【正文】 利用模型進(jìn)行預(yù)測(cè)。 自相關(guān)檢驗(yàn)（時(shí)間序列）：診斷：圖形法（ei與t）；dw檢驗(yàn)。補(bǔ)救：加權(quán)處理（誤差方差與誰(shuí)成比例）。 異方差檢驗(yàn)（截面數(shù)據(jù)）：后果：無(wú)偏估計(jì)量中不再有最小方差。補(bǔ)救：刪除變量；獲取額外的數(shù)據(jù)或新的樣本；重新考慮模型；利用先驗(yàn)信息；變量變換。 ：R^2很高，但單個(gè)系數(shù)確有較大的標(biāo)準(zhǔn)差。于是引出了調(diào)整了的R^2。R^2=ESS/TSS。P值是軟件自動(dòng)提供的，避免了對(duì)任意一個(gè)顯著水平的識(shí)別要求。于是我們有了確切的顯著性水平，即P值。假設(shè)檢驗(yàn)中容易犯兩種錯(cuò)誤：第一類錯(cuò)誤（拒絕一個(gè)真實(shí)的H0，發(fā)生的概率是a）和第二類錯(cuò)誤（實(shí)際是錯(cuò)誤的，但我們并沒有拒絕）。 假設(shè)檢驗(yàn)（判定回歸系數(shù)是否是統(tǒng)計(jì)顯著的，即是否顯著不為零）。沒有其他估計(jì)量方差比他小。平均值等于真實(shí)值。隨樣本規(guī)模趨于無(wú)窮，估計(jì)量將收斂于他們的真實(shí)值。（7）ui服從正態(tài)分布。（5）兩個(gè)誤差項(xiàng)之間不自相關(guān)，即無(wú)自相關(guān)。（3）給定xi，擾動(dòng)項(xiàng)的均值為零。 古典線性回歸模型假設(shè)CLRM（只有假定了隨機(jī)誤差項(xiàng)的生成過(guò)程，才能判定SRF對(duì)PRF擬合的好與壞）：（1）回歸模型是參數(shù)線性的。 六、檢驗(yàn)?zāi)Ｐ偷倪m用性。 普通最小二乘法（OLS）原理：選擇參數(shù)b1，b2，使得殘差平方和最小。 五、估計(jì)經(jīng)濟(jì)計(jì)量模型參數(shù)。樣本回歸函數(shù)：Yi=b1+b2Xi+ei ，其中b1是B1的估計(jì)量，b2是B2的估計(jì)量，ei（殘差）是ui的估計(jì)量。 四、設(shè)立經(jīng)濟(jì)計(jì)量模型（變量之間的關(guān)系是不確定的或統(tǒng)計(jì)的）。截面數(shù)據(jù)：一個(gè)或多個(gè)變量在某一時(shí)點(diǎn)上的數(shù)據(jù)集合。用計(jì)量模型分析問(wèn)題的步驟(20110421 21:09:11) 轉(zhuǎn)載標(biāo)簽： 最小二乘法估計(jì)量變量隨機(jī)誤差經(jīng)濟(jì)計(jì)量分類： 產(chǎn)經(jīng)知識(shí) 回歸的時(shí)候，具體操作設(shè)置如下，Depedent Variable里填因變量，Common Coefficients里填自變量（包括截距項(xiàng)c），CrossSection視回歸需要選擇None、Fixed、Random，Period選擇None，可以依次實(shí)現(xiàn)混合回歸、個(gè)體固定回歸、個(gè)體隨機(jī)回歸。If: If:F=(Crosssection F Stat.)Fa(df1,df2) H=(Crosssection Random Stat.)χ2a(df1)or Prob.a or Prob.aThen:reject H0,accept H1 Then:reject H0,accept H1關(guān)于面板數(shù)據(jù)模型選擇回歸與檢驗(yàn)流程圖平穩(wěn)？（單位根檢驗(yàn)） 如變量間不存在協(xié)整關(guān)系,我們將對(duì)變量進(jìn)行差分,然后通過(guò)向量自回歸模型(VAR),檢驗(yàn)變量間的短期因果關(guān)系。*一般的順序是：先檢驗(yàn)變量的平穩(wěn)性,當(dāng)變量均為同階單整變量時(shí),再采用協(xié)整檢驗(yàn)以判別變量間是否存在長(zhǎng)期均衡關(guān)系。(3)Larsson et a(l2001)發(fā)展了基于Johansen(1995)向量自回歸的似然檢驗(yàn)的面板協(xié)整檢驗(yàn)方法。