2023年計(jì)量經(jīng)濟(jì)學(xué)學(xué)習(xí)指導(dǎo)

《計(jì)量經(jīng)濟(jì)學(xué)》學(xué)習(xí)指導(dǎo)

1計(jì)量經(jīng)濟(jì)學(xué)模型

1A計(jì)量經(jīng)濟(jì)學(xué)

1.1.1計(jì)量經(jīng)濟(jì)學(xué)

計(jì)量經(jīng)濟(jì)學(xué)是以一定的經(jīng)濟(jì)理論和統(tǒng)計(jì)資料為基礎(chǔ)，運(yùn)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)方法與計(jì)算技術(shù)，以

建立計(jì)量經(jīng)濟(jì)模型為主要手段，定量分析研究具有隨機(jī)性特性的經(jīng)濟(jì)變量關(guān)系。主要內(nèi)容包

括理論計(jì)量經(jīng)濟(jì)學(xué)和應(yīng)用經(jīng)濟(jì)計(jì)量學(xué)。

理論經(jīng)濟(jì)計(jì)量學(xué)主要研究如何運(yùn)用、改造和發(fā)展數(shù)理統(tǒng)計(jì)的方法，使之成為隨機(jī)經(jīng)濟(jì)關(guān)系測(cè)

定的特殊方法。

應(yīng)用計(jì)最經(jīng)濟(jì)學(xué)是在一定的經(jīng)濟(jì)理論的指導(dǎo)下，以反映事實(shí)的統(tǒng)計(jì)數(shù)據(jù)為依據(jù)，用經(jīng)濟(jì)計(jì)最

方法研究經(jīng)濟(jì)數(shù)學(xué)模型的實(shí)用化或探索實(shí)證經(jīng)濟(jì)規(guī)律。

1.1.2計(jì)量經(jīng)濟(jì)學(xué)模型

計(jì)量經(jīng)濟(jì)模型包括一個(gè)或一個(gè)以上的隨機(jī)方程式，它簡(jiǎn)潔有效地描述、概括了某個(gè)真實(shí)

經(jīng)濟(jì)系統(tǒng)的數(shù)量關(guān)系特征，更深刻地揭示出該經(jīng)濟(jì)系統(tǒng)的數(shù)量變化規(guī)律。是由方程或方程組

組成，其中方程由變量和系數(shù)組成。

計(jì)量經(jīng)濟(jì)模型揭示經(jīng)濟(jì)活動(dòng)中各個(gè)因素之間的定量關(guān)系，用隨機(jī)性的數(shù)學(xué)方程加以描述。

1.1.3計(jì)量經(jīng)濟(jì)學(xué)的內(nèi)容體系

廣義計(jì)量經(jīng)濟(jì)學(xué)：經(jīng)濟(jì)理論-統(tǒng)計(jì)學(xué)+數(shù)學(xué)

［狹義計(jì)量經(jīng)濟(jì)學(xué)：數(shù)理統(tǒng)計(jì)

層次：初、中、高級(jí)

出入/m再理論計(jì)量經(jīng)濟(jì)學(xué)：數(shù)學(xué)+數(shù)理統(tǒng)計(jì)

lA］/猿［則中1-14

八［應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)：經(jīng)濟(jì)統(tǒng)計(jì)學(xué)+經(jīng)濟(jì)理論

［經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)

,［現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)：微觀、非參數(shù)、時(shí)序、動(dòng)態(tài)

微觀計(jì)量經(jīng)濟(jì)學(xué)：個(gè)人、家庭

宏觀計(jì)量經(jīng)濟(jì)學(xué)：?jiǎn)挝桓鶛z驗(yàn)、協(xié)整理論、動(dòng)態(tài)

1.2計(jì)量經(jīng)濟(jì)建模

1.2.1建模程序

被解釋變量、解釋變量

’經(jīng)濟(jì)理論與經(jīng)濟(jì)行為

選擇模型中的變量J

依據(jù)J數(shù)據(jù)可獲得性

變量特征與模型假設(shè)的符合性

(1)設(shè)計(jì)理論模型(經(jīng)濟(jì)理論與經(jīng)濟(jì)行為

屈定模型的數(shù)學(xué)形式散點(diǎn)圖

數(shù)據(jù)■合

擬定模型中待估計(jì)參數(shù)的取值范圍

'［橫截面數(shù)據(jù)

