因变量和解释变量.PPT

一、 计量经济学定义 计量经济学是一个迅速发展的经济学分支，其目标是给出经济关系的经验内容。 《新帕尔格雷夫经济学大词典》，1990 4. 计量经济学的发展过程 5.　我国计量经济学的发展 第一步 陈述理论 第二步 建立计量经济模型 因变量和解释变量 （1）式是反映q和P 之间关系的数学模型，专业点儿说，是数理经济学模型。 在这样一个模型中，等号左边的变量称为因变量(dependent variable) 或被解释变量(explained variable)。 等号右边的变量称为自变量(independent variable)或解释变量(explanatory variable)。 在我们的例子中，q是因变量，P是解释变量，意味着我们用价格的变动来解释需求量的变动。 数据表和散点图 表 1.1 （2）扰动项(disturbance term ) 为了解决这个问题，我们用一个“一揽子”变量u加进原数学模型中， u代表所有影响q的其它因素的影响，u称为扰动项或误差项。 扰动项u可以理解为这样一个变量，它反映的是除了价格以外的其它所有帮助决定需求量的因素。这些因素包括相对而言不重要因而未引入模型的变量（如消费者的口味，他们的收入，替代商品的价格等），还包括纯粹的随机因素。 （3）计量经济模型 引入扰动项u后，将需求函数写为： q = α+βP + u (2) 这是一个计量经济模型，这种类型的计量经济模型也叫做线性回归模型。在这样一个模型中，扰动项u代表所有那些影响q但未被显式地引入模型的因素以及纯粹的随机因素。 没有扰动项的关系称为精确的或确定的关系，而有扰动项的关系称为随机的关系。当我们用一个随机关系式来预测被解释变量的精确值时，结果往往有误差，扰动项被用来估量这些“误差”的大小。 第三步 收集数据 在估计所设定的计量经济模型的参数之前，我们必须首先得到适当的数据。 计量经济分析所需要的数据，既可来自各种官方统计资料，亦可通过调查获得。 在经验分析中常用的数据有两种： 时间序列数据和横截面数据（time series and cross-section ） 第四步 估计参数 估计值和估计量（Estimates and Estimators） 我们通常用希腊字母表示未知参数的真值。假设β是一个我们想知道的参数值，应用统计技术，我们可以得到β的合理估计值。在任何实际应用中，β的估计值就是一个数字，如β被估计为 –3.88。 一般来说，经济理论所关注的焦点并不是估计值，而是估计量，估计量是用于将数据转换成估计值的公式。之所以更关注后者，是因为从一特定样本计算的估计值是不是好，取决于估计方法（估计量）是不是好。β的估计量通常表示为 和 。 第五步 假设检验 估计好需求函数后，我们可能想知道估计的模型是否有经济意义，即得到的结果是否符合所依据的经济理论。 例如，P的系数是否为预期的负数？（3）式表明确实如此。 有些假设就不那么容易验证，比如说，若假设为 β= -2.0，我们能不能说-1.927的观测值实际上与假设值相同？也就是说我们的数据是否支持β= -2.0的假设？要检验这样一个假设，就需要使用统计学的工具。 第六步 预测和政策分析 一、结构分析 二、经济预测 三、政策评价 四、实证分析（理论检验与发展） 小结：计量经济分析的步骤 步骤 例子 1 陈述理论（或假说） 需求定律 2 建立计量经济模型 Q = a + bP + u 3 收集数据 表1.1 4 估计参数 5 假设检验 β 0？ 6 预测和政策分析 3. 搜集中国农村居民1985-2010年人均生活消费支出和人均纯收入及农村居民消费价格指数的数据。 4.搜集中国城镇居民1985-2010年人均生活消费支出和人均可支配收入及城镇居民消费价格指数的数据。 5.搜集我国1985-2010年CPI的数据。 时间序列和横截面数据 时间序列数据是按时间周期（即按固定的时间间隔）收集的数据，如年度或季度的国民生产总值、就业、货币供给、财政赤字或某人