數(shù)據(jù) (pooled crosssectional data)： 有些數(shù)據(jù)既有橫截面數(shù)據(jù)的特點(diǎn)又有時(shí)間序列數(shù)據(jù)的特點(diǎn)。 Tuesday, Mar. 2022 CUFE 經(jīng)濟(jì)數(shù)據(jù)的類型 橫截面數(shù)據(jù) (crosssectional data)： 橫截面數(shù)據(jù)的一個(gè)重要特征是，通?？梢约俣ǎ鼈兪菑臉颖颈澈蟮目傮w中通過(guò) 隨機(jī)抽樣（ random sampling）而得到的。 Tuesday, Mar. 2022 CUFE 經(jīng)濟(jì)數(shù)據(jù)的類型 橫截面數(shù)據(jù) (crosssectional data)： 橫截面數(shù)據(jù)是指在給定時(shí)點(diǎn)收集的不同實(shí)體（如個(gè)人、家庭、公司、城市、省、國(guó)家等）的數(shù)據(jù)。 由于過(guò)去的事件可以影響到未來(lái)的事件，而且行為滯后在社會(huì)科學(xué)中又相當(dāng)普遍，所以 時(shí)間是時(shí)間序列中一個(gè)相當(dāng)重要的維度。生產(chǎn)商可通過(guò)控制變量（ P）的調(diào)整以達(dá)到目標(biāo)變量（ Q）的指望水平。與此同時(shí)，由于 ?和 ?的估計(jì)值，這將是導(dǎo)致 預(yù)測(cè)誤差 的另一個(gè)誤差源。 假設(shè)生產(chǎn)商要知道價(jià)格 P變?yōu)?(單位：千元 )時(shí)需求量 Q是多少？換句話說(shuō)，他想預(yù)測(cè) P＝ Q值。 根據(jù)像 M qt = Qt – Q。 估計(jì)量（ Estimator） ： ? ＝ Q － ?P。從一特定樣本計(jì)算的估計(jì)值好不好，取決于估計(jì)方法（估計(jì)量）好不好。計(jì)量經(jīng)濟(jì)分析所需要的數(shù)據(jù)，即可來(lái)自各種官方統(tǒng)計(jì)資料，亦可通過(guò)調(diào)查獲得。 Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)學(xué)建模的步驟 第四，獲取相關(guān)數(shù)據(jù)： 在估計(jì)（ ）所給出的計(jì)量經(jīng)濟(jì)模型的參數(shù)之前，我們必須首先得到適當(dāng)?shù)臄?shù)據(jù)。其中 u是隨機(jī)擾動(dòng)項(xiàng)，它有良好定義的概率性質(zhì)，用來(lái)代表所有未經(jīng)提明的對(duì) Q有所影響的那些因素。這是因?yàn)槌藘r(jià)格 P外，實(shí)際上還有其他因素在影響 Q，如消費(fèi)者收入、產(chǎn)品與服務(wù)質(zhì)量、個(gè)人消費(fèi)取向以及其他替代商品的價(jià)格等等，都會(huì)對(duì)需求量 Q有一定的影響，導(dǎo)致觀察到的 Q和 P的關(guān)系可能不精確。 在代表需求函數(shù)的方程 ()中， Q是 因變量(dependent variable)或 被解釋量 (explained variable)，P是 自變量 (independent variable)或 解釋變量(explanatory variable)，即用價(jià)格的變動(dòng)來(lái)解釋需求量的變動(dòng)。 圖1 －2 ：價(jià)格（P ）變動(dòng)與需求量（Q ）之間關(guān)系3040506070801 2 3 4 5價(jià)格（P ）需求量（Q）系列1Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)學(xué)建模的步驟 則數(shù)學(xué)上需求函數(shù)可表示為： Q ＝ ? ＋ ?P () ?和 ?稱為該函數(shù)的參數(shù)，它們是未知常數(shù)。 第一，經(jīng)濟(jì)理論（或假說(shuō)）的陳述： 需求定律告訴我們，在其他條件不變的情況下，一商品的價(jià)格上升，則對(duì)該商品的需求量減少；反之，價(jià)格下降，需求量增加。 西方發(fā)達(dá)國(guó)家主要宏觀經(jīng)濟(jì)模型都定期發(fā)布預(yù)測(cè)報(bào)告，預(yù)測(cè)結(jié)果往往得到政府、企業(yè)和公眾的重視。 