J分類:時(shí)間序列數(shù)據(jù)

J［虛擬變量數(shù)據(jù)

質(zhì)量：完整性、準(zhǔn)確性、可比性和一致性

,經(jīng)典：普通最小二乘法OLS

異方差：加權(quán)最小二乘估計(jì)法WLS

殘差平方和最?。?/p>

隨機(jī)解釋變量：二階段最小二乘法7sLs

（3）模型的識(shí)別與估計(jì)］異方差+序列相關(guān)：廣義最小二乘法GLS

取樣本值的似然函數(shù)值最大：極大似然估計(jì)ML

選擇矩條件最小距離估計(jì)量：廣義矩估計(jì)法GMM

經(jīng)濟(jì)意義經(jīng)驗(yàn)：參數(shù)估計(jì)量的符號(hào)、大小、相互關(guān)系

‘?dāng)M合優(yōu)度檢驗(yàn)

統(tǒng)計(jì)檢驗(yàn)J方程顯著性檢驗(yàn)

變量顯著性檢驗(yàn)

序列相關(guān)檢驗(yàn)

（4）模型檢驗(yàn)計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)異方差檢驗(yàn)

多重共線性檢驗(yàn)

擴(kuò)展樣本

模型預(yù)測(cè)檢驗(yàn)＜

延長(zhǎng)期限

模型驗(yàn)證

彈性分析

變量結(jié)構(gòu)分析乘數(shù)分析

比較靜態(tài)分析

（5）模型應(yīng)用＜

經(jīng)濟(jì)預(yù)測(cè)

政策評(píng)價(jià)

理論經(jīng)驗(yàn)與發(fā)展

1.2.2建模要素

高效成功地建立計(jì)量經(jīng)濟(jì)學(xué)模型需要具有三個(gè)要素：理論、方法、數(shù)據(jù)。

從上述建立計(jì)量經(jīng)濟(jì)學(xué)模型的步驟中，不難看出，任何一項(xiàng)計(jì)量經(jīng)濟(jì)學(xué)研究、任何一個(gè)

計(jì)量經(jīng)濟(jì)學(xué)模型賴以成功的要素應(yīng)該有三個(gè)：理論、方法和數(shù)據(jù)。

（1）理論，即經(jīng)濟(jì)理論，所研究的經(jīng)濟(jì)現(xiàn)象的行為理論，是計(jì)量經(jīng)濟(jì)學(xué)研究的基礎(chǔ)。

（2）方法，主要包括模型方法和計(jì)算方法，是計(jì)量經(jīng)濟(jì)學(xué)研究的工具與手段，是計(jì)量

經(jīng)濟(jì)學(xué)不同于其他經(jīng)濟(jì)學(xué)分支學(xué)科的主要特征。

（3）數(shù)據(jù)，反映研究對(duì)象的活動(dòng)水平、相互間聯(lián)系以及外部環(huán)境的數(shù)據(jù)，或更廣義講

是信息，是計(jì)量經(jīng)濟(jì)學(xué)研究的原料。這三方面缺一不可。

一般情況下，在計(jì)量經(jīng)濟(jì)學(xué)研究中，方法的研亢是人們關(guān)注的重點(diǎn)，方法的水平往往

成為衡量一項(xiàng)研究成果水平的主要依據(jù)。這是正常的。計(jì)量經(jīng)濟(jì)學(xué)理論方法的研究是計(jì)量經(jīng)

濟(jì)學(xué)研究工作者義不容辭的義務(wù)。但是，不能因此而忽視對(duì)經(jīng)濟(jì)學(xué)理論的探討，一個(gè)不懂得

經(jīng)濟(jì)學(xué)理論、不了解經(jīng)濟(jì)行為的人，是無(wú)法從事計(jì)量經(jīng)濟(jì)學(xué)研究工作的，是不可能建立起一

個(gè)哪怕是極其簡(jiǎn)單的計(jì)量經(jīng)濟(jì)學(xué)模型的。所以，計(jì)量經(jīng)濟(jì)學(xué)家首先應(yīng)該是一個(gè)經(jīng)濟(jì)學(xué)家。相

