计量j经济学期末复习.pdf

《计量j经济学期末复习.pdf》由会员分享，可在线阅读，更多相关《计量j经济学期末复习.pdf（43页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、计量j经济学期末复习1、经济计量学：经济计量学是以数理经济学和数理统计学为理论基础和方法论基础的交叉科学。它以客观经济系统中具有随机性特征的经济关系为研究对象，用数学模型方法描述具体的经济变量关系，为经济计量分析工作提供专门的指导理论和分析方法。2、计量经济模型：计量经济模型是为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，是以数学形式对客观经济现象所作的描述和概括。或：经济模型是对实际经济现象或过程的一种数学模拟，是对复杂经济现象的简化与抽象3、解释变量：解释变量也称自变量，是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。它对因变量的变动作出解释，表现为

2、议程所描述的因果关系中的因。4、被解释变量：被解释变量也称因变量或应变量，是作为研究对象的变量。它的变动是由解释变量作出解释的，表现为议程所描述的因果关系的果。5狭义回归分析：回归的现代意义：一个应变量对若干解释变量依存关系的研究；回归的目的（实质）：由固定的解释变量去估计应变量的平均值是在相关分析的基础上，考察变量之间的数量变化规律，并通过一定的数学表达式描述它们之间的关系，进而确定一个或几个变量的变化对另一个特定变量的影响程度。6相关分析：研究变量相互之间的相关关系时，首先需要分析它们是否存在相关关系，然后要明确其相关关系的类型，而且还应计量其相关关系的密切程度，在统计学中这种研究称为相关

3、分析7经济变量：计量经济模型有多种构成因素，其中一些在不同的时间或空间有不同的状态，会取不同的数值，并且是可以观测的因素，这类因素称为经济变量8模型参数：参数与变量不同，它是计量经济模型中表现经济变量相互依存程度的那些因素，通常参数在模型中是一些相对稳定的量9自相关：自相关又称序列相关，是指总体回归模型的随机误差项u i之间存在相关关系10 0LS估计法：指根据使估计的剩余平方和最小的原则来确定样本回归函数的方法。11.异方差性：对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。12、多重共线性：指两个或两个以上解释变量之间存在某种线性相关关系。13、不完全多重

4、共线性：在实际经济活动中，多个解释变量之间存在多重共线性问题，但解释变量之间的线性关系是近似的，而不是完全的14.结构是模型：根据经济理论和行为规律建立的描述经济变量之间直接关系结构的计量经济学方程系统统称为结构式模型。结构式模型中的每一个方程都是结构方程，招一个内生变量表示为其它内生变量、先决变量和随机误差项的函数形式，被称为结构方程的正规形式。15.简化式模型：招联立方程计量经济学模型的每个内生变量表示成所有先决变量和随机干扰项的函数，即用所有先决变量作为每个内生变量的解释变量，所形成的模型称为简化式模型。16联立方程模型：是指用若干个相互关联的单一方程，同时去表示一个经济系统中经济变量相

5、互联立依存性的模型，即用一个联立方程组去表现多个变量间互为因果的联立关系17、内生变量：内生变量是由模型系统内部因素所决定的变量，表现为具有一-定概率颁的随机变量，其数值受模型中其他变量的影响，是模型求解的结果。18、外生变量：外生变量是由模型统计之外的因素决定的变量，不受模型内部因素的影响，表现为非随机变量，但影响模型中的内生变量，其数值在模型求解之前就已经确定。19前定内生变量：这种过去时期的，滞后的或更大范围的内生变量，不受本模型研究范围的内生变量的影响，但能够影响我们所研究的本期的内生变量，这种内生变量称为前定内生变量20、前定变量：通常将外生变量和滞后变量合称为前定变量，即是在模型求

6、解以前已经确定或需要确定的变量。21工具变量：顾名思义是在模型估计过程中被作为工具使用的变量，用以替代与随机干扰项相关的随机解释变量。22虚拟变量：计量经济学中，将取值为0 和 1 的人工变量称为虚拟变量。虚拟变量也称：哑元变量、定性变量等等。通常用字母D或 DUM加 以 表 示（英文中虚拟或者哑元Dummy的缩写）。23可识别性：如果一个模型中的所有随机方程都是可以识别的，则认为该联立方程模型系统是可以识别的，或者说如果从参数关系体系能求出其结构方程的参数，则称该方程为可识别的。24不可识别：如果联立方程计量经济学模型中某个结构方程不具有确定的统计形式，则称该方程为不可识别。或者说如果从参数

