计量经济模型与经济预测P.ppt

《计量经济模型与经济预测P.ppt》由会员上传分享，免费在线阅读，更多相关内容在PPT专区-天天文库。

1、计量经济模型与经济预测（美）丹尼尔L等著学习要求：一、参考著作及文献:1、计量经济学基础上册【美】达摩达尔N古扎拉蒂/著。2、经济计量分析【美】威廉H格林/著。3、计量经济学基础张晓峒/著。4、计量经济学－－方法和应用李子奈/著。5、计量经济学张寿等/著。6、经济研究、统计研究、数量经济技术及应用等杂志。二、课时40。三、考核方式：期末闭卷考试、完成学习要求（作业、论文撰写、读文献）。表3、学生的平均成绩和家庭收入Y平均成绩X家庭收入/1000美元4.021.03.015.03.515.02.09.03.012.03.518.02.56.02.512.0例3.1学生平均成绩平均成绩Y与家庭收

2、入X之间的关系估计为：学生平均成绩的计算(1)xi(2)yi(3)(4)(5)(6)7.51.00.900.100.010056.251.500.18－0.180.03242.251.50.50.180.320.10242.25－4.5－1.0－0.54－0.460.211620.25－1.50－0.180.180.03242.254.50.50.54－0.040.001620.25－7.5－0.5－0.900.400.160056.25－1.5－0.5－0.18－0.320.10242.25确定S2的计算如上表所示。在此例中，回归标准差s等于0.33，代表平均成绩均值的11%（s与因变量均

3、值的比值越低，回归直线对数据拟合得就越好）。由于∑x2i=162,容易计算　的标准差为为了对学生平均成绩例题中斜率的参数估计进行检验，可以用例3－1最初讨论中的计算结果。先选择显著性水平－如5%，然后找到自由度为6（共有8个观测值，2个被估计参数）、相对于概率为0.05的t分布的临界值，即tc＝2.447，则斜率参数估计的95%的置信区间为：例3.1（接上例）学生平均成绩我们发现0在β的95%的置信区间之外，因此可以5%的显著性水平拒绝β＝0的原假设。同样，计算出的t值（4.6）大于临界值2.45，因此也拒绝原假设。希望建立一个一元线性模型来解释总消费支出C的值（单位：十亿美元，已经经过季节

4、调整）。采用个人可支配总收入Y（单位：十亿美元，经过季节调整）作为解释变量。用1959年第一季度到1993年第二季度的季度数据用C对Y进行回归，有如下结论（括号中是标准差）C＝－27.53＋0.93Y(4.45)(0.0018)例3.2   消费支出截距－27.53在5%的水平上显著（t统计值为－6.18（－27.53/4.45））。可支配收入系数的t统计值为517（0.93/0.0018））,很明显要拒绝斜率为0的原假设，而选择斜率不为0的备择假设。对原假设的拒绝使我们可以接受至少是暂时接受一元线性回归模型。进一步研究也许会发现比上述模型更好的总消费支出模型。研究汽车零售额（因变量）和收入

5、总水平（自变量）之间的关系。认为较高的收入水平会引起汽车零售额的增长。下面是一个零售额对收入的回归，采用季度时间序列数据。估计方程为：S＝α＋βW＋εS取1959年第1季度~1995年第2季度的汽车零售额（单位：十亿美元），W是同时期的季度工资（以十亿美元为单位）。拟合回归直线如下式所列，括号中为t统计值。例3.3　汽车零售额常数项为正，说明若某季度没有工资收入，人们仍然会购买汽车。工资变量的系数可解释为每增加十亿美元的工资会导致汽车销售额增长0.308亿美元。（这个模型可用于在已知未来工资水平下，预测汽车未来的销售水平）。注意，斜率系数经常被看作是自变量的微小变动所引起的因变量的变化量（实

6、际上在线性模型中，适于所有的W）。系数的估计不是无量纲的，它们的值直接与因变量S（以十亿美元为单位）和自变量W（以十亿美元为单位）的度量单位有关。在括号中写出t统计值而不是标准差的估计。用t统计量可在1%以及5%的显著性水平上分别拒绝截距与斜率为0的原假设。R2为0.91说明回归方程解释了因变量总变差的91%。F统计量为1378可以拒绝汽车零售额与工资没有关系的原假设（在1%的水平下）。尽管t统计量使之拒绝了原假设，去掉显著的截距项降低了方程解释功能。还是采用带有截距项的回归方程。只有在有充分理由认为方程通过原点时，才能够让截距等于0。尽管已经拒绝了截距为零的原假设，但是如果有充分的理由相信

7、汽车零售额与工资的关系图应该通过原点，那么进行一次无截距的回归，用同样的样本回归结果如下：例3.4　学生平均成绩问题统计量值：R2＝0.78　　F1.6＝21.57家庭收入变量可以解释学生平均成绩变差的78%。用F统计量对学生平均成绩与家庭收入之间没有关系的原假设进行检验。以显著性水平为5%以及分子和分母自由度分别为1和6的F分布表来确定临界值（分子的自由度为1是因为模型只包含1个解释变量，而分母的自由度为6