计量经济学讲义(一到四章)(计量经济学-东北财经大学,王.docx

计量经济学讲义 王维国讲授课程的性质 计量经济学是一门由经济学、统计学和数学结合而成的交叉学科，从学科性质来看，计量经济学是一门应用经济学。具体来说，计量经济学是在经济学理论指导下，借助于数学、统计学和计算机等方法和技术，研究具有随机特征的经济现象，目的在于揭示其发展变化规律。课程教学目标 计量经济学按其内容划分为理论计量经济学和应用计量经济学。本课程采用多媒体教学手段，结合Eviews软件应用，讲解理论计量经济学的最基本内容。本课程教学目标：一是使学生了解现实经济世界中可能存在的计量经济问题， 掌握检测及解决计量经济问题的方法和技术；二是使学生能够在计算机软件辅助下，建立计量经济模型，为其他专业课的学习及对经济问题进行实证分析研究奠定基础。课程适用的专业与年级本大纲适用于数量经济专业2001级计量经济学课程的教学。 课程的总学时和总学分 课程总学时为72，共计4学分。 本课程与其他课程的联系与分工 学习本课程需要学生具备概率论与数理统计、微积分、线性代数、Excel、微观经济学、宏观经济学、经济统计等学科知识。概率论与数理统计等数学课是计量经济学的方法论基础，计量经济学主要解决的是实际中不满足数理统计假定时经济变量之间关系及经济变量发展变化规律分析方法和技术，而经济学为计量经济学提供经济理论的准备，它仅就经济变量之间的关系提出一些理论假设，而不进行实证分析，只有具备了计量经济学的基本知识才能更好地解决一些实际问题。课程使用的教材及教学参考资料 使用的教材：计量经济学(Basic Econometrics) 第三版，美古扎拉蒂(Damodar N.Gujarati) 著，林少宫 译，中国人民大学出版社2000年3月第1版。该教材畅销美国，并流行于英国及其他英语国家。该书充分考虑了学科发展的前沿，十分重视基础知识的教学及训练，内容深入浅出。教学参考资料：1. 王维国，计量经济学，东北财经大学出版社2001. 2.Aaron C. Johnson, Econometrics Basic and Applied学时分配表课程总学时数72章、节学时数备注第一讲（共4节）引言：经济计量学的特征及研究范围2教材引言P5-15第二讲（共4节）双变量回归模型及其估计问题6教材第1、2、3章P1-40第三讲（共5节）双变量回归模型的区间估计及其假设检验12教材第4、5、6章P41-177第四讲（共3节）多元回归模型及其估计问题4教材第7章P178-226第五讲（共7节）多元回归分析：推断问题4教材第8章P227-271第六讲（共6节）线性回归模型的矩阵方法6教材第9章P272-304案例讨论2第二至第六讲综合案例第七讲（共5节）多重共线性4教材第10章P305-346第八讲（共5节）异方差6教材第11章P347-392案例讨论2第七讲和第八讲综合案例第九讲（共5节）自相关6教材第12章P393-445第十讲（共5节）模型设定误差4教材第13章P446-474第十一讲（共9节）虚拟变量回归模型4教材第15章P475-534案例讨论2第九至第十一讲综合案例第十二讲（共4节）联立方程模型8教材第18-20章P629-702第一讲 引言：经济计量学的特征及研究范围第一节 什么是计量经济学一、计量经济学的来源二、计量经济学的定义计量经济学几种定义。本课程所做的定义。第二节计量经济学的性质一、计量经济学的性质二、计量经济学与其他学科的关系计量经济学与理论经济学、数理经济学、数理统计学、经济统计学、计算机科学的关系第三节计量经济学方法论一、计量经济学研究的核心内容二、建立计量经济模型的一般步骤(一)理论或假说的陈述(二)理论数学模型的设定(三)理论计量经济模型的设定(四)数据获得(五)计量经济模型的参数估计(六)假设检验(七)预测(八)利用模型进行控制或制定政策第四节计量经济学的内容一、理论计量经济学二、应用计量经济学 第一讲 考核要求识记：计量经济学、模型与计量经济模型领会：计量经济学性质、计量经济学与其他学科的关系、计量经济学的研究内容、计量经济模型建立与应用的基本过程。