7、关系体系无法求出其结构方程的参数，则称该方程为不可识别。如果一个模型系统中存在一个不可识别的随机方程，则认为该联立方程系统是不可识别的。25恰好识别：如果结构模型中，某个方程的参数能够由简化模型参数估计值唯一地解出，则称该方程是恰好识别26过渡识别：如果结构模型中，某个方程的参数能够由简化模型参数估计值解出，但求解出的值不唯一，则称该方程是过渡识别2 7 伪回归：是指变量之间本来不存在有意义的关系，但回归结果却得出存在有意义关系的错误结论。2 8 平稳性：所谓时间序列的平稳性，是指时间序列的统计规律不会随时间的推移而发生变化2 9 协整：是指多个非平稳经济变量的某种线性组合是平稳的3 0 单位

8、根：如果一个序列是随机游走过程，则称这个序列是一个单位根过程简答题：计量经济学的步骤选择变量和数学关系式模型设定确定变量间的数量关系估计参数检验所得结论的可靠性模型检验作经济分析和经济预测模 型 应 用 二，线性回归模型经典假设1 .为什么要作基本假定？模型中有随机扰动，估计的参数是随机变量，只有对随机扰动的分布作出假定，才能确定所估计参数的分布性质，也才可能进行假设检验和区间估计 只有具备一定的假定条件，所作出的估计才具有较好的统计性质。2、基本假定的内容1）对模型和变量的假定如 Y i 1 2 X i u i假定解释变量x是非随机的，或者虽然是随机的，但与扰动项u是不相关的假定解释变量x在

9、重复抽样中为固定值假定变量和模型无设定误差（2）对随机扰动项u的假定又称高斯假定、古典假定假 定 1：零均值假定在 给 定 X的 条 件 下，ui的条件期望为零E（u i X i）0假 定 2：同方差假定在 给 定 X的条件下，ui的条件方差为某个常数。的平方V a r(u i X i)E ui E(ui Xi)2 2假 定 3：无自相关假定随机扰动项u i 的逐次值互不相关C o v(ui,uj)E ui E(ui)uj E(uj)E(ui uj)0(i j)假定4：随机扰动ui 与解释变量X 不相关C o v(ui,Xi)E ui E(ui)Xi E(Xi)0假定5：对随机扰动项分布的正态

10、性假定2 即 假 定 u i服从均值为零、方差为的正态分布ui N(0,2)假定6假定7假 定 8假定9三 计量经济学模型的异方差一、异方差性的实质同方差的含义同方差性：对所有的7yLz为有：Va r )=a2(5.1)因为方差是度量被解释变量y的观测值围绕回归线E()=笈 +序 缶+尾 与+为。(5.2)的分散程度，因此同方差性指的是所有观测值的分散程度相同。异方差性的含义设模型为耳=片 +为4 +.+AX总+4 /=1,2,n如果对于模型中随机误差项与有：Va r()=c r/,z =1,2,3,.,/?(5 3)则称具有异方差性。进一步，把异方差看版是由于某个解释变量的变化而引起的，则V

11、a r QJ =廿=1 f(X)(5.4)二、产生异方差的原因（一）模型中省略了某些重要的解释变量假设正确的计量模型是：4=#1+力2毛 +#3“3i+%假如略去工,，而采用刀=A +P2X2i+u*（5.5）当被略去的*3,与%有呈同方向或反方向变化的趋势时，随修的有规律变化会体现在（5.5）式的%*中。（）模型的设定误差模型的设定主要包括变量的选择和模型数学形式的确定。模型中略去了重要解释变量常常导致异方差，实际就是模型设定问题。除此而外，模型的函数形式不正确，如把变量间本来为非线性的关系设定为线性，也可能导致异方差。（三）数据的测量误差样本数据的观测误差有可能随研究范围的扩大而增加，或随

