中级计量经济学

本书较为系统地介绍了计量经济学的主要理论、方法、*进展，尤其是20世纪80年代以来重要的和*的研究成果，并将它们纳入一个完整、清晰的体系之中。本书不仅介绍了建模的技术和方法，而且阐述了其理论背景，在数学描述方面适当淡化，以讲清楚方法、思路为目标，不做大量的推导和证明，重点放在如何运用各种计量经济方法对实际经济问题进行分析、建模、预测、模拟等实际操作上。为便于读者学习和理解，本书在相关各章中给出了案例分析，案例大多数是编者在实践中运用的实例和国内外的经典实例，并基于计量经济学软件EViews解决实际经济问题，具有很强的可操作性。 本书以中级水平为主，以实用性、继承性和前瞻性为主要特色。全书共分9章。第1章阐述多元回归分析的基本内容及应用问题；第2章至第5章介绍异方差性、自相关性、多重共线性、虚拟变量、模型设定误差、变量观测误差以及*解释变量等计量经济问题及其解决方法；第6章和第8章阐述滞后变量模型和联立方程模型；第7章重点阐述时间序列分析，主要涉及ADF检验、Johansen协整检验、Granger因果关系检验、ARIMA模型、向量自回归模型、协整理论与向量误差修正模型；第9章介绍面板数据模型及其应用。

第1章 多元线性回归模型
现实经济现象是错综复杂的，多种经济变量互相影响，每一个变量都要受到其他多种因素的影响。以对家庭消费支出的影响为例，除了家庭收入影响因素之外，物价水平、收入分配状况、利率、消费者偏好、家庭财产、消费信贷等多种因素都会影响家庭消费支出。又如，对人均国民生产总值的影响问题，除了人口变动因素之外，固定资产数额、货币供给量、物价指数、国内国际市场供求关系等多种因素都会影响人均国民生产总值。如果被解释变量的变化原因可以由一个主要解释变量加以说明，其他解释变量的影响可以忽略，就可以用一元回归模型表示。如果其他解释变量对被解释变量的影响不能忽略，就要用多元回归模型表示。因此，有必要将一个解释变量的情形推广到多个解释变量，利用多元回归方法进行分析。
　　1.1 多元线性回归模型的估计
　　1.1.1 多元线性回归模型及其矩阵表示
线性回归分析主要研究经济变量之间的线性因果关系。因果关系中作为原因的变量称为解释变量，作为结果的变量称为被解释变量。例如，研究一个国家的经济增长，被解释变量是这个国家的GDP或人均GDP，解释变量是劳动投入量、资本投入量、技术水平等。研究需求规律时，被解释变量是需求量，解释变量是价格、消费者收入等。在简单线性回归模型中，总体回归函数被设定为一元线性形式。如果这种设定是恰当的，那么根据样本数据得到的回归直接是对样本数据的较好拟合，一般情况下，决定系数应该较大（接近1），随机误差项也符合模型的基本假定。相反，如果在模型设定时忽略了影响因变量的某些主要因素，则拟合效果会较差。此时，决定系数往往偏低，并可能出现随机误差项违背模型基本假定的情况，如误差项序列自相关等。因此，在进行模型设定时，应对所研究的经济问题进行深入分析，依据经济理论和实践经验对模型进行简化抽象，确定模型中应该包括哪些解释变量以及模型函数的具体形式。
　　……