1、4251 10011 0010 1010 1101 0001 0100 10111計(jì)量模型構(gòu)造方法介紹計(jì)量模型構(gòu)造方法介紹李芝倩李芝倩4251 10011 0010 1010 1101 0001 0100 10112 實(shí)踐經(jīng)濟(jì)計(jì)量學(xué)家實(shí)踐經(jīng)濟(jì)計(jì)量學(xué)家即進(jìn)行經(jīng)濟(jì)計(jì)量研究的即進(jìn)行經(jīng)濟(jì)計(jì)量研究的經(jīng)濟(jì)學(xué)家或其他社會學(xué)家經(jīng)濟(jì)學(xué)家或其他社會學(xué)家通常只花費(fèi)通常只花費(fèi)2020或更少的時間和精力用于研究幾個經(jīng)濟(jì)計(jì)量技或更少的時間和精力用于研究幾個經(jīng)濟(jì)計(jì)量技術(shù)；他們把其余大部分時間和精力應(yīng)用到其他術(shù)；他們把其余大部分時間和精力應(yīng)用到其他方面的研究，特別是建立有關(guān)的計(jì)量模型、數(shù)方面的研究，特別是建立有關(guān)的計(jì)量模型、

2、數(shù)據(jù)的開發(fā)和對模型估計(jì)結(jié)果的解釋說明。據(jù)的開發(fā)和對模型估計(jì)結(jié)果的解釋說明。 美美 因特里格特：因特里格特：經(jīng)濟(jì)計(jì)量模型、技術(shù)經(jīng)濟(jì)計(jì)量模型、技術(shù)與應(yīng)用與應(yīng)用，20042004，第，第2 2頁。頁。4251 10011 0010 1010 1101 0001 0100 10113主要內(nèi)容主要內(nèi)容 創(chuàng)作實(shí)證研究論文的基本方法創(chuàng)作實(shí)證研究論文的基本方法 計(jì)量方法模塊化介紹計(jì)量方法模塊化介紹 回歸模型的形式技巧回歸模型的形式技巧 模型檢驗(yàn)?zāi)Ｐ蜋z驗(yàn)及及Eviews應(yīng)用應(yīng)用4251 10011 0010 1010 1101 0001 0100 10114一、創(chuàng)作實(shí)證研究論文的基本方法一、創(chuàng)作實(shí)證研究論文的基

3、本方法 分析目的是什么分析目的是什么 查閱相關(guān)文獻(xiàn)查閱相關(guān)文獻(xiàn) 挖掘數(shù)據(jù)挖掘數(shù)據(jù)一般來說，須有理論模型部分（特別是對一般來說，須有理論模型部分（特別是對參數(shù)回歸分析而言）參數(shù)回歸分析而言）在理論模型的基礎(chǔ)上可以根據(jù)經(jīng)驗(yàn)加解釋在理論模型的基礎(chǔ)上可以根據(jù)經(jīng)驗(yàn)加解釋變量變量決定應(yīng)采用什么決定應(yīng)采用什么樣的實(shí)證方法樣的實(shí)證方法4251 10011 0010 1010 1101 0001 0100 10115二、計(jì)量方法模塊化介紹二、計(jì)量方法模塊化介紹 經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)經(jīng)典計(jì)量經(jīng)濟(jì)學(xué) 時間序列分析時間序列分析 面板分析面板分析 非參數(shù)估計(jì)（無參數(shù)、半?yún)?shù)模型）非參數(shù)估計(jì)（無參數(shù)、半?yún)?shù)模型）注：時間序列和

4、面板分析的具體應(yīng)注：時間序列和面板分析的具體應(yīng)用也涉及參數(shù)估計(jì)和非參數(shù)估計(jì)。用也涉及參數(shù)估計(jì)和非參數(shù)估計(jì)。4251 10011 0010 1010 1101 0001 0100 10116（一）經(jīng)典計(jì)量分析（一）經(jīng)典計(jì)量分析 即我們通常所見到的回歸分析，著重于即我們通常所見到的回歸分析，著重于參數(shù)分析和假設(shè)檢驗(yàn)。參數(shù)分析和假設(shè)檢驗(yàn)。 近年來，有很多關(guān)注微觀問題的回歸分析近年來，有很多關(guān)注微觀問題的回歸分析很多微觀數(shù)據(jù)是通過調(diào)查得到的很多微觀數(shù)據(jù)是通過調(diào)查得到的微觀數(shù)據(jù)的微觀數(shù)據(jù)的獲?。韩@取： 中國調(diào)查數(shù)據(jù)網(wǎng)中國調(diào)查數(shù)據(jù)網(wǎng)/4251