結(jié)構(gòu)分析的一個(gè)結(jié)果可能是對(duì)理論的‘反饋’影響。與此同時(shí)，這些計(jì)量經(jīng)濟(jì)技術(shù)被日益廣泛地應(yīng)用于經(jīng)濟(jì)學(xué)的各個(gè)領(lǐng)域，成為很多經(jīng)濟(jì)學(xué)領(lǐng)域中實(shí)證工作的標(biāo)準(zhǔn)實(shí)踐。 “ 藝術(shù) ” 成分的存在使得計(jì)量經(jīng)濟(jì)學(xué)有別于傳統(tǒng)的科學(xué)，也是人們對(duì)其提供準(zhǔn)確預(yù)測(cè)能力產(chǎn)生懷疑的主要原因。 Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)學(xué)釋義 ? 總體與樣本 (Population and Sample)： 運(yùn)用概率論與數(shù)理統(tǒng)計(jì)對(duì)經(jīng)濟(jì)變量之間的關(guān)系進(jìn)行研究時(shí)涉及到了總體與樣本的概念。 所謂 “ 近似 ” 在這里是指一方面實(shí)際消費(fèi) C可能大于或小于收入 Y的線性函數(shù) ?1+?2Y。但計(jì)量經(jīng)濟(jì)學(xué)所使用的數(shù)據(jù)大多數(shù)是從對(duì)個(gè)人、企業(yè)或經(jīng)濟(jì)系統(tǒng)中的某些部分的控制實(shí)驗(yàn)或觀測(cè)得到的 非實(shí)驗(yàn)數(shù)據(jù) (nonexperimental data)或者 觀測(cè)數(shù)據(jù) (observational data)。這些數(shù)據(jù)構(gòu)成了計(jì)量經(jīng)濟(jì)工作的原始資料。 計(jì)量經(jīng)濟(jì)學(xué)就是要提供這一數(shù)值的估計(jì)值。經(jīng)驗(yàn)表明，統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)理論和數(shù)學(xué)對(duì)理解現(xiàn)代經(jīng)濟(jì)生活的定量關(guān)系都是必要的，但其中任何單獨(dú)一種都是不夠的，三者的結(jié)合才是強(qiáng)有力的，而且正是這三者的結(jié)合構(gòu)成了計(jì)量經(jīng)濟(jì)學(xué)。 每章教學(xué)內(nèi)容之后 ， 附有小結(jié)和復(fù)習(xí)思考題 。 ? 第十章 (Chapter 10) 第十章介紹定性選擇模型 （ qualitative choice model） 和受限因變量模型 (limited dependent variable model)。 著重介紹時(shí)間序列分析中用到的一些基本概念 ， 包括非平穩(wěn)性 （ Nonstationarity） 、單位根 （ Unit Roots） 、 協(xié)整 （ Cointegration） 等 ， 以及相應(yīng)的檢驗(yàn)方法 ， 并在誤差修正模型 （ ErrorCorrection Model） 的估計(jì)中介紹了 Hendry動(dòng)態(tài)建模方法 ， 為進(jìn)一步的學(xué)習(xí)和研究打下基礎(chǔ) 。 把這些問(wèn)題集中在一起討論的好處是能加強(qiáng)學(xué)生對(duì)實(shí)踐中可能碰到的問(wèn)題的系統(tǒng)性認(rèn)識(shí) ， 深入理解各類問(wèn)題的聯(lián)系和區(qū)別 。第三章詳盡介紹了雙變量線性回歸 (Binary Linear Regression)模型的概念和最小二乘估計(jì)方法 (Ordinary Least Squares, OLS)， 以及用估計(jì)好的模型進(jìn)行假設(shè)檢驗(yàn) (Hypothesis Test)和預(yù)測(cè) (Forecasting)的方法 。 介紹什么是計(jì)量經(jīng)濟(jì)學(xué)及其產(chǎn)生和發(fā)展過(guò)程 ， 用一個(gè)簡(jiǎn)單的例子 （ 需求量 Q和價(jià)格 P之間的關(guān)系 ） 展示了計(jì)量經(jīng)濟(jì)學(xué)方法解決問(wèn)題的步驟 ， 并討論了計(jì)量經(jīng)濟(jì)學(xué)的應(yīng)用領(lǐng)域和使用的軟件工具 。同時(shí)，