12、时间的推移逐步积累，也可能随着观测技术的提高而逐步减小。（四）截面数据中总体各单位的差异通常认为，截面数据较时间序列数据更容易产生异方差。这是因为同一时点不同对象的差异，一般说来会大于同一对象不同时间的差异。不过，在时间序列数据发生较大变化的情况下，也可能出现比截面数据更严重的异方差。三 后果对参数估计式统计特性的影响（-）参数估计的无偏性仍然成立参数估计的无偏性仅依赖于基本假定中的零均值假定（即 E（ui）0）。所以异方差的存在对无偏性的成立没有影响。（二）参数估计的方差不再是最小的同方差假定是OLS估计方差最小的前提条件，所以随机误差项是异方差时.，将不能再保证最小二乘估计的方差最小。、对

13、参数显著性检验的影响由于异方差的影响，使得无法正确估计参数的标准误差，导致参数估计的t 统计量的值不能正确确定，所以，如 果 仍 用 t 统计量进行参数的显著性检验将失去意义。、对预测的影响尽管参数的OLS估计量仍然无偏，并且基于此的预测也是无偏的，但是由于参数估计量不是有效的，从而对Y 的预测也将不是有效的。四异方差性的检验常用检验方法：图 示 检验法（-）相关图形分析方差描述的是随机变量取值的（与其均值的）离散程度。因为被解释变量与随机误差项有相同的方差，所以利用分析与的相关图形，可以初略地看到的离散程度与之间是否有相关关系。如果随着的增加，的离散程度为逐渐增大（或减小）的变化趋势，则认为

14、存在递增型（或递减型）的异方差。（二）残差图形分析设一元线性回归模型为：匕=+式 歪+7运用OLS法估计,得样本回归模型为：比=人+2 由上两式得残差：绘制出对式的散点图 如果”不随为 而变化，则表明不存在异方差 如果随 耳而变化，则表明存在异方差。Gol df e 1 d-Quanadt 检验作用：检验递增性(或递减性)异方差。基本思想：将样本分为两部分，然后分别对两个样本进行回归，并计算两个子样的残差平方和所构成的比，以此为统计量来判断是否存在异方差。(-)检验的前提条件1、要求检验使用的为大样本容量。2、除了同方差假定不成立外，其它假定均满足。(-)检验的具体做法L 排序将解释变量的取值

15、按从小到大排序.2.数据分组将排列在中间的约1/4的观察值删除掉，记为C,再将剩余的分为两个部分，每部分观察值的个数为S-c)/2 a3.提出假设Ho：d=1,2 ,H j ：C T：1 .c r 4.构造F统计量分别对上述两个部分的观察值求回归模型，由此得到的两个部分的残差平方为Z 端 和 Z 片。Z 端为前一部分样本回归产生的残差平方和，ZW为后一部分样本回归产生的残差平方和。它们 的 自 由 度 均 为 为 参 数 的 个 数.在原假设成立的条件下，因和Z W 自由度均为(n-c)/2-k，/分布，可导出：F*=Z 域/等-灯二 S f l F(n-cZ 等/F-Kn-cF-左)(5.1

16、3)5.判断给定显著性水平1 ,查 F分布表得临界值方 管 号 户)计算统计量厂如果*F 勺等一匕等则拒绝原假设，接受备择假设，即模型中的随机误差存在异方差。(三)检验的特点 要求大样本 异方 差的表现既可为递增型，也可为递减型检 验 结 果 与 选 择 数 据 删 除 的 个 数 的 大 小 有 关 只 能判断异方差是否存在，在多个解释变量的情下，对 哪 个 变 量 引 起 异 方 差 的 判 断存 在 局 限。White检验()基本思想:不需要关于异方差的任何先验信息，只需要在大样本的情况下，将 OLS估计后的残差平方对常数、解释变量、解释变量的平方及其交叉乘积等所构成一个辅助回归，利用辅