5、10011 0010 1010 1101 0001 0100 101174251 10011 0010 1010 1101 0001 0100 101184251 10011 0010 1010 1101 0001 0100 101194251 10011 0010 1010 1101 0001 0100 101110（二）時間序列分析（二）時間序列分析 時間序列數(shù)據(jù)的主要應(yīng)用：時間序列數(shù)據(jù)的主要應(yīng)用： 季度調(diào)整季度調(diào)整 平穩(wěn)性檢驗(yàn)和協(xié)整關(guān)系平穩(wěn)性檢驗(yàn)和協(xié)整關(guān)系 線性時間序列線性時間序列 非線性時間序列非線性時間序列 VAR、VEC（向量自回歸、向量誤差修正）模型（向量自回歸、向量誤差修正）模

6、型（三）面板數(shù)據(jù)分析（三）面板數(shù)據(jù)分析 面板數(shù)據(jù)是二維的面板數(shù)據(jù)是二維的，一般是，一般是橫截面單位橫截面單位時期時期單位單位觀察值。其中的橫截面單位通常也稱為組觀察值。其中的橫截面單位通常也稱為組（group）。）。 多見的研究方法是線性面板數(shù)據(jù)實(shí)證分析。多見的研究方法是線性面板數(shù)據(jù)實(shí)證分析。4251 10011 0010 1010 1101 0001 0100 101111注：注：pooled data和和panel data pooled data譯作混合數(shù)據(jù)，譯作混合數(shù)據(jù)， panel data譯作面板譯作面板數(shù)據(jù)。數(shù)據(jù)。在數(shù)據(jù)的特點(diǎn)上：在數(shù)據(jù)的特點(diǎn)上：pooled data是指時間不一

7、致、個體也不一定一致是指時間不一致、個體也不一定一致的數(shù)據(jù)集；的數(shù)據(jù)集；panel data是指時間不一致，而個體是指時間不一致，而個體都是一致的數(shù)據(jù)集。都是一致的數(shù)據(jù)集。Example：pooled datat=1:A B C D F t=2:A B D Epanel datat=1:A B C D Et=2:A B C D E4251 10011 0010 1010 1101 0001 0100 101112 混合數(shù)據(jù)混合數(shù)據(jù)pooled datapooled data是將不同截面的數(shù)據(jù)進(jìn)行混是將不同截面的數(shù)據(jù)進(jìn)行混合，主要目的是為了增大樣本量，提高估計(jì)精度，合，主要目的是為了增大樣本量，

8、提高估計(jì)精度，主要的估計(jì)方法是在線性分析的主要的估計(jì)方法是在線性分析的OLSOLS分析中設(shè)置虛分析中設(shè)置虛擬變量（設(shè)一個擬變量（設(shè)一個 base groupbase group）來體現(xiàn)評估效果，）來體現(xiàn)評估效果，例如分析兩組的例如分析兩組的gapgap的顯著性。的顯著性。兩種數(shù)據(jù)分析兩種數(shù)據(jù)分析 方法的差異方法的差異面板數(shù)據(jù)是對同一個截面進(jìn)行多次調(diào)查所形成的數(shù)面板數(shù)據(jù)是對同一個截面進(jìn)行多次調(diào)查所形成的數(shù)據(jù)。主要估計(jì)方法是固定效應(yīng)估計(jì)和隨機(jī)效應(yīng)估計(jì)。據(jù)。主要估計(jì)方法是固定效應(yīng)估計(jì)和隨機(jī)效應(yīng)估計(jì)。4251 10011 0010 1010 1101 0001 0100 101113（四）非參數(shù)估計(jì)（

9、非參數(shù)、半?yún)?shù)模型（四）非參數(shù)估計(jì)（非參數(shù)、半?yún)?shù)模型）(Nonparametric and Semiparametric Models) 現(xiàn)實(shí)中現(xiàn)實(shí)中, ,變量間的關(guān)系未必是線性關(guān)系或可轉(zhuǎn)化變量間的關(guān)系未必是線性關(guān)系或可轉(zhuǎn)化為線性關(guān)系；有時，變量之間的參數(shù)非線性關(guān)系為線性關(guān)系；有時，變量之間的參數(shù)非線性關(guān)系又很難確定；傳統(tǒng)線性或非線性計(jì)量經(jīng)濟(jì)模型在又很難確定；傳統(tǒng)線性或非線性計(jì)量經(jīng)濟(jì)模型在實(shí)際應(yīng)用中往往存在設(shè)定誤差。實(shí)際應(yīng)用中往往存在設(shè)定誤差。什么是非參數(shù)模型和半?yún)?shù)模型？什么是非參數(shù)模型和半?yún)?shù)模型？非參數(shù)模型非參數(shù)模型半?yún)?shù)模型半?yún)?shù)模型該線性部分表示被解釋變量的該線性部分表示被解釋變量

