❶ 为什么在计量经济模型中存在随机误差项
好，一楼的解释
不同意，因为一楼给出的例子是错的。计量经济学解决异常值问题并不是通过随机扰动项，而是通过扩大样本这种较为直接的方法，即虽然有一两家单月支出较大，但是被茫茫的支出数额较平均的家庭大军所淹没，异常值不会对模型本身产生太大影响。
随机扰动项
习惯称之为随机误差项，包含的是模型主要变量以外的信息。
仍用居民支出举例，如：
y=ax1+bx2+c+随机误差项..........(1)
y代表居民支出；x1代表居民收入；x2代表家庭财富；c是常数，即居民基本消费。这时，随机误差项代表的是：gdp、消费者价格指数、工业品价格指数、本币汇率、大宗商品价格指数、房价均值、子女教育费均值等等等等。
知道，收入和财富是决定居民支出较为直接的变量，所以
将其引入模型中，而宏观经济情况和价格水平都是间接影响着居民支出的。如果
需要更详细全面的模型，那么
需要引入更多的变量；但引入更多变量的成本也较大，比如多重共线、自相关问题等等。所以模型利用随机误差项将该部分庞大而对因变量影响不大的变量们都统一在一起表示，并且由于这些变量们对因变量的影响有正有负亦可相互抵消，只是影响模型的设定全面性而已。虽然如此，任意将模型的变量放入随机误差项也是不对的，比如：上述模型可以改为：
y=ax1+c+随机误差项..........(2)
可以看到，家庭财富被挪入随机误差项，这是可以的，但是模型存在设定偏误，即模型忽略了家庭富足，而收入不高，靠有钱的老爹过着花天酒地生活的人群，而这种人群
不能证明其是大还是小，就很有可能对模型产生较大影响。好吧，直接公布答案，通过很多学者的研究，在模型（1）中
得到的那条曲线更真实，所以
刚才说的那种靠爹吃饭的人还真不是少数。所以模型（2）是有问题的。当然这不证明模型（1）就完全没有问题，模型（1）存在较为严重的多重共线问题，即收入和家庭财富是相关性非常高的。不管他，扯远了，
是为了解释随机误差项的含义，怎么合理利用需要大量的阅读……
如果
让
从数学式上对随机误差项进行解释，
只能说其期望值是0，方差好像是1，忘记了。刚才说的模型（2）至少就不符合期望值是0的假设，所以模型（2）是有问题的。当然这都是理论的假设前提，在这些前提下，模型是有效的，
也称之为blue，如果前提被破坏，
就要对模型进行调整和修正以使之回归blue的结果。所谓blue就是模型符合：无偏性、有效性、一致性。无偏性就是估计值的期望值等于实际值；有效性就是估计值是方差最小的；一致性就是估计值依概率收敛到实际值
❷ 从中介语理论和偏误分析的角度谈谈如何对待偏误以及如何纠正学生的偏误请高手指点！
学生形成偏激自负的个性往往是由于：
（1）盲目的自行心。有些学生从小听惯了表扬，沉溺于赞扬声中，盲目自信，心理膨胀。
（2）不能正确评价自己。由于活动范围的限制，有些学生不能真正理解“天外有天，人外有人”的含义，总是自以为是，以为自己是最好的，影响对自己的正确认识。
（3）认识问题偏颇。有些学生受家庭和一些书籍影响，习惯从一个固定视角看待一切事物。甚至是从灰色视角看问题。比如教师批评学生，本是出于为他好，可他偏认为是教师故意整人，老师的教育听也听不进去。
主要通过以下几方面对其进行教育：
（1）学会正确评价自己，有个正常的自我体验、自我认识才能免除偏激。
（2）应学会正确对待他人。青少年对待他人、看待问题容易片面，所以对该类学生硬碰硬不是最好的策略，应讲情道理、提高认识。
（3）学会真诚待人，不要总对别人设防。教师要通过沟通交流彼此分享信息、情感，就能学会对人真诚。
（4）锻炼自制力。许多同学偏执、自负是因为缺乏自制力造成的。因此，有意识的通过一些挫折，磨练学生的意志力，使其养成良好的自我控制能力，对于其将来步入社会时有好处。
❸ 计量经济学模型设定偏误在eviews中怎样做
很多模型都可以计算标准误的
❹ 设定误差产生的原因是什么好的计量经济学模型具有哪些性质
1、设定误差产生的原因是：
（1）模型的制定者不熟悉相应的理论知识；
