当前位置： >>
计量经济学 课程教学大纲
《计量经济学》课程教学大纲一、课程基本信息 课程代码：040223 课程名称：计量经济学 英文名称：Econometrics 课程类别：专业课、学科基础课 学 时：54（其中实验 18 学时） 学 分：3 适用对象：经济类本科各专业 考核方式：考试 先修课程： 《微积分》《线性代数》《概率论与数理统计》《微观经济学》《宏 、 、 、 、 观经济学》《统计学》和《计算机应用基础》等课程 、 二、课程简介 计量经济学（亦称经济计量学）是经济学的一个分支，它是在数理经济学、经济 统计学和数理统计学基础上发展起来的一门应用经济学学科。计量经济学在对社会经 济现象作定性分析的基础上，探讨如何运用计量经济方法来定量描述具有随机性特征 的经济变量关系。本课程分单方程回归模型、违背古典假定的计量经济问题和联立方 程模型及应用三大部分。本课程是经济类专业的专业课，适用于经济类各专业本科高 年级学生，通过本课程的教学，要求学生掌握计量经济学的基本理论和主要模型设定 方法，熟悉计量经济分析工作的基本内容和工作程序，能用计量经济学软件包进行实 际操作。 Econometrics is a branch of economics and is a subject of applied economics developed from mathematical economics, economic statistics and mathematical statistics. Based on qualitative analysis for society and economic appearances, econometrics investigates how to use econometric methods to quantitatively describe the relations of economic variables with random characteristics. This course mainly consists of three parts: single equation regression model, classic-assumption violated econometric question, and simultaneous equation model and its applications. The course is a required course for the specialties of economic kinds, and is suitable for high-grade undergraduate students of each economics specialty. Through the study of the course, students are required to grasp the basic theory and main modeling methods of econometrics, to understand the basic content and procedure of econometric analysis work, and to able to practically operate some econometric software packages.三、课程性质与教学目的 1998 年，经教育部批准， 《计量经济学》课程成为经济类本科各专业八门必修的 核心课程之一，它是经济类本科生的专业基础课程，在经济学人才培养中具有相当重 要的作用和地位。 通过本课程的教学，要求学生达到了解计量经济学作为现代经济学的重要组成部 分所具有的特征与地位，了解计量经济分析方法在经济学科的发展和实际经济工作中 的作用； 掌握计量经济学分析经济问题的基本思想， 掌握计量经济学建模的基本原理； 熟知计量经济分析的基本内容和工作程序； 能够建立 （含运用计量经济分析专门软件） 简单的计量经济模型分析问题。 