比之下，人們對(duì)數(shù)據(jù)，尤其是數(shù)據(jù)質(zhì)量問(wèn)題的重視更顯不足，在申請(qǐng)一項(xiàng)研究項(xiàng)目或評(píng)審一

項(xiàng)研究成果時(shí)，對(duì)數(shù)據(jù)的可得性、可用性、可靠性缺乏認(rèn)真的推敲；在研究過(guò)程中出現(xiàn)問(wèn)題

時(shí)，較少?gòu)臄?shù)據(jù)質(zhì)量方面去找原因。而目前的實(shí)際情況是，數(shù)據(jù)已經(jīng)成為制約計(jì)量經(jīng)濟(jì)學(xué)發(fā)

展的重要問(wèn)題。

2EViews數(shù)據(jù)分析基礎(chǔ)

1.工作文件

2.對(duì)象

3.數(shù)據(jù)處理

3數(shù)據(jù)統(tǒng)計(jì)分析

3.1描述統(tǒng)計(jì)

3.2假設(shè)檢驗(yàn)

4經(jīng)典多元回歸分析與修正一一OLS

確定性=>函數(shù)關(guān)系

統(tǒng)計(jì)依賴程度n相關(guān)分析

變量關(guān)系統(tǒng)計(jì)依賴關(guān)系

不確定性n統(tǒng)計(jì)相關(guān)關(guān)系

因果關(guān)系?n回歸分析

作用大小、顯著性

解釋變量多少：一元，多元

單方程模型

模型模型結(jié)構(gòu)形式：線性，非線性

聯(lián)立方程組

4.1經(jīng)典多元線性回歸分析

4.1.1經(jīng)典回歸分析

'函數(shù)形式:線性，非線性

回歸模型

被解釋變量、待估參數(shù)、解釋變量、隨機(jī)干擾項(xiàng)

隨機(jī)項(xiàng)：零均值，同方差，不相關(guān)，零協(xié)方差，正態(tài)分布

解釋變量：非隨機(jī)變量，無(wú)多重共線性，方差趨于有界常數(shù)

經(jīng)典假設(shè)

解釋變量與隨機(jī)項(xiàng)：不相關(guān)

模型設(shè)定正確

原理：被解釋變量的估計(jì)誤差最小

普通最小二乘法

有效性：最小方差的線性無(wú)偏估計(jì)量

參數(shù)估計(jì)線性性,

小樣本性質(zhì)，無(wú)偏性n最優(yōu)線性無(wú)偏估計(jì)量

有效性

估計(jì)值的有效性評(píng)判標(biāo)準(zhǔn)「

漸近無(wú)偏性'

大樣本性質(zhì)，一致性

漸近有效性

可決系數(shù)R?

經(jīng)典回歸分析擬合優(yōu)度檢驗(yàn)

信息準(zhǔn)則：A/C,SC

統(tǒng)計(jì)檢驗(yàn)-變量顯著性，檢驗(yàn)

方程顯著性F檢驗(yàn)

模型，擬合圖

預(yù)測(cè)：預(yù)測(cè)值+預(yù)測(cè)區(qū)間

絕對(duì)誤差1均方根誤差RMSE

平均絕對(duì)誤差

相對(duì)誤差］平均絕對(duì)百分比誤差MAPE

模型預(yù)測(cè)預(yù)測(cè)評(píng)價(jià)指標(biāo)，

希爾不等系數(shù)77超〃/C

偏差率4P：系統(tǒng)誤差

比例指標(biāo)V方差率VP

協(xié)變率CP：非系統(tǒng)誤差

4.1.2回歸模型檢驗(yàn)

擬合優(yōu)度檢驗(yàn)

統(tǒng)計(jì)經(jīng)驗(yàn)J方程顯著性尸檢驗(yàn)

變量顯著性f檢驗(yàn)

解釋變量與殘差項(xiàng)不相關(guān)

檢驗(yàn)：相關(guān)分析

解釋變量之間不相關(guān)-多重共線性逐步回歸

時(shí)序：差分法

零均值

經(jīng)典假設(shè)

正態(tài)性檢驗(yàn)：統(tǒng)計(jì)量+卡方檢驗(yàn)

