数理经济学08-计量经济学有关问题.docVIP

计量经济学应用 §7.1 计量经济学模型的设定 计量经济学模型设定的主要根据： 研究目的； 已有理论模型。 通常是根据研究目的所涉及的范围，决定需要分析哪些经济变量之间的关系。再设定这些变量之间的关系式。 设定变量关系式可以根据已有的理论模型、经济恒等式、经济关系式来确定（可能需要进行一定的修改）。若没有已知的关系式可用，可以根据研究目的，人为设定。 变量间具体表达式的选择 若经济理论已给出具体表达式，就直接套用。否则，可以直接假设为线性函数。其原因是经济中的所使用函数大多数都认为是连续可微的函数，因而可以用线性函数近似。 §7.2 数据调整 由于统计指标与经济变量的含义、口径一般不会一致。在模型估计之前，如有可能，应先进行调整，使统计指标的口径尽可能的接近经济变量的含义。 §7.3 变量的选择 基于上述同样的原因，及统计指标间的相关性，在设计模型结构时，需要筛选变量。 假设模型已转化为简化型，即设模型为 变量筛选有两层含义： 对内生变量有重要影响的外生变量是否都选入模型了？ 模型内的外生变量对内生变量是否都有重要影响？ 判别准则 复相关系数R（一般要求R0.8），或方程的F-统计量； 一般来说，若R0.9或经F-检验是显著的，则从整体上说，方程几乎包含了对响应变量有重要影响所有外生变量，外生变量对内生变量有较强的解释能力，否则，表明方程遗漏了一些对内生变量有重要影响的变量，需要增加外生变量。 当模型用于结构分析时，R值可以低一些，用于预测时，R值应比较大。 系数显著性检验t-统计量。 下面介绍几种常用的变量筛选算法。这些算法都是一对多回归模型的搜索算法。 记是在回归模型内的预测变量集，是在回归模型外待检的预测变量集，是已剔除的预测变量集， 前向回归法 从仅含一个预测变量的模型开始，逐步将有显著影响的预测变量加入到模型中去，直至检查完所有的预测变量。该算法基本过程描述如下： 1）令，，； 2）取，将它加入； 3）在上做回归，检查的显著性， 若不显著，则将剔除，并将它送入；若是显著的，则将它保留在内； 4）若，则转向2），否则，停止筛选过程。 后向回归法 从含有所有预测变量的回归模型开始，一次剔除一个最不显著的预测变量，直至没有预测变量可以被剔除。该算法的基本过程描述如下： 1）令，，； 2）在上做回归，检查的显著性； 若所有的都是显著的，则停止筛选过程；否则，转向下一步； 3）选择最不显著的，将其剔除，并加入到，转向2）。 上述两个算法，外生变量被保留或被删除依赖于变量加入的顺序。 逐步回归法 该算法是前向和后向回归的综合。它先执行前向回归，只是在加入每一个新预测变量后，在执行一次后向回归过程。该算法的基本过程描述如下： 1）令，，； 2）取，将它加入； 3）在上做后向回归，将不显著的预测变量逐个从剔除，并放回，直至到中没有变量可以被剔除； 4）若，则转向2），否则，停止筛选过程。 在变量搜索中，多对多回归与一对多回归的主要差异在于某些外生变量可能只对部分内生变量有重要影响，而对另一部分内生变量没有重要影响，因而需要按内生变量进行逐个搜索。 例：下表给出了某公司的年销售额Ｙ，个人可支配收入X1，经销商回扣X2，价格X3，研究与发展经费X4，投资X5，广告费用X6，销售费用X7，工业广告预算总费用X8的历史数据。试分析因子X1至X8对年销售额Ｙ的影响。 obs x1 x2 x3 x4 x5 x6 x7 x8 y 1 398.00 138.00 56.21 12.11 49.90 76.86 228.80 98.21 5540.39 2 369.00 118.00 59.04 9.33 16.60 88.81 177.45 224.95 5439.04 3 268.00 129.00 56.72 28.75 89.18 51.30 166.40 263.03 4290.00 4 484.00 111.00 57.86 12.89 106.74 39.65 258.05 320.93 5502.34 5 394.00 148.00 59.12 13.38 142.55 51.65 209.30 406.99 4871.77 6 332.00 140.00 60.11 11.09 61.29 20.55 180.05 247.00 4708.08 7 336.00 136.00 59.84 24.96 -30.39 40.15 213.20 328.44 4627.81 8