1、精選優質文檔-傾情為你奉上一元線性回歸計量經濟學模型的建立步驟一、理論模型的設計與建立 二、樣本數據的收集與整理 三、模型的參數估計 四、模型的檢驗 五、模型的應用與評價 常用的樣本數據：時間序列數據、截面數據計量經濟學模型都要通過四級檢驗，也就是：經濟意義檢驗、統計學檢驗、計量經濟學檢驗、模型預測檢驗。擬合優度：檢驗模型對樣本觀測值得擬合程度OLS求出的是估計值而不是預測值的原因：一是模型中的參數估計量是不確定的 二是隨機干擾項的影響多元線性回歸基本假定 :1解釋變量是非隨機的或固定的，且各X之間互不相關（無多重共線性）。假設2,3,4，6隨機誤差項具有零均值、同方差及不序列相關性,滿足正態

2、分布 5 解釋變量與隨機項不相關最小樣本容量：樣本容量必須不少于模型中解釋變量的數目（包括常數項）化多元非線性回歸模型為線性的方法：直接置換、函數變換（取對數）若F值大于臨界值，則拒絕原假設，認為發生了結構變化，參數是非穩定的。該檢驗也被稱為鄒氏參數穩定性檢驗自回歸模型：模型中的解釋變量僅包含X的當期值與被解釋變量Y的一個或多個滯后值分布滯后模型：模型中沒有滯后被解釋變量，僅有解釋變量X的當期值及其若干期的滯后值：分布滯后模型的修正估計方法: (1)經驗加權法 2阿爾蒙（lmon）多項式法（3）科伊克（Koyck）方法 模型設定偏誤主要有兩大類:(1)關于解釋變量選取的偏誤，主要包括漏選相關變

3、量和多選無關變量，(2)關于模型函數形式選取的偏誤。 3錯誤的函數形式三、模型設定偏誤的檢驗 1、檢驗是否含有無關變量:可用t 檢驗與F檢驗完成。檢驗是否有相關變量的遺漏或函數形式設定偏誤: （1）殘差圖示法: （a）趨勢變化 ：模型設定時可能遺漏了一隨著時間的推移而持續上升的變量（b）循環變化：模型設定時可能遺漏了一隨著時間的推移而呈現循環變化的變量 （2）一般性設定偏誤檢驗:拉姆齊提出的所謂RESET 檢驗虛擬變量1 虛擬變量作為解釋變量引入模型的基本方式：加法方式、乘法方式2 虛擬變量的設置原則：每一定性變量所需的虛擬變量個數要比該定性變量的類別數少1，即如果有m個定性變量，只在模型中引

4、入m-1個虛擬變量。3 虛擬變量陷阱：如果有m個定性變量，應在模型中引入m-1個虛擬變量，否則會導致多重共線性放寬基本假定的模型基本假定違背：不滿足基本假定的情況。主要 包括：（1）隨機誤差項序列存在異方差性；（2）隨機誤差項序列存在序列相關性；（3）解釋變量之間存在多重共線性；（4）解釋變量是隨機變量且與隨機誤差項相關 此外：（5）模型設定有偏誤（6）解釋變量的方差不隨樣本容量的增而收斂異方差、序列相關、多重共線1 異方差性：即對于不同的樣本點i ，隨機誤差項的方差不再是常數2 產生原因：不同樣本點上解釋變量以外的其他因素差異較大3 存在異方差仍用OLS估計的后果：1參數估計量非有效2變量的

5、顯著性檢驗失去意義3模型的預測失效4 異方差的檢驗方法：1) OLS2) 圖示檢驗法：X-Y、X-e2散點圖3) 戈里瑟檢驗與帕克檢驗4) G-Q檢驗：G-Q檢驗以F檢驗為基礎，適用于樣本容量較大、異方差遞增或遞減的情況。先將樣本一分為二，對子樣本和子樣本分別作回歸，然后利用兩個子樣本的殘差之比構造統計量進行異方差檢驗。由于該統計量服從F分布，因此假如存在遞增的異方差，則F遠大于1；反之就會等于1（同方差）、或小于1（遞減方差）。5 解決異方差加權最小二乘法：是對原模型加權，使之變成一個新的不存在異方差性的模型，然后采用普通最小二乘法估計其參數。·加權最小二乘法思想：就是對加了權重的

6、殘差平方和實施OLS法：對較小的殘差平方ei2賦予較大的權數；對較大的殘差平方ei2賦予較小的權數。6 加權最小二乘法具體步驟：7 序列相關性：即對于不同的樣本點，隨機誤差項之間不再是不相關的，而是存在某種相關性8 自相關表達形式： ：被稱為自協方差系數或一階自相關系數9 存在序列相關仍用OLS估計的后果：1參數估計量非有效（仍無偏）2變量的顯著性檢驗失去意義3模型的預測功能失效10 序列相關性的檢驗方法1) 普通最小二乘法2) 圖示法（殘差的變化圖）3) 回歸檢驗法4) D-W檢驗法若 0<D.W.<dL 則存在正自相關 dL<D.W.<dU 不能確定 dU<D