計(jì)量經(jīng)驗(yàn)

一階自相關(guān)：DW檢驗(yàn)

不相關(guān)->序列自相關(guān)檢驗(yàn)?自相關(guān)系數(shù)+0統(tǒng)計(jì)量

殘差

LM檢驗(yàn)

回歸模型檢驗(yàn)

‘自相關(guān)系數(shù)十。統(tǒng)計(jì)量

同方差一異方差檢驗(yàn)<ARC"檢驗(yàn)

W/〃.加異方差檢驗(yàn)

有約束條件的檢驗(yàn)：Wa/d檢驗(yàn)

變量設(shè)定（多、少）檢驗(yàn)［"鬟人

模型設(shè)定

［加僉驗(yàn)

系數(shù)檢驗(yàn)

（F檢驗(yàn)

因子分割點(diǎn)檢驗(yàn)LR檢驗(yàn)

皿0檢驗(yàn)

C7z5份割點(diǎn)檢驗(yàn)

穩(wěn)定性，測(cè)檢驗(yàn)

Q-A分割點(diǎn)檢驗(yàn)

4.1.3模型檢驗(yàn)總結(jié)

1、模型統(tǒng)計(jì)經(jīng)驗(yàn)

表模型統(tǒng)計(jì)經(jīng)驗(yàn)

判斷

拒絕原假設(shè)的估計(jì)方法/

檢驗(yàn)名稱作用原假設(shè)（拒絕原假

經(jīng)濟(jì)怠義模型修正

設(shè)）

擬合程度好0-1,越大越

擬合優(yōu)度檢驗(yàn)

壞好

全部解釋變?cè)谀骋伙@著水

方程顯著性P值小于某一

F檢驗(yàn)量參數(shù)同時(shí)平上方程是顯

經(jīng)驗(yàn)顯著水平

等于零著的

在某一顯著水

變量顯著性解釋變量參P值小于某一

T檢驗(yàn)平上變量是顯

檢驗(yàn)數(shù)等于零顯著水平

著的

2、殘差正態(tài)性與解釋變量多重共線性假設(shè)的檢驗(yàn)

表殘差正態(tài)性與解釋變量多重共線性假設(shè)的檢驗(yàn)

判斷

拒絕原假設(shè)的估計(jì)方法/

檢驗(yàn)名稱作用原假設(shè)（拒絕原假

經(jīng)濟(jì)意義模型修正

設(shè)）

數(shù)據(jù)分布不服

服從某理論P(yáng)值小于某一

J-B統(tǒng)計(jì)量從選擇的理論

分布顯著水平

分布

理論分布與廣義自回歸

數(shù)據(jù)分布的數(shù)據(jù)分布不服條件異方差

殘差正態(tài)性服從某理論

Q-Q圖分位數(shù)散點(diǎn)從選擇的理論GARCH模

經(jīng)驗(yàn)分布

圖不在同一分布型中的隨機(jī)

條直線上項(xiàng)分布假設(shè)

數(shù)據(jù)分布不服

服從某理論P(yáng)值小于某一

經(jīng)驗(yàn)分布檢驗(yàn)從選擇的理論

分布顯著水平

分布

多重共線性不存在多重相關(guān)系數(shù)絕這兩個(gè)變量存逐步回歸剔

相關(guān)系數(shù)矩陣

檢驗(yàn)共線性對(duì)值接近于1在多重共線性除法；

增減解釋變新引進(jìn)變量與（時(shí)序）差

多重共線性不存在多重

逐步回歸法量時(shí)擬合優(yōu)其他變量存在分法

檢驗(yàn)共線性

度變化很大多重共線性

3、殘差序列相關(guān)假設(shè)的檢驗(yàn)

表殘差序列相關(guān)假設(shè)的檢驗(yàn)

判斷

拒絕原假設(shè)的估計(jì)方法/

檢驗(yàn)名稱作用原假設(shè)（拒絕原假

經(jīng)濟(jì)意義模型修正

設(shè)）

DW<1.5,較強(qiáng)

