【正文】 利用模型進行預測。 自相關檢驗（時間序列）：診斷：圖形法（ei與t）；dw檢驗。補救：加權處理（誤差方差與誰成比例）。 異方差檢驗（截面數(shù)據(jù)）：后果：無偏估計量中不再有最小方差。補救：刪除變量；獲取額外的數(shù)據(jù)或新的樣本；重新考慮模型；利用先驗信息；變量變換。 ：R^2很高，但單個系數(shù)確有較大的標準差。于是引出了調整了的R^2。R^2=ESS/TSS。P值是軟件自動提供的，避免了對任意一個顯著水平的識別要求。于是我們有了確切的顯著性水平，即P值。假設檢驗中容易犯兩種錯誤：第一類錯誤（拒絕一個真實的H0，發(fā)生的概率是a）和第二類錯誤（實際是錯誤的，但我們并沒有拒絕）。 假設檢驗（判定回歸系數(shù)是否是統(tǒng)計顯著的，即是否顯著不為零）。沒有其他估計量方差比他小。平均值等于真實值。隨樣本規(guī)模趨于無窮，估計量將收斂于他們的真實值。（7）ui服從正態(tài)分布。（5）兩個誤差項之間不自相關，即無自相關。（3）給定xi，擾動項的均值為零。 古典線性回歸模型假設CLRM（只有假定了隨機誤差項的生成過程，才能判定SRF對PRF擬合的好與壞）：（1）回歸模型是參數(shù)線性的。 六、檢驗模型的適用性。 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、估計經濟計量模型參數(shù)。樣本回歸函數(shù)：Yi=b1+b2Xi+ei ，其中b1是B1的估計量，b2是B2的估計量，ei（殘差）是ui的估計量。 四、設立經濟計量模型（變量之間的關系是不確定的或統(tǒng)計的）。截面數(shù)據(jù)：一個或多個變量在某一時點上的數(shù)據(jù)集合。用計量模型分析問題的步驟(20110421 21:09:11) 轉載標簽： 最小二乘法估計量變量隨機誤差經濟計量分類： 產經知識 回歸的時候，具體操作設置如下，Depedent Variable里填因變量，Common Coefficients里填自變量（包括截距項c），CrossSection視回歸需要選擇None、Fixed、Random，Period選擇None，可以依次實現(xiàn)混合回歸、個體固定回歸、個體隨機回歸。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關于面板數(shù)據(jù)模型選擇回歸與檢驗流程圖平穩(wěn)？（單位根檢驗） 如變量間不存在協(xié)整關系,我們將對變量進行差分,然后通過向量自回歸模型(VAR),檢驗變量間的短期因果關系。*一般的順序是：先檢驗變量的平穩(wěn)性,當變量均為同階單整變量時,再采用協(xié)整檢驗以判別變量間是否存在長期均衡關系。(3)Larsson et a(l2001)發(fā)展了基于Johansen(1995)向量自回歸的似然檢驗的面板協(xié)整檢驗方法。(2)Pedron(i1999)在零假設是在動態(tài)多元面板回歸中沒有協(xié)整關系的條件下給出了七種基于殘差的面板協(xié)整檢驗方法。在進行了各變量的單位根檢驗后,如果各變量間都是同階單整，那么就可以進行協(xié)整檢驗了。面板數(shù)據(jù)單位根的檢驗主要有Levin、Lin 和Chu 方法(LLC 檢驗) (1992 ,1993 ,2002) 、Im、Pesaran 和Shin 方法( IPS 檢驗) (1995 ,1997) 、Maddala 和Wu 方法(MW檢驗) (1999) 等。但對于面板數(shù)據(jù)則較少關注。至于究竟是采用固定效應還是隨機效應,則要看Hausman 檢驗的結果。如果選擇隨機效應模型,則利用可行的廣義最小二乘法(FGLS) 進行估計(Greene ,2000) 。而對于全國范圍內的估計來說,由于橫截面?zhèn)€數(shù)大于時序個數(shù),所以采用截面加權估計法(Cross SectionWeights, CSW) 。 這是我在查閱各種資料后得出的關于面板數(shù)據(jù)的總結，最近在做面板的實證論文，所以需要這個，歡迎大家繼續(xù)擴充，只要是關于面板的都行，關于具體如何在Eviews6中實現(xiàn)的更好，不甚感激。 s2 U9 c% M 這時短期彈性與長期彈性可一并獲得。 如對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的括號直接估計下式：2 q7 o。（3）直接估計法 也可以采用打開誤差修整模型中非均衡誤差項括號的方法直接用OLS法估計模型。