計量經濟學中如何確定y和x

❶ 計量經濟學中，關於「線性」概念的闡述，誰可以幫幫我啊，謝謝了

計量緊急學中，線性有兩層含義，第一層是數學中的Y與X的線性關系
第二層是Y與b0 b1之間的線性關系
在計量中，一般以第二種為准
即y對b0的一階求導為0，對b1的一階求導為1，對b1的二階求導為0.。
經常會有些關於怎麼把某些函數劃為線性的，即第二種的定義

❷ 再談關於計量經濟學中x是不是隨機變數的問題

我給你一個明確的答復，計量經濟學的兩個模型，一個是隨機模型，一個是理論方程，區別在於一個有隨機擾動項，一個沒有。
沒有隨機項的，是指總體回歸方程。由於是建立的相關關系，從而是隨機變數。
有擾動項的方程是用來估計的樣本回歸方程，這時x是觀測值，是由自然實驗得到的已經既定的數值，顯然不是隨機變數。也正是因為這樣，在強假定下，樣本統計量的矩估計是無偏一致估計。

❸ 計量經濟學中怎麼確定參數的標准差

A，理論模型的設計: a，選擇變數b，確定變數關系c，擬定參數范圍

B，樣本數據的收集: a，數據的類型b，數據的質量

C，樣本參數的估計: a，模型的識別b，估價方法選擇

D，模型的檢驗

a，經濟意義的檢驗：1、正相關；2、反相關等等

b，統計檢驗：1、檢驗樣本回歸函數和樣本的擬合優度；2、樣本回歸函數和總體回歸函數的接近程度：單個解釋變數顯著性即t檢驗，函數顯著性即F檢驗，接近程度的區間檢驗

c，模型預測檢驗：1、解釋變數條件條件均值與個值的預測測； 2、預測置信空間變化

d，參數的線性約束檢驗：1、參數線性約束的檢驗；2、模型增加或減少變數的檢驗；3、參數的穩定性檢驗：鄒氏參數穩定性檢驗，鄒氏預測檢驗（主要方法是以F檢驗受約束前後模型的差異）

e，參數的非線性約束檢驗：1、最大似然比檢驗； 2、沃爾德檢驗；3、拉格朗日乘數檢驗（主要方法使用F 分布檢驗統計量分布特徵）

f，計量經濟學檢驗

1，異方差性問題：特徵：無偏，一致但標准差偏誤。檢測方法：圖示法，Park與Gleiser檢驗法，Goldfeld-Quandt檢驗法，White檢驗法-------用WLS修正異方差

2，序列相關性問題：特徵：無偏，一致，但檢驗不可靠，預測無效。檢測方法：圖示法，回歸檢驗法，Durbin-Waston檢驗法，Lagrange乘子檢驗法-------用GLS或廣義差分法修正序列相關性

3，多重共線性問題：特徵：無偏，一致但標准差過大，t減小，正負號混亂。檢測方法：先檢驗多重共線性是否存在，再檢驗多重共線性的范圍-------------用逐步回歸法，差分法或使用額外信息，增大樣本容量可以修正。

4，隨機解釋變數問題：隨機解釋變數與隨機干擾項獨立，對OLS沒有壞影響。隨機變數與隨機干擾項同期相關：有偏但一致，擴大樣本容量可以克服。隨機變數與隨機干擾項同期相關：有偏且非一致，工具變數法可以克服