17、助回归建立相应的检验统计量来判断异方差性。(二)检验的特点要求变量的取值为大样本不仅能够检验异方差的存在性，同时在多变量的情况下，还能判断出是哪一个变量引起的异方差。三)检验的基本步骤：以一个二元线性回归模型为例，设模型为:Y t=8必1井B必 专 七 以并且，设异方差与工.工,的一般关系为d =囚+的X)+6工父+%工金+火x*+，%工生+4其中乜为随机误差项。1.求回归估计式并计算城用OLS估计式(5.1 4),计算残差q二 上 ,并求残差的平方十。2.求辅助函数用残差平方嫖作 为 异 方 差 的 估 计，并建立驾,驾,蜀,瑞招居的辅助回归，艮 f02=&+%羽 +%4 +a 用 +四月+

18、4后 羽 (5),则拒绝原假设，表明模型中随机误差存在异方差。A R C H 检验()A R C H 过程设 A R C H 过程为2。t 2=0+1 o t 2-l+.+p o t-p+v t0 0,i 0 i=l,2,.,p p为 A R C H 过程的阶数,并且vt为随机误差。(-)检验的基本思想在时间序列数据中，可认为存在的异方差性为A R C H过程，并通过检验这一过程是否成立去判断时间序列是否存在异方差。(三)A R C H检验的基本步骤1 .提出原假设1 1 0:1=2=.=p=0 ;II1:j 不全为零2 .参数估计并计算对原模型作OL S 估计，求出残差e t ,并计算残差平

19、方序列的估计。3 .求辅助回归八 2 A A 2 A 7,、%=+&避.+尸,量 (5.1 7)4 .检验计算辅助回归的可决系数出与-p的乘积(n-p)F在 H。成立时，基于大样本，(72-0 收渐进服从/分布。给定显著性水平a，查 3 3)分布表得临界值X：，如果5-，/(2)，则拒绝原假设，表明模型中得随机误差存在异方差。e t 2,e t 2 l,.,e t 2 p ,以分别作为对。t 2,。t 2-l,.,。t 2-p(四)检验的特点变 量的样本值为大样本数据是时间序列数据 只能判断模型中是否存在异方差，而不能诊断出哪一个变量引起的异方差。五、G l e j s e r检验(一)检验的

20、基本思想由 OL S 法得到残差，取得绝对值，然后将对某个解释变量回归，根据回归模型的显著性和拟合优度来判断是否存在异方差。()检验的特点不仅能对异方差的存在进行判断，而且还能对异方差随某个解释变量变化的函数形式行诊断。该检验要求变量的观测值为大样本。（三）检验的步骤1 .建立模型并求ei根据样本数据建立回归模型，并求残差序列2.寻 找ei=Yi-Yi e i与X的最佳函数形式用残差绝对值3.判 断e i对X i进行回归，用各种函数形式去试，寻找最佳的函数形式。根据选择的函数形式作X对回归。用回归所得到的6异方差性。异方差性的补救措施主要方法：模型变换法以一元线性回归模型为例：L+产2占+%经

21、检验，存在异方差，且varQJ 二 b：二/其中。2是常数，/区）是匕的某种函数,变换模型时，用 除 以 模 型 的 两 端 得:用 Y=,j -X=-q -6：=-,一 V -,?：记1历T 历Y 质F 师I则有：*-*-*Y。+42%+匕随机误差项用的方差为1U.var(v.)=v a r(,;)=/mvar(zz.)=(T2u.经变换的模型的随机误差项匕=而 已是同方差,/（4）常见的设定形式及对应的宿况e i的回归，e i 2作为的替代变量，对所选函数形式t F等信息判断，若参数不为零，即认为存在加权最小二乘法函数形式var（均）%var（匕）Xc r2X/kIL、X.J /V J2C

22、T X.U.A .&+q 冗 y%/(药+H的0；根据最小二乘原理，若使得加权残差平方和最小:则：入 .；=尸-3右自*=吗（占-）区-*）其中：守=Z w禺歹*=Z%K模型的对数变换在经济意义成立的情况下，如果对模型：Y i=b l+b 2 Xi+ui 作对数变换，其变量Y i 和 Xi 分别用 I n Y i 和 I n Xi 代替，即：l n Y i=b l+b 2 1 n Xi+ui对数变换后的模型通常可以降低异方差性的影响:运用对数变换能使测定变量值的尺度缩小。经过对数变换后的线性模型，其残差表示相对误差往往比绝对误差有较小的差异。注意：对变量取对数虽然能够减少异方差对模型的影响，但

