[经济学]计量经济学概述.pptVIP

计量经济学概述 尤济红 计量经济分析的学习原则 先实践，再理论 古典线性回归模型(CLRM)的基本假定: 1.随机误差项具有0均值——无偏性 2.随机误差项同方差——有效性 2.随机误差项之间不相关——无自相关 3.解释变量x与随机误差项不相关——内生性 4.随机误差项服从均值为0，同方差的正态分布——统计检验和推断 5.解释变量x是非随机的——保证y的概率分布具有均值 放宽基本假定的拓展 1.异方差 2.自相关 3.多重共线性 4.内生性 5.遗漏与冗余变量 6.模型的稳定性检验 异方差的检验及处理 1.带来的问题：回归系数的t值通常被夸大，统计检验无效。 2.如何检验：White Heteroskedasticity Test（no cross terms/cross terms） 3.如何处理：white异方差一致协方差估计或者Newey-West自相关异方差一致估计 或加权最小二乘法WLS 自相关问题 1.识别：D-W检验 Q统计图 Breusch-Godfrey Serial Correlation LM Test 2.处理：自回归法AR(1) 多重共线性 典型特征：F值很高，t值不显著 检验：相关系数correlation 处理：逐步回归法 岭回归 主成分分析 内生性问题(据说是秒杀技能) 1.特征：十分常见，很难处理，也是论文的杀手锏 2.检验：理论上的可能性 找到可疑内生变量的工具变量，工具变量的要求:①v与扰动项不相关；②v与内生变量高度相关。 3.处理：2SLS 遗漏与冗余变量 1.遗漏变量检验：DW检验、LM检验 2.冗余变量：wald检验 3.回归设定误差检验：拉姆齐Ramsey的RESET检验(原假设：模型没有设定误差) 模型的稳定性检验 1.chow分割点检验 2.chow预测检验 动态模型 1.多项式分布滞后模型PDLs(Almon分布滞后模型) 2.协整方程的误差修正模型 3.向量自回归VAR模型 补充一点： 分位数回归Quantile Regression据说效果相当不错，可以去研究研究(秒杀) 时间序列分析 1.注意：避免自相关导致的估计参数不可信 2.非平稳时间序列：生产变量随着时间发生变化 3. “伪回归”即变量间本来不存在有意义的关系，但回归结果却得出存在有意义关系的错误结论。 单位根检验和协整 1.方法：ADF单位根检验 2.注意：协整变量必须具有相同的单整阶数。 3.协整检验：E-G两步法 JJ检验(适合多变量协整检验) 4.短期动态模型：ECM 状态空间模型(SSF) 应用： 1.可变参数模型的状态空间表示，即可以估计参数随时间而变化的过程。 2.用于预测：可以求解经济时间序列的趋势循环分量、季节分量和不规则分量 使用难点：编程繁琐、过程复杂，不易上手 向量自回归模型VAR 1.原理：用以前的变量变化来描述现在的变量，用于宏观经济预测，更重要的是追踪政策变化和外部刺激对经济系统的影响。 2.两大作用：Granger因果关系检验、脉冲响应函数分析、方差分解 3.难点：滞后阶数的确定 脉冲响应函数 分析当一个误差项发生一个正的标准差大小的变化时，对系统的动态影响。 基本思想：考虑扰动项的影响是如何传播到各变量的。 方差分解 脉冲响应函数描述的是VAR模型中的一个内生变量的冲击给其他内生变量所带来的影响。而方差分解(variance decomposition)是通过分析每一个结构冲击对内生变量变化(通常用方差来度量)的贡献度，进一步评价不同结构冲击的重要性。因此，方差分解给出对VAR模型中的变量产生影响的每个随机扰动的相对重要性的信息。 面板数据Panel Data模型 1.基本形式： 2.模型形式设定类型： ①不变参数模型： ②变截距模型： 固定效应模型 随机效应模型 ③变系数模型： 固定效应模型 随机效应模型 补充： 1.截面异方差的处理：可行广义最小二乘法(FGLS) 或者使用white截面异方差估计 2.自相关的处理同样采用自回归法。 3.残差截面异方差和时间自相关性同时存在的处理：SUR加权最小二乘法 4.面板数据的单位根和协整检验 空间计量经济学模型 空间计量经济学是计量经济学的一个分支，研究的是在横截面数据（Cross-sectional Data）和面板数据（Panel Data）的回归模型中如何处理空间交互作用（空间自相关）和空间结构（空间非均匀性）（Anselin，1988）。 Goodchild（1992）指出，几乎所有的空间数据都具有空间依赖或者空间自相关特征，也就是说，一个地区空间