二、參數估計與模型

參數估計量性質的分析：

a小樣本和大樣本性質

b無偏性

c有效性

d一致性

e Gauss-Markov定理

A、虛擬解釋變數問題

a，加法方式：定性因素對截距的影響

b，乘法方式：定性因素對斜率項產生的影響

c，加法與乘法結合方式：定性應訴對截距和斜率項同時產生影響

B、滯後變數問題

a，分布滯後模型：經驗加權法，Almon多項式法，Koyck方法---來減少滯後項的數目

b，自回歸模型：工具變數法，OLS法

C、模型設定偏誤問題

a，解釋變數選取偏誤：1、漏選相關變數：OLS在小樣本下有偏，大樣本下不一致，2、多選無關變數：OLS估計量無偏且一致，但無效

b，模型函數形式選取偏誤：OLS有偏非一致且無效

c，1、用t檢驗和f檢驗檢驗無關變數；2、用RESET檢驗是否遺漏相關變數或模型函數選取錯誤

聯立方程計量經濟學模型的單方程估計

a，工具變數法IV

b，ILS-----ab適用於恰好識別

c，2SLS---適用於恰好識別和過度識別

二元離散選擇模型

a，Probit離散選擇模型：將隨機干擾項的概率分布設定為標准正態分布，用最大似然估計法或GLS

b，Logit離散選擇模型：將隨機干擾項的概率分布設定為logistic分布得到---用最大似然估計法或GLS

隨機時間序列模型：

a，純自回歸AR模型----用Yule-Walker方程或OLS估計

b，純移動平均MA模型

c，自回歸移動平均ARMA模型----bc可以用矩估計法，對非平穩的時間序列檢驗協整性可用Engle-Granger兩步法或直接估計法。

三、名詞解釋

1、計量經濟學: 是經濟學的一個分支學科，是已揭示經濟活動中的客觀存在的數量關系為內容的分支學科。

2.計量經濟學模型成功的三要素:理論、方法和數據。

3.建立計量經濟學模型的步驟:(1)理論模型的設計(2)樣本數據的收集(3)模型參數的估計(4)模型的檢驗。

4.最小二乘原理：樣本回歸線上的點Yi（上有蓋）與真實觀測點Yi之查可正可負，簡單求和可能將很大的誤差抵消掉，只有平方和才能反映二者在總體上的接近程度，這就是最小二乘原理。

5.最小二乘估計量的性質：(1)線形性(2)無偏性(3)有效性(4)漸近無偏性(5)一致性(6)漸進有效性。Yi=E(Y Xi)+Ui或Yi=Bo+B1Xi+Ui即給定可支配收入水平Xi，個別家庭的消費支出可表示為兩部分之和:(1)該收入水平下所有家庭的平均消費支出E（Y Xi）,稱為系統性部分或確定性部分：(2)其他隨機部分或非系統部分Ui，

6.總體回歸模型:Yi=E(Y Xi)+Ui或Yi=Bo+B1Xi+Ui式稱為總體回歸函數的隨機設定形式，它表明被解釋變數Y除了受解釋變數X的系統性影響外，還受其他未包括在模型中的諸多因素的隨機性影響，U即為這些影響因素的綜合代表。由於方程中引入了隨機干擾項，成為計量經濟學模型，因此也稱為總體回歸模型。

7.總體回歸函數:在給定解釋變數Xi條件下被解釋變數Yi的期望軌跡稱為總體回歸線，或更一般地稱為總體回歸曲線，相應的函數E(Y Xi)=f(Xi)稱為（雙變數）總體回歸函數。

8.總體回歸函數的隨機設定形式：Yi=E(Y Xi)+Ui或Yi=Bo+B1Xi+Ui式稱為總體回歸函數的隨機設定形式,即給定可支配收入水平Xi，個別家庭的消費支出可表示為兩部分之和:(1)該收入水平下所有家庭的平均消費支出E（Y Xi）,稱為系統性部分或確定性部分：(2)其他隨機部分或非系統部分Ui。

9.樣本回歸函數：樣本散點圖近似於一條直線，畫一條直線盡可能地擬合該散點圖，由於樣本取自總體，可用該線近似地代表總體回歸線，該線稱為樣本回歸線，其函數形式記為Yi（上有蓋）=f(Xi)=Bo（上有蓋）+B1（上有蓋）Xi稱為樣本回歸函數。

10.樣本回歸模型：樣本回歸函數也有如下的隨機形式：Yi=Yi（上有蓋）+Ui（上有蓋）=Bo（上有蓋）+B1（上有蓋）Xi+ei,其中ei稱為（樣本）殘差（或剩餘）項，代表了其他影響Yi的隨機因素的集合，可看成是Ui的估計量Ui（上有蓋），由於方程中引入了隨機項，成為計量經濟學模型，因此也稱為樣本回歸模型。