（2）对经济问题本 身认识不够或不熟悉前人的相关工作；
（ 3） 模型制定者缺乏相关变量的数据；
（4）解释变量无法测量或数据本身存在测量误差。
2、一个好的计量经济学模型应当具有如下性质：
（1）随机干扰项的期望值为0；
（2）消除了异方差，即总体回归函数中的随机误差项满足同方差性；
（3）解释变量无多重共线性；
（4）消除了模型中由于惯性、设定偏误、滞后等带来的自行关。
❺ 如何理解样本选择偏差问题
1、在微观计量经济学中最常见的问题之一是样本选择问题。在一般的统计或计量经济学研究中,用于估计所研究系统的参数的数据依赖于从总体中抽取的样本。
2、如果所抽取的样本是随机的,即以类似“抽签”的方式获得的样本,根据这些样本数据所估计的各种参数能够准确反映总体的相关特性,理论上,就是所估计的参数是无偏的和一致的。而且随着抽取的样本越大,其对事件的总体特征分布的描述越是会准确。
3、但是,如果所抽取的样本不是随机的,那么无论其选择的样本容量有多大,则根据这些样本数据所估计的参数就不能准确反映所研究的总体性质的分布。但是,在不同的事件的研究中,大多数抽样都不是随机的,因为事件的总体总是会相当庞大,甚至是没有边界的。因此,多数的抽样只能是在研究者所选择的界定范围和规则内进行,这就可能出现抽样选择的偏差，或是未把相关联的变量放入抽样,或是把不相干的变量放入抽样中。
❻ 计量经济学都有哪些模型啊，具体怎样运用
#计量经济学的定义
计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与电脑技术，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系。主要内容包括理论计量经济学和应用经济计量学。
#计量经济学的研究步骤和方法
确定变量和数学关系式-模型设定；分析变量间具体的数量关系-估计参数；检验所得结论的可靠性-模型检验；经济分析和预测-模型应用
#分布滞后模型估计的困难有哪几个
A．自由度问题。自由度过分损失，到时估计偏差增大，显着性检验失效。
B．多重共线性问题。滞后变量常存在多重共线性。
C．滞后长度难以确定。
#工具变量法
1．与所代替的解释变量高度相关
2．与随机扰动项不相关
3．与其他解释变量不相关，以免出现多重共线性
#虚拟变量的基本概念
虚拟变量是人工构造的取值为0和1的作为属性变量代表的变量
#联立方程模型的区别
A．联立方程组模型由几个单一方程组成。被解释变量不只一个。
B．模型里有随机方程，也有确定性方程，但必含有随机方程。
C．被解释变量和解释变量之间不仅是单向因果关系，也可能互为因果。
D．解释变量可能与随机扰动项相关。
#非完全多重共线性后果：
1.参数估计量方差增大
2.对参数区间估计时，置信区间趋于变大
3.严重时，假设检验容易作出错误判断
4.严重时，可能r2较大和f检验显着性高，但t检验可能不显着，得出错误结论
#多重共线性检验：
1．简单相关系数检验
2．方差扩大因子法
3．直观判断，如回归系数标准差大，或与经济理论背离
4．逐步回归法
#自相关：
经济系统的惯性。经济活动滞后效应。数据处理造成的相关。蛛网现象。模型设定偏误。零均值，低估参数估计值的方差，对模型预测的影响，高估t，f，r2不可靠，对模型影响，降低预测精度。
#异方差：
模型中省略某些重要解释变量。模型设定误差。测量误差的变化。截面数据中总体各单位的差异。无偏，一致，非有效，夸大估计参数的统计显着性，对预测影响，Y的预测非有效。
❼ 修正违背假定的方法
违背基本假定 ：一般违背基本假定的方式有三种:异方差性、序列自相关性和多重共线性
下面介绍三种违背假定的含义及检验和修正方式
1、异方差性
修正
如果模型被证明存在异方差性,则需要发展新的方法估计模型,最常用的方
法是加权最小二乘法wS,也称为广义最小二乘法GLS。原理:对较小的残差平
方赋予较大的权数,对较大的残差平方赋予较小的权数,以对残差提供信息的重
要程度做出一番矫正,提高参数估计的精度。