第二讲双变量回归模型及其估计问题第一节回归分析的性质一、基本问题（一）“回归”的基本含义1.“回归”一词的历史渊源2.“回归”的现代释义（二）相关概念1.统计关系与确定性关系2.相关关系与因果关系3.回归分析与相关分析二、计量经济分析所用数据的性质与来源（一）数据类型1.时间序列数据2.横截面数据3.面板数据（二）数据来源1.原始数据2.第二手数据（三）数据的准确性第二节总体回归函数与样本回归函数一、总体回归函数（一）一个人为的例子（二）总体回归函数1.因变量（又称回归子、被解释变量、应变量、预测子、回归子、响应变量、内生变量）2.自变量（又称回归元、解释变量、预测元、回归元、控制变量或刺激变量、外生变量）3.回归系数的意义4.模型形式线性形式（对变量的线性、对参数的线性）和非线性形式（对变量的非线性和对参数的非线性）（二）总体回归模型1.总体回归函数的随机设定随机干扰或随机误差、系统性或确定性、随机或非系统性2.随机干扰项的意义随机干扰项的基本含义、随机干扰项存在的原因3.总体回归模型（三）样本回归函数与样本回归模型1.样本回归函数概念、估计量（统计量）、残差2.样本回归模型第三节双变量回归模型：估计问题一、普通最小二乘法（一）基本思想1. 评价拟合方程优劣的指标总距离最小（即残差绝对值之和）的优点及缺点、残差平方和的优点及缺点2.最小二乘法的基本原理基本准则:使得残差平方和达到最小的样本回归方程利用微积分原理构造标准方程或称正态方程最小二乘估计量（OLS）的表达式离差的含义及用离差表示的OLS3.OLS的数值性质（二）最小二乘法的基本假定1.经典（又称高斯或标准）线性回归模型（CLRM）2.CLRM的假定：每一假定的含义及作用3.这些假定的真实性（三）OLS的精度或标准差1.OLS精度的含义2.OLS精度或标准差的计算3.随机误差项方差的估计4.OLS方差的特点（四）OLS的统计性质：高斯马尔可夫定理1.线性性2.无偏性3.最小方差性4.高斯马尔可夫定理二、判定系数R2（一）判定系数的意义1.判定系数R2的含义2.文图或巴伦坦图（二）判定系数R2的计算1.总平方和（TSS）的计算及分解2.判定系数R2的计算公式3.判定系数R2与相关系数的关系4.相关系数r的性质第四节 两个说明性例子第二讲 考核要求识记：总体回归函数与总体回归模型、样本回归函数与样本回归模型、随机误差项（扰动项）、普通最小二乘估计量（OLS）及其精度指标、判定系数R2。领会：1.相关分析与回归分析；2.确定性关系与不确定性关系（统计关系）；3.总体回归模型与函数的意义；4.样本回归模型与函数的意义；5.随机误差项（随机扰动项）存在的理由；6.最小二乘法的基本思想；7.CLRM的假定；8.OLS的性质；9.判定系数R2与相关系数的关系；10.相关系数的性质。简单应用：1.运用模型描述经济变量之间的关系；2.最小二乘法的基本原理；3.拟合优度指标的应用。综合应用：1.根据经济理论构造计量经济理论模型；2.运用最小二乘法估计样本回归方程；3.对样本回归方程优劣做出的评价。第三讲双变量回归模型的区间估计及其假设检验第一节 正态性假定：经典正态线性回归模型一、正态性假定（一）正态性假定的含义E(mi)=0，方差同等于某一常数，即var(mi)= E(mi2)=s2，不同时期的随机干扰项不相关，即cov(mi ,mj)= E(mimj)=0 ij这些假定可更简洁叙述为： ui N(0, s2) 由于两个正态变量的零协方差或零相关就意味着两个变量互相独立，所以，随机干扰项是独立且服从于正态分布的统计量。（二）随机干扰项做正态假定的理由1.