計(jì)量經(jīng)濟(jì)學(xué)課程總結(jié)(共3頁(yè))

1、精選優(yōu)質(zhì)文檔-傾情為你奉上經(jīng)過(guò)一個(gè)學(xué)期對(duì)計(jì)量經(jīng)濟(jì)學(xué)的學(xué)習(xí)，我收獲了很多，也懂得了很多。通過(guò)以計(jì)量經(jīng)濟(jì)學(xué)為核心，以統(tǒng)計(jì)學(xué)，數(shù)學(xué)，經(jīng)濟(jì)學(xué)等學(xué)科為指導(dǎo)，輔助以一些軟件的應(yīng)用，從這些之中我都學(xué)到了很多知識(shí)。同時(shí)對(duì)這門(mén)課程有了新的認(rèn)識(shí)，計(jì)量經(jīng)濟(jì)學(xué)對(duì)我們的生活很重要，它對(duì)我國(guó)經(jīng)濟(jì)的發(fā)展有重要的影響。 計(jì)量經(jīng)濟(jì)學(xué)對(duì)我們研究經(jīng)濟(jì)問(wèn)題是很好的方法和理論。學(xué)習(xí)計(jì)量經(jīng)濟(jì)學(xué)給我印象和幫助最大的主要對(duì)EVIES軟件的熟練操作與應(yīng)用,初步投身于計(jì)量經(jīng)濟(jì)學(xué)，通過(guò)利用Eviews軟件將所學(xué)到的計(jì)量知識(shí)進(jìn)行實(shí)踐，讓我加深了對(duì)理論的理解和掌握，直觀而充分地體會(huì)到老師課堂講授內(nèi)容的精華之所在。在實(shí)驗(yàn)過(guò)程中我們提高了手動(dòng)操作軟件、數(shù)

2、量化分析與解決問(wèn)題的能力，還可以培養(yǎng)我在處理實(shí)驗(yàn)經(jīng)濟(jì)問(wèn)題的嚴(yán)謹(jǐn)?shù)目茖W(xué)的態(tài)度，并且避免了課堂知識(shí)與實(shí)際應(yīng)用的脫節(jié)。雖然在實(shí)驗(yàn)過(guò)程中出現(xiàn)了很多錯(cuò)誤，但這些經(jīng)驗(yàn)卻錘煉了我們發(fā)現(xiàn)問(wèn)題的眼光，豐富了我們分析問(wèn)題的思路。計(jì)量經(jīng)濟(jì)學(xué)的定義為：用數(shù)學(xué)方法探討經(jīng)濟(jì)學(xué)可以從好幾個(gè)方面著手，但任何一個(gè)方面都不能和計(jì)量經(jīng)濟(jì)學(xué)混為一談。計(jì)量經(jīng)濟(jì)學(xué)與經(jīng)濟(jì)統(tǒng)計(jì)學(xué)絕非一碼事;它也不同于我們所說(shuō)的一般經(jīng)濟(jì)理論，盡管經(jīng)濟(jì)理論大部分具有一定的數(shù)量特征;計(jì)量經(jīng)濟(jì)學(xué)也不應(yīng)視為數(shù)學(xué)應(yīng)用于經(jīng)濟(jì)學(xué)的同義語(yǔ)。經(jīng)驗(yàn)表明，統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)理論和數(shù)學(xué)這三者對(duì)于真正了解現(xiàn)代經(jīng)濟(jì)生活的數(shù)量關(guān)系來(lái)說(shuō)，都是必要的，但本身并非是充分條件。三者結(jié)合起來(lái)，就是力量，

3、這種結(jié)合便構(gòu)成了計(jì)量經(jīng)濟(jì)學(xué)。 克萊因(R.Klein)：“計(jì)量經(jīng)濟(jì)學(xué)已經(jīng)在經(jīng)濟(jì)學(xué)科中居于最重要的地位”，“在大多數(shù)大學(xué)和學(xué)院中，計(jì)量經(jīng)濟(jì)學(xué)的講授已經(jīng)成為經(jīng)濟(jì)學(xué)課程表中最有權(quán)威的一部分” 計(jì)量經(jīng)濟(jì)學(xué)關(guān)心統(tǒng)計(jì)工具在經(jīng)濟(jì)問(wèn)題與實(shí)證資料分析上的發(fā)展和應(yīng)用，經(jīng)濟(jì)學(xué)理論提供對(duì)于經(jīng)濟(jì)現(xiàn)象邏輯一致的可能解釋。因?yàn)槿祟?lèi)行為和決策是復(fù)雜的過(guò)程，所以一個(gè)經(jīng)濟(jì)議題可能存在多種不同的解釋理論。當(dāng)研究者無(wú)法進(jìn)行實(shí)驗(yàn)室的實(shí)驗(yàn)時(shí)，一個(gè)理論必須透過(guò)其預(yù)測(cè)與事實(shí)的比較來(lái)檢驗(yàn),計(jì)量經(jīng)濟(jì)學(xué)即為檢驗(yàn)不同的理論和經(jīng)濟(jì)模型的估計(jì)提供統(tǒng)計(jì)工具。 在計(jì)量經(jīng)濟(jì)學(xué)一元線性回歸模型，我認(rèn)識(shí)到：變量間的關(guān)系及回歸分析的基