教师在讲授本课程时，首先，应特别注重对经济理论的认识和经济现象的分析， 强调已学的《经济学》基础；其次，突出计量经济建模基本思想的讲授，侧重在计量 经济学研究对象的理解和《经济学》《经济统计学》与《数学》相结合的知识背景上； 、 再次，应避免在理论部分的繁杂的纯数学证明，但对于表述基本原理和模型应用分析 中的数学推导是必要的，故应强调《微积分》《线性代数》与《概率论与数理统计》 、 的基础知识；最后，应加强对计量经济学概念的总结和应用实例的分析，包括计量经 济专门分析软件（Eviews）的应用操作。 四、教学内容及要求 第一章 导论 （一）目的与要求 1．本章概括介绍计量经济学这一学科，授课 4 学时，上机实验 2 学时。 2．通过本章教学，使学生了解计量经济学这一学科、计量经济学的界定、 计量经济学的内容、目的和建模步骤。 3．通过上机操作，使学生了解计量经济学软件包及数据输入方法。 （二）教学内容 第一节 什么是计量经济学 1.主要内容 数理经济学、经济统计学和数理统计学三者统一构成了计量经济学，其是以经济 理论为前提，利用数理统计方法和计算技术，根据实际观测统计资料来研究带有随机 影响的经济数量关系和规律的一门经济学科。 2.基本概念和知识点 计量经济学的产生、计量经济学的发展 第二节 计量经济学和有关学科的界限1.主要内容 （1）计量经济学与数理经济学 数理经济学只是把经济学上的理论用数学语言表述为函数和方程体系，而计量经 济学就是要给这些参数估算出具体数值。更重要的区别是，数理经济学把经济变量之 间的依存关系看作是绝对准确的、必然的函数关系，而计量经济学则认为经济变量之 间的关系是非确定性的依赖关系。数理经济学为计量经济学准备了理论基础。 （2）计量经济学与经济统计学、数理统计学 经济统计学主要涉及收集、加工、整理和计算经济数据，并以列表或图示的形式 提供经济数据，而计量经济学则是研究经济关系本身。计量经济研究中要使用经济统 计学提供的经济数据。数理统计学论述度量的方法，它是在实验室控制试验的基础上 发展起来的，不适用经济关系，经过修正，使统计方法适用于经济生活问题后，计量 经济学就应用这些方法，称为计量经济方法。 2.基本概念和知识点 计量经济学与经济学的关系；计量经济学与经济统计学的关系；计量经济学与数 理统计学的关系 第三节 计量经济学的内容、目的和方法论 1.主要内容 （1）内容 计量经济学的内容可概括为方法论和应用两个方面。 （2）目的 计量经济学的目的是结构分析、预测未来和政策评价。 （3）方法论 计量经济方法分为四个步骤，分别是设定计量经济模型、估计计量经济模型的参 数、计量经济模型的检验和计量经济模型的应用。 2.基本概念和知识点 理论计量经济学、应用计量经济学、模型的经济理论检验、模型的统计检验、模 型的计量经济检验、经济结构分析、经济预测、经济政策评价 （三）思考与实践 1．思考 进行计量经济学基本理论的思考。 2．实践 完成实验大纲所列实验项目一计量经济学软件 EViews 的使用。（四）教学方法与手段 本章教学采用课堂讲授与计算机实验相结合，并运用计算机多媒体课件和投影 仪。 第二章 一元线性回归模型 （一）目的与要求 1．一元线性回归模型是计量经济学中最基本的模型，本章从计量经济学 理论的角度，介绍一元线性回归分析方法，内容包括一元线性回归模型的 设定、假设、估计和检验，以及非线性回归模型的线性化。 2．重点是古典假定和参数估计式的性质及其分布，难点是对古典假定的 理解。 3．本章授课 8 学时，上机实验 4 学时。 4．通过本章教学，使学主牢记一元线性回归模型的古典假定和参数估计 式的性质，掌握模型的估计和检验，掌握非线性模型线性化的基本方法。 5．课外学习注意研究已发表的一无线性回归模型。 （二）教学内容 第一节 一元线性回归模型及其假定 1.