10、的大勢走向；而非參數(shù)部分大勢走向；而非參數(shù)部分 則用作對被解釋變量作則用作對被解釋變量作局部調(diào)整，使模型更好地?cái)M合于樣本觀測值。局部調(diào)整，使模型更好地?cái)M合于樣本觀測值。4251 10011 0010 1010 1101 0001 0100 101114 TFP（Total factors productivity）的測度：）的測度： DEA（數(shù)據(jù)包絡(luò)分析方法，（數(shù)據(jù)包絡(luò)分析方法，data envelopment analysis）Example林毅夫、劉培林，林毅夫、劉培林，經(jīng)濟(jì)發(fā)展戰(zhàn)略對勞均資本積累經(jīng)濟(jì)發(fā)展戰(zhàn)略對勞均資本積累和技術(shù)進(jìn)步的影響和技術(shù)進(jìn)步的影響基于中國經(jīng)驗(yàn)的實(shí)證研究基于中國經(jīng)驗(yàn)的

11、實(shí)證研究，中國社會科學(xué)中國社會科學(xué)，2003（4）。）。4251 10011 0010 1010 1101 0001 0100 101115 考慮到估計(jì)的實(shí)際應(yīng)用，在考察考慮到估計(jì)的實(shí)際應(yīng)用，在考察x-yx-y間間回歸關(guān)系的時候，較多采用線性模型回歸關(guān)系的時候，較多采用線性模型形式。形式。三、回歸模型形式技巧三、回歸模型形式技巧參數(shù)線性參數(shù)線性特殊函數(shù)形式特殊函數(shù)形式虛擬變量在模型設(shè)定中的應(yīng)用虛擬變量在模型設(shè)定中的應(yīng)用交叉項(xiàng)交叉項(xiàng)內(nèi)生性、工具變量、內(nèi)生性、工具變量、兩階段最小二乘法兩階段最小二乘法4251 10011 0010 1010 1101 0001 0100 101116（一）幾個特殊

12、函數(shù)與回歸模型的形式（一）幾個特殊函數(shù)與回歸模型的形式1、自然對數(shù)、自然對數(shù) 它刻畫的它刻畫的xy關(guān)系是：關(guān)系是：x和和y間的斜率與間的斜率與x的大小的大小有關(guān)。例：邊際消費(fèi)傾向、報酬率遞減等。有關(guān)。例：邊際消費(fèi)傾向、報酬率遞減等。Ln-Ln 關(guān)系表達(dá)的是彈性。關(guān)系表達(dá)的是彈性。其中其中u u為隨機(jī)擾動項(xiàng)，左右同時取自然對數(shù)為為隨機(jī)擾動項(xiàng)，左右同時取自然對數(shù)為ueXY21uXYlnlnln21全對數(shù)模型基本過程：全對數(shù)模型基本過程：又分為全對數(shù)和半對數(shù)模型。全對數(shù)模型應(yīng)用較多。又分為全對數(shù)和半對數(shù)模型。全對數(shù)模型應(yīng)用較多。設(shè)原模型設(shè)原模型 對數(shù)模型有利于：減小異常值的影響，減小對數(shù)模型有利于：

13、減小異常值的影響，減小和消除異方差，有利于減小偏態(tài)性。和消除異方差，有利于減小偏態(tài)性。4251 10011 0010 1010 1101 0001 0100 1011172、二次函數(shù)、二次函數(shù)2012yxx它刻畫的它刻畫的xy關(guān)系是：關(guān)系是：120,0when120,0whenxyxy4251 10011 0010 1010 1101 0001 0100 101118 中國城市化進(jìn)程中的電力需求預(yù)測中國城市化進(jìn)程中的電力需求預(yù)測，經(jīng)濟(jì)經(jīng)濟(jì)研究研究，2009(1)2009(1) ( (注：原模型是基于面板數(shù)據(jù)的注：原模型是基于面板數(shù)據(jù)的) )Example 基于基于Kenneth（2001）和面

