計量經濟學怎麼取對數去回答

❶ eviews怎麼對負數求對數

一般不對利率、收益率等百分率為單位的變數取對數。
對數變數的系數描述的是變化率對被解釋變數的影響。利率的水平值變化一單位，本身就表示變化率了。
EViews是EconometricsViews的縮寫，通常稱為計量經濟學軟體包。是專門為大型機構開發的、用以處理時間序列數據的時間序列軟體包的新版本。EViews是EconometricsViews的縮寫，直譯為計量經濟學觀察，通常稱為計量經濟學軟體包。它的本意是對社會經濟關系與經濟活動的數量規律，採用計量經濟學方法與技術進行「觀察」。計量經濟學研究的核心是設計模型、收集資料、估計模型、檢驗模型、應用模型（結構分析、經濟預測、政策評價）。EViews是完成上述任務比較得力的必不可少的工具。正是由於EViews等計量經濟學軟體包的出現，使計量經濟學取得了長足的進步，發展成為一門較為實用與嚴謹的經濟學科。
EViews是專門為大型機構開發的、用以處理時間序列數據的時間序列軟體包的新版本。EViews的前身是1981年第1版的MicroTSP。雖然EViews是經濟學家開發的，而且主要用於經濟學領域，但是從軟體包的設計來看，EViews的運用領域並不局限於處理經濟時間序列。即使是跨部門的大型項目，也可以採用Eviews進行處理。EViews處理的基本數據對象是時間序列，每個序列有一個名稱，只要提及序列的名稱就可以對序列中所有的觀察值進行操作，EViews允許用戶以簡便的可視化的方式從鍵盤或磁碟文件中輸入數據，根據已有的序列生成新的序列，在屏幕上顯示序列或列印機上列印輸出序列，對序列之間存在的關系進行統計分析。EViews具有操作簡便且可視化的操作風格，體現在從鍵盤或從鍵盤輸入數據序列、依據已有序列生成新序列、顯示和列印序列以及對序列之間存在的關系進行統計分析等方面。EViews具有現代Windows軟體可視化操作的優良性。可以使用滑鼠對標準的Windows菜單和對話框進行操作。操作結果出現在窗口中並能採用標準的Windows技術對操作結果進行處理。此外，EViews還擁有強大的命令功能和批處理語言功能。在EViews的命令行中輸入、編輯和執行命令。在程序文件中建立和存儲命令，以便在後續的研究項目中使用這些程序。

❷ 計量經濟中,加權最小二乘法是求l對數嗎

計量經濟中，加權最小二乘法是求l對數。根據查詢相關資料信息顯示：計量經濟學是以一定的經濟理論和統計資料為基礎，運用數學、統計學方法與電腦技術，加權最小二乘法是對原模型進行加權，在計量經濟中，加權最小二乘法是求l對數。

❸ 計量經濟學模型為什麼要取對數

計量經濟學模型通常是為避免偽回歸，消除異方差，在不改變時間序列的性質及相關性的前提下，為獲得平穩數據，通常會對時間序列取自然對數。對數據進行平穩性檢驗是研究中不可或缺的步驟，因為時間序列分析法只適用於平穩的數據。

關於對數的問題，若是自己選取的變數數據，裡面有部分小於0，或者負數，需要重新考量下，看是否數據或者其他問題，此時肯定是沒法取對數。

(3)計量經濟學怎麼取對數去回答擴展閱讀：

計量經濟學模型取對數作用主要有：縮小數據的絕對數值，方便計算。例如，每個數據項的值都很大，許多這樣的值進行計算可能對超過常用數據類型的取值范圍，這時取對數，就把數值縮小了，例如TF-IDF計算時，由於在大規模語料庫中，很多詞的頻率是非常大的數字。