随机干扰项代表回归模型中未明显引进的许多变量的总影响，由于这个变量是独立且同分布的随机变量，所以利用中心极限定理可证明，这样的随机变量，随着个数无限地增大，它们的总和将趋近于正态分布。2.中心极限定理还告诉我们，即使变量个数并不很大或这些不是严格独立的，它们的总和仍可视同正态分布。3.正态分布变量的任何线性函数都是正态分布的。4.两个正态变量的零协方差或零相关就意味着两个变量互相独立。二、在正态假定下OLS估计量的性质（一）无偏性（二）最小方差性（三）一致性：随着样本含量无限地增大，估计量将收敛到它们的真值。（四）各回归系数是服从于正态分布的。（五）（n-2）/服从n-2个自由度的2c分布。（六）最小二乘估计量的联合分布独立于。（七）OLS估计量在整个无偏估计类中，无论是线性或非线性估计，都有最小方差。故最小二乘估计量是最优无偏估计量。三、最大似然法（一）双变量回归模型的最大似然估计1.似然函数2.最大似然法的基本思想3.回归系数和随机干扰项的ML估计量（二）ML估计量与OLS的比较如果假定ui是正态分布的，则无论是简单回归还是多元回归，其回归系数的ML估计量和OLS估计量都是相同的。但随机干扰项ui的方差则不同，ML估计量是有偏的，而OLS是无偏的。随着样本大小的变大，两种估计量趋于相等。因此，随机干扰项ui方差的ML是渐近无偏的。第二节 双变量回归的区间估计一、区间估计的一些基本概念（一）基本概念1.置信区间；2.置信系数与显著性水平；3.置信上限与下限（二）理解区间估计应注意的问题二、回归系数的置信区间（一）b2的置信区间1.在真实的总体方差已知时2.在真实的总体方差未知时（二）b1的置信区间（三）b1和b2的联合置信区间三、 的置信区间第三节 双变量回归的假设检验一、假设检验的基本问题（一）假设检验的基本思想（二）基本概念1.虚拟假设；2.备择假设；3.显著性水平二、假设检验的置信区间方法（一）双边（双侧）或称双尾检验1.置信区间2.决策准则（二）单边（单侧）或单尾检验三、假设检验的显著性检验法（一）检验回归系数的显著性：t检验（二）检验s2的显著性：2检验（三）一些实际操作问题1.“接受”或“拒绝”假设的含义2.“零”虚拟假设与“2倍t”屈指一算法则3.建立虚拟与对立假设4.选择显著性水平5.精确的显著性水平：P值6.统计显著性与实际显著性7.假设检验的置信区间法和显著性检验法的选择四、回归分析与方差分析（一）总离差的分解公式（二）F统计量的构建（三）双变量回归模型的ANOVA第四节回归分析的应用：预测问题（一）均值预测（二）个值预测（三）回归分析结果的报告（四）回归分析的评价1.正态性检验；2.模型适宜性的其他检验第五节双变量线性回归模型的延伸一、过原点回归（一）模型形式（二）过原点回归模型的r2二、尺度与测量单位三、回归模型的函数形式（一）对数线性回归模型（二）半对数模型（三）倒数模型第三讲 考核要求识记：经典正态线性回归模型(CNLRM)、最优无偏估计量（BUM）、区间估计、各回归系数的置信区间、显著假设检验、显著性水平与置信度、第一类错误、第二类错误、检验统计量、“接受”或“拒绝”假设的含义、统计显著性与实际显著性的区别等。领会：1.对随机干扰项做正态假定的原因；2.OLS估计量优于ML估计的原因；3.假设检验的置信区间法与显著性检验法的选择；4.正态性检验。简单应用：1.构造回归系数的置信区间；2.对回归系数进行显著性检验；3.对总体回归方程进行显著性检验；4.对均值和个值进行预测。综合应用：建立两个变量回归模型并对回归结果进行合理评价。