14、板數(shù)據(jù)的人均電力）和面板數(shù)據(jù)的人均電力需求需求理論理論模型為模型為231ln*tbbybtttecAP y A為技術(shù)水平，為技術(shù)水平，ec、P、y分別表示人均能源分別表示人均能源需求量、能源價格和人均收入水平，需求量、能源價格和人均收入水平，*表示長期表示長期均衡水平。均衡水平。來源：來源：Kenneth Kenneth B Medlock III.Ronald Soligo Economic Development and End-use Energy Demand，Energy Journal, 2001, Vol,22,No. 2.4251 10011 0010 1010 1101 00

15、01 0100 101119 以對數(shù)形式表示需求的長期均衡方程，即以對數(shù)形式表示需求的長期均衡方程，即長期電力需求長期電力需求實(shí)證實(shí)證模型模型I2123ln*lnlnlnecbPbyby設(shè)電力需求的動態(tài)調(diào)整過程為設(shè)電力需求的動態(tài)調(diào)整過程為11lnlnln* lnttttecechecec調(diào)整系數(shù)調(diào)整系數(shù)則長期電力需求的收入彈性為則長期電力需求的收入彈性為232lnbby 則有電力消費(fèi)與收入水平的則有電力消費(fèi)與收入水平的倒倒U形曲線存在。形曲線存在。230,0bb ，4251 10011 0010 1010 1101 0001 0100 101120由此得到推導(dǎo)出短期動態(tài)實(shí)證模型由此得到推導(dǎo)出短

16、期動態(tài)實(shí)證模型I212341lnlnlnlnlntecPyyec 再根據(jù)經(jīng)驗(yàn)考察，加上其他解釋變量再根據(jù)經(jīng)驗(yàn)考察，加上其他解釋變量城城市化和工業(yè)化市化和工業(yè)化得到長期均衡實(shí)證模型得到長期均衡實(shí)證模型II和短和短期動態(tài)實(shí)證模型期動態(tài)實(shí)證模型II分別為分別為212345ln*lnlnlnlnlnecbPbybybpopubzgy21234561lnlnlnlnlnlnlntecPyypopuzgyec即即(1)h4251 10011 0010 1010 1101 0001 0100 101121如：如：01D城鎮(zhèn)居民城鎮(zhèn)居民農(nóng)村居民農(nóng)村居民01D銷售旺季銷售旺季銷售淡季銷售淡季01D政策緊縮政策緊

17、縮政策寬松政策寬松01D本科以上學(xué)歷本科以上學(xué)歷本科以下學(xué)歷本科以下學(xué)歷01D異常時期異常時期正常時期正常時期或或01D異常時期異常時期正常時期正常時期虛擬變量也可用于標(biāo)注兩個不同的時期或者狀態(tài)。虛擬變量也可用于標(biāo)注兩個不同的時期或者狀態(tài)。（二）虛擬變量在模型設(shè)定中的應(yīng)用（二）虛擬變量在模型設(shè)定中的應(yīng)用4251 10011 0010 1010 1101 0001 0100 101122 虛擬變量虛擬變量dummy可以用可以用0和和1表示，也可以用表示，也可以用1和和2、4和和8表示，無論什么數(shù)值都可以表示，表示，無論什么數(shù)值都可以表示，只不過我們習(xí)慣于用只不過我們習(xí)慣于用0和和1表示而已。表示

18、而已。 虛擬變量帶入模型的方法主要表現(xiàn)為加法形式虛擬變量帶入模型的方法主要表現(xiàn)為加法形式和乘法形式。和乘法形式。 可以用于分析交互效應(yīng)、模型的分段分析等。可以用于分析交互效應(yīng)、模型的分段分析等。4251 10011 0010 1010 1101 0001 0100 101123描述我國居民在不同時段消費(fèi)行為模型：描述我國居民在不同時段消費(fèi)行為模型：（Y為消費(fèi)，為消費(fèi)，x為年）為年）01 11979ttYxu年以前：*01 121()ttYxxxDu1197901979D*年 后 xx其 中 ：年 前 xx *021211979()ttYxxu年以后：分段分析示例分段分析示例1979年之前，回歸

19、模型的斜率為年之前，回歸模型的斜率為 ；1979年之前，回歸模型的斜率為年之前，回歸模型的斜率為 ；112*1979x 4251 10011 0010 1010 1101 0001 0100 101124（三）交叉項(xiàng)（三）交叉項(xiàng)先看一個例子：出勤率對期末成績的影響先看一個例子：出勤率對期末成績的影響Stndfnl:標(biāo)準(zhǔn)化成績，標(biāo)準(zhǔn)化成績，atndrte：聽課百分比即出勤率，：聽課百分比即出勤率，priGPA和和ACT：先前的大學(xué)：先前的大學(xué)GPA和和ACT成績成績=4251 10011 0010 1010 1101 0001 0100 101125為什么要做交叉項(xiàng)？為什么要做交叉項(xiàng)？22012