Eviews中异方差的修正方式:在主菜单选 Quick/ Estimate equation,输入
相应的方程说明和样本,选择LS- Least squares( NlS and ARMA),按 Options
按钮,输入权数序列进行估计。其中权数一般采用1/x或者x,看哪一种消
除异方差的效果更好。
2、序列相关性
如果模型的随机干扰项违背了相互独立的基本假设,称为存在序列自相关性。
在实际经济问题中,可能会因为经济变量固有的惯性、模型设定的偏误、数据处
理等问题而出现序列相关性。一般,对于采用时间序列数据作为样本的计量经济
(3)修正
对存在序列自相关的模型一般使用广义差分法进行修正,可通过LM检验确
学问题,由于在不同样本点上的解释变量以外的其他因素在时间上的连续性,带
定自相关的阶数,然后通过OS方法估计出相关系数p:(以一阶自相关为例)
ut= put-1+ Vt
其中u和u1-1分别为初步利用oLS方法得到的方程的残差和残差的一阶滞后
项。由于 evIews中 resid会随着方程估计的不同而变化,所以要通过
genr u= resid来生成残差序列,再进行估计,得到后进行广义差分变换,变换
后的模型形式为
Y-pYt-1=β1(1-p)+β2(X-pX-1)+v
因为转换后的数据样本量少了一个,可采用 Prais- Winsten变换将第一个样
本观测Y1√1-p2和X√1-P2补充到差分序列中。将相应变换后的数据进行0Ls
估计,检验通过后转换成原回归模型,其中常数项的估计值要相应的除以1-p。
以上方法,在样本量足够大时,也可通过在回归中逐次引入AR(1),AR(2)…进
行0LS估计,直到达到满意的结果为止。
来他们对被解释变量的影响的连续性,所以往往存在序列相关性
3、多重共线性
多重共线性是指在多元回归模型中,违背了经典基本假设中的第2条中的解
释变量之间无共线性,即解释变量之间存在一定的线性关系。一般由于经济变量
之间存在共同的变化趋势、模型解释变量中包含有解释变量的滞后项、模型解释
变量选择不当等问题易导致多重共线性的产生
(3)修正
般通过上述逐步回归法可以找出引起多重共线性的解释变量,将它排除出
去是最为有效的克服多重共线性问题的方法。但是有的时候在排除了某个变量后,
模型的经济意义会发生变化。所以另外一种修正多重共线性的方法是差分法,对
每个序列均减去上期数据,对得到的差分序列进行模型的估计。另外,多重共线
性的主要后果是参数估计量具有较大方差,所以可用通过增大样本量的方式减小
方差,消除多重共线性造成的后果
❽ 如何对测量误差和设定误差的后果进行分析
1、设定误差产生的原因是： （1）模型的制定者不熟悉相应的理论知识； （2）对经济问题本 身认识不够或不熟悉前人的相关工作； （ 3） 模型制定者缺乏相关变量的数据； （4）解释变量无法测量或数据本身存在测量误差。 2、一个好的计量经济学模型应当具有如下性质： （1）随机干扰项的期望值为0； （2）消除了异方差，即总体回归函数中的随机误差项满足同方差性； （3）解释变量无多重共线性； （4）消除了模型中由于惯性、设定偏误、滞后等带来的自行关。
❾ 工具变量估计中有多个内生变量和虚拟变量，如何输入
计量经济学中，如果我们拥有极其多和优质的数据，那么如果所有的变量没有违反经典假设。得到的估计参数将是无偏的，在大样本之下将是一致的估计。我们来看一看经典假设： ols1：模型关于待估计的参数是线性的。 ols2：模型的数据来源问题。对于一般的横截面数据是独立同分布的。 ols3：E(uX)=0。无内生性假定。 ols4：X之间没有完全多重的共线性。 ols5：Var(uX)=a^2（a是一个常数）。 ols6：残差服从独立的相同的正态分布。 其中的ols1----ols4都是要保证估计的参数是一致的。其中的第三个假定就是内生性假定。 现实情况的描述：关于计量经济学中，我们需要估计偏效应。也就是说某一个自变量对因变量的影响问题。如果这个自变量和随机误差不相关，那么我们得到的这个ols的估计参数将是一致的，也可以说是效果良好的。