23、应注意取对数后变量的经济意义。计量经济模型的自相关性什么是自相关自相关(auto correlation),又称序列相关(serial correlation)是指总体回归模型的随机误差项之间存在相关关系。即不同观测点上的误差项彼此相关。二、自相关产生的原因-经济系统的惯性自相关产生的原因-经济活动的滞后效应一 数据处理造成的相关一蛛网现象-模型设定偏误原 因1经济系统的惯性自相关现象大多出现在时间序列数据中，而经济系统的经济行为都具有时间上的惯性。原 因2经济活动的滞后效应滞后效应是指某一指标对另一指标的影响不仅限于当期而是延续若干期。由此带来变量的自相关。原因3 一数据处理造成的相关因为某

24、些原因对数据进行了修整和内插处理，在这样的数据序列中就会有自相关。原因 4 一蛛网现象一个变量对另一个变量的反映不是同步的，时滞定的时间。商品供给对价格的反映：S t =B l +B 2*P t-l +ut原因5 模型设定偏误如果模型中省略了某些重要的解释变量或者模型函数形式不正确，都会产生系统误差，这种误差存在于随机误差项中，从而带来了自相关。由于该现象是由于设定失误造成的自相关，因此，也称其为虚假自相关。三 相关的表现形式（略）四、自自相关的后果一 阶自回归形式的性质 自相关对参数估计的影响 自相关对模型检验的影响 自相关对模型预测的影响1 最小二乘估计量仍然是线性的和无偏的。2最小二乘估

25、计量不是有效的，即 OLS 估计量的方差不是最小的，估计量不是最优线性无偏估计量（B LU E）。3 OLS 估计量的方差是有偏的。用来计算方差和OLS 估计量标准误的公式会严重的低估真实的方差和标准误，从而导致t 值变大，使得某个系数表面上显著不为零，但事实却相反。4 t 检验和F 检验不是可信的。5计算得到的误差方差o 2=R S S/d.f.（残差平方和/自由度）是 真 实。2的有偏估计量，并且很可能低估了真实的。2。6计算的R 2 也不能真实的反映实际R 2。7计算的预测方差和标准误差通常是无效的五自相关的检验一、图示法1、作回归；2、计算参差，e t Y t Y t3、作e t的散点

26、图:A、作(e t-1,e t)如果大部分落在第I、第III象限，则u t存在正自相关。如果大部分落在第H、第IV象限，则u t存在负自相关。无 自 相 关正 自 相 关负 自 相 关B、按 时 间 顺 序 绘 制(t,e t)若e t随时间变化不断变换符号，说明随机扰动存在负自相关；若连续几个为正，后边几个为负，则随机扰动存在正自相关。无自相关 正自相关 负自相关二、杜宾一瓦 特 森(Du r b i n-Wa tso n)检验基本假定：(1)回归式中有截距项(2)解释变量是非随机的(3)干扰项的模式为一阶自回归模式：ut ut 1 vt(4)回归模型中，滞后因变量被当作解释变量。(5)没有

27、缺损数据。当2 1D W=2,当力=04,当。=-1当DW越接近2,u的自相关性越小。由 DW 氏 2（1 0）可得DW值与。的对应关系如表所示。八PDW-14GLO)(2,4)02(0,1)(0.2)10DW（21）|1,0 DW 4当*（Ou不存在一阶自相关）DW 2当A（lu存在一阶完全正自相关）DW 0当 （lu存在一阶负完全自相关）DW 4当 0 （lu存在一阶正自相关）0 DW 2当1 （Ou存在一阶负自相关）2 DW 4H0:0 HO:DW 2D W 的精确分布未知,DurbinWatson在 u t 同方差，正态情况下制定了某种显著水平（1%,5%）的上界dU和下界dL。若 0

