第二章 数据与模型(计量经济学).pptVIP

第二章 数据与模型 问题的提出 在经济问题研究中，数字往往是证明观点的证据，基于事实的证据是我们透过大千世界的外表而探求其运行本质的基础。 数据是基础，建立在数据之上的是变量，变量之间的关系构成方程，随机方程构成系统，系统加上恒等式构成模型。模型是对现实社会经济系统的抽象和简化。 解决问题的思路 了解模型的构成及其种类 模型函数形式的选择——线性与非线性 变量关系的度量——协方差与相关系数 第一节 数据、变量和模型 一、数据及其类型 二、变量及其类型 三、参数 四、随机扰动项 五、方程及其种类 六、模型 一、数据及其类型 1．何谓数据 2．数据的意义 3．数据的类型 （1）按数据的性质划分 （2）按数据与时间的关系 1．何谓数据 数据是客体反映信息之一，这种信息如以量的标志显现出来，就称其为数据。数据是一定条件下客体在量的方面的综合表现。在开始一项研究工作时，最基本的工作之一，就是收集数据。 数据按其本义来说是定量的（计数或计量）的。但在实际应用中，它们可以是定量的，也可以是定性的，或者是两者的结合。随着人类认识客体技术的提高与认识层次的深化，数据的外延还在不断的扩大。 2．数据的意义 数据是经济计量模型的基础 3．数据的类型 （1）按数据的性质划分 1*名义型数据 2*有序型数据 3*间隔型数据 4*比率型数据 （2）按数据与时间的关系 1．截面数据（Cross-Section Data） 2．时间序列数据（Time Series Data） 3．平行数据 （1）按数据的性质划分 1*名义型数据 2*有序型数据 3*间隔型数据 4*比率型数据 1*名义型数据 这是一种纯粹的数学符号，没有量的概念。例如，盈利的有无，早于文化大革命、等于文化大革命和晚于文化大革命等。 这些有无、是否、上下、早晚之类的概念，可以用“0”和“1”两个数构成的虚拟变量（或称二态变量）来表示。 若记XA为男性，XB为女性，则XA=1，XB=0，这时XA与XB之间，有且仅有以下三种关系：XA=XA，XB=XB，XA ?XB。或简记X=1为男性，X=0为女性。 注意“0”和“1”只起着名义的或符号的作用，其量的概念已不复存在。 2*有序型数据 有序就是指有先后次序。例如经济发展就有先后顺序，从第一产业到第四产业产业的升级就形成了一个序列。记第二产业为XB，第四产业为XD，那么两者的关系不仅有等与不等的关系，还可以有XDXB，XBXD，但这里不包含“大多少”、“小多少”的概念。如记最清洁为XA、清洁为XB、不清洁为XC。三者排成序列：XAXBXC，但是它们三者的间隔并不相等。因此对这类数据不能简单地作算术四则运算。 在实际应用中往往不用具体的数表示有序关系。人们习惯把它们变成名义数据进行处理。 序列中若有个m状态就要用m-1个虚拟变量。 用虚拟变量表示定性数据 3*间隔型数据 不仅可以比较两两的大小，而且还可以确定相差的量。温度是最典型的间隔型数据之一，例如10?C、20?C和30?C。我们不仅可以比较温度的高低，还可以知道10?C比20?C低10?C，30?C比20?C高10?C。 它具有通常意义下数据的性质，可以作复杂的四则运算。但是，这类数据仍然包含了某种人为的因素： 首先，间隔的确定的任意性，当然，间隔一旦确定就成为比较数据的标准 其次，0点的确定是任意的，而且0?C并不是没有温度。 4*比率型数据 这类数据的突出特点是0点具有明确的含义。 例如，重量尽管有不同的计量单位，但0点的意义很明确，不会因为不同的计量单位而有不同的含义。 而且，任何计量单位都可以通过一个比例常数换算成另一种相应的单位。 这种简单的比例关系在间隔数据中是不存在的。 定性数据与定量数据 从以上讨论，四种数据按照叙述的顺序，其量的概念，后者比前者多一些内容。 习惯上把前两种称为定性数据，把后两种成为定量数据。 （2）按数据与时间的关系分 1．截面数据（Cross-Section Data） 2．时间序列数据（Time Series Data） 3．平行数据（Panel Data） 1．截面数据 （Cross-Section Data） 截面数据又称俗横向数据，研究某个时点上的变化情况。例如1990年7月1日0点，我国三十一个省市的人口数。 在西方经济学中称它为存量，在统计经济学上称它为时点数。 截面数据的时间是凝固的。 截面数据中大多存在异方差，必须引起注意。 2．时间序列数据（Time Series Data） 时间序列数据又俗称为纵向数据。例如，我国自改革开放的1978-1998年GNP数据。 在西方经济学中称它为流量，在统计经济学上称它为时期数。 时间序列的时间是变化的。 时间序列数据通常存在季节变动和序列相关——自相关（误差的协方差不等于0，即