11.最小樣本容量：即從最小二乘原理和最大似然原理出發，欲得到參數估計量，不管其質量如何，所要求的樣本容量的下限。

12.異方差性：對於不同的樣本點，隨機干擾項的方差不再是常數，而是互不相同，則認為出現了異方差性。

13.異方差性的後果：(1)參數估計量非有效(2)變數的顯著性檢驗失去意義(3)模型的預測失效

14.異方差性的檢驗方法：(1)圖示檢驗法(2)帕克檢驗和戈里瑟檢驗(3)G-Q檢驗(4)懷特檢驗。

15.異方差性的修正:最常用的方法是加權最小二乘法，即對原模型加權，使之變成一個新的不存在異方差的模型，然後採用OLS法估計其參數。

16.序列相關性：多元線形回歸模型的基本假設之一是模型的隨機干擾項相互獨立或不相關。如果模型的隨機干擾項違背了相互獨立的基本假設，稱為存在序列相關性。

17.序列相關性的後果：(1)參數估計量非有效(2)變數的顯著性檢驗失去意義(3)模型的預測失敗。

18.序列相關性的檢驗方法：(1)圖示法(2)回歸檢驗法(3)杜賓—瓦森檢驗法 (4)拉格朗日乘法檢驗。

19.序列相關性的補救:(1)廣義最小二乘法(2)廣義差分法(3)隨機干擾項相關系數的估計(4)廣義差分法在計量經濟學軟體中的實現。

20.多重共線性:(1)對於模型Yi=Bo+B1X1i+B2X2i+...+BkXki+Ui, i=1,2,...,n 其基本假設之一是解釋變數X1，X2，...，Xk是相互獨立的。如果某兩個或多個解釋變數之間出現了相關性，則稱為存在多重共線性。 21.多重共線性的後果：(1)完全共線性下參數估計量不存在(2)近似共線性下普通最小二乘法參數估計量的方差變大(3)參數估計量經濟含義不合理(4)變數的顯著性檢驗和模型的預測功能失去意義。

22.多重共線性的檢驗:(1)檢驗多重共線性是否存在(2)判明存在多重共線性的范圍。

23.克服多重共線性的方法:(1)排出引起共線性的變數(2)差分法(3)減小參數估計量的方差。

24.隨機解釋變數的克服方法:模型中出現隨機解釋變數並且與隨機干擾項相關時，普通最小二乘法計量是由偏的。如果隨機解釋變數與隨機干擾項異期相關，則可以通過增大樣本容量的辦法來得到一致的估計量；但如果是同期相關，即使增大樣本容量也無濟於事。這時最常用的估計方法是工具變數法。

25.工具變數法:(1)工具變數的選取(2)工具變數的應用(3)工具變數法估計量是一致估計量。

26.虛擬變數：許多經濟變數是可以定量度量的，為了在模型中反映對模型的影響因素，並提高模型的精度，需要將它們「量化」，這種「量化」是通過引入「虛擬變數」來完成的。根據這些因素的屬性類型，構造只取「0」或「1」的人工變數，通常稱為虛擬變數。

27.單方程計量經濟學模型與聯立計量經濟學模型的區別:單方程計量經濟學模型是用單一方程來揭示經濟變數之間的單項因果的數量關系，適用於單一經濟現象的研究。聯立計量經濟學模型是用一組方程來揭示經濟變數之間的相互依存，相互因果的數量關系，適用於某一經濟系統的研究。

28.變數:對於聯立方程計量經濟學模型系統而言，將變數分為內生變數和外生變數兩大類，外生變數與滯後內生變數又被統稱為先決變數。

29.內生變數：是具有某種概率分布的隨機變數，它的參數是聯立方程系統估計的元素，內生變數是由模型決定的，同時也對模型系統產生影響。內生變數一般都是經濟變數。

30.外生變數:一般是確定性變數，或是具有臨界概率分布的隨機變數，其參數不是模型系統研究的元素。外生變數影響系統，但本身不受系統的影響。外生便量一般是經濟變數、條件變數、政策變數、虛變數。

31.先決變數:外生變數與滯後內生變數統稱為先決變數。

32.結構是模型：根據經濟理論和行為規律建立的描述經濟變數之間直接關系結構的計量經濟學方程系統統稱為結構式模型。

33.簡化式模型：將聯立方程計量經濟學模型的每個內生變數表示成所有先決變數和隨機干擾項的函數，即用所有先決變數作為每個內生變數的解釋變數，所形成的模型稱為簡化式模型。