20、345+atndrtepriGPAACTpriGPAAstndflCT如果采用不含交叉項(xiàng)的模型如果采用不含交叉項(xiàng)的模型比較比較出勤率對標(biāo)準(zhǔn)化成績的影響是：出勤率對標(biāo)準(zhǔn)化成績的影響是：1220123456+atndrtepriGPAACTpriGPAACTstnpriGPA atndrtedfl+如果采用含交叉項(xiàng)的模型如果采用含交叉項(xiàng)的模型出勤率對標(biāo)準(zhǔn)化成績的影響是：出勤率對標(biāo)準(zhǔn)化成績的影響是：16priGPA+ 這才是出勤率的影響這才是出勤率的影響4251 10011 0010 1010 1101 0001 0100 101126交叉項(xiàng)分析的交叉項(xiàng)分析的Eviews應(yīng)用應(yīng)用4251 10011

21、 0010 1010 1101 0001 0100 1011274251 10011 0010 1010 1101 0001 0100 101128 樣本中樣本中priGPA的均值為的均值為2.59，所有出勤率對標(biāo)，所有出勤率對標(biāo)準(zhǔn)化成績的影響是：準(zhǔn)化成績的影響是： -0.0067+0.00562.59=0.0078交叉項(xiàng)實(shí)證分析的結(jié)論交叉項(xiàng)實(shí)證分析的結(jié)論 T檢驗(yàn)沒有通過，但檢驗(yàn)沒有通過，但F檢驗(yàn)通過。檢驗(yàn)通過。 這樣的模型更多的關(guān)注聯(lián)合建設(shè)即這樣的模型更多的關(guān)注聯(lián)合建設(shè)即F檢驗(yàn)檢驗(yàn)結(jié)果，應(yīng)認(rèn)為接受該實(shí)證結(jié)果。結(jié)果，應(yīng)認(rèn)為接受該實(shí)證結(jié)果。4251 10011 0010 1010 1101 00

22、01 0100 101129交叉項(xiàng)在應(yīng)用中往往與虛擬變量的采用結(jié)合起來交叉項(xiàng)在應(yīng)用中往往與虛擬變量的采用結(jié)合起來 汪淼軍等，信息技術(shù)組織變革與生產(chǎn)績效汪淼軍等，信息技術(shù)組織變革與生產(chǎn)績效J，經(jīng)濟(jì)研究，經(jīng)濟(jì)研究，2006.1圍繞圍繞ITC的交叉項(xiàng)的交叉項(xiàng) ITC為信息化資本，為信息化資本，OC表示伴隨性組織行為，表示伴隨性組織行為，H表示人力資本，表示人力資本，X代表控制變量，代表控制變量，b為企業(yè)規(guī)模的為企業(yè)規(guī)模的虛擬變量（大企業(yè)為虛擬變量（大企業(yè)為1，中小企業(yè)為，中小企業(yè)為0）。）。4251 10011 0010 1010 1101 0001 0100 101130關(guān)于交叉項(xiàng)系數(shù)分析關(guān)于交叉

23、項(xiàng)系數(shù)分析（1）系數(shù)不為）系數(shù)不為0，且通過顯著性檢驗(yàn)，且通過顯著性檢驗(yàn)ITC和和OC存在互補(bǔ)交叉關(guān)系，共同影響著存在互補(bǔ)交叉關(guān)系，共同影響著VA。以以 為例為例（2）在（）在（1）的基礎(chǔ)上，如系數(shù)為正）的基礎(chǔ)上，如系數(shù)為正ITC與與企業(yè)的柔性組織行為互補(bǔ)。企業(yè)的柔性組織行為互補(bǔ)。 在（在（1）的基礎(chǔ)上，如系數(shù)為負(fù)）的基礎(chǔ)上，如系數(shù)為負(fù) ITC與企業(yè)的剛性組織行為互補(bǔ)與企業(yè)的剛性組織行為互補(bǔ)。 OC “伴隨性組織行為伴隨性組織行為”：其數(shù)據(jù)代表企業(yè)分權(quán)：其數(shù)據(jù)代表企業(yè)分權(quán)、非一體化、產(chǎn)品多樣化等柔性組織行為的方向。、非一體化、產(chǎn)品多樣化等柔性組織行為的方向。4251 10011 0010 10