取對數後，可以將乘法計算轉換成加法計算。某些情況下，在數據的整個值域中的在不同區間的差異帶來的影響不同。

❹ 計量經濟學問題

不知從何時起，解答計量問題成了我日常生活的一部分。天南海北的讀者與同道提出了各種各樣的計量問題。這里摘取少量的典型問題，希望對從事實證研究的朋友有幫助。
1、在什麼情況下，應將變數取對數再進行回歸？
答：可以考慮以下幾種情形。
，如果理論模型中的變數為對數形式，則應取對數。比如，在勞動經濟學中研究教育投資回報率的決定因素，通常以工資對數為被解釋變數，因為這是從Mincer模型推導出來的。
第二，如果變數有指數增長趨勢（exponential growth），比如 GDP，則一般取對數，使得 lnGDP 變為線性增長趨勢（linear growth）。
第三，如果取對數可改進回歸模型的擬合優度（比如 R2 或顯著性），可考慮取對數。
第四，如果希望將回歸系數解釋為彈性或半彈性（即百分比變化），可將變數取對數。
第五，如果無法確定是否該取對數，可對兩種情形都進行估計，作為穩健性檢驗（robustnesscheck）。若二者的回歸結果類似，則說明結果是穩健的。
2、如何理解線性回歸模型中，交互項（interactive term）系數的經濟意義？
答：在線性回歸模型中，如果不存在交互項或平方項等非線性項，則某變數的回歸系數就表示該變數的邊際效應（marginal effect）。比如，考慮回歸方程
y = 1 + 2x + u
其中， u 為隨機擾動項。顯然，變數x 對 y 的邊際效應為 2，即 x 增加一單位，平均而言會使 y 增加兩單位。考慮在模型中加入交互項，比如
y = α + βx + γz + δxz+ u
其中， x 與 z 為解釋變數，而 xz 為其交互項（交叉項）。由於交互項的存在，故x 對 y 的邊際效應（求偏導數）為β + δz，這說明 x 對 y 的邊際效應並非常數，而依賴於另一變數z 的取值。如果交互項系數 δ 為正數，則 x 對 y 的邊際效應隨著 z 的增加而增加（比如，勞動力的邊際產出正向地依賴於資本）；反之，如果δ 為負數，則 x 對 y 的邊際效應隨著z 的增加而減少。
3、在一些期刊上看到回歸模型中引入控制變數。控制變數究竟起什麼作用，應該如何確定控制變數呢？
答：在研究中，通常有主要關心的變數，其系數稱為 「parameterof interest」 。但如果只對主要關心的變數進行回歸（極端情形為一元回歸），則容易存在遺漏變數偏差（omittedvariable bias），即遺漏變數與解釋變數相關。加入控制變數的主要目的，就是為了盡量避免遺漏變數偏差，故應包括影響被解釋變數 y 的主要因素（但允許遺漏與解釋變數不相關的變數）。
4、很多文獻中有 「穩健性檢驗」 小節，請問是否每篇實證都要做這個呢？具體怎麼操作？
答：如果你的論文只匯報一個回歸結果，別人是很難相信你的。所以，才需要多做幾個回歸，即穩健性檢驗（robustness checks）。沒有穩健性檢驗的論文很難發表到好期刊，因為不令人信服。穩健性檢驗方法包括變換函數形式、劃分子樣本、使用不同的計量方法等，可以參見我的教材。更重要的是，向同領域的經典文獻學習，並模仿其穩健性檢驗的做法。
5、對於面板數據，一定要進行固定效應、時間效應之類的推敲么？還是可以直接回歸？我看到很多文獻，有的說明了使用固定效應模型的原因，有的則直接回歸出結果，請問正確的方法是什麼？
答：規范的做法需要進行豪斯曼檢驗（Hausman test），在固定效應與隨機效應之間進行選擇。但由於固定效應比較常見，而且固定效應模型總是一致的（隨機效應模型則可能不一致），故有些研究者就直接做固定效應的估計。
對於時間效應也同時考慮，比如，加入時間虛擬變數或時間趨勢項；除非經過檢驗，發現不存在時間效應。如果不考慮時間效應，則你的結果可能不可信（或許x 與 y 的相關性只是因為二者都隨時間而增長）。
6、如何決定應使用二階段最小二乘法（2SLS）還是廣義矩估計（GMM）？
答：如果模型為恰好識別（即工具變數個數等於內生變數個數），則GMM完全等價於2SLS，故使用2SLS就夠了。在過度識別（工具變數多於內生變數）的情況下，GMM的優勢在於，它在異方差的情況下比2SLS更有效率。由於數據或多或少存在一點異方差，故在過度識別情況下，一般使用GMM。
7、在面板數據中，感興趣的變數x 不隨時間變化，是否只能進行隨機效應的估計（若使用固定效應，則不隨時間變化的關鍵變數 x 會被去掉）？
答：通常還是使用固定效應模型為好（當然，可進行正式的豪斯曼檢驗，以確定使用固定效應或隨機效應模型）。如果使用固定效應，有兩種可能的解決方法：
（1）如果使用系統GMM估計動態面板模型，則可以估計不隨時間而變的變數x 的系數。
（2）在使用靜態的面板固定效應模型時，可引入不隨時間而變的變數 x與某個隨時間而變的變數 z 之交互項，並以交互項 xz （隨時間而變）作為關鍵解釋變數。

