[经管营销]第二讲 绪论 计量经济学.ppt

一、建立计量经济学模型 ⑴ 经济学意义的检验 由经济学规律来决定，根据模型中参数的符号、大小、关系，对参数估计结果的可靠性进行检验。 例如： 食品需求量计量经济学模型： -2.0-0.5 (收入)+4.5 (食品价格) +0.8 (其它商品均价) ⑵ 统计检验 由统计学理论决定，包括： 拟合优度检验(Coefficient of Determination) 方程显著性检验(Overall Significance of Regression) 变量显著性检验(Significance of Variables) ⑶ 计量经济学检验 由计量经济学理论决定，包括： 异方差性检验(Heteroskedasticity) 序列相关性检验(Serial Correlation) 共线性检验(Multi-collinearity) ⑷ 模型预测检验 由模型的应用要求决定。包括： 稳定性检验：扩大样本重新估计 预测性能检验：对样本外一点进行实际预测 连续型随机变量：密度函数 模型引入随机扰动项的主要原因： 存在随机因素对被解释变量有影响； 除解释变量以外，还有其他被忽略的因素影响被解释变量； 解释变量存在观测误差； 模型设定误差的影响； 问题：若总体不能知道，则总体回归函数不能知道，打算抽样，建立一元线性回归模型，用样本回归函数来估计总体回归函数。 分布4：F分布 定义: 设 U 与V 相互独立，则称随机变量 服从自由度为n1及 n2 的F分布，n1称为第自由度，n2称为第二自由度，记作 F~F(n1,n2) . （6）、假设检验 原理：概率意义上的反证法。 常见的检验：均值检验、方差检验 相关关系与因果关系 第二章：回归模型 变量之间的关系： 相关关系：变量之间的线性关系。 因果关系：变量之间的引起与被引起的关系。 具有因果关系的变量一定具有相关关系； 如：小孩的身高与小树的身高。 如：收入与消费 具有相关关系的变量未必有因果关系。 相关关系与因果关系的区别与联系。 一、相关性分析。 相关性分析：通过样本相关系数推断总体的相关性。 （1）、回归 “回归”的本意：向“均值”回复的趋势 回归分析(regression analysis)：研究解释变量与被解释变量之间因果关系的方法和理论， 可用于估计计量经济学模型中的未知函数或参数。 二、回归分析 第一节、古典回归模型 经济系统中仅有一个被解释变量，一个解释变量，建立模型如下： 一元回归模型： 一、一元线性古典回归模型 设 系统因素 无信息时对随机变量的预测：均值 有信息时对随机变量的预测：条件均值 回归模型的统计含义： 随机因素(随机扰动项） 回归本意与回归分析含义的结合。 一元线性回归模型: 线性 一元线性回归模型： 若设： 截距项 斜率 * 1、计量经济学是什么？ 2、计量经济学能干什么？ 3、计量经济学如何解决问题？ 第一讲内容回顾 计量经济学研究问题的流程 ⑴ 确定模型包含的变量 ⑵ 确定模型的数学形式 二、解模型：通过数据来估计模型中的参数. 1、收集数据 2、模型估计 错！ 为什么？ 三、模型的检验 注意：通过了这些检验后，模型求解完成，方可应用。 4、计量经济学功能的评价与决定计量经济学模型成功的要素。 （1）：四大功能中，检验经济理论与结构分析功能的可靠性强，而政策分析与经济预测功能的可靠性较弱。 （2）：建立模型的理论、估计模型的方法与数据的质量是决定模型能否成功完成的三要素。 课后习题：P14(1.3、1.7，1.8） 数学准备知识 1、求和记号 2、多元函数的偏导数及最值。 （2）求偏导数： （1）多元函数 3、多元函数的极值。 求方程组的 解（x0,y0,…) … 则多元函数在（x0,y0,…)处取极值。 分布函数：设X是一随机变量，x是任意实数，则实值函数 F(x)＝P {X?x}， x∈(-∞，+∞) 称为随机变量X的分布函数。 统计学准备知识 1、随机变量及其刻划。 离散型随机变量：分布列 设离散型随机变量X，其所有可能取值为x1, x2, …, xk, …, 且取这些值的概率依次为p1, p2, …, pk, …, 即P(X=xk)=pk, (k=1, 2, … )则称P(X=xk)=pk(k=1, 2, … ) 为随机变量X 的分布列。 … pk … p3 p2 p1 P … xk … x3 x2 x1 X 设F(X)是随机变量X的分布函数，若存在非负可积函数f(x)，(-?x+?)，使对一切实数x，均有 则称X为连续型随机变量，且称f(x)为随机变量X的概率密度函数，简称概率密度或密度函数。常