24、10 1101 0001 0100 101131 綜上，模型中采用交叉項(xiàng)的原因：綜上，模型中采用交叉項(xiàng)的原因： （1 1）分析兩個解釋變量間是否存在交叉）分析兩個解釋變量間是否存在交叉性的對被解釋變量的影響；性的對被解釋變量的影響； （2 2）更全面的分析當(dāng)存在交叉效應(yīng)時解）更全面的分析當(dāng)存在交叉效應(yīng)時解釋變量對被解釋變量影響的程度。釋變量對被解釋變量影響的程度。4251 10011 0010 1010 1101 0001 0100 101132 我們經(jīng)常會遇到模型的內(nèi)生性問題：我們經(jīng)常會遇到模型的內(nèi)生性問題： 一方面，一方面，x在影響著在影響著y；另一方面，；另一方面，y也對也對x有反有反饋

25、性的影響。饋性的影響。（四）內(nèi)生性、工具（四）內(nèi)生性、工具變量、變量、兩階段最小二乘法兩階段最小二乘法觀察內(nèi)生性的檢驗(yàn)方法觀察內(nèi)生性的檢驗(yàn)方法內(nèi)生性內(nèi)生性hausman檢驗(yàn)檢驗(yàn) 當(dāng)模型存在內(nèi)生變量時，當(dāng)模型存在內(nèi)生變量時， OLS估計(jì)量是有偏估計(jì)量是有偏的和不一致的。一般來說，可以采用工具變量替的和不一致的。一般來說，可以采用工具變量替換。在采用工具變量后，并利用兩階段最小二乘換。在采用工具變量后，并利用兩階段最小二乘法控制內(nèi)生性。法控制內(nèi)生性。 工具變量需滿足的條件（工具變量需滿足的條件（1）與方程解釋變量）與方程解釋變量相關(guān)；（相關(guān)；（2）與擾動項(xiàng)不相關(guān)。）與擾動項(xiàng)不相關(guān)。4251 100

26、11 0010 1010 1101 0001 0100 101133內(nèi)生性內(nèi)生性hausman檢驗(yàn)檢驗(yàn)假定需要作如下回歸假定需要作如下回歸011223tttttybb xb xb zu(1) 設(shè)設(shè)zt是內(nèi)生解釋變量。為了檢驗(yàn)是內(nèi)生解釋變量。為了檢驗(yàn)zt的內(nèi)生性，的內(nèi)生性，找一組工具變量找一組工具變量既與既與zt高度相關(guān)，又與上式高度相關(guān)，又與上式中的誤差項(xiàng)中的誤差項(xiàng)ut不相關(guān)不相關(guān)例如，選擇了例如，選擇了xt3 和和 xt4作為工具變量。作為工具變量。 在在Eviews中，內(nèi)生性中，內(nèi)生性Hausman檢驗(yàn)通過如下兩檢驗(yàn)通過如下兩次回歸完成。次回歸完成。（1）兩步法）兩步法4251 10011

27、 0010 1010 1101 0001 0100 101134 分析規(guī)律：如果分析規(guī)律：如果b4b4是顯著的，則是顯著的，則b b0 0、b b1 1、b b2 2、b b3 3不具有一致性，得到不具有一致性，得到z zt t是內(nèi)生變量。是內(nèi)生變量。 第一個回歸式是用待檢驗(yàn)變量第一個回歸式是用待檢驗(yàn)變量zt對上式中的對上式中的全部外生變量全部外生變量xt1 、xt2和選定的工具變量和選定的工具變量xt3 、xt4回歸，用回歸，用OLS法進(jìn)行回歸，并求殘差。法進(jìn)行回歸，并求殘差。011223344ttttttzaa xa xa xa xv第二步是將所求的殘差作為附加變量加入到第二步是將所求的殘

28、差作為附加變量加入到(1)式式01 12234tttybb xb xb zbu代表代表vt用用OLS法再次回歸。法再次回歸。4251 10011 0010 1010 1101 0001 0100 101135（2）計(jì)算法）計(jì)算法內(nèi)生性內(nèi)生性hausman檢驗(yàn)的檢驗(yàn)的t統(tǒng)計(jì)量為統(tǒng)計(jì)量為212222SLSOLSSLSOLStsese 以上討論的是發(fā)現(xiàn)模型實(shí)證模型具有內(nèi)生以上討論的是發(fā)現(xiàn)模型實(shí)證模型具有內(nèi)生性問題，解決內(nèi)生性回歸的一個方法是：設(shè)工性問題，解決內(nèi)生性回歸的一個方法是：設(shè)工具變量和采用二階段最小二乘法。具變量和采用二階段最小二乘法。4251 10011 0010 1010 1101 00