需要注意的是：在進行變量間的協(xié)整檢驗時，如有必要可在協(xié)整回歸式中加入趨勢項，這時，對殘差項的穩(wěn)定性檢驗就無須再設趨勢項。然后建立短期模型，將誤差修正項看作一個解釋變量，連同其它反映短期波動的解釋變量一起，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，一個重要的問題就是：是否變量間的關系都可以通過誤差修正模型來表述？ 就此問題，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系總能由一個誤差修正模型表述： ΔYt = lagged(ΔY,ΔX) ? λμt ? 1 + εt 8 m Y p b0 T 式中，μt ? 1是非均衡誤差項或者說成是長期均衡偏差項， λ是短期調整參數(shù)。3。 ~1 I2 V中的α1可視為Y關于X的長期彈性（longrun elasticity）(2)短期非均衡模型 中的β1可視為Y關于X的短期彈性（shortrun elasticity）。于是:(1)長期均衡模型Yt = α0 + α1Xt + μt( aamp。需要注意的是：在實際分析中，變量常以對數(shù)的形式出現(xiàn)。可以據(jù)此分析ecm的修正作用：(1)若(t1)時刻Y大于其長期均衡解α0 + α1X，ecm為正，則(λecm)為負，使得ΔYt減少；(2)若(t1)時刻Y小于其長期均衡解α0 + α1X，ecm為負，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。因此，Y的值已對前期的非均衡程度作出了修正。 （**）式表明：Y的變化決定于X的變化以及前一時期的非均衡程度。對上述分布滯后模型適當變形得： (**) , 式中，λ = 1 由于現(xiàn)實經濟中X與Y很少處在均衡點上，因此實際觀測到的只是X與Y間的短期的或非均衡的關系，假設具有如下(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，而且與t1期X與Y的狀態(tài)值有關。（Error Correction Model，簡記為ECM） 誤差修正模型（Error Correction Model，簡記為ECM）是一種具有特定形式的計量經濟學模型，為了便于理解，我們通過一個具體的模型來介紹它的結構。這與大多數(shù)具有靜態(tài)均衡的經濟理論假說不相符。 例如，使用ΔY1 = ΔXt + vt 回歸時，很少出現(xiàn)截距項顯著為零的情況，即我們常常會得到如下形式的方程： 式中， （*） 在X保持不變時，如果模型存在靜態(tài)均衡（static equilibrium），Y也會保持它的長期均衡值不變。 因為，從長期均衡的觀點看，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 應用可參考文獻：常海濱、徐成賢：我國貨幣政策傳導機制區(qū)域差異的實證分析，經濟科學，2007年第5期 對于非穩(wěn)定時間序列，可通過差分的方法將其化為穩(wěn)定序列，然后才可建立經典的回歸分析模型 如：建立人均消費水平（Y）與人均可支配收入（X）之間的回歸模型： Yt = α0 + α1Xt + μt理論上，誤差修正項應為負值，表示當失衡時，時間序列應收斂并回歸長期均衡，絕對值越大則隊本期誤差修正作用與越強。因為一系列的部分短期調整可以修正長期均衡的偏離，所以協(xié)整項被稱為是誤差修正項。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)整關系的非平穩(wěn)序列。 （1）如檢驗不協(xié)整，說明沒長期穩(wěn)定關系，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 模型的因果關系檢驗 2 不過注意在做因果檢驗前要先確定滯后長度，方法見高鐵梅 計量分析方法與建模 第2版 P302 只有滿足因果關系，加上滿足條件一：穩(wěn)定性，則可進行脈沖及方差分解 如不滿足因果關系，則所有不滿足因果關系的變量將視為外生變量，至此要重新構建VAR模型，新的VAR模型將要引入外生變量的VAR模型 （2）VAR與VEC關系是：VEC是有協(xié)整約束（即有長期穩(wěn)定關系）的VAR模型，多用于具有協(xié)整關系的非平穩(wěn)時間序列建模 高鐵梅 計理分析方法與建模 第2版 P295 15