主要内容 （1）变量间的关系和回归模型 变量间的关系分为两类， 一类是完全确定的关系， 另一类是非确定性的依赖关系。 确定性的关系可表示为 Y= f(X)，非确定性的关系表示为 Y= f(X)+u，其中 u 是一个随 机变量。这就是一个数学模型，若研究 Y 对 X 的依存关系，使用这样的模型就称为 回归模型。 （2）一元线性回归模型及其假定 一个解释变量的线性回归模型叫做一元线性回归模型，如Y= b0 +b1 X+u就是。对 作如下假定。 假定 1： i是一个随机实变量； u 此模型给定样本观测值(Xi,Yi)( i=1,2,…,n)， 假定 2：ui的均值为零；假定 3：ui方差为常数；假定 4：ui服从正态分布；假定 5：不 同Xi与Xj所对应的ui与uj无关；假定 6：ui与Xi无关。 2.基本概念和知识点 线性回归模型、条件期望、回归系数、解释变量；被解释变量 第二节 回归参数的最小二乘估计 1.主要内容 ? ? ? ? 在上节假定下，确定 b0 和 b1 使∑ei2 =∑(Yi - ( b0 + b1 Xi ))2达到最小，这就是最小二? ? 乘原则，确定 b0 和 b1 的方法叫做最小二乘法。其计算公式为 ? ? ? b0 = Y - b1 X b1 =∑xi yi／∑xi2 1 1 其中 X = ∑xi ， Y = ∑yi ，xi =Xi - X ，yi =Yi - Y 。由此得出三个结论：一是回 n n? 归直线通过点( X , Y )；二是Y = Y ；三是∑ei=∑ei Xi=0。 2.基本概念和知识点 最小二乘法、回归系数的估计量、残差平方和 第三节 最小二乘估计量的统计性质 1.主要内容 （1）线性特性 ? ? 估计式 b0 和 b1 为Yi的线性函数。 （2）无偏性 ? ? 估计量 b0 和 b1 的均值等于b0和b1。 （3）最小方差特性 ? ? 估计量 b0 和 b1 在所有线性无偏估计量中具有最小方差。 2.基本概念和知识点 线性特性、无偏性、最小方差特性 3.问题与应用 为什么说最小二乘估计量是最优的线性无偏估计量？ 第四节 样本判定系数及回归直线拟合优度的检验 1.主要内容 （1）总离差平方和分解 ?2 总离差平方和∑yi2可分解成回归平方和∑ yi 和残差平方和∑ei2。 （2）样本判定系数 定义回归平方和与总离差平方和之比为判定系数，即 ?2 R2 =∑ yi ／∑yi2。 （3）利用R2检验回归直线的拟合优度 0≤R2≤1，R2越接近于 1，则说回归直线与样本观测值拟合越好。R2越接近于零， 则说回归直线与样本观测值拟合越差，或叫拟合优度差。 （4）样本相关系数 相关是指两个或两个以上变量之间相互关系，存在于两个变量之间的相关关系叫 简单相关；存在于三个或三个以上的变量之间的相关关系叫复相关。样本相关系数定义为r =∑xi yi／（∑xi ∑yi ) ，其与R2有关系r =± R 2 。 2.基本概念和知识点 拟合优度检验、总离差平方和、回归平方和 3.问题与应用 为什么用判定系数R2评价拟合优度，而不用残差平方和作为评价标准？221 2第五节随机项 u 的方差σ2 u的估计量1.主要内容 随机项u的方差σ的无偏估计量为 u2? σ2 u=∑ei2／(n-2) ，其标准差记为SE。2.基本概念和知识点 u 的方差 3.问题与应用 为什么不用∑ei2／n作为方差σ2 u的估计量？第六节 最小二乘估计量的抽样分布及估计可靠性判定 1.主要内容 ? ? （1）估计量 b0 和 b1 的抽样分布 ? ? 估计量 b0 和 b1 分别服从的分布为? b0 ～N(b0 ,σ2 u? ／∑xi2) ， b1 ～N(b1 ,σ2 u∑Xi2／n∑xi2)（2）估计可靠性判定 可用估计量的标准差对估计可靠性进行判定。 ? ? （3）估计量 b0 和 b1 的显著性检验 显著性检验是假设检验的一种，对参数是否为零进行 t 检验。 2.基本概念和知识点 估计量的标准差、估计量的方差、t 检验、抽样分布 3.问题与应用 为什么要进行解释变量的显著性检验？ 