第四讲多元回归模型及其估计问题第一节三变量模型：符号与假定一、三变量的总体回归模型二、经典线性回归模型的假定第二节 对复回归方程的解释一、总体复回归函数二、偏回归系数的含义三、偏回归系数的OLS与ML估计(一)OLS估计量(二)OLS估计量的方差和标准误差(三)OLS估计量的性质(四)最大似然估计量第三节 复判定系数R2与复相关系数一、复判定系数的计算及含义二、美国的期望扩充菲利普斯曲线三、从复回归的角度看简单回归：设定偏误初探四、R2及校正R2（一）为什么要校正R2（二）校正R2的计算（三）如何比较两个方程的R2值五、偏相关系数（一）简单相关系数的计算与意义（二）偏相关系数的计算与意义（三）简单与偏相关系数的关系六、案例：柯布道格拉斯生产函数：函数形式再议七、多项式回归模型（一）模型形式（二）举例：总成本函数第四讲 考核要求识记：总体复回归函数与总体复回归模型、样本复回归函数与样本复回归模型、偏回归系数的含义、偏回归系数的普通最小二乘估计量（OLS）及其精度指标、复回归方程的判定系数R2及调整的判定系数R2、多项式回归模型、。领会：复回归方程判定系数R2与偏相关系数的关系；零阶相关系数与偏相关系数的区别。简单应用：运用经济理论构造模型描述经济变量之间的关系；最小二乘法对复回归模型进行参数估计；建立对数或多项式等非线性回归模型。综合应用：1.根据经济理论构造多变量计量经济理论模型；2.运用最小二乘法估计样本回归方程；3.对样本回归方程优劣做出的评价。第五讲多元回归分析：推断问题第一节再一次正态假定一、随机干扰项u的概率分布uN(0,s2)二、偏回归系数的OLS估计量(一)它无异于最大似然（ML）估计量，是最优线性无偏估计量(二)服从于正态分布第二节个别偏回归系数的假设检验一、假设的提出二、t统计量的计算三、决策的步骤第三节回归方程的总体显著性检验一、方差分析法：F检验(一)基本思想(二)决策准则(三)R2和F之间的关系式(四)R2表示的总体回归方程的显著性检验二、解释变量的“增量”或“边际”贡献(一)度量方法(二)何时加进一个新变量(三)何时加进一组新变量第四节检验两个回归系数是否相等一、问题的提出二、t统计量的计算三、检验的步骤第五节受约束的最小二乘法一、问题的提出二、t检验方法三、F检验法第六节比较两个回归：检验回归模型的结构稳定性一、引例二、邹检验的步骤第七节检验回归模型的函数形式一、假设的设计二、MWD检验的步骤三、实例第五讲 考核要求识记：评价复回归模型参数估计量精度的指标、偏回归系数的概率分布、解释变量的“增量”或“边际”贡献、偏回归系数的区间估计、偏回归系数的显著假设检验、总体方程的显著性检验等。领会：t检验的用途、F检验的用途。简单应用：1.构造偏回归系数的置信区间；2.对偏回归系数进行显著性检验；3.对总体回归方程进行显著性检验；4.对两个或多个回归系数约束的显著性检验；5.对模型结构是否稳定的邹检验；6.检验模型形式；7.对均值和个值进行预测。综合应用：建立多变量回归模型并对回归结果进行合理评价。第六讲线性回归模型的矩阵方法第一节k变量线性回归模型一、k变量总体回归模型的一般表达式二、k变量总体回归模型的矩阵表达式第二节用矩阵表示的经典线性回归模型的假定一、经典回归模型的假定矩阵表示二、计算E(uu)三、X矩阵列满秩的实际意义第三节OLS估计一、回归系数最小二乘估计量的矩阵表示（一）（二）实例说明二、的方差协方差矩阵（一）公式（二）s2的无偏估计量的矩阵表示四、OLS向量的性质（一）线性性（二）无偏性（三）最小方差性第四节 判定系数的矩阵表示一、公式及其推导二、相关矩阵第五节 假设检验的矩阵表示一、个别回归系数的假设检验矩阵表示二、用矩阵表示的方差分析三、用矩阵表示的用于检验线性约束的一般F检验法第六节 用复回归做预测的矩阵表述一、均值预测二、个值预测三、均值预测的方差四、个值预测的方差第六讲 考核要求应用：1.用矩阵表示复回归模型；2.矩阵表示偏回归系数OLS估计量及其精度指标；3. 矩阵表示各种统计检验；4.矩阵表示均值和个值的预测。