29、01 0100 101136工具變量的選取一例工具變量的選取一例 被解釋變量：經(jīng)濟(jì)增長率被解釋變量：經(jīng)濟(jì)增長率 解釋變量：國內(nèi)固定資產(chǎn)投資解釋變量：國內(nèi)固定資產(chǎn)投資INV、外商直、外商直接投資接投資FDI、人口增長率、人口增長率POP 當(dāng)當(dāng)INV、FDI存在內(nèi)生性時，可選取工具變存在內(nèi)生性時，可選取工具變量：量：INVt-1、FDIt-1郭熙保，羅知，郭熙保，羅知，外資特征對中國經(jīng)濟(jì)增長的影外資特征對中國經(jīng)濟(jì)增長的影響響，經(jīng)濟(jì)研究經(jīng)濟(jì)研究，2009(1)。4251 10011 0010 1010 1101 0001 0100 101137計(jì)量分析例文計(jì)量分析例文Au, Chun-Chung a

30、nd J. Vernon Henderson, 2006b, “How Migration Restrictions Limit Agglomeration and Productivity in China,” Journal of Development Economics, Vol. 80, No. 2, 350-388.4251 10011 0010 1010 1101 0001 0100 101138主要模型過程主要模型過程（1）（2）（3）:()ijY產(chǎn)出 增加值:typeiij城市城市的1、城市的生產(chǎn)函數(shù)、城市的生產(chǎn)函數(shù)ijM ：制造業(yè)產(chǎn)出jg：非貿(mào)易的服務(wù)投入的函數(shù):ix單個服

31、務(wù)業(yè)企業(yè)的產(chǎn)出:iis城市中服務(wù)企業(yè)的個數(shù)4251 10011 0010 1010 1101 0001 0100 1011392、設(shè)定關(guān)于城市產(chǎn)出的計(jì)量模型、設(shè)定關(guān)于城市產(chǎn)出的計(jì)量模型:LMS 勞動資本：距海岸的距離制造業(yè)增加值技術(shù)水平服務(wù)業(yè)增加值該模型采用了：該模型采用了：二次項(xiàng)、交叉項(xiàng)二次項(xiàng)、交叉項(xiàng)(4)3、計(jì)量模型的進(jìn)一步完善、計(jì)量模型的進(jìn)一步完善 該模型存在內(nèi)生性：城市人均產(chǎn)出與城市勞動該模型存在內(nèi)生性：城市人均產(chǎn)出與城市勞動力，所以，為力，所以，為 尋找工具變量。尋找工具變量。 4251 10011 0010 1010 1101 0001 0100 101140設(shè)城市效用函數(shù)和農(nóng)村效

32、用函數(shù)設(shè)城市效用函數(shù)和農(nóng)村效用函數(shù)（5）城市城市（6）農(nóng)村農(nóng)村 效用由在當(dāng)?shù)氐纳钯|(zhì)量效用由在當(dāng)?shù)氐纳钯|(zhì)量Q和實(shí)際工資決定和實(shí)際工資決定 （實(shí)際工資取決于資本（實(shí)際工資取決于資本K、勞動、勞動L、生產(chǎn)效率、生產(chǎn)效率A）。）。 地區(qū)地區(qū)i的勞動力（地區(qū)的勞動力（地區(qū)i又分為城市和農(nóng)村），又分為城市和農(nóng)村），所以它代表總勞動力，設(shè)為固定值。所以它代表總勞動力，設(shè)為固定值。(),0iiitttm LURm m設(shè)遷移函數(shù)設(shè)遷移函數(shù)（7） 所以，為了解決所以，為了解決 的內(nèi)生性，由模型（的內(nèi)生性，由模型（5）（7）得，可將）得，可將 作為工具變量。作為工具變量。4251 10011 0010 1010