第七节 回归方程的显著性 F 检验 1.主要内容 （1）回归问题的方差分析?2 总离差平方和∑yi2 = ∑ yi + ∑ei2 ，平方和除以自己的自由度定义为均方差， ? 回归平方和的均方差为 b1 2∑xi2 ，残差平方和的均方差为∑ei2／(n-2)。 （2）F 检验 在原假设下，回归平方和的均方差与残差平方和的均方差之比服从F分布，用此 分布可对回归方程的显著性进行检验。F值与R2值有关系 F=R2／((1-R2)/(n-2)) ，F值与T1值有关系F=T12。 2.基本概念和知识点 方差分析、均方差、F 检验 3.问题与应用 R2检验与F检验的区别与联系。第八节 一元线性回归分析的具体步骤1.主要内容 第一步，建立回归模型Y= b0 +b1 X+u。 第二步，对参数b0和b1进行最小二乘估计，求得方程 ? ? ? ? ? ? Y = b0 + b1 X， b1 =∑xi yi／∑xi2 ， b0 = Y - b1 X 其中∑xi2 =∑Xi2 - n X 2 ， ∑yi2 =∑Yi2 - n Y 2 ，∑xi yi =∑Xi Yi - n X Y 。 第三步，计算有关数据为显著性检验等作准备。 ? 1．R2 = b1 2∑xi2／∑yi2 ∑ei2 =(1 - R2)∑yi2 2．? σ2 u=∑ei2／(n-2)F=R2／((1-R2)/(n-2))21 2? 3．S( b0 )=((? σ2 u∑Xi )/(n∑xi ) )2? S( b1 )=(? σ/∑xi2 ) 2 u21把上述结果写作 ? ? ? Y = b0 + b1 X ? ? (S( b0 )) (S( b1 )) (T0) (T1) 2 R＝ SE＝ F= 第四步，对方程及参数进行检验。 第五步，应用。 2.基本概念和知识点 分析步骤 第九节 利用回归方程进行预测1.主要内容预测就是给定解释变量 X 的一个特定值，利用回归方程对应变量 Y 的值进行估 计。 2.基本概念和知识点 预测、平均值的预测 第十节 回归模型的各种函数形式 1.主要内容 （1）双对数模型 模型Yi = a Xib e u i ，两边取对数为 lnYi = lna + b lnXi + u i Yi和Xi的对数之间为线性关系，就是一个标准的线性回归模型。 （2）半对数模型 模型Y = a (1+b) t e u t 两边取对数为tlnYt = lna + ln(1+b) t + u t Yt的对数与t之间为线性关系，对模型Yi = a + b lnXi + u i ，Yi与Xi的对数之间亦为 线性关系，都可成为标准线性回归模型。 （3）倒数变换模型 模型Yi = a + b (1/Xi) + u i ，Yi与 1/Xi 之间为线性关系，即可成为标准线性回归模 型。 2.基本概念和知识点 双对数模型、半对数模型、倒数变换模型、弹性 3.问题与应用 是否任何两个变量之间的关系，都可以用两变量线性回归模型进行分析？ （三）思考与实践 1．思考 进行计量经济学一元单方程模型的思考。 2．实践 完成实验大纲所列实验项目二回归模型的估计和检验（一） 。 （四）教学方法与手段 本章教学采用课堂讲授与计算机实验相结合，并运用计算机多媒体课件和投影 仪。 第三章 多元线性回归模型（一）目的与要求 1．多元线性回归模型是一元线性回归模型的直接推广，其结构与一元类 似。 2．重点是一元中所没有的解释变量之间无多重共线性假定、调整的判定 系数和偏相关系数，难点是偏相关系数。 3．本章授课 6 学时，上机实验 2 学时。 4．通过本章教学，使学生掌握多元线性回归模型的假定、估计和检验， 特别是多元特有的解释变量之间无多重共线性假定、调整的判定系数和偏 相关系数。 5．课外学习注意研究已发表的多元线性回归模型，特别是各种统计检验。 （二）教学内容 第一节 多元线性回归模型及其假定 1.