34.聯立方程計量經濟學模型的估計方法:分為兩大類，單方程估計方法和系統估計方法。所謂單方程估計方法，指每次只估計模型系統中的一個方程，依次逐個估計；所謂系統估計方法，指同時對全部方程進行估計，同時得到所有方程的參數估計量。單方程估計方法稱為有限信息估計方法，按方法原理可分為(1)間接最小二乘法(2)兩階段最小二乘法(3)工具變數法(4)有限信息最大似然法(5)最小方差比方法；系統估計方法稱為完全信息估計方法，主要包括三階段最小二乘法和完全信息最大似然法。

❹ 計量經濟學中x與y到底哪個是回歸元與回歸子呀

Y是回歸子，X是回歸元。

❺ 計量經濟學大寫的Y與y和X和x分別代表什麼意思

從等號右邊的表達式很容易知道符號的意義，用作離差平方和及離差積和的簡單記號。x的離差平方和記作Sxx、y的離差平方和記作Syy，x和y的離差積和記作Sxy。

x對y有影響，表現為X各滯後項前的參數整體不為零，而Y各滯後項前的參數整體為零。

格蘭傑檢驗是通過受約束的F檢驗完成的。原假設前參數整體為零。

題中F值很大，F分布表中最大的也就6106，在1%的顯著性水平下。所以可以肯定的說拒絕原假設，所以X2i和X3i對YI的聯合影響是顯著的，F的p值很小，其表示的是接受原假設的概率為零，所以百分百拒絕原假設，故影響是顯著的。另外題中沒有說F值是檢驗單個的，所以AB肯定是錯的。

(5)計量經濟學中如何確定y和x擴展閱讀 ：

離差平方和的樣本計算

一般用計算機計算。以excel為例：

先用Varp計算總體方差，然後求出離差平方和

通過對離差平方和的分解進行方差分析。統計學的實踐表明，於某一特性量經過多次試驗的結果，一 般不會是同一數值, 是彼此有差異，這種差異反映了這試驗受各種條件( 稱為因素) 制約。

離差平方和就反映了這種制約因素引起的差異大小，為解決此問題，英國統計學家Fisher提 出了方差分析的方法，基本思想是將總的離差平方和分解為幾個部分, 每一部分反映了方差的一種來源, 然後利用F分布進行檢驗。

❻ 計量經濟學 消費品購買力和 居民貨幣收入哪個是x

X一般是居民家庭收入
Y是居民消費支出

居民收入是指居民收入水平是直接影響市場容量大小的重要因素。居民收入水平一方面受制於宏觀經濟狀況的影響，另一方面受國家收入分配政策、消費政策的影響。居民收入水平直接決定消費者購買力水平，收入水平高，則購買力強，反之則弱。

❼ 內生性解釋與工具變數法操作

y為被解釋變數，x1為自變數，或者解釋變數，也即「因變數」。大寫的 X 為外生控制項向量( 也即一組假定為外生的其他控制變數，例如年齡、性別等等) ，ε則為誤差項。如果ε與x1不相關，那麼我們可以利用OLS 模型對方程進行無偏估計。然而，如果一個重要變數x2被模型遺漏了，且x1和x2也相關，那麼對β1的OLS 估計值就必然是有偏的。此時，x1被稱作「內生」的解釋變數，這就是 「內生性」問題。

如果存在內生性，則稱解釋變數為 「內生變數」（endogenous variable）；反之，則稱為 「外生變數」（exogenous variable）。內生性的嚴重後果是使得 OLS估計量不一致（inconsistent），即無論樣本容量多大，OLS 估計量也不會收斂至真實的參數值 。

在計量經濟學中，把所有與擾動項相關的解釋變數都稱為「內生變數」。這與一般經濟學理論中的定義有所不同。1.與誤差項相關的變數稱為內生變數(endogenous variable)。2.與誤差項不相關的變數稱為外生變數(exogenous variable)。