但是现实情况并不是这样的，现实中的变量一般都是内生变量，也就是说两个变量不是单方面的决定作用，而是相互决定的作用。那么一般而言，只要我们测量有误差或者是遗漏变量，那么就可能存在内生性的问题，也就是我们没有办法得到一个一致性的估计。 代理变量和工具变量： 什么是代理变量？——遗漏变量的解决方法。在一个方程中，假设：y=b0+b1*x1+……+bn*xn+u。方程中的变量x和随机误差不相关，或者是我们可以容忍某种程度上的相关性，那么我们可以说我们对于参数的ols地估计值是满意的，但是如果在u中我们能知道某些变量和x相关，而且这个遗漏的变量是比较重要的，那么我们怎么才能得到一个更加好的参数的估计量呢?我们如果能找到一个变量和在u中的遗漏的变量q相关，而且这个变量要和x不相关，那么我们就可以把这个遗漏的变量加入到方程中进行回归。假设我们找到可以在某种程度上反映q的一个变量，或者是一组变量z，那么我们就可以把这个z放到方程中去做ols。得到的参数的估计值要比原先的好一些。但是这里存在问题，也就是z始终不是q，那么在某种程度上没有办法完全代表q。这样也会导致估计的参数存在一定的不一致，但是总是比原来那个没有z条件下估计出来的参数要好一些。但是在一定的情况之下，我们能知道到底是过高的估计，还是过低的估计。因为q=a0+a1*x1+a2*x2……+an*xn+c1*z1+c2*z2……+ck*zk。把这个方程带到原来的方程中（y=b0+b1*x1+……+bn*xn+c*q+u）。那么我们可以得到关于bi的估计值是bi+ai。实际上这个估计值也是有偏的。 实际上参数的估计值的偏向取决于两个因素，第一：遗漏变量q和z之间的关系，也就是协方差是正的还是负的。第二：取决于q和y的关系。如果：cov(q,z)>0且cov(q,y)>0，向上偏误。如果：cov(q,z)>0且cov(q,y)<0，向下偏误。如果cov(q,z)<0且cov(q,y)>0，向下偏误。cov(q,z)<0且cov(q,y)<0，向上偏误。 工具变量方法：工具变量法和代理变量方法是不同的，这个区别千万要注意，理念也是不同的。一般而言，工具变量方法可以解决遗漏变量问题，也可以解决测量误差问题。 现在先说测量误差的解决方法：比如在一个回归中，我们认为其中的一个变量xi有测量误差，而且这个测量误差和u相关，此时我们要找到一个变量z，满足两个条件：1、cov(xi,z)>0，2、cov(z,u)=0。满足这两个条件的情况之下，我们就是使用2sls方法进行回归。首先xi对X（不包括xi）和工具变量集合进行回归（工具变量不一定是一个，可能十多个，那么工具变量就可能是一个集合），进行回归，得到一个拟和的xi。此时做y对X（其中的xi用刚才那个回归中的得到的拟和值来替代）。此时做出的回归是一致的。 现在讨论隐性变量的问题：如何利用工具变量的方法来解决隐性变量的问题？ 隐性变量的问题一般而言可以用上面说过的代理变量来解决，但是那样的结果是有偏的，并且是不一致的。尽管比没有用的时候好，但是如果条件允许，那么我们可以用工具变量的方法来得到一个比代理变量还要好的结果。这个条件就是：如果知道隐性变量q没有办法准确测量或者没有一个公认的测评标准，那么我们可以利用其他与q相关的指标来进行工具变量，但是必须有两个相关的可测的观测值，并且这两个观测值不能有测量误差。此时我们随便利用一个观测指标带到方程中，就可以得到一个有测量误差的回归模型，此时问题就如同测量误差的解决方法一样来解决，假设q1,q2是不同的指标观测值。那么我们可以1、做q1对X和q2的回归，得到拟和值。2、在做y 对X和q1的拟和值回归。此时的得到的就是一致估计量。
❿ 经济计量的内生性问题，为什么随机分配能解决选择性偏误问题
最简单的例子就是wage~ecation，如果你能规定，随机的，这批人只接受初中教育，另外一批人只接受高中教育， 另外一批人接受大学教育，这样就可以剔除其他影响因素而不会出现 wage=》ec，ec=》wage。但是现实不能做这样的实验， 所以引入IV。