第七讲 多重共线性第一节 多重共线性的性质一、多重共线性的概念（一）完全多重共线性（二）高度（不完全）多重共线性二、多重共线性的来源（一）数据采集方法问题（二）模型或从中取样的总体受到约束（三）模型设定问题（四）一个过度决定的模型第二节 出现多重共线性时的估计问题一、出现完全多重共线性时的估计问题（一）无法得到个别回归系数的唯一解（二）产生这一问题的原因二、出现不完全多重共线性时的估计问题（一）个别回归系数的估计是可能的（二）这种结果的原因第三节 多重共线性的后果一、多重共线性的理论后果（一）OLS估计量仍保持BLUE性质（二）实际意义二、多重共线性的实际后果（一）OLS估计量的大方差与协方差1.公式2.方差-膨胀因子的定义与意义（二）更宽的置信区间（三）“不显著”的t比率（四）R2值高而显著的t比率少（五）OLS估计量及其标准误对数据中的微小变化的敏感性第四节 多重共线性的侦察一、多重共线性问题是一个样本问题二、侦察多重共线性的规则（一）R2值高而显著的t比率少（二）回归元之间有高度的两两相关1.它只是充分条件而不是必要条件2.理由（三）检查偏相关（四）辅助回归（五）容许度与方差膨胀因子第五节 多重共线性的补救措施一、先验信息二、横截面与时间序列数据并用三、剔除变量与设定偏误四、变量代换五、补充新数据六、在多项式回归中降低共线性七、拯救多重共线性的其他方法简单应用：侦察多重共线性的方法、各种多重共线性拯救方法。综合应用：对于能够用所学的多重共线性侦察方法和拯救方法分析和解决实际问题。第八讲 异方差第一节 异方差的性质一、什么是异方差二、异方差存在的理由（一）按照边错边改学习模型，人们在学习的过程中，其行为误差随时间而减少（二）随着收入增长，人们有更多的备用收入，从而如何支配他们的收入有更大的选择范围（三）随着数据采集技术的改进，方差可能减少（四）异方差性还会因为异常值的出现而产生（五）异方差性的另一来源来自CLRM的假定的破坏第二节 广义最小二乘法（GLS）一、广义最小二乘估计量的意义二、OLS和GLS的差别第三节 出现异方差性时的OLS估计的后果一、回归系数的最小二乘估计量具有线性性和无偏性二、回归系数的最小二乘估计量不再具有最小方差性三、异方差存在时的统计检验t和F检验很可能提供不准确的后果。第四节 异方差性的侦察一、非正式方法（一）问题的性质（二）图解法二、正式方法（一）帕克（Park）检验1.建议的函数形式2.检验过程3.举例（二）格莱泽（Glejser）检验1.检验的过程2.应用中的问题（三）斯皮尔曼（Spearman）的等级相关检验1.等级相关系数的计算2.检验步骤（四）戈德菲尔德匡特检验1.基本思想2.检验步骤3.举例（五）布劳殊培干戈弗雷（Breusch-Pagan-Godfrey）检验1.基本思想2.检验步骤3.举例（六）怀特（White）检验1.基本思想2.检验步骤3.举例第五节 异方差出现时的补救措施一、当各观测点随机干扰项的方差为已知时直接应用加权最小二乘法二、当各观测点随机干扰项的方差为未知时（一）怀特的“异方差性相一致”的方差与标准误（二）关于异方差性模式的可能假定1.误差方差正比于X22. 误差方差正比于X的平方根3. 误差方差正比于Y均值的平方4.对数变换5.考虑变换时应注意的问题第八讲 考核要求识记：异方差性、广义最小二乘法等。领会：1.异方差存在时普通最小二乘估计量线性无偏性的含义；2.异方差存在时普通最小二乘估计量方差的变化；3.OLS和GLS的区别与联系；4.怀特检验与校正方法的特点。简单应用：各种检验异方差存在的方法。综合应用：实际问题的异方差诊断与校正。第九讲 自相关第一节 自相关及其性质一、自相关的定义二、自相关的模式三、自相关产生的原因(一)经济惯性(二)模型设定误差(三)蛛网现象(四)滞后效应(五)数据加工第二节 自相关存在时的OLS估计量一、自相关形成机制（一）马尔柯夫-阶自回归模式（二）一阶移动平均或MA（1）模式（三）ARMA（1，1）模式二、自相关出现时使用OLS的后果(一)自相关出现时的BLUE估计量(二)考虑到自相关的OLS估计GLS与OLS置信区间的比较三、忽视自相关的OLS估计（一）残差方差很可能低估了真实的方差（二）很可能高估R2（三）通常的t和F显著性检验都变成无效的第三节 侦察自相关一、图解法二、游程检验（一）基本概念（二）在无自相关的虚拟假设下，游程个数服从正态分布1.