主要内容 （1）多元线性回归模型的矩阵表示 多元线性回归模型 Yi= b0 +b1 X1i+b2 X2i + … +bk Xki + u i ( i=1,2,…,n) 可表示为矩阵形式： Y = X b + u n×1 n×(k+1) (k+1)×1 n×1 （2）多元线性回归模型的假定 假定 1：u 是随机 n 维实向量； 假定 2：u 的均值为 n 维零向量； 假定 3：E(uu’)=σ2 uI ，I是n×n单位矩阵；假定 4：u 服从正态分布； 假定 5：n×(k+1)矩阵X是非随机的； 假定 6：X 的秩是 k+1。 2.基本概念和知识点 多元线性回归、无多重共线性 第二节 参数的最小二乘估计 1.主要内容 ? 应用最小二乘原则，求估计量 b 使∑ei2 =e’e达到最小。其估计量为 ? b =(X’X)-1 XY2.基本概念和知识点 正规方程组、偏回归系数 3.问题与应用 多元线性回归最小二乘估计的正规方程组，能解出唯一的参数估计的条件是什 么？ 第三节、参数估计量的统计性质 1.主要内容 （1）线性特性 ? 参数估计量 b 为 Y 的线性组合。 （2）无偏性 ? 参数估计量 b 的均值等于其实际值 b。 （3）最小方差特性 ? 参数估计量 b 在所有 b 的线性无偏估计量中具有最小方差。 2.基本概念和知识点 无偏性、线性特性、最小方差特性 3.问题与应用 试说明在证明最小二乘估计量的无偏性和有效性的过程中，哪些基本假设起了作 用？第四节随机项 u 的方差σ2 u的估计量1.主要内容 随机项 u 的方差σ2 u的无偏估计量为? σ2 u=e’e／(n-k-1)2.基本概念和知识点 u 的方差 3.问题与应用 可以用∑ei2／n作为方差σ2 u的估计量吗？第五节 回归方程的检验 1.主要内容 （1）总离差平方和分解? 总离差平方和∑yi2可分解成回归平方和∑ yi 和残差平方和∑ei2。 （2）样本判定系数对回归方程拟合优度的检验及调整的判定系数 定义回归平方和与总离差之比为样本判定系数（复判定系数） ，即 2 2 2 2 ? R =∑ yi ／∑yi 。 与一元一样利用R 可对回归方程拟合优度进行检验。 调整的判定系 数定义为 ?2 R 2 =1 - (∑ei2 /(n-k-1))／(∑ yi /(n-1) 其与R2的关系为 R 2 =1 - (1-R2 )(n-1)/(n-k-1)。 （3）回归方程的显著性检验 与一元一样、可用F对回归方程进行检验，所不同的是零假设是参数全为零，备 择假设是参数不全为零。F值与R2值有关系 F=(R2/k)／((1-R2 )/(n-k-1))2.基本概念和知识点 复判定系数、调整的判定系数 3.问题与应用 为什么要对判定系数进行调整？ 第六节 回归系数的显著性检验 1.主要内容 回归方程显著成立，并不意味着每个解释变量对应变量 Y 的影响都是显著的，所 以还要对每个回归系数进行显著性 t 检验。 2.基本概念和知识点 t 检验 3.问题与应用 在多元线性回归分析中， t 检验与 F 检验有何不同？ 第七节 利用多元回归方程进行预测 1.主要内容 预测就是给定解释变量 X 一组特定值，利用回归方程对应变量 Y 的值进行估计。 2.基本概念和知识点 预测 第八节 偏相关系数 1.主要内容 （1）偏相关系数的概念2偏相关系数是度量在其他变量保持不变的情况下，两变量之间的相关程度。 （2）偏相关系数的求法 Xi 与Xj 的偏相关系数等于Xi 对其他变量回归残差ei 和Xj 对其他变量回归残差ej的 简单相关系数。 2.基本概念和知识点 偏相关、偏相关系数 3.问题与应用 偏相关为什么一般不同于简单相关？ （三）思考与实践 1．思考 进行计量经济学多元单方程模型的思考。 2．实践 完成实验大纲所列实验项目二回归模型的估计和检验（二） 。 （四）教学方法与手段 本章教学采用课堂讲授与计算机实验相结合，并运用计算机多媒体课件和投影 仪。 第四章 违背古典假定的计量经济问题 （一）目的与要求 1．在古典假定下，线性回归模型的最小二乘估计量具有很好的统计性质。 但在实际经济中，这些假定不一定都能得到满足时，怎样才能知道？后果 如何？