(2)Pedron(i1999)在零假設(shè)是在動(dòng)態(tài)多元面板回歸中沒有協(xié)整關(guān)系的條件下給出了七種基于殘差的面板協(xié)整檢驗(yàn)方法。在進(jìn)行了各變量的單位根檢驗(yàn)后,如果各變量間都是同階單整，那么就可以進(jìn)行協(xié)整檢驗(yàn)了。面板數(shù)據(jù)單位根的檢驗(yàn)主要有Levin、Lin 和Chu 方法(LLC 檢驗(yàn)) (1992 ,1993 ,2002) 、Im、Pesaran 和Shin 方法( IPS 檢驗(yàn)) (1995 ,1997) 、Maddala 和Wu 方法(MW檢驗(yàn)) (1999) 等。但對(duì)于面板數(shù)據(jù)則較少關(guān)注。至于究竟是采用固定效應(yīng)還是隨機(jī)效應(yīng),則要看Hausman 檢驗(yàn)的結(jié)果。如果選擇隨機(jī)效應(yīng)模型,則利用可行的廣義最小二乘法(FGLS) 進(jìn)行估計(jì)(Greene ,2000) 。而對(duì)于全國(guó)范圍內(nèi)的估計(jì)來(lái)說(shuō),由于橫截面?zhèn)€數(shù)大于時(shí)序個(gè)數(shù),所以采用截面加權(quán)估計(jì)法(Cross SectionWeights, CSW) 。 這是我在查閱各種資料后得出的關(guān)于面板數(shù)據(jù)的總結(jié)，最近在做面板的實(shí)證論文，所以需要這個(gè)，歡迎大家繼續(xù)擴(kuò)充，只要是關(guān)于面板的都行，關(guān)于具體如何在Eviews6中實(shí)現(xiàn)的更好，不甚感激。 s2 U9 c% M 這時(shí)短期彈性與長(zhǎng)期彈性可一并獲得。 如對(duì)雙變量誤差修正模型 5 M) N3 f) N. B6 t可打開非均衡誤差項(xiàng)的括號(hào)直接估計(jì)下式：2 q7 o。（3）直接估計(jì)法 也可以采用打開誤差修整模型中非均衡誤差項(xiàng)括號(hào)的方法直接用OLS法估計(jì)模型。需要注意的是：在進(jìn)行變量間的協(xié)整檢驗(yàn)時(shí)，如有必要可在協(xié)整回歸式中加入趨勢(shì)項(xiàng)，這時(shí)，對(duì)殘差項(xiàng)的穩(wěn)定性檢驗(yàn)就無(wú)須再設(shè)趨勢(shì)項(xiàng)。然后建立短期模型，將誤差修正項(xiàng)看作一個(gè)解釋變量，連同其它反映短期波動(dòng)的解釋變量一起，建立短期模型，即誤差修正模型。 那么 的左邊ΔYt~I(0) ，右邊的ΔXt ~I(0) ，因此，只有Y與X協(xié)整，才能保證右邊也是I(0)。 因此，一個(gè)重要的問(wèn)題就是：是否變量間的關(guān)系都可以通過(guò)誤差修正模型來(lái)表述？ 就此問(wèn)題，Engle 與 Granger 1987年提出了著名的Grange表述定理（Granger representaion theorem）： 如果變量X與Y是協(xié)整的，則它們間的短期非均衡關(guān)系總能由一個(gè)誤差修正模型表述： ΔYt = lagged(ΔY,ΔX) ? λμt ? 1 + εt 8 m Y p b0 T 式中，μt ? 1是非均衡誤差項(xiàng)或者說(shuō)成是長(zhǎng)期均衡偏差項(xiàng)， λ是短期調(diào)整參數(shù)。3。 ~1 I2 V中的α1可視為Y關(guān)于X的長(zhǎng)期彈性（longrun elasticity）(2)短期非均衡模型 中的β1可視為Y關(guān)于X的短期彈性（shortrun elasticity）。于是:(1)長(zhǎng)期均衡模型Yt = α0 + α1Xt + μt( aamp。需要注意的是：在實(shí)際分析中，變量常以對(duì)數(shù)的形式出現(xiàn)。可以據(jù)此分析ecm的修正作用：(1)若(t1)時(shí)刻Y大于其長(zhǎng)期均衡解α0 + α1X，ecm為正，則(λecm)為負(fù)，使得ΔYt減少；(2)若(t1)時(shí)刻Y小于其長(zhǎng)期均衡解α0 + α1X，ecm為負(fù)，則(λecm)為正，使得ΔYt增大。 （**）式可以寫成： _( {! Y* `2 _+ U其中:ecm表示誤差修正項(xiàng)。因此，Y的值已對(duì)前期的非均衡程度作出了修正。 （**）式表明：Y的變化決定于X的變化以及前一時(shí)期的非均衡程度。對(duì)上述分布滯后模型適當(dāng)變形得： (**) , 式中，λ = 1 由于現(xiàn)實(shí)經(jīng)濟(jì)中X與Y很少處在均衡點(diǎn)上，因此實(shí)際觀測(cè)到的只是X與Y間的短期的或非均衡的關(guān)系，假設(shè)具有如下(1,1)階分布滯后形式 該模型顯示出第t期的Y值，不僅與X的變化有關(guān)，而且與t1期X與Y的狀態(tài)值有關(guān)。（Error Correction Model，簡(jiǎn)記為ECM） 誤差修正模型（Error Correction Model，簡(jiǎn)記為ECM）是一種具有特定形式的計(jì)量經(jīng)濟(jì)學(xué)模型，為了便于理解，我們通過(guò)一個(gè)具體的模型來(lái)介紹它的結(jié)構(gòu)。這與大多數(shù)具有靜態(tài)均衡的經(jīng)濟(jì)理論假說(shuō)不相符。 例如，使用ΔY1 = ΔXt + vt 回歸時(shí)，很少出現(xiàn)截距項(xiàng)顯著為零的情況，即我們常常會(huì)得到如下形式的方程： 式中， （*） 在X保持不變時(shí)，如果模型存在靜態(tài)均衡（static equilibrium），Y也會(huì)保持它的長(zhǎng)期均衡值不變。 因?yàn)椋瑥拈L(zhǎng)期均衡的觀點(diǎn)看，Y在第t期的變化不僅取決于X本身的變化，還取決于X與Y在t1期末的狀態(tài)，尤其是X與Y在t1期的不平衡程度。μt 應(yīng)用可參考文獻(xiàn)：常海濱、徐成賢：我國(guó)貨幣政策傳導(dǎo)機(jī)制區(qū)域差異的實(shí)證分析，經(jīng)濟(jì)科學(xué)，2007年第5期 對(duì)于非穩(wěn)定時(shí)間序列，可通過(guò)差分的方法將其化為穩(wěn)定序列，然后才可建立經(jīng)典的回歸分析模型 如：建立人均消費(fèi)水平（Y）與人均可支配收入（X）之間的回歸模型： Yt = α0 + α1Xt + μt理論上，誤差修正項(xiàng)應(yīng)為負(fù)值，表示當(dāng)失衡時(shí)，時(shí)間序列應(yīng)收斂并回歸長(zhǎng)期均衡，絕對(duì)值越大則隊(duì)本期誤差修正作用與越強(qiáng)。因?yàn)橐幌盗械牟糠侄唐谡{(diào)整可以修正長(zhǎng)期均衡的偏離，所以協(xié)整項(xiàng)被稱為是誤差修正項(xiàng)。誤差修正模型（Error Correction Model，ECM） 向量誤差修正模型（VEC,Vector Error Correction,）是一個(gè)有約束的VAR模型，并在解釋變量中含有協(xié)整約束，因此它適用于已知有協(xié)整關(guān)系的非平穩(wěn)序列。 （1）如檢驗(yàn)不協(xié)整，說(shuō)明沒長(zhǎng)期穩(wěn)定關(guān)系，可以做VAR模型，但是模型建立后要做 穩(wěn)定性分析：做AR根的圖表分析，如所有單位根小于1，說(shuō)明VAR模型定，滿足脈沖分析及方差分解所需條件之一 模型的因果關(guān)系檢驗(yàn) 2 不過(guò)注意在做因果檢驗(yàn)前要先確定滯后長(zhǎng)度，方法見高鐵梅 計(jì)量分析方法與建模 第2版 P302 只有滿足因果關(guān)系，加上滿足條件一：穩(wěn)定性，則可進(jìn)行脈沖及方差分解 如不滿足因果關(guān)系，則所有不滿足因果關(guān)系的變量將視為外生變量，至此要重新構(gòu)建VAR模型，新的VAR模型將要引入外生變量的VAR模型 （2）VAR與VEC關(guān)系是：VEC是有協(xié)整約束（即有長(zhǎng)期穩(wěn)定關(guān)系）的VAR模型，多用于具有協(xié)整關(guān)系的非平穩(wěn)時(shí)間序列建模 高鐵梅 計(jì)理分析方法與建模 第2版 P295 15