4、本概念，主要包括： 其次有一元線形回歸模型的參數(shù)估計(jì)及其統(tǒng)計(jì)檢驗(yàn)與應(yīng)用，包括： 這個(gè)公式得給出，以及樣本回歸函數(shù)的隨機(jī)形式 ?？偟恼f(shuō)來(lái)，這一節(jié)留給我印象最深刻的，便是根據(jù)樣本回歸函數(shù)SRF，估計(jì)總體回歸函數(shù)PRF，即總體回歸線與樣本回歸線之間的關(guān)系。除此以外，我也學(xué)會(huì)了參數(shù)的最大似然估計(jì)法語(yǔ)最小二乘法。對(duì)于最小二乘法，當(dāng)從模型總體隨機(jī)抽取n組樣本觀測(cè)值后，最合理的參數(shù)估計(jì)量應(yīng)該使得模型能最好的擬合樣本數(shù)據(jù)，而對(duì)于最大似然估計(jì)法，當(dāng)從模型總體隨機(jī)抽取n組樣本觀測(cè)值后，最合理的參數(shù)估計(jì)量應(yīng)該使得從模型中抽取該n組樣本觀測(cè)值的概率最大。顯然，這是從不同原理出發(fā)的兩種參數(shù)

5、估計(jì)方法。即： 1.一元回歸模型： 關(guān)于擬合優(yōu)度的檢驗(yàn)，也就是檢驗(yàn)?zāi)Ｐ蛯?duì)樣本觀測(cè)值的擬合程度。被解釋變量Y的觀測(cè)值圍繞其均值的總離差平方和可分解為兩個(gè)部分：一部分來(lái)自于回歸線，另一部分來(lái)自于隨機(jī)勢(shì)力。所以，我們用來(lái)自回歸線的回歸平方和占Y的總離差的平方和的比例來(lái)判斷樣本回歸線與樣本觀測(cè)值的擬合優(yōu)度。這個(gè)比例，我們也較它可決系數(shù)，它的取值范圍是0<=R2<=1。 關(guān)于變量的顯著性檢驗(yàn)，是要考察所選擇的解釋變量是否對(duì)被解釋變量有顯著的線性影響。所應(yīng)用的方法是數(shù)理統(tǒng)計(jì)學(xué)中的假設(shè)檢驗(yàn)。關(guān)于置信區(qū)間估計(jì)。當(dāng)我們要判斷樣本參數(shù)的估計(jì)值在多大程度上可以“近似”的替代

6、總體參數(shù)的真值，往往需要通過(guò)構(gòu)造一個(gè)以樣本參數(shù)的估計(jì)值為中心的“區(qū)間”，來(lái)考察它以多大的概率包含這真是的參數(shù)值。這樣的方法就是我們所說(shuō)的參數(shù)檢驗(yàn)的置信區(qū)間估計(jì)。當(dāng)我們希望縮小置信區(qū)間時(shí)，可以采用的方法有增大樣本容量和提高模型的擬合優(yōu)度。 2.多元回歸模型 多元回歸分析與一元回歸分析的幾點(diǎn)不同： 關(guān)于修正的可絕系數(shù)。我們可于發(fā)現(xiàn)，在樣本容量一定的情況下，增加解釋變量必定使得自由度減少，所以調(diào)整的思路是:將殘差平方和與總離差平方和分別除以各自的自由度，以剔除變量個(gè)數(shù)對(duì)擬合優(yōu)度的影響。這樣就引出了我們這里說(shuō)的調(diào)整的可絕系數(shù)。 關(guān)于對(duì)多個(gè)解釋變量是否對(duì)被解釋變量

7、有顯著線性影響關(guān)系的聯(lián)合性F檢驗(yàn)。F檢驗(yàn)的思想來(lái)自于總離差平方和的分解式：TSS=ESS+RSS。通過(guò)比較F值與臨界值的大小來(lái)判定原方程總體上的線性關(guān)系是否顯著成立。計(jì)量經(jīng)濟(jì)學(xué)是一門(mén)比較難的課程，其中涉及大量的公式，不容易理解且需要大量的運(yùn)算，其中需要很好的數(shù)學(xué)基礎(chǔ)、統(tǒng)計(jì)基礎(chǔ)和自己的分析思考能力，以及良好的計(jì)量軟件應(yīng)用能力，所以在學(xué)習(xí)的過(guò)程中我遇到了很多困難。例如異方差的實(shí)驗(yàn)，異方差通常發(fā)生于橫截面數(shù)據(jù)中，一般是有解釋變量的方差與隨機(jī)誤差項(xiàng)的方差成比例。要發(fā)現(xiàn)這一問(wèn)題，我們學(xué)習(xí)了很多檢驗(yàn)，包括park test，Goldfeld-Quant test，White test等。要糾正異方差，常用的方法是WLS，通過(guò)對(duì)數(shù)據(jù)的處理能夠有效消除異方差的問(wèn)題。自相關(guān)的問(wèn)題一般見(jiàn)于時(shí)間序列數(shù)據(jù)中，一階序列相關(guān)是指當(dāng)前的誤差項(xiàng)與以前的誤差項(xiàng)線性相關(guān)。在發(fā)生自相關(guān)的情況下，我們?cè)谶M(jìn)行變量的顯著性檢驗(yàn)時(shí)更傾向于拒絕虛擬假設(shè)。發(fā)現(xiàn)一階自相關(guān)問(wèn)題的最重要檢驗(yàn)是Durbin-Watson test，這一檢驗(yàn)的特點(diǎn)是存在未決區(qū)域。糾正自相關(guān)的問(wèn)題，我們學(xué)會(huì)了GLS和Cochrane-Orcutt迭代法，并在計(jì)算機(jī)應(yīng)用中學(xué)習(xí)了其操作，受益匪淺。但通過(guò)這次的實(shí)驗(yàn)，我對(duì)課上所學(xué)的最小二乘