采取什么措施进行处理？这就是本章的主要内容。 2．重点是一阶自回归形式自相关的 DW 检验和处理方法，难点是滞后模 型。 3．本章授课 10 学时，上机实验 4 学时。 4．通过本章教学，使学生掌握自相关、异方差和多重共线性的基本检验 和处理方法，掌握滞后模型和虚拟变量的使用。 5．课外学习注意研究已发表的回归模型古典假定违背的检验和处理方法， 特别是自相关问题。 （二）教学内容 第一节 自相关 1.主要内容（1）自相关 自相关就是随机项 u 的取值与它的前后期取值相关联。引起自相关的原因有若干 种。 （2）一阶自回归形式的自相关 若ut =f(ut-1)，则称为一阶自回归形式自相关，最简单的是一阶线性自回归形式自 相关，形如ut =ρut-1 +vt 。 自相关所造成的后果是参数最小二乘估计量不具有最小方差特性，并可能严重低 估随机项 u 的方差，致使 t 检验与 F 检验失效等。 （3）自相关检验 有图示检验法和 DW 检验法， 常用和常规检验是 DW 检验， 它只能检验一阶线性 自回归形式自相关。 （4）自相关模型的计量经济方法 有差分法、德宾两步法和选代法等，差分法是基本方法，选代法是常规方法。 2.基本概念和知识点 自相关、差分法、DW 检验 3.问题与应用 在存在 AR（1）的情形下，估计自相关参数 ρ 有哪些不同的方法？ 第二节 异方差 1.主要内容 （1）异方差性 异方差就是随机项ui 的方差不是同一个常数。对异方差模型应用最小二乘法，将 使估计量的方差增大，对估计量的t检验失效，进而降低回归方程的预测精度。 （2）异方差性检验 有图示法、等级相关系数法，戈里瑟检验法和戈德菲尔――夸特检验法。戈里瑟 检验的优点是在检验异方差的同时，还提供了异方差形式的信息。 （3）异方差模型的计量经济方法 处理异方差的基本方法是变量代换，异方差的具体形式不同，代换的方式也不相 同。 2.基本概念和知识点 异方差性、广义最小二乘法 3.问题与应用 举例说明经济现象中的异方差性。 第三节 多重共线性1.主要内容 （1）多重共线性 多重共线性就是在解释变量之间存在线性关系。 （2）多重共线性模型最小二乘估计的后果 当存在完全多重共线性时，利用最小二乘法无法将参数估计出来，即参数的估计 值是不确定的。在不完全多重共线性的情况下，虽然回归系数的估计是可能的，但其 方差随多重共线性程度的增加而增大，使回归系数的估计不准确。同时在对参数进行 t 检验时，增大了接受零假设的可能性，也降低了预测的精度。 （3）多重共线性检验 有利用解释变量之间的样本判定系数检验和利用不包含某一解释变量的样本判 定系数检验等方法。 （4）多重共线性的解决方法 有除去不重要的解释变量、利用已知信息、变量转换、增加样本容量或采用新的 样本等解决方法。 2.基本概念和知识点 多重共线性、完全多重共线性、不完全多重共线性 3.问题与应用 产生多重共线性的经济背景是什么？ 第四节 分布滞后模型与自回归模型 1.主要内容 （1）分布滞后模型 如果回归模型不仅包括解释变量的本期值，而且包括解释变量的滞后值，则这类 回归模型就称为分布滞后模型。对此模型的估计存在自由度和多重共线性问题，可用 经验权数法和阿尔蒙法进行估。 （2）自回归模型 如果回归模型的解释变量中包括一个或几个应变量的滞后值，则这类回归模型就 称为自回归模型。分布滞后模型经过科伊克变换就变换为自回归模型。自回归模型中 应变量的滞后值是随机解释变量，这就产主了估计问题。 （3）自回归模型的估计方法 如果随机项非自相关，则可使用工具变量法，估计量将是一致的。 如果随机项自相关，则可使用广义最小二乘法。 2.基本概念和知识点 滞后变量、滞后效应、分布滞后模型、自回归模型 3.问题与应用被解释变量对于一个或者多个解释变量反应滞后的原因是什么？给出一些分布 滞后模型的例子。 第五节 虚拟变量 1.主要内容 （1）什么是虚拟变量 应变量不仅受到定量变量的影响，而且还受到定性变量的影响，定性变量通常表 明某种属性是否存在，所以将这类变量定量化的方法之一是可以构造选取值为 1 或 0 的变量，称为虚拟变量。 （2）度量截距的变动 虚拟变量可以度量截距的变动， 要注意如果一个定性变量有 m 个类型， 只引人 m －1 个虚拟变量。 （3）度量截距和斜率的同时变动 虚拟变量不仅可以度量截距的变动，也可以度量斜率的变动。 （4）虚拟变量在季节分析中的应用 许多月度或季度数据呈现出季节性变比，这可以用虚拟变量来反映。 （5）虚拟变量作为应变量的代表 虚拟变量不仅可以作为解释变量，也可以作为应变量。 2.基本概念和知识点 虚拟变量、定性变量、定量变量 3.问题与应用 如果一个定性变量含有 k 个类别，为什么不能设 k 个虚拟变量？ （三）思考与实践 1．思考 进行计量经济学违背假定模型的思考。 2．实践 完成实验大纲所列实验项目三违背假定模型的检验和处理。 （四）教学方法与手段 本章教学采用课堂讲授与计算机实验相结合，并运用计算机多媒体课件和投影 仪。 第五章 联立方程模型 （一）目的与要求1．在此之前所讨论的模型都是单方程模型，它反映的是单向因果关系， 但实际上许多经济变量是相互影响的，这就必须用联立方程模型来描述。 然而联立方程模型带来估计和识别问题，不同的识别状态需用不同的估计 方法。 2．重点是联立方程模型的基本概念和二阶段最小二乘法，难点是识别问 题。 3．本章授课 6 学时，上机实验 4 学时。 4．通过本章教学，使学生掌握联立方程模型的基本概念和针对不同识别 状态的不同估计方法，掌握联立方程模型的识别条件。 5．课外学习注意研究实验指导书中联立方程模型的建立和求解，特别是 联立求解。 （二）教学内容 第一节 联立方程模型 1.主要内容 （1）联立方程模型的基本概念 联立方程模型的变量可分作内生变量、外生变量和前定变量，方程可分作行为方 程、技术方程、制度方程和恒等式。由于联立方程中某个解释变量可能是另一个方程 的应变量，所以一般最小二乘法不再适用。 （2）模型的结构型 模型是根据经济理论建立的，描述了经济变量之间关系的结构，故称为结构型。 结构模型的每一个方程都叫做结构方程，各结构方程的系数叫结构参数。 （3）模型的简化型 由结构模型解出所有的内生变量所得到的各个只用前定变量和随机项表述内主 变量的方程组称为简化型模型，其方程称为简化型方程，其参数称为简化型参数。 （4）递归模型 如果一个模型的结构方程可以用下面方式排列，前边方程不包含后边方程中作为 应变量的内生变量， 则这种模型就叫做递归模型。 递归模型可以直接应用最小二乘法。 2.基本概念和知识点 联立问题、行为方程、简化模型、结构模型、递归模型、内生变量、外生变量、 前定变量、参数关系体系 3.问题与应用 为什么要建立联立方程模型，联立方程模型适用于什么样的经济现象？ 第二节 模型的识别问题1.主要内容 （1）识别的概念 识别问题是联立方程模型所特有的，对于任何一个结构方程，如果方程中结构参 数的估计值可以通过简化参数估计值得出，就说这个结构方程可以识别；相反，如果 结构参数估计值不可能从简化参数估计值得出，就说这个方程不可识别。一个方程的 可识别性又可分为正确识别和过度识别两种情况。 （2）识别的阶条件和秩条件 阶条件是一个方程可识别的必要条件，不是充分条件，秩条件是充分必要条件。 阶条件：模型中任一方程可识别的必要条件是该方程所不包含的前定变量数不小于它 所包含的内生变量数减一。玻条件：在由 G 个方程组成的结构模型中，任一特定方程 可识别的充要条件是该方程不包含而为其他方程所包含的那些变量的系数矩阵的秩 等于 G－1。 2.基本概念和知识点 识别问题、不可识别、恰好识别、过度识别、阶条件、秩条件 3.问题与应用 联立方程模型的识别状况可以分为几类？其含义各是什么？ 第三节 联立方程模型的估计方法 1.主要内容 （1）间接最小二乘法 间接最小二乘法是一种单方程估计方法，每次可用于结构模型的一个方程。