均值2.方差（三）决策准则三、杜宾沃森d检验（一）杜宾沃森d的定义（二）D-W检验的基本假定（三）判断准则四、自相关的其他检验（一）一种渐近或大样本检验（二）高阶自相关的布劳殊戈弗雷（Breusch -Godfrey）检验1.检验的基本思想2.步骤3.应注意的问题第四节 自相关补救措施一、自相关的结构已知：广义差分法二、自相关系数求知时（一）一阶差分法（二）贝伦布鲁韦布检验（三）根据杜宾沃森d统计量估计r（四）科克伦奥克特迭代法（五）科克伦奥克特两步法（六）杜宾两步法第五节 自回归条件异方差（ARCH）模型一、背景二、基本思想三、ARCH（p）过程四、ARCH出现时怎么办第九讲 考核要求识记：自相关、AR（1）过程、ARMA过程、DW统计量、回归条件异方差模型领会：自相关的性质及其后果简单应用：自相关的各种检验方法综合应用：利用广义差分法解决自相关问题第十讲 模型设定误差第一节 计量经济建模的传统观点：平均经济回归（AER）一、平均经济回归的含义二、优良模型的判断准则（一）节省性（二）识别性（三）拟合优度（四）理论一致性（五）预测功效第二节 设定误差的类型一、漏掉一个有关变量二、包含一个无需变量三、采用错误函数形式四、测量误差第三节 设定误差的后果一、漏掉一个有关变量的后果（一）如果漏掉的变量与含有的变量相关，则最小二乘估计量是有偏的且非一致性。（二）即使两个变量不相关，截距项的OLS估计量仍是有偏的，而变量的回归系数的OLS则是无偏的。（三）误差的方差将被不正确地估计。（四）斜率OLS估计量的方差是一个有偏误的估计量。（五）后果是通常的置信区间和假设检验程序，对于所估的参数的统计显著性容易导出错误的结果。二、包含一个无关变量的后果（一）不正确的模型中全部参数的OLS估计量都是无偏的和不一致性的。（二）误差方差的估计是正确的。（三）通常的置信区间和假设检验仍然有效。（四）一般地说，回归系数的估计量将是非有效的，即它们的方差一般都大于真模型中回归系数OLS的方差。第四节 设定误差的检验一、侦察是否含有无需变量(一)方法通常用t检验去检验估计的回归系数的显著性，当不能肯定两个变量是否真的属于模型，则可用F检验作这两个回归系数是否同时显著区别于零的检验。(二)应用注意的问题1.任何模型的建立必须以理论为指南，切勿反复使用t和F检验来建立模型。2.在数据开采的情况下的名义与真实显著性水平二、对遗漏变量和不正确函数形式的检验(一)残差分析(二)再次使用杜宾沃森d统计量(三)拉姆齐的RESET检验(四)为增补变量的拉格朗日乘数(LM)检验第五节 观测误差一、应变量Y中的观测误差(一)考虑的模型形式(二)后果1.不影响参数估计及其方差的无偏性2.所估计的误差大于没有这种观测误差时的情形二、解释变量X中的观测误差(一)考虑的模型形式(二)后果1.参数OLS估计量是有偏误的且是非一致的2.证明(三)补救建议工具变量法三、实例第十讲 考核要求识记：1.经典线性正态回归模型假定模型是正确地设定的两层含义；2.优良模型的判定准则；3.每种模型设定误差的含义领会：每种设定误差的后果简单应用：各种侦察方程设定误差方法的应用综合应用：综合应用各种方法和手段消除模型设定误差第十一讲 虚拟变量回归模型第一节 虚拟变量的性质一、虚拟变量的定义取值为0和1的变量称为虚拟变量。二、虚拟变量的性质(一)虚拟变量表示两分性质，即“是”或“否”，“存在”或“不存在”,“男”或“女”等；(二) 它表示的事物的性质或属性，如“男”或“女”，“有”或“无”等。第二节 包含一个定量变量、一个两分定性变量的回归模型一、模型的形式(一)加法模型在模型 中，虚拟变量D只影响截距不影响斜率，这种模型为加法模型。