28、ni)w)正自相关不能确定无自相关一不能确定负自相关D W d L,则认为u 存在一阶正自相关;若D W 4-d L,则认为u 存在阶负自相关；若 d U D W 4 d U,则认为u 不存在一阶自相关若d L D W d U 或者,4 d U D W 4 d L,则不能确定u 是否存在自相关；0 d L d U 2 4-d U 4-d L 4 ;D W 检验步骤:(1)做 O L S 回归，得残差。(2)计算统计量D W(3)对给定的样本数量和解释变量数目，在给定显著水平下，找出临界值的下界和上界 d L、d U .(4)根据下表的决策规则决定是否接受原假设。原假设无正自相关无负自相关无正或

29、负的自相关无正或负的自相关拒绝拒绝接受不能确定决策0 d d L 4 -d L Wd d U Wd W 4 -d L d L d d U4 -d U d =15,这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断 DW检验不适应随机误差项具有高阶序列相关的检验 只适用于有常数项的回归模型并且解释变量中不能含滞后的被解释变量六自相关的补救 广义差分法对于自相关的结构已知的情形可采用广义差分法解决。当自相关系数为已知时、使用广义差分法，自相关问题就可彻底解决。我们以一无线性回归模型为例说明广义差分法的应用。科 克伦-奥克特迭代法其 他方法简介(-)一阶差分法(-)德宾两步法当自

30、相关系数未知时;也可采用德宾提出的两步法，消除自相关。(三)回归检验法(适合于任何自相关形式)计量经济学模型中的多重共线性一、多重共线性的含义在计量经济学中所谓的多重共线性(Multi-Collinearity),不仅包括完全的多重共线性，还包括不完全的多重共线性。回归模型中解释变量的关系l.rxixj 0,解释变量间毫无线性关系，变量间相互正交。这时已不需要作多元回归，每 个 参 数j都可以通过Y对X j的一元回归来估计。23rxixj 1,解释变量间完全共线性。此时模型参数将无法确定。，解释变量间存在一定程度的线性关系。实际中常遇到的情形。0 rxixj=2 相互排斥属性（或几个水平），当

31、回归模型有截距项时，只能引入m-1 个虚拟变量；2 .当回归模型无截距项时，则可引入m个虚拟变量；否则，就会陷入“虚拟变量陷阱”。（为 什 么?）.引入虚拟变量的作用（1）可以描述和测量定性（或属性）因素的影响。（2）能够正确反映经济变量之间的相互关系，提高模型的精度。（3）便于处理异常数据。虚拟解释变量的回归类型、加法类型以加法方式引入虚拟变量时，主要考虑的问题是定性因素的属性和引入虚拟变量的个数。分为四种情形讨论：（1）解释变量只有一个定性变量而无定量变量，而且定性变量为两种相互排斥的属性；（2）解释变量分别为一个定性变量（两种属性）和一个定量解释变量；（3）解释变量分别为 个定性变量（两

32、种以上属性）和 个定量解释变量；（4）解释变量分别为两个定性变量（各自分别是两种属性）和一个定量解释变量；加法方式引入虚拟变量的主要作用为：1.在有定量解释变量的情形下，主要改变方程截距；2.在没有定量解释变量的情形下，主要用于方差分析。二、乘法类型基本思想以乘法方式引入虚拟变量时，是在所设立的模型中，将虚拟解释变量与其它解释变量的乘积，作为新的解释变量出现在模型中，以达到其调整设定模型斜率系数的目的。或者将模型斜率系数表示为虚拟变量的函数，以达到相同的目的。乘法引入方式：（1）截距不变；（2）截距和斜率均发生变化；分析手段：仍然是条件期望。三、虚拟解释变量综合应用所谓综合应用是指将引入虚拟解

33、释变量的加法方式、乘法方式进行综合使用。基本分析方式仍然是条件期望分析。（1）结构变化分析结构变化的实质是检验所设定的模型在样本期内是否为同一模型。显然，平行回归、共点回归、不同的回归三个模型均不是同一模型。平行回归模型的假定是斜率保持不变(加法类型，包括方差分析)；共点回归模型的假定是截距保持不变(乘法类型，又被称为协方差分析)；不同的回归的模型的假定是截距、斜率均为变动的(加法、乘法类型的组合)。(2)交互效应分析交互作用：一个解释变量的边际效应有时可能要依赖于另一个解释变量。为此，K l e i n和M or g e n(1 9 5 1)提出了有关收入和财产在决定消费模式上相互作用的假设

