為什麼計量經濟學沒有z檢驗

A. 計量經濟學沒有抽樣為什麼要做假設檢驗

隨機擾動項在計量經濟學模型中占據特別重要的地位，也是計量經濟學模型區別於其它經濟數學模型的主要特徵。將影響被解釋變數的因素集進行有效分解，無數非顯著因素對被解釋變數的影響用一個隨機擾動項（stochasticdisturbanceterm）表示，並引入模型。顯然，隨機擾動項具有源生性。在基於隨機抽樣的截面數據的經典計量經濟學模型中，這個源生的隨機擾動項滿足Gauss假設和服從正態分布。在確定性模型中引入隨機擾動，並不是為了掩蓋確定性模悔衡型的不足之處。因此，如果所謂的未被解釋的隨機擾動並不是真正的不能被解釋的因素，模型就是不適當的。牢記這一點對計量經濟學是非常重要的。統計推斷的理論不像確定性理論那樣，會被僅僅一個不符實際的觀察否定。引入隨機要素後，對預期結果的描述從確切的表述轉化為可能性的描述，除非有占優證據（占優本身則是很難清楚界定的），很難否定隨機模型。當然，如果未被解釋的隨機擾動並不是真正的不能被解釋的因素，即使這樣的模型難以被否定，也是建模者自欺欺人。不幸的是，Greene的擔憂在很多情況下成了現實：在很多計量分析中，隨機誤差項成了確定性模型不足之處的遮羞薯凱布。在大部分計量經濟學教科書中，在第一次引入隨機擾動項的概念時，都將它定義為「被解釋變數觀測值與它的期望值之間的離差」，並且將它與隨機誤差項(stochasticerrorterm)等同。一個「源生」的隨機擾動項變成了一個「衍生」的誤差。而且在解釋它的具體內容時，一般都在「無數非顯著因素對被解釋變數的影響」之外，加上諸如「變數觀測值的觀測誤差的影響」、「模型關系的設定誤差的影響」等。將「源生」的隨機擾動變成「衍生」的誤差，有許多理由可以為此辯解。如果不對數據生成過程的理論結構作出假定，即進行模型總體設定，就無從開始模型研究。但不幸的是，相對於物理學，經濟學家對經濟現實所知較少，模型總體被研究者有限的知識所確定，因此誤差在所難免，只能將總體原型方程的誤差項設定為衍生性的。問題在於，關於隨機擾動項的Gauss假設，以及一般未包括於Gauss假設之中的正態性假設，都是基於「源生」的隨機擾動而成立的。如果存在模型設定誤差、變數觀測誤差等確定性誤差，並將它們歸入「隨機誤差項」，那麼它很難滿足這些基本假設，進而進行的統計推斷就缺少了基礎。補救的方法是檢驗，對於實際應用模型的隨機誤差項進行是否滿足基本假設的檢驗，其中最重要的是正態數前喚性檢驗。但是，在實際上，人們最容易忽視的正是最重要的是正態性檢驗。為什麼？一方面是主觀上的，認為正態性是由中心極限定理所保證的，無須檢驗。另一方面是客觀上的，如果進行了正態性檢驗，而檢驗表明確實不滿足正態性假設，又能怎麼樣？要麼放棄研究，要麼視而不見。

B. 計量經濟學rss. tss. ess. 是什麼 他們的關系是什麼

RSS: Resial Sum of Squares 殘差平方和：用連續曲線近似地刻畫或比擬平面上離散點組，以表示坐標之間函數關系的一種數據處理方法。用解析表達式逼近離散數據的一種方法。

TSS: Total Sum of Squares 總離差平方和/總平方和：反映全部數據誤差大小的平方和。

ESS: Explained Sum of Squares 回歸平方和/解釋平方和：反映自變數與因變數之間的相關程度的偏差平方和。

RSS，TSS，ESS的關系是：TSS=RSS+ESS。

(2)為什麼計量經濟學沒有z檢驗擴展閱讀：

殘差平方和的性質：

性質1 只有常數項沒有其他解釋變數的回歸方程的RSS和TSS相等，其決定系數為0。

性質2 增加解釋變數必然導致RSS減小。因此，如果想降低RSS，只要在回歸方程中盡可能地加入解釋變數就能達到目的。

性質3 包含常數項全部解釋變數的個數K等於樣本數n時，RSS為0，決定系數為1。

F檢驗和t檢驗之間的關系：

在一些場合t檢驗不僅可以進行雙側檢驗，也可以進行單側檢驗。而F檢驗沒有單側和雙側的區別。當進行雙側檢驗的時候兩種檢驗的P值相同。

C. 計量經濟學的Z檢驗，如何使用啊。

別急，銀碰友z-test 的分布表網上隨便下載的。z-test 適用於大型數據，多餘30個個體以上，如果知道標准差，那最好用z!
z 的毛病很多，對數據要求太多鋒槐，所以一般能用t就用t。你既然z的值都出來了，那就更好，說明你數據挺完吵拍美。
z和t的實際區別還真的不大，用途也差不多。不然EV也不會隨便給你換結果了。

D. 為什麼SPSS里只有t檢驗沒有Z檢驗

總體服從正態分布的數據在小樣本時呈現為t分布形態梁灶，而服從t分布的數據在樣本較大時會汪渣鬧漸近於正態分布，也就是無論樣本大小，均可以使用T檢驗。但對於Z檢驗來說，它一定需要數據是正態分布的，小樣本時服從t分布而不是正態，所以z檢驗通常用在大樣本時而不是小樣本時，顯然t檢驗的使用條件比z檢驗寬松，可以完困罩全替代z檢驗。因此spss只有t檢驗，如果你想做z檢驗，用t檢驗替代即可

