计量经济学课件13.ppt

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，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。 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 data） 另外还有一种虚拟变量数据，一般取0或1，用在计量经济模型中反应质的因素的影响。 第四步：估计参数 有了如表1.1中的Q和P数据，如何估计模型的参数α和β？也就是说，如何求出这些参数的数值呢？将在后面的课程中详细讨论估计方法，其基础是大家熟悉的最小二乘法。这里，假设用表1中Q和P的数据估计（2）式的参数α和β后得到估计好的需求函数： 估计值和估计量（Estimates and Estimators） 第五步：假设检验 估计好需求函数后，需要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。 若假设为β= -4.0，能不能说-3.88的观测值实际上与假设值相同？也就是说样本数据是否支持β= -4.0的假设？这需要使用统计学的工具。 第六步：预测和政策分析 假设生产商想预测P=4.50千元时的Q值。 如果Q和P之间的关系是线性的，如图1.2（a）所示，则数学上需求函数可表示为： Q =α+βP (1) α和β称为该函数的参数，它们是未知常数。α亦称为截矩，它给出P为0时Q的值。β亦称为斜率，它计量的是P的单位变动所引起的Q的变动率。 Q =α+βP （1）式是反映Q和P之间关系的数理经济学模型。等号左边的变量称为因变量或被解释变量，等号右边的变量称为自变量或解释变量，Q是因变量，P是解释变量，用价格的变动来解释需求量的变动。 2. 数理经济模型改造成计量经济模型 Q =α+βP (1)式假定价格(P)与需求量(Q)之间是一种精确的或确定的关系，即对于一个给定的价格，有一个唯一的完全被确定的需求量。 但在现实的经济变量之间，更常见的是不精确的关系。如根据表1.1中Q和P的假设数据画出一个散点图（图1.3）。 数据表和散点图 表 1.1 P Q 0 78 1 70 2 69 3 63 4 60 5 58 图 1.3 - - 80 Q 70 60 0 1 2 3 4 5 x x x x x x P - - 图1.3显示的是一种近似线性而非严格线性的关系。 这是因为在推导出需求曲线时假定所有影响Q的其它变量保持不变，而实际上它们通常要变，这种变动会对Q产生一些影响。因而观测到的Q和P 的关系可能不精确。 用一个变量u代表所有影响Q的其它变量的影响，u称为扰动项或误差项。 它反映的是除了价格以外的其它所有影响需求量的因素。 这些因素包括消费者的口味，他们的收入，替代商品的价格，互补品的价格等，还包括纯粹的随机因素。 扰动项(disturbance term ) 计量经济模型 引入扰动项u后，需求函数数理经济模型变为： Q = α+βP + u (2) 这是一个计量经济模型。 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。 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、财政赤字或某人一生中每年的收入等。 横截面数据是在同一时点收集的不同主体（如个人、公司、国家等）的数据。如人口普查数据，世界各国2000年国民生产总值，全班学生计量经济学成绩等。 =76.05 - 3.88P (3） 其中 表示Q的拟合值或预测值，76.05和 –3.88是将P和Q的数据代入最小二乘法公式计算得出的参数α和β的数值,称为α和β的估计