的正一階自相

關(guān)；

P值小于某一

DWV2,正一階

DW統(tǒng)計(jì)量檢殘差一階序序列相關(guān)參顯著水平；

自相關(guān)；

驗(yàn)列相關(guān)檢驗(yàn)數(shù)等于0DWW2,一階

DW=2,不一階

自相關(guān)；廣義最小二

自相關(guān)：

乘法GLS；

2<DW<4,負(fù)一

廣義差分法

階自相關(guān)；

GDM；

相關(guān)圖+AC、殘差序列相AC、PAC=O,

單整自回歸

PAC相關(guān)系數(shù)關(guān)檢驗(yàn)序列不相關(guān)

移動(dòng)平均模

殘差序列中

殘差序歹J相P值小于某一序列存在p階型ARIMA

Q統(tǒng)計(jì)量檢驗(yàn)不存在p階

關(guān)檢驗(yàn)顯著水平自相關(guān)

自相關(guān)

F統(tǒng)殘差序刻相殘差序列中P值小于某一序列存在p階

LM檢計(jì)量關(guān)檢驗(yàn)直到p階滯顯著水平自相關(guān)

驗(yàn)TX殘差序歹J相后都不存在P值小于某一序列存在p階

R2關(guān)檢驗(yàn)自相美顯著水平自相關(guān)

4、殘差異方差檢驗(yàn)

判斷

拒絕原假設(shè)的估計(jì)方法/

檢驗(yàn)名稱作用原假設(shè)（拒絕原假

經(jīng)濟(jì)意義模型修正

設(shè)）

ARCHF統(tǒng)殘差異方差P值小于某一序列存在p階

LM檢計(jì)量檢驗(yàn)顯著水平異方差

驗(yàn)TX殘差異方差P值小于某一序列存在p階

殘差序列中加權(quán)最小二

R2檢驗(yàn)顯著水平異方差

直到p階滯乘法WLS；

AC、PAOO,

殘差平方相關(guān)殘差異方差后都不存在序列存在p階自回歸條件

序列不存在

圖檢驗(yàn)ARCH效應(yīng)后異方差異方差

ARCH效應(yīng)

ARCH模

殘差平方Q統(tǒng)殘差異方差P值小于某一序列存在

型；

計(jì)量檢驗(yàn)檢驗(yàn)顯著水平ARCH效應(yīng)

廣義自回歸

輔助回歸方

條件異方差

程的F統(tǒng)計(jì)

GARCH模

殘差異方差不存在異方量、LM統(tǒng)計(jì)序列存在

White檢驗(yàn)型

檢驗(yàn)差量、卡方檢驗(yàn)ARCH效應(yīng)

P值小于某一

顯著水平

5、模型設(shè)定與穩(wěn)定性檢驗(yàn)

表模型設(shè)定的系數(shù)與稔定性檢驗(yàn)

作用判斷拒絕原假設(shè)估計(jì)方法/模型

檢驗(yàn)名稱原假設(shè)

(拒絕原假設(shè))的經(jīng)濟(jì)意義修正

模型設(shè)定F統(tǒng)計(jì)量、LR補(bǔ)充缺失變量：

模型不存

誤差檢驗(yàn)，Ramsey統(tǒng)計(jì)量P值小模型是合適修正方程形式；

在設(shè)定誤

只適用于RESET檢驗(yàn)于某一顯著水的替代隨機(jī)解釋變

差

OLS估計(jì)平量；

參數(shù)約束參數(shù)約束受約束回歸

P值小于某一不附加參數(shù)

條件經(jīng)驗(yàn)Wald檢驗(yàn)條件方程

顯著水平約束條件

成立

遺漏變量、添加/多余添加的變量遺漏的變量加進(jìn)

P值小于某一

多余變量F檢驗(yàn)的變量參沒(méi)有顯著解模型；

顯著水平

經(jīng)驗(yàn)數(shù)等于0釋貢獻(xiàn)；多余的變量從模

添加/多余多余變量具型中剔除

似然比(LR)P值小于某一

的變量參有顯著解釋

檢驗(yàn)顯著水平■TT2.士卜

數(shù)等于0貝獻(xiàn)