(二)乘法模型模型 中，虚拟变量D只影响斜率而不影响截距，称这种模型为乘法模型(三)混合模型模型 可以用来表示截距和斜率都发生变化的模型，称为混合模型。二、模型的特点(一)为了区分两个类别，男性和女性，只引进了一个虚拟变量Di。有m个属性值，则仅引入m-1个虚拟变量。(二)虚拟变量0，1值的分配可以是任意的，但解释模型时一定注意1，0是怎样分配的。(三)被分配0的类别或级别通常被用于比较的基础。(四)虚拟变量的系数可称为级差截距系数，表明取值1的类别截距项与基底类的截距项的差距。第三节 对一个定量变量和一个多分变量的回归一、模型的形式二、模型的意义三、应用时注意的问题对于有截距项的模型，引入的虚拟变量个数应该比研究的类别少一个，否则就会造成完全多重共线，就是通常说的虚拟变量陷阱。第四节 包含一个定量变量、两个定性变量的回归模型一、模型的形式二、模型的意义三、应用时注意的问题有多种分类的情况下虚拟变量的使用。在就多个标准引入虚拟变量时，应该注意每一标准下引入虚拟变量个数应该是这一标准下类别数目减一。 第五节 回归模型中的结构稳定性：虚拟变量法一、模型结构变化的含义二、应用虚拟变量法检验模型中的结构稳定性的过程三、此种方法的优越性(一)只做一个回归(二)可做各种假设(三)给出更具体的信息(四)改进了参数估计的精度第六节 虚拟变量在季节分析中的应用虚拟变量定义如下（一年有四季，所以引入三个虚拟变量）：，建立模型 第七节 分段线性回归一、门槛问题二、应用虚拟变量解决门槛问题第八节 在时间序列和横截面数据的合并中使用虚拟变量 一、混合回归人含义时间序列与横截面数据并用 二、三种方式(一)分别对每一厂商做如下时间序列回归(二)可以对每一年估计一个横截面回归(三)可以把全部观测值合并起来，用以估计回归模型第九节 虚拟变量方法的一些技术问题 一、在半对数回归中的虚拟变量的解释二、避免虚拟变量陷阱的另一种方法三、虚拟变量与异方差:注意使用前必须证实不存在异方差。四、虚拟变量与自相关第十一讲 考核要求识记：虚拟变量、门槛问题领会：含有各种虚拟变量模型的意义简单应用：利用虚拟变量反映定性变量的影响综合应用：建立含有虚拟变量的模型第十二讲 联立方程模型第一节 联立方程模型的基本问题一、联立方程模型的性质（一）为什么需要建立联立方程模型（二）联立方程模型的基本概念 1.联立方程；2.内生变量；3.外生变量（前定变量）二、联立方程模型举例（一）需求与供给模型（二）凯恩斯收入决定模型（三）工资价格模型（四）宏观经济中的IS模型（五）LM模型三、联立方程偏误：OLS估计量的非一致性（一）举例说明模型存在随机解释变量问题（二）证明回归系数的最小二乘估计是非一致的（三）一个数值例子第二节 识别问题一、概念（一）符号与定义（二）方程分类1.结构模型及其参数的意义；2.简化型方程及其参数的意义；3.递归方程（三）识别问题的含义二、识别问题（一）识别问题分类1.识别不足情形2.恰好识别3.过度识别（二）识别规则1.可识别性的阶条件2.可识别性的秩条件（三）联立性检验1.联立性检验的意义2.豪斯曼检验第三节 联立方程方法一、估计方法的分类(一)单一方程法（有限信息法）(二)方程组法或称系统法（完全信息法）二、递归模型与OLS(一)递归模型的性质(二)递归模型可应用OLS三、恰好识别方程的估计：间接最小二乘法（一）何谓间接最小二乘法（ILS）（二）间接最小二乘法的步骤（三）举例（四）ILS估计量的性质四、过度识别方程的估计：二阶段最小二乘法（2SLS）（一）工具变量法（二）二阶段最小二乘法1.基本思想2.步骤3.一个数值例子（三）二阶段最小二乘法的特点五、三阶段最小二乘法（一）基本思想（二）步骤（三）3SLS估计量的性质1.3SLS估计量是非无偏的，但是一致估计量；2.它比2SLS更有效；3.