第一讲计量经济学分析.pptVIP

一、什么是计量经济学 二、经济数据的类型 三、总体回归模型与样本回归模型 四、经典回归模型的基本假定 五、估计回归模型的最小二乘法 六、利用Eviews估计回归系数 （一）例１.设某渔民有一个鱼塘，他想知道自己鱼塘里有多少条鱼。要知道其精确数值，唯一方法是抽干鱼塘，然后数数。但客观上不允许。因这样会导致重大损失。怎么办呢？现给出一个办法，其实施过程为：第一，从鱼塘中打捞100条鱼，标上记号并放于鱼塘中。第二，若干天后，再从鱼塘中打捞100条鱼：发现其中有２条有记号。现在可以知道鱼塘里大约有多少条鱼了？ 设鱼塘里有x条鱼，则： x=5000 分析：上述简单问题其思想并简单： 第一次打捞100条鱼是在设计一个包括两种类型鱼的总体，设其中鱼的总量为x，则有记号的鱼所点比重为 第二次打捞100条鱼是在找一个样本，样本中有记号的鱼所占比重为 推断：用样本比例代替总体比例。 问题： １.在不允许抽干水的前提下，总体参数β是可知的吗？ ２.能用样本比重作为总体比重的估计值吗？ ３.这种估计的可靠性如何？ 第一个问题要求我们研究总体的性质 第二个问题要求我们找到根据样本估计总体参数的方法 第三个问题要求我们研究这种方法的效率以及它的可靠度。 例２设人均消费函数为 从总体上看，上述表达式应该写成 这果ＣＹ u分别称为被解释变量、解释变量和随机扰动项，其余为参数，或称回归系数。消费与收入之间的关系取决于这些参数，当这些参数确定后，变量之间的关系也就确定了，但是正如无法确定鱼塘里的有记号的鱼所占比生的精确值一样，我们是无法确定参数的“真实”值的，只有根据样本，比如1992－2012 人均消费作为样本，相应的人均可支配收入数据可得到。根据样本，利用某方法（最小二乘法），可以将参数的值估计出来，并得到样本中人均消费与人均可支配收入的关系 如果经济理论正确，当人均可支配收入为24565元时，根据上述表达式，不考虑最后一项，人均消费为 比较一下前面两个例子，仅从思想上看，没有实质性差别。 第一，真理是不可知（精确知道）的； 第二，总体变量之间的抽象关系是由经济学给出的。 第三，实证研究一般是用样本的关系代替总体关系进行。因此数据是依据。 第四，方法是计量经济学方法，虽然与数理统计有关，但不相同，因为经济数据的样本只有一个，数理统计学的的样本可以在相同条件下重复实验得到许多。 第五，结论是否可以用来解释经济变量间的关系，还要进行检验。 第六，如果理论正确，样本关系代替总体关系就会有一定的可靠性，反之可靠性较差，说明理论不正确。 第七，如果理论正确，可靠性较高。就可以用样本关系解释变量之间的关系，如边际消费倾向，从而可以进行政策评价或提出建议。 第八，如果给定了解释变量的值，就可以对被解释变量的值进行预测。 因此，计量经济学就是以经济理论为基础，以经济数据为依据，运用计量经济学方法来具体量化经济变量之间的关系，用以检验经济理论的真伪，评价经济政策的作用或提出建议，并进行经济预测。 建立计量经济学模型需要经济数据，那么经济数据有哪些类型呢？从现代计量经济学的观点来看，有四种类型的数据即横截面数据（cross-sectional data）、时间序列数据(time series data)、混合横截面数据(pooled cross section data)以及综列或纵剖面数据(panel data)。 (一) 横截面数据 所谓横截面数据（cross-sectional data ），就是在给定时点对个人、家庭、企业、城市、省、国家或一系列其它单位采集的样本所构成的数据。有时，所有单位的数据并非完全对应于同一时间段。例如，几个家庭可能在一个中的不同几个星期被调查。在一个纯粹的横截面分析中，我们应该忽略数据收集中细小的时间差别。如果一系列家庭都是在同一年度的不同时间被调查的，那么，这样得到的数据集，我们仍认为是横截面数据集。 横截面数据的一个重要特征是，通常可以假定，它们是从样本背后的总体中通过随机抽样(random sampling)而得到的。例如，我们随机地从工人总体中抽取500人，并得到其有关工资、受教育程度、工作经历和其他特征方面的信息，就得到所有工人构成的总体的一个随机样本。 (二) 时间序列数据 时间序列数据（time series data ）是由一个或几个变量不同时间的观测值的构成。时间序列数据方面的例子包括股票价格、货币供给、消费价格指数、国内生产总值、和汽车销售量等。由于过去的事件可以影响到未来的事件，而且行为滞后在社会科学中又相当普遍，所以时间是时间序列中一个相当重要的维度。与横截面数据的排序不同，时间序列对观测值按时间先后排序传递了一些潜在的