第十章联立方程模型.pptVIP

复 习 计量经济学“四大过程” 计量回归分析中要注意的问题 学术论文的基本结构 一般回归结果的表示 模型的选择 线性回归模型（只有一个因变量） 联立方程模型（两个以上内生变量，有因果关系） VAR模型（几个内生变量同等对待，每一内生变量由它的滞后值和其他变量的滞后值来解释。通常模型中没有任何外生变量） 自回归求积移动平均（ARIMA）模型（“让数据自己说话”） Logit模型和Probit模型（定类或定序因变量） 总体、样本、回归分析 总体：是我们研究的目的，但是不能知道总体的全部数据 样本：是总体中的一部分，用样本来推断总体的性质。 回归分析：是关于研究一个叫做因变量的变量对另一个或多个叫做解释变量的变量的依赖关系，其用意在于通过后者（在重复抽样中）的已知或设定值，去估计和（或）预测前者的（总体）均值。 相关关系 vs 回归关系 vs 因果关系 相关关系：是两个变量之间的关系，是对称的； 回归关系：解释变量与被解释变量的统计关系，是非对称的。解释变量是因，被解释变量是果，这种因果关系是由经济学理论确定的，不是由回归决定的。所以，不能说：“回归结果证明了X是Y的原因”。 因果关系：统计关系本身不可能意味着任何因果关系。 统计关系 vs 确定性关系 统计关系：如农作物受气温、降雨、阳光、施肥的影响。 计量研究的是统计关系。 确定性关系：如牛顿引力定律 计量不研究确定性关系。 不要对恒等式进行回归。 数学形式 数据类型 时间序列数据 横截面数据 面板数据（panel data） 混合数据 数据度量尺度 定类数据 定序数据 定距数据 定比数据 多元线性回归模型的“四个要素” 比较总体回归函数PRF和SRF 参数OLS估计量的统计性质 线性回归方程的统计检验 单参数检验（t检验）：检验单个参数的显著性。 总体显著性检验（F检验）：将全部参数作为一个整体看待，只要有一个参数显著，则总体就显著。 拟合优度检验（R2）：样本回归线对样本观测点的拟合程度。注意， R2 =0.5不表示有50％的样本观测点在样本回归线上。 统计检验的表达式 计量检验 多重共线性： 方差膨胀因子(VIF) 异方差： White检验 自相关： DW检验 定类、定序因变量 二分因变量： 对数单位模型（Logit） 概率单位模型（Probit） 定序因变量： Normal Logistic 联立方程可识别性的一般原则 联立方程估计方法 单方程估计法： 工具变量法（IV） 适用于恰好可识别方程，估计量是一致的 两阶段最小二乘法（TSLS/2SLS） 适用于过度识别方程，估计量是一致的 系统估计法： 三阶段最小二乘法（3SLS） 估计量是一致的并且是渐进有效的 似不相关回归法（SUR） 模型设计： 理论假说 理论模型 计量模型 模型估计： 数据 估计方法 模型检验： 经济 统计 计量 模型应用： 预测 制定政策 值域 正负号 经济检验 随机解释变量 自相关 异方差 多重共线性 计量检验 F检验 几何性质 时间序列数据检验 统计检验 t检验 R2检验 模型检验 协整分析 单位根检验 个值预测 对?2 对?2 计量模型 统计性质 对?j 点估计 均值预测 模型预测 对?j 区间估计 模型估计 理论模型 模型设计 引言 理论框架 计量模型和估计方法 数据 结果 结论 总体 样本 样本 样本 Y= ?0+?1X1 +?2X2 +u 3、方程式 4、随机扰动项 2、参数 1、变量 注：因变量是随机变量 K-k ? m-1 不可识别 否 是 R(A) = M-1 不可识别 否 是 K-k = m-1 过度识别 否 是 恰好识别