34、。他们认为消费的边际倾向不仅依赖于收入，而且也依赖于财产的多少较富有的人可能会有不同的消费倾向。基本思想:在模型中引入相关的两个变量的乘积。(3)分段回归分析作用：提高模型的描述精度。虚拟变量也可以用来代表数量因素的不同阶段。分段线性回归就是类似情形中常见的一种。基本思路：采用乘法方式引入虚拟变量的手段小 结1 .虚拟变量是人工构造的取值为0和 1 的作为属性变量代表的变量。2 .虚拟变量个数的设置有一定规则：在有截距项的模型中，若定性因素有m 个相互排斥的类型，只能引入m-1 个虚拟变量，否则会陷入所谓“虚拟变量陷阱”，产生完全的多重共线性。3 .在计量经济模型中，加入虚拟解释变量的途径有两

35、种基本类型：一是加法类型；二是乘法类型。以加法方式引入虚拟变量改变的是模型的截距；以乘法方式引入虚拟变量改变的是模型的斜率。4 .解释变量只有一个分为两种相互排斥类型的定性变量而无定量变量的回归，称为方差分析模型。5 .解释变量包含一个分为两种类型定性变量的回归时，只使用了一个虚拟变量；解释变量包含一个两种以上类型的定性变量的回归时，定性变量有种类型，依据虚拟变量设置规则引入了个虚拟变量。6.解释变量包含两个（或k个）定性变量的回归中，可选用了两个（或k个）虚拟变量去表示，这并不会出现“虚拟变量陷阱”。7 .以乘法形式引入虚拟解释变量的主要作用在于：对回归模型结构变化的检验；定性因素间交互作用

36、的影响分析；分段线性回归等。虚拟变量引入的原则是什么？答：（1）如果一个定性因素有m方面的特征，则在模型中引入nr l个虚拟变量；（2）如果模型中有m个定性因素，而每个定性因素只有两方面的属性或特征，则在模型中引入m个虚拟变量；如果定性因素有两个及以上个属性，则 参 照“一个因素多个属性”的设置虚拟变量。（3）虚拟变量取值应从分析问题的目的出发予以界定；（4）虚拟变量在单一方程中可以作为解释变量也可以作为被解释变量。虚拟变量引入的方式及每种方式的作用是什么？答：（1）加法方式：其作用是改变了模型的截距水平；（2）乘法方式：其作用在于两个模型间的比较、因素间的交互影响分析和提高模型的描述精度；（

37、3）一般方式：即影响模型的截距有影响模型的斜率。在建立计量经济学模型时，什么时候，为什么要引入虚拟变量？答：在现实生活中，影响经济问题的因素除具有数量特征的变量外，还有一类变量，这类变量所反映的并不是数量而是现象的某些属性或特征，即它们反映的是现象的质的特征。这些因素还很可能是重要的影响因素，这时就需要在模型中引入这类变量。引入的方式就是以虚拟变量的形式引入。9计量经济学的应用 经济结构分析，是指用已经估计出参数的模型，对所研究的经济关系进行定量的考查，以说明经济变量之间的数量比例关系。分析变量之间的数量比例关系（如：边际分析、弹性分析、乘数分析）例：分析消费增加对G D P的拉动作用 经济预测，是指利用估计了参数的计量经济模型，由已知的或预先测定的解释变量，去 预测被解释变量在所观测的样本数据以外的值由预先测定的解释变量去预测应变量在样本以外的数据（动态预测、空间预测）例：预测股票市场价格的走势A 政策评价，是利用计量经济模型对各种可供选择的政策方案的实施后果进行模拟测算，从而对各种政策方案作出评价用模型对政策方窠作模拟测算，对政策方案作评价把计量经济模型作为经济活动的实验室）例：分析道路收费政策对汽车市场的影响晚 检验与发展经济理论，是利用计量经济模型去验证既有经济理论或者提出新的理论