❺ 計量經濟學中為什麼要對變數取對數，差分以及對數差分

在進行計量經濟學分析時，使用線性回歸模型需要滿足一定的條件，其中一個關鍵條件是自變數和因變數之間存在線性關系。如果直接使用原始數據，可能無法滿足這一條件，導致回歸分析結果的准確性受到影響。因此，為了使回歸分析更准確，有時需要對變數進行對數轉換。

取對數或其他形式變換的另一個重要原因是，原始數據可能不符合正態分布，這會影響統計推斷的可靠性。然而，對數變換後的數據可能滿足正態分布，從而提高回歸分析的質量。

舉例來說，如果在研究收入與消費的關系時，直接使用原始收入和消費數據進行回歸分析，可能會遇到非線性關系的問題，使得回歸系數的解釋變得復雜。通過取對數，可以將這種非線性關系轉化為線性關系，便於回歸分析。

此外，對數變換還有助於消除數據中的異方差性問題。例如，當原始數據中存在較大的數值波動時，對數變換可以穩定這種波動，使得回歸模型更加穩健。

總之，對變數取對數、差分或對數差分，主要是為了提高回歸模型的適用性和准確性。通過對數變換，可以使數據滿足線性回歸的假設條件，同時提高統計推斷的可靠性。

❻ 為什麼求彈性要取對數

求彈性要取對數是因為：計量經濟學模型通常是為避免偽回歸，消除異方差，在不改變時間序列的性質及相關性的前提下，為獲得平穩數據，通常會對時間序列取自然對數。

對取對數以後的數據進行線性回歸，其前面的參數表示的就是百分比變化率(dlnx=dx/x)，也就是彈性，這是一個很好的性質。就回歸分析而言，標准化不是必要的，因為標准化是數據的線性變換，不影響估計的顯著性。

計量模型一般不進行標准化，保持變數的原汁原味，方便估計結果的解釋。多元統計里經常要標准化，如主成份分析，因子分析等。

在單方程模型中

變數分為兩類。作為研究對象的變數，也就是因果關系中的「果」，例如生產函數中的產出量，是模型中的被解釋變數；而作為「原因」的變數，例如生產函數中的資本、勞動、技術，是模型中的解釋變數。確定模型所包含的變數，主要是指確定解釋變數。

可以作為解釋變數的有下列幾類變數：外生經濟變數、外生條件變數、外生政策變數和滯後被解釋變數。其中有些變數，如政策變數、條件變數經常以虛變數的形式出現。

❼ 請教一個計量經濟學中對序列取自然對數的問題

你好！
實踐中取ln一般都是對比較大的數列取得，比如說你有什麼全國人口作為自變數十幾億的，你的因變數才是幾十的，如果不把人口取對數很可能就不顯著
如果對你有幫助，望採納。