33、 1101 0001 0100 1011414251 10011 0010 1010 1101 0001 0100 101142四、模型檢驗(yàn)四、模型檢驗(yàn)及及Eviews應(yīng)用應(yīng)用 擬合優(yōu)度檢驗(yàn)：擬合優(yōu)度檢驗(yàn)：R2 顯著性檢驗(yàn)：系數(shù)的顯著性檢驗(yàn)顯著性檢驗(yàn)：系數(shù)的顯著性檢驗(yàn) t檢驗(yàn)檢驗(yàn) 方程的顯著性檢驗(yàn)方程的顯著性檢驗(yàn) F檢驗(yàn)檢驗(yàn) 序列相關(guān)檢驗(yàn)：序列相關(guān)檢驗(yàn)：DW檢驗(yàn)、序列相關(guān)檢驗(yàn)、序列相關(guān)LM檢驗(yàn)檢驗(yàn) 異方差檢驗(yàn)：異方差檢驗(yàn)： Glejser檢驗(yàn)檢驗(yàn) 、white檢驗(yàn)檢驗(yàn) 系數(shù)約束條件檢驗(yàn)：系數(shù)約束條件檢驗(yàn)： wald檢驗(yàn)檢驗(yàn) 模型穩(wěn)定性檢驗(yàn)：模型穩(wěn)定性檢驗(yàn)：chow分割點(diǎn)檢驗(yàn)分割點(diǎn)檢驗(yàn) 設(shè)定誤差

34、檢驗(yàn)：設(shè)定誤差檢驗(yàn)：Ramsey RESET檢驗(yàn)檢驗(yàn)（二）主要檢驗(yàn)（二）主要檢驗(yàn)（一）（一）EVIEWS基本介紹和主要操作基本介紹和主要操作4251 10011 0010 1010 1101 0001 0100 101143 LM檢驗(yàn)原假設(shè)為：直到檢驗(yàn)原假設(shè)為：直到p階滯后不存在序列相階滯后不存在序列相關(guān)。關(guān)。p為預(yù)先定義好的整數(shù)；備選假設(shè)是：存在為預(yù)先定義好的整數(shù)；備選假設(shè)是：存在p階自相關(guān)。階自相關(guān)。1、R2、t、F、DW檢驗(yàn)檢驗(yàn)2、序列相關(guān)、序列相關(guān)LM檢驗(yàn)檢驗(yàn)View/Residual Tests/Serial Correlation LM Test，輸入輸入p（要檢驗(yàn)序列的最高階數(shù)）

35、（要檢驗(yàn)序列的最高階數(shù)）nF統(tǒng)計(jì)量表示輔助回歸方程的整體顯著性，而統(tǒng)計(jì)量表示輔助回歸方程的整體顯著性，而后面的后面的Obs*R-squared 才是我們所重點(diǎn)觀察的才是我們所重點(diǎn)觀察的LM統(tǒng)計(jì)量（一般情況下，它統(tǒng)計(jì)量服從漸進(jìn)統(tǒng)計(jì)量（一般情況下，它統(tǒng)計(jì)量服從漸進(jìn)的的 分布）。分布）。)(2p4251 10011 0010 1010 1101 0001 0100 1011443、異方差檢驗(yàn)、異方差檢驗(yàn)Glejser檢驗(yàn)檢驗(yàn) 原理：由原理：由OLS法得到殘差，取得絕對值，然后將法得到殘差，取得絕對值，然后將對某個解釋變量或其某種函數(shù)形式回歸，根據(jù)回歸對某個解釋變量或其某種函數(shù)形式回歸，根據(jù)回歸模型的

36、顯著性和擬合優(yōu)度來判斷是否存在異方差。模型的顯著性和擬合優(yōu)度來判斷是否存在異方差。View/Residual Tests/Heteroskedasticity Test，在下拉菜單中選擇在下拉菜單中選擇method4251 10011 0010 1010 1101 0001 0100 101145White檢驗(yàn)檢驗(yàn) 原理：構(gòu)造殘差平方序列與解釋變量之間的原理：構(gòu)造殘差平方序列與解釋變量之間的輔助函數(shù)，從而判斷異方差性存在的顯著性。輔助函數(shù)，從而判斷異方差性存在的顯著性。 222122334253623ttttttte = + X + X + X + X + X X（注：原來估計(jì)模型包含兩個自變

37、量：（注：原來估計(jì)模型包含兩個自變量：x2、x3）0261H0,H2,3,.,6j:=.=:j（=）不全為零 所以，檢驗(yàn)結(jié)果的觀察方法所以，檢驗(yàn)結(jié)果的觀察方法（Obs*R-squared） ： P值小，接受備擇假設(shè)，回歸方程的誤差項(xiàng)是異值小，接受備擇假設(shè)，回歸方程的誤差項(xiàng)是異方差的。方差的。 4251 10011 0010 1010 1101 0001 0100 101146結(jié)論：在結(jié)論：在5顯著水平下我們拒絕原假設(shè)（顯著水平下我們拒絕原假設(shè)（p值小值小于給定的顯著水平），回歸方程的誤差項(xiàng)是異方于給定的顯著水平），回歸方程的誤差項(xiàng)是異方差的。差的。 Example4251 10011 0010 1010 11