E. 計量經濟學有什麼分析方法

1、最小二乘法

這是最簡單的線性回歸模型，只要有一個參數、一個誤差項就好了。但是它存在很多弊病，比如無法消除內生性（endogeneity）問題，因而經濟學界很少直接用它。如果要直接用最小二乘法，需要滿足幾大假設，條件非常苛刻。

2、工具變數法

工具變數法是現今經濟學界很流行的一種計量方法，它採用一種和自變數蔽頌X無關的外生變數Z來作為一種「工具」，從而解決了內生性的問題。

3、雙重差分法

雙重差分法用時間和實驗、對照組兩個維度的變數，進行雙重差分，這種方法分析非常有效，不過數據收集量大，對數據質量要求高。

(5)為什麼計量經濟學沒有z檢驗擴展閱讀：

計量經濟學的學習方法：

1、研究對象發生了較大變化

即從研究確定性問題轉向非確定性問題，其對象的性質和意義將發生巨大的變化。因此，在方法的思路上、方法的性質上和方法的結果上，都將出現全新的變化。

2、研究方法發生根本變化

計量經濟學方法的基礎是概率論和數理統計，是一種新的數學形式。學習中要十分注意其基本概念和方法思路的理解和把握，要充分認識其方法與其它數學方法的根本不同之處。

3、研究的結果發生了變化簡手

理論計量經濟學和應用‎計量經濟學理論計量經濟學（攔並嫌TheoreticalEconometrics）以介紹、研究計量經濟學的理論與方法為主要內容，側重於理論與方法的數學證明與推導，與數理統計聯系極為密切。

理論計量經濟學除了介紹計量經濟學模型的數學理論基礎和普遍應用的計量經濟學模型的參數估計方法與檢驗方法外，還研究特殊模型的估計方法與檢驗模型。

參考資料來源：網路—計量經濟學

F. 為什麼伍德里奇計量經濟學簡單線性回歸模型中沒有ui和uj不相關的假定

ui和uj是否相關並不影響參數估計的無偏性。即使存在序列相關，參數估計仍是無偏的，迅缺只不過顯著性會有所下降。
在實際應用中，如果結果是顯著的，完全可以不考慮序列是畝隱辯否相關。當然如果結果是不顯著的，就要看原因了。如果攜敏你認為結果應該顯著，可是由於數據上的自相關導致顯著性下降，就要對序列相關進行處理了。

G. 如何用R做計量經濟學

CRAN任務視空宏圖：計量經濟學
線形回歸模型（Linear regression models）
ž 線形模型可用stats包中lm()函數通過OLS來擬合，該包中也有各種檢驗方法用來比較模型，如：summary() 和anova()。
ž lmtest包里的coeftest()和waldtest()函數是也支持漸近檢驗（如：z檢驗而不是檢驗，卡方檢驗而不是F檢驗）的類似函數。
ž car包里的linear.hypothesis()可檢驗更一般的線形假設。
ž HC和HAC協方差矩陣的這些功能可在sandwich包里實現。
ž car和lmtest包還提供了大量回歸診斷和診斷檢驗的銷桐方法。
ž 工具變鬥鬥冊量回歸（兩階段最小二乘）由AER包中的ivreg()提供，其另外一個實現sem包中的tsls()。
微觀計量經濟學（Microeconometrics）
ž 許多微觀計量經濟學模型屬於廣義線形模型，可由stats包的glm()函數擬合。包括用於選擇類數據（choice data）的Logit和probit模型，用於計數類數據（count data）的poisson模型。這些模型回歸元的值可用effects獲得並可視化。
ž 負二項廣義線形模型可由MASS包的glm.nb()實現。aod包提供了負二項模型的另一個實現，並包含過度分散數據的其它模型。

H. 要檢驗兩正態總體的方差是否相等需要用什麼檢驗

要檢驗兩正態總體的方差是否相等需要用Z檢驗。

方差簡介：

方差是各個數據與其算術平均數的離差平方和的平均數，通常以σ2表示。方差的計量單位和量綱不便於從經濟意義上進行解釋，所以實際統計工作中多用方差的算術平方根——標准差來測度統計數據的差異程度。方差和標准差是測度數據變異程度的最重要、最常用的指標。

標准差又稱均方差，一般用σ表示。方差和標准差的計算也分為簡單平均法和加權平均法，另外啟畢，對於總體數據和樣本數據，公式略有不同。

I. 計量經濟學中的模型已經採用了最小二乘法估計，為什麼還要進行擬合優度檢驗

計量經濟學其實是這樣的：
比如說，有很多個變數，a b c一直到z。我們想找a受到什麼變數的影響，真正的關系是，
a=常數＋2b+3c＋殘差 ，只有b和c會影隱虧響到a，其他都不影響。
但是，這個具體的模型我們並不知道，計量經濟學的任務就是去猜這個關系。我們在猜這個關系的時候，a到z所有的數據都有，但是到底哪些會影響a呢？那麼就靠我們猜咯，用計量的各種工具猜。
那麼我們猜出來的模型，比如說是這樣的，a=常數＋2b+3e。我們猜出來的這個模型和真正的模型a=常數＋2b+3c不一樣。但是也不是說都是沒用的，因為裡面有b，b可以解釋一部分a。這時候給我們自己這個模型打分，就是擬合優度，具體說，就是看看到底解釋了多少a。

另外，用不用最小二乘和擬合優度檢驗沒關系。最小二乘是我們猜模型的方法，擬合優度就是檢驗毀敬你猜的好不好纖攜慎