它的 基本思想是，把被估计的结构方程所包含的内生变量表示为模型中全部前定变量和随 机项的函数，以此消除方程中随机项与解释变量间的相关性，使每一个简化型方程都 满足假定，从而可以应用最小二乘法求得简化型参数的估计值。然后代人它们之间的 参数关系式，间接地求得结构参数的估计值。 只有恰好识别的方程才能应用间接最小二乘法。 （2）工具变量法 工具变量法也是一种单方程估计方法，它是通过适当的前定变量为工具代替结构 方程中作为解释变量的内主变量，以减少随机项 u 与解释变量之间的相关性。 （3）二阶段最小二乘法 二阶段最小二乘法也可以看作间接最小二乘法与工具变量法的推广，是一种单方 程方法，它是估计过度识别模型的单方程估计方法中最重要的一种方法。 2.基本概念和知识点 间接最小二乘法、二阶段最小二乘法、工具变量法 3.问题与应用联立方程模型的估计有哪些方法？其适用条件、统计性质各是什么？ （三）思考与实践 1．思考 进行计量经济学联立方程模型的思考。 2．实践 完成实验大纲所列实验项目五联立方程模型的估计。 （四）教学方法与手段 本章教学采用课堂讲授与计算机实验相结合，并运用计算机多媒体课件和投影 仪。 第六章 计量经济模型的应用 （一）目的与要求 1．在前五章的基础上，本章用若干实例介绍计量经济方法的综合运用。 2．本章授课 2 学时，上机实验 2 学时。 3．通过本章教学，使学生熟悉计量经济分析工作的基本内容和工作程序， 掌握分析和解决实际经济问题的基本方法。 4．课外学习注意研究实验指导书中计量经济分析的基本内容和工作程序。 （二）教学内容 1.主要内容 （1）单方程计量经济模型 （2）宏观计量经济模型 2.基本概念和知识点 C－D 生产函数、技术进步、需求函数、需求的价格弹性、需求的收入弹性、消费 函数、宏观计量经济模型、SNA 核算体系、MPS 核算体系 3.问题与应用 消费函数与需求函数的研究内容有何不同？试设计一个简单的中国宏观计量经 济模型总体结构框图。 （三）思考与实践 1．思考 进行计量经济模型应用的思考。 2．实践完成实验大纲所列实验项目五宏观经济分析。 （四）教学方法与手段 本章教学采用课堂讲授与计算机实验相结合，并运用计算机多媒体课件和投影 仪。 五、各教学环节学时分配教学环节 讲 教学时数 课 课程内容 习 题 课 讨 论 课 实验 其他教 学环节 小 计第一章 导论 第二章 一元线性回归模型 第三章 多元线性回归模型 第四章 违背古典假定的计 量经济问题 第五章 联立方程模型 第六章 计量经济模型的应 用 合计4 8 6 10 6 2 362 4 2 4 4 2 186 12 8 14 10 4 54六、推荐教材和教学参考资源 （一）推荐教材 1. 袁建文. 经济计量学实验. 北京：科学出版社，2002. 2. 张保法. 经济计量学. 北京：经济科学出版社，2000. （二）教学参考资源 1. [美] D Gujarati. 基础经济计量学. 庞皓等译. 重庆：科学技术文献出版社重庆分 社，1986. 2. [美] 古亚拉提. 经济计量学精要（原书第 2 版）. 张寿等译. 北京：机械工业出版 社，2000. 3. [美] 古扎拉蒂. 计量经济学（第三版）. 林少宫译. 北京：中国人民大学出版社， 2000. 4. [美] 罗伯特 S. 平狄克等. 计量经济模型与经济预测（第 4 版）. 钱小平等译. 北京：机械工业出版社，1999. 5. [美] 乔治 G. 贾奇等. 经济计量学理论与实践引论. 周逸江等译. 北京：中国统计 出版社，1993. 6. 李子奈. 计量经济学. 北京：高等教育出版社，2000. 7. 李长风. 经济计量学. 上海：上海财经大学出版社，1996. 8. 唐国兴. 计量经济学――理论、方法和模型. 上海：复旦大学出版社，1988. 9. 伍超标. 经济计量学导论. 北京：中国统计出版社，2000. 10. 张寿，于清文. 计量经济学. 上海：上海交通大学出版社，1984.
更多搜索：
All rights reserved Powered by
文档资料库内容来自网络，如有侵犯请联系客服。}