7、.W.<4-dU 無自相關 4-dU<D.W.<4-dL 不能確定 4-dL<D.W.<4 存在負自相關缺陷：存在兩個不能確定的DW值區域； 無法檢驗存在滯后被解釋變量的模型11 序列相關產生的原因：1經濟變量固有的慣性2模型設定誤差：模型中遺漏了顯著的變量或者引用了不正確的函數形式3數據“編造”12 如何補救序列相關：1) 廣義最小二乘法2) 廣義差分法：可以克服所有類型的序列相關帶來的問題3) 隨機誤差相關系數的估計科克倫·奧科特 迭代法/杜賓兩步法 4) 應用軟件中的廣義差分法13 基本假定違背：不滿足基本假定的情況1) 隨機干擾項序列存在異方差性

8、2) 隨機干擾項序列存在序列相關性3) 解釋變量之間存在多重共線性4) 解釋變量是隨機變量且與隨機干擾項相關14 計量經濟學檢驗：在進行計量經濟學模型的回歸分析時，必須對所研究對象是否滿足普通最小二乘法的基本假定進行檢驗，及檢驗是否存在一種或多種違背基本假定的情況。15 多重共線性：如果某兩個或多個解釋變量之間出現了相關性，則稱為多重共線性。分為完全共線性、近似共線性、交互相關。16 出線多重共線性的原因：1) 經濟變量相關的共同趨勢2) 滯后變量的引入3) 樣本資料的限制17 存在多重共線性仍用OLS估計的后果1) 完全共線性下的參數估計量不存在2) 近似共線性下OLS估計量非有效3) 參數

9、估計量的經濟含義不合理4) 變量的顯著性檢驗和模型的預測功能失去意義18 多重共線性的檢驗：檢驗多重共線性是否存在1) 對兩個解釋變量的模型采用簡單相關系數法，r接近1存在較強的多重共線性2) 對多個解釋變量的模型，采用綜合統計檢驗法判明存在多重共線性的范圍(1) 判定系數檢驗法 :如果某一種回歸的判定系數較大，說明Xj與其他X間存在共線性。 (2)逐步回歸法:以Y為被解釋變量，逐個引入解釋變量，構成回歸模型，進行模型估計。根據擬合優度的變化決定新引入的變量是否獨立。如果擬合優度變化顯著，則說明新引入的變量是一個獨立解釋變量；如果擬合優度變化很不顯著，則說明新引入的變量與其它變量之間存在共線性

10、關系。19 克服多重共線性的方法：1) 排除引起共線性的變量(逐步回歸法)2) 差分法3) 第三類方法：減小參數估計量的方差20 隨機解釋變量：存在一個或多個隨機變量作為解釋變量的模型21 不同情況的隨機解釋變量：1) 隨機解釋變量與隨機干擾項獨立：無偏一致2) 隨機解釋變量與隨機干擾項同期無關但異期相關：有偏一致3) 隨機解釋變量與隨機干擾項同期相關：有偏非一致22 工具變量法：在模型估計過程中被作為工具使用，以替代與隨機干擾項相關的隨機解釋變量，是克服解釋變量與隨機干擾項相關影響的一種參數估計方法。23 工具變量法須滿足的條件：1) 與所替代的隨機解釋變量高度相關2) 與隨機干擾項不相關3

11、) 與模型中其他解釋變量不相關，以避免出現多重共線性聯立方程計量經濟模型理論方法(變量,結構式模型,簡化式模型,參數關系體系)1 內生變量: 對聯立方程模型系統而言，已經不能用被解釋變量與解釋變量來劃分變量，而將變量分為內生變量和外生變量兩大類。2 外生變量: 一般是確定性變量，或者是具有臨界概率分布的隨機變量，其參數不是模型系統研究的元素。3 先決變量: 外生變量與滯后內生變量統稱為先決變量或是前定變量。聯立方程模型的單方程估計方法:一、間接最小二乘法(ILS)二、二階段最小二乘法(2SLS) 非平穩經濟變量分析 一、時間序列的平穩性:如果一個時間序列是非平穩的，它常常可通過取差分的方法而形

12、成平穩序列。 二、單整序列:如果一個時間序列經過一次差分變成平穩的，就稱原序列是一階單整序列，記為I(1)。三、單位根檢驗: 1、DF檢驗2ADF檢驗 四、趨勢平穩與差分平穩隨機過程:隨機性趨勢可通過差分的方法消除 ，該時間序列Xt稱為差分平穩過程 確定性趨勢無法通過差分的方法消除，只能通過除去趨勢項消除，該時間序列Xt稱為趨勢平穩過程 時間序列的協整檢驗與誤差修正模型:長期均衡關系與協整 :某些經濟變量間確實存在著長期均衡關系，這種均衡關系意味著經濟系統不存在破壞均衡的內在機制，如果變量在某時期受到干擾后偏離其長期均衡點，則均衡機制將會在下一期進行調整以使其重新回到均衡狀態。如果變量之間有著長期的穩定關系，即它們之間是協整的非穩定的時間序列，它們的線性組合也可能成為平穩的。稱變量X與Y是協整的二、協整的E-G檢驗 三、關于均衡與協整關系的討論 :不能由協整導出均衡，只能用協整檢驗均衡。四、誤差修正模型 時間序列分析隨機過程、時間序列: 時間序列分析方法它適用于各種領域的時間序列分析。1 隨機過程：由隨機變量組成