F統(tǒng)計(jì)量、LR

模型無(wú)顯模型發(fā)生顯

鄒氏(Chow)統(tǒng)計(jì)量P值小

著結(jié)構(gòu)變著的結(jié)構(gòu)變

分割點(diǎn)檢驗(yàn)于某一顯著水

化化

模型穩(wěn)定平

性檢驗(yàn)F統(tǒng)計(jì)量、LR

模型無(wú)顯模型發(fā)生顯

鄒氏(Chow)統(tǒng)計(jì)量P值小

著結(jié)構(gòu)變著的結(jié)構(gòu)變

預(yù)測(cè)檢驗(yàn)于某一顯著水

化化

平

4.2經(jīng)典假設(shè)的不滿足及模型修正

4.2.1經(jīng)典假設(shè)

對(duì)于經(jīng)典多元線性I可歸模型

經(jīng)典假設(shè)：

1.解釋變晟是非隨機(jī)的或固定的，且相互之間互不相關(guān)，即無(wú)多重共線性;

cov（x,.,xy）=0,iwj,Z,J=1,2,..,n

2.隨機(jī)項(xiàng)具有零均值，同方差及不序列相關(guān)性，即:

E（〃）=0,i=l,2,…/

%〃3）=召（“2）=0,

cov(4，勺)=E(〃〃j=O,i工j,i，7=L2,??,n

3.隨機(jī)項(xiàng)滿足正態(tài)分布，即

AN（0,〃）

4.解釋變量與隨機(jī)項(xiàng)不相關(guān)，即

Cov(x..,//,)=(),i=l,2,）=1,2,…,2

5.樣本容量趨于無(wú)窮時(shí)，各解釋變量的方差趨于有界常數(shù);

6.回歸模型的設(shè)定是正確的。

4.2.2經(jīng)典假設(shè)的不滿足與模型修正

異方差序列相關(guān)多重共線性隨機(jī)解釋變量

經(jīng)典假COV（Xj,Xj）=（）確定性解釋變量

?=常數(shù)=/口)COV（M，〃/）=E（〃W/）=。

設(shè)

定義三種：

cov（4,"）=￡（〃冏）工0COV（Xj,Xj）wO

與隨機(jī)項(xiàng)獨(dú)立；

同期無(wú)關(guān)但異期

相關(guān)；

同期相關(guān)

產(chǎn)生原橫截面數(shù)據(jù)作為樣本經(jīng)濟(jì)變量固有的慣性；經(jīng)濟(jì)變量相關(guān)的共滯后被解釋變量

因模型設(shè)定的偏誤；同趨勢(shì)；作為模型的解釋

數(shù)據(jù)的編造；滯后變量的引入：變量

時(shí)間序列數(shù)據(jù)樣本資料的限制

后果參數(shù)估計(jì)量不有效；參數(shù)估計(jì)量不有效；完全共線性下參數(shù)OLS估計(jì)值失效

變量的顯著性檢驗(yàn)失變量的顯著性檢驗(yàn)失去意義；估計(jì)量不存在；

去意義；模型的預(yù)測(cè)失效：參數(shù)估計(jì)量的方差

模型的預(yù)測(cè)失效；變動(dòng)；

參數(shù)估計(jì)量經(jīng)濟(jì)含

義不合理；

顯著性檢驗(yàn)、模型預(yù)

測(cè)失去意義；

檢驗(yàn)圖示檢驗(yàn)法；圖示檢驗(yàn)法；是否存在：

white異方差檢驗(yàn)D.W統(tǒng)計(jì)量檢驗(yàn)；相關(guān)系數(shù)判斷；

相關(guān)圖與Q統(tǒng)計(jì)量檢驗(yàn)綜合統(tǒng)計(jì)檢驗(yàn)法

LM檢驗(yàn)存在范圍：

判斷系數(shù)檢驗(yàn)法；

逐步回歸法

修正、加權(quán)最小二乘法WLS廣義最小二乘法；剔除引起共線性的廣義矩估計(jì)法

補(bǔ)救、廣義差分法:ARIMA模型；變量；GMM；

克服差分法；工具變量法

5經(jīng)典回歸模型的拓展

5.1非線性模型的回歸分析

線性回歸模型

回歸模型可線性化模型f線性變換t線性回歸模型fOLS

非線性回歸模型

不可線性化模型n非線性最小二乘估計(jì)NLS

表多元非線性回歸模型的線性化變換與估計(jì)方法總結(jié)