即X影響Y，但Y也同時影響X。
例如：創業與幸福的關系：到底是創業者更幸福還是幸福的人更願意去創業

若在模型設定中，某些不可觀測的變數或重要變數被忽略，但它同時影響X與Y，也會導致內生性問題，即產生了因忽略變數導致的內生性問題。
例如：「吃冰激凌」會導致「溺亡」？
x是「吃冰激凌」人數，y是「溺亡」人數。如果把二者進行回歸會發現高度的顯著性。顯然，「吃冰激凌」是不會導致「溺亡」。這種估計的偏誤主要是模型中遺漏了一個重要的因素，那就是溫度。溫度升高時，游泳的人數會變多且溺亡人數上升，同時吃冰激凌的人也增多。也就是說溫度是共同影響「吃冰激凌人數」與「溺亡人數」的重要變數，如果模型在中遺漏溫度變數，則導致結果出現嚴重的偏誤。

解釋變數X的測量誤差與X相關，該測量誤差又被合並到誤差項中。因此，X具有內生性問題。

工具變數的思想其實很簡單。雖然內生變數是 「壞」 的變數（與擾動項相關），但仍可能有 「好」 的部分（與擾動項不相關的部分），正如壞人通常也有好的一面。如果能將內生變數分解為內生部分與外生部分之和，則可能使用其外生部分得到一致估計。

而要實現這種分離，通常需要藉助另一變數，即 「工具變數」（Instrumental Variable，簡記 IV），因為它起著工具性的作用。

工具變數要與擾動項不相關，也被稱為「排他性約束或工具變數的效度( validity)。工具變數要能夠幫助內生變數分離出一個外生部分，則工具變數自身必須是 「干凈」的，即滿足 「外生性」（ 與擾動項不相關）。這里的外生性意味著工具變數影響被解釋變數的唯一渠道是通過與其相關的內生解釋變數，它排除了所有其他的可能影響渠道。

工具變數要與內生解釋變數高度相關，即工具變數影響內生解釋變數的力度( powerful condition要大。也就是說，Cov(X，Z)要大。

所謂「內生性檢驗」說的是你的模型中是否存在內生性問題。原假設是不存在內生性問題，即，你所懷疑的內生變數與干擾項不相關。從結果來看，無法拒絕原假設，即，不存在內生性問題。如果是這樣的，後續的檢驗可能就不需要了，之際做 OLS 即可，它更為有效。

所謂「過度識別檢驗」說的是，你的工具變數與干擾項不相關，這是保證工具變數合理性的另一個要求。原假設是所有的工具變數與干擾項都不相關。從 Sargan 結果來看，無法拒絕原假設，表明不存在過度識別問題。

所謂「弱工具變數檢驗」說的是，你所選擇的一系列工具變數是否與內生變數之間有足夠的相關性。原假設是：工具變數與內生變數不相關。從你的結果來看，拒絕了這個原假設，意味著你選的工具變數與內生變數有統計上顯著的相關性。

https://bbs.pinggu.org/thread-4790089-3-1.html
企業數字化、專用知識與組織授權

❽ 計量經濟學中x與y到底哪個是回歸元與回歸子呀 龐皓的書里x是回歸元,王少平的書里x卻是回歸子

回歸元就是回歸子,說法不同而已

❾ 計量經濟學中對設計的模型中的參數如何理解

計量經濟學中對設計的模型中的參數的理解：
一是樣本與母體的一致性問題。計量經濟學模型的參數估計，從數學上講，是用從母體中隨機抽取的個體樣本估計母體的參數，那麼要求母體與個體必須是一致的。
例如，估計煤炭企業的生產函數模型，只能用煤炭企業的數據作為樣本，不能用煤炭行業的數據。那麼，截面數據就很難用於一些總量模型的估計。
例如，建立煤炭行業的生產函數模型，就無法得到合適的截面數據。

計量經濟模型包括一個或一個以上的隨機方程式，它簡潔有效地描述、概括某個真實經濟系統的數量特徵，更深刻地揭示出該經濟系統的數量變化規律。是由系統或 方程組成，方程由變數和 系數組成。其中，系統也是由 方程組成。 計量經濟模型揭示經濟活動中各個因素之間的 定量關系，用隨機性的數學方程加以描述。
廣義地說，一切包括經濟、 數學、統計三者的模型；
狹義地說，僅只用 參數估計和假設檢驗的 數理統計方法研究經驗數據的模型。