社会经济与定量分析方法报告 .ppt

计量经济分析的步骤 一般说来，计量经济分析按照以下步骤进行： （1）陈述理论（或假说） （2）建立计量经济模型 （3）收集数据 （4）估计参数 （5）假设检验 （6）结构、预测和政策分析 1. 一元线性回归模型 Yt = ? + ?Xt + ut , t = 1, 2, ...,n 2. 多元线性回归模型 t=1,2,…,n 常用的参数估计方法就是普通最小二乘法(OLS法, Ordinary Least squares)。 线性回归模型三大问题: (1) 多重共线性问题 在多元回归分析中，如果解释变量之间关系很密切，就会出现所谓的多重共线性（multicollinearrity）这种棘手的问题。 处理多重共线性问题的原则 多重共线性是普遍存在的，轻微的多重共线性问题可不采取措施。 严重的多重共线性问题，一般可根据经验或通过分析回归结果发现。例如，影响系数的符号，重要的解释变量t值很低。要根据不同情况采取必要措施。 如果模型仅用于预测，则只要拟合程度好，可不处理多重共线性问题。存在多重共线性的模型用于预测时，往往不影响预测结果。 (2) 异方差问题 异方差性的存在，使得OLS估计量的优良性质遭到破坏。因此，对所取得的样本数据（特别是横截面样本数据），弄清这组数据是否具有异方差性，是我们进行正确回归分析的前提条件。这就提出了异方差性的检验问题。 如帕克（R.E.Park）检验法等。 异方差性问题的解决方法 ● 对原模型进行变换 ● 加权最小二乘法 ● 广义最小二乘法 (3) 系列相关问题 系列相关或称自我相关，在用时间序列数据进行回归分析时经常出现的问题，即指随机误差项之间存在着相互关系。 误差项中出现序列相关的主要原因： （1）模型中遗漏了重要的解释变量； （2）经济行为的惯性； （3）某种冲击造成的经济影响在该时期没有结束，还会波及到以后时期； （4）函数形式选择不当； （5）时间序列回归分析的时间单位越短，越容易受到上一时期的影响而出现序列相关。 杜宾??沃特森比（ DW ）是用来检验是否存在一阶系列相关的统计量， 当用DW检验出现一阶序列相关时，不能使用OLS，否则不能得BLUE估计，若选择增加重要的解释变量改变模型的函数形式或受到重大意外冲击的影响时，引入一虚拟变量，设法消除序列相关，若用上述方法，仍未能消除序列相关，则可选用下述估计方法： （1） Cochrane—Orcutt CO法 （2）基于PW变换的GLS（一般最小二乘法） （3）极大似然法（ML） 3. 虚拟变量的应用 临时虚拟 为更好地对模型进行估算，经常需要在回归模型中排除一些突发事件产生的异常值及其对模型的影响，例如：地震、战争、政治事件等，而引入的虚拟变量。 (2) 季度虚拟 季度虚拟是通过回归模型的常数项变化（斜率回归系数一定）来掌握季度和月份等季节变化，以消除季节变化的影响。 在引入季度数据作回归分析时，为消除季节变化，可引入3个虚拟变量： Di ? 1 第i季 0 其他 i=1,2,3 当D1=D2=D3=0时，可表示第四季。 (3) 定性数据的虚拟处理 对于我们面临着的一些定性的问题，例如：学历、性别、人种等问题需引入到计量经济分析中时，也可引入虚拟变量，如： 学历 若我们关心的是，是否大学毕业，则可引入： D? 1 ， 大学毕业 0 ， 其他 (4) 系数虚拟 系数虚拟，是为了反映结构变化之前与之后的回归系数（斜率）的差异（而不是常数项）而采取的虚拟变量处理办法。利用系数虚拟变量的一元回归模型。 D ? 0 ， 结构变化之前 1 ， 结构变化之后 结构变化之后 结构变化之前 即回归系数发生了变化。 从上可知： 若常数及回归系数均引起变化，则： 虚拟变量案例见Word文档！ 4. 联立方程模型 联立方程模型用于描述经济系统，其数学模型是一个方程组。在联立方程模型中，一个方程中的因变量往往作为解释变量出现在另外一些方程中，通常与它作为解释变量的方程的扰动项相关。在这种情况下，应用OLS法得到的估计量既不是无偏的，又不是一致的。 此外，联立方程模型还有识别问题。识别问题是指联立方程模型中某结构方程不具有唯一的统计形式（即模型中其它方程或全部方程的任意组合也具有这种统计形式），从而无法唯一地确定该方程的结构参数的估计值。因此