線性化變換后

線性化分類模型特征線性化變換方式示例選用的估計(jì)方

法

變量直接置換

1普通最小二乘

倒數(shù)模型法:引入替代變t=-

X法OLS

量

變量直接置換

普通最小二乘

可轉(zhuǎn)換為線性多項(xiàng)式模型法：引入替代變t=xn

n法OLS

回歸模型量

基函數(shù)模型、指函數(shù)變換法：取普通最小二乘

數(shù)函數(shù)模型對(duì)數(shù)+替換法OLS

普通最小二乘

復(fù)雜函數(shù)泰勒級(jí)數(shù)展開(kāi)法

法OLS

無(wú)法線性化模非線性最小二

———

型乘法NLS

5.2特殊解釋變量模型一一虛擬解釋變量

5.3特殊被解釋變量模型一一離散及受限被解釋變量

Probit模型

二元選擇模型?Logit模型

、極值模型

高散因變量＜

排序選擇模型

特殊因變量模型《

計(jì)數(shù)模型

審查回歸模型

受限因變量模型

截?cái)嗷貧w模型

6單方程模型的其他估計(jì)方法

6.1單方程模型的其他估計(jì)方法及適用場(chǎng)合

經(jīng)典：普通最小二乘法OLS

異方差：加權(quán)最小二乘估計(jì)法WLS

殘差異方差-序列相關(guān)：廣義最小二乘法G￡S

平方和，異方差：加權(quán)75LS

模型

最小異方差

參數(shù)?隨機(jī)解釋變量：二階段最小二乘法TSLS

+：自相關(guān)修正TSLS

估計(jì)

序列相關(guān)

參數(shù)非線性模型：非線性最小二乘法NLS

取樣本值的似然函數(shù)值最大：極大似然估計(jì)ML

選擇矩條件最小距離估計(jì)量：廣義矩估計(jì)法GMM

6.2單方程模型其他估計(jì)方法的選擇邏輯

4、殘差異方差檢驗(yàn)

判斷

拒絕原假設(shè)的估計(jì)方法/

檢驗(yàn)名稱作用原假設(shè)（拒絕原假

經(jīng)濟(jì)意義模型修正

設(shè)）

ARCHF統(tǒng)殘差異方差P值小于某一序列存在p階

LM椅計(jì)量檢驗(yàn)顯著水平異方差

驗(yàn)TX殘差異方差P值小于某一序列存在p階

殘差序列中加權(quán)最小二

R2檢驗(yàn)顯著水平異方差

直到p階滯乘法WLS：

AC、PAC=O,

殘差平方相關(guān)殘差異方差后都不存在序列存在p階自回歸條件

序列不存在

圖檢驗(yàn)ARCH效應(yīng)后異方差異方差

ARCH效應(yīng)

ARCH模

殘差平方Q統(tǒng)殘差異方差P值小于某i序列存在

型；

計(jì)量檢驗(yàn)檢驗(yàn)顯著水平ARCH效應(yīng)

廣義自回歸

輔助回歸方

條件異方差

程的F統(tǒng)計(jì)

GARCH模

殘差異方差不存在異方量、LM統(tǒng)計(jì)序列存在

White檢驗(yàn)型

檢驗(yàn)差量、卡方檢驗(yàn)ARCH效應(yīng)

P值小于某一

顯著水平

5、殘差序列相關(guān)假設(shè)的檢驗(yàn)

表殘差序列相關(guān)假設(shè)的檢驗(yàn)

判斷

拒絕原假設(shè)的估計(jì)方法/

檢驗(yàn)名稱作用原假設(shè)（拒絕原假

經(jīng)濟(jì)意義模型修正

設(shè)）

DW<1.5,較強(qiáng)

的正一階自相

關(guān)；

P值小于某一

DWV2,正一階

DW統(tǒng)計(jì)量檢殘差一階序序列相關(guān)參顯著水平；

自相關(guān)；

驗(yàn)列相關(guān)檢驗(yàn)數(shù)等于0DWW2,一階

DW=2,不一階廣義最小二

自相關(guān)；

自相關(guān)：乘法GLS；

2<DW<4,負(fù)一廣義差分法

階自相關(guān)；GDM；

相關(guān)圖+AC、殘差序列相AC、PAC=O,