作为一种系统估计法，其主要困难是参数估计值容易受到个别方程设定偏倚的影响。（四）应用条件1.每一方程都是正确设定且可识别；2.原模型中随机扰动项满足经典假定且不同方程不同期之间随机扰动项不相关。第十二讲 考核要求识记：联立模型、内生变量、外生变量、联立性偏倚、模型识别、识别的阶条件、识别的秩条件等。领会：1.联立模型中方程的分类；2.模型识别状况；3.二阶段最小二乘法的基本思想及其特点；4.三阶段最小二乘法的基本思想及其特点。简单应用：1.模型识别条件的应用；2.间接最小二乘法的应用；3.工具变量法的应用要求等。综合应用：1.应用二阶段最小二乘法估计联立模型的参数并能对结果进行分析评价及利用；2.应用三阶段最小二乘法估计联立模型的参数并能对结果进行分析评价及利用。 本章包括以下几小节：计量经济学定义计量经济学研究内容与目的经济计量学发展简介学习计量经济学应具备的知识常用的软件第一章 绪论第一节 计量经济学定义1 计量经济学定义    计量经济学，亦称经济计量学，是用定量的方法研究经济活动规律及其应用的科学。是经济学与统计学，数学相结合的产物。     客观地认识与科学地表述经济规律是历代经济学与经济计量学工作者的奋斗目标。然而经济活动的多因素性、随机波动性以及事件发生的不可逆性一直影响着经济学的科学化进程。经济学与自然科学的一个最大不同点就是无法建立实验室，无法创造出其它因素不变的理想环境。自然科学中的变量常遵循函数关系，但对于经济问题却没有函数关系可言，只能建立统计模型。尽管这样，随着经济计量学的诞生，人们借助数学、统计学知识分析和预测经济问题。虽然这只有几十年的时间，却超过了经济学数百年积累起来的文字分析水平。第二节 计量经济学研究内容与目的     计量经济学的研究内容与目的主要包括如下三个方面：1 定量描述与分析经济活动，验证经济理论。包括描述宏观、微观经济问题。     例1：如果说我国人民的生活水平还没有日本人民的生活水平高，这只是一种定性的描述。若用经济计量学方法进行定量分析，将会使我们对此问题理解的更深刻、更具体。 图1.11946-1998年中日两国的恩格尔系数序列见图1.1。用中日两国恩格尔系数分别对时间t（1981年t = 1）回归得模型如下：中国：Engel = 0.60 0.0077 t (1981-98) (1.1) (69.9) (-8.9) R2 = 0.83, DW = 0.86, F = 79.9日本：Engel = 0.29 0.0043 t (1981-95) (1.2) (24.0) (-12.1) R2 = 0.97, DW = 1.2, F = 372通过以上模型和图1.1，使我们认识到如下6点。(1) 从恩格尔系数的下降速度看，中国是先慢后快；日本是先快后慢（1931年0.38）。(2) 中国1956年的恩格尔系数与日本1946年的恩格尔系数近似相等。食品支出约占总支出的63%。40多年间，日本降了0.4，中国降了0.2。(3) 从整体看，日本恩格尔系数的年下降速度是中国的2.3倍。从1980年以后考察，中国恩格尔系数的年下降速度是日本的1.8倍。(4) 1995年日本的恩格尔系数是0.222，1998年中国的恩格尔系数是0.445。以1981-1998年的平均速度，中国若要把恩格尔系数降至0.222至少需要30年!(5) 验证了经济理论。随着收入的增加，恩格尔系数的下降速度要减慢。可见，通过定量分析，对这一问题的了解要比只做定性分析清晰的多。2 建立经济计量模型，为制定经济政策服务通过计量模型得到参数（边际系数，弹性系数，技术系数，比率，速率等）的可靠估计值，从而为制定政策，实施宏观调控提供依据。例2：图1.2给出1952-1998年中国现金需求量（M0）和国内生产总值（GDP）的散点图。为充分展示改革开放前后M0与GDP之间关系的变化，用1952-1985年数据画散点图见图1.3。从图中可以看到，改