第一节_计量经济学绪论.ppt

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（parameters），它们是未知常数。 α亦称为截矩（intercept），它给出P为0时Q的值。 β亦称为斜率（slope），它计量的是P的单位变动所引起的Q的变动。 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。 2.由数学模型到计量经济模型 （1）数学模型的缺陷 上段中(1)式假定价格(P)与需求量(Q)之间的一种精确的或确定的关系，也就是说，对于一个给定的价格，就确定一个唯一的需求量。在现实的经济变量之间，极少存在这种关系，更常见的是不精确的关系。为了说明这一点，我们根据表1.1中Q和P的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 - - - i i i i i 80 Q 70 60 1 2 3 4 5 x x x x x x P 图 1.3 图1.3显示的是一种近似线性而非严格线性的关系。为什么不是所有6个点都位于数学模型（1）所规定的直线上呢？这是因为我们在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。结果是，观测到的Q和P 的关系可能不精确。 结论：现实中经济变量之间 的关系一般是一种不精确的关系，因此用（1）式这样的数学模型描述是不合适的，因为它不能正确反映客观实际情况。 （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（如消费者的偏好，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： 时间序列数据和横截面数据（time series and cross-section ） 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？我们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，假设我们用表1.1中Q和P的数据估计 （2）式的参