目录

  • 1 导论
    • 1.1 什么是计量经济学
    • 1.2 计量经济学一般方法
    • 1.3 计量经济学的内容体系
    • 1.4 计量经济学应用问题
  • 2 大数据预处理
    • 2.1 数据采集
    • 2.2 数据质量
    • 2.3 数据预处理
  • 3 经典线性回归模型
    • 3.1 回归分析的概述
      • 3.1.1 回归分析的含义
      • 3.1.2 总体回归函数
      • 3.1.3 随机误差项
      • 3.1.4 样本回归函数
    • 3.2 线性回归模型和基本假定
    • 3.3 线性回归模型的参数估计
      • 3.3.1 普通最小二乘估计
      • 3.3.2 矩估计
      • 3.3.3 极大似然估计
    • 3.4 线性回归模型的统计检验
      • 3.4.1 置信区间检验
      • 3.4.2 显著性检验
      • 3.4.3 拟合优度检验
      • 3.4.4 方程显著性检验
    • 3.5 线性回归模型的预测
      • 3.5.1 均值预测
      • 3.5.2 个值预测
    • 3.6 可线性化的非线性回归模型
      • 3.6.1 双对数线性模型
      • 3.6.2 半对数线性模型
      • 3.6.3 双曲线函数模型
      • 3.6.4 生长曲线函数模型
      • 3.6.5 多项式回归模型
    • 3.7 双变量线性回归模型的延伸
      • 3.7.1 过原点回归模型
      • 3.7.2 测量单位与标准化回归
  • 4 经典线性回归模型的拓展
    • 4.1 多重共线性
      • 4.1.1 多重共线性的性质
      • 4.1.2 多重共线性的后果
      • 4.1.3 多重共线性的诊断
      • 4.1.4 多重共线性的补救
    • 4.2 异方差
      • 4.2.1 异方差的性质
      • 4.2.2 异方差的后果
      • 4.2.3 异方差的检验
      • 4.2.4 异方差的补救
    • 4.3 自相关
      • 4.3.1 自相关的性质
      • 4.3.2 自相关的后果及估计问题
      • 4.3.3 自相关的检验
      • 4.3.4 自相关的补救
    • 4.4 联立方程模型
      • 4.4.1 联立方程模型简介
      • 4.4.2 联立方程的识别
      • 4.4.3 联立方程的估计
    • 4.5 内生性问题
      • 4.5.1 内生解释变量及后果
      • 4.5.2 内生性问题的解决方法
    • 4.6 大数据场景案例分析
  • 5 虚拟变量回归模型
    • 5.1 虚拟变量的数值化
    • 5.2 虚拟解释变量加法模型与乘法模型
    • 5.3 虚拟变量的特殊应用
      • 5.3.1 虚拟变量应用一结构变化与政策调整
      • 5.3.2 分段线性回归
      • 5.3.3 虚拟变量应用一季节波动
      • 5.3.4 交互效应分析
    • 5.4 虚拟变量的综合应用
  • 6 离散与受限因变量模型
    • 6.1 线性概率模型
    • 6.2 Logit模型
    • 6.3 Probit模型
    • 6.4 Tobit模型
  • 7 计数模型
    • 7.1 泊松回归模型
    • 7.2 负二项回归模型
    • 7.3 零膨胀回归模型
    • 7.4 计数模型综合示例
    • 7.5 大数据场景案例分析
  • 8 高维数据的套索回归模型
    • 8.1 高维数据与正则化方法
    • 8.2 套索回归模型
    • 8.3 超参数的设定
    • 8.4 模型估计与评估
    • 8.5 案例分析
计量经济学一般方法
  • 1 视频
  • 2 测验

一、计量经济学方法的内容 
       任何计量经济研究包含两个基本要素:理论和事实,计量经济学的主要功能就是将这两个要素结合在一起。计量经济研究将二者结合起来,用统计技术估计经济关系。 
       理论是任何计量经济研究的基本要素,但理论必须以一种可用的形式给出。对于计量经济学来说,最可用的形式,就是模型(model)的形式,具体地说,就是计量经济模型。模型概括了与所研究的系统相关的理论,是理论用于实证研究的最方便的方式。任何计量经济研究的一个必不可少的部分是模型的设定,也就是构筑一个能够恰当地表示所研究现象的计量经济模型。
       计量经济研究的另一个基本要素是事实,指的是现实世界中与所研究现象相联系的事件。这些事实导致代表相关事实的一组数据。一般来说,数据必须以各种方式进行加工,使它们能够适合于计量经济研究的使用。这种加工包括各式各样的调整,如季节调整、插值、不同数据源的合并,以及使用其它信息来修正数据等等,结果是一组加工好的数据。
       计量经济研究方法的下一步也是核心一步,是两个基本要素的结合,即用加工好的数据估计计量经济模型。这一步需要使用一批计量经济技术。计量经济技术是经典统计学方法特别是统计推断技术的扩展。这种扩展是必要的,因为在估计计量经济模型时会遇到一些特别的问题。 
      上述过程的结果是一个估计好的计量经济模型,所谓估计模型就是依据有关数据估计模型的参数,估计好的模型可用于计量经济学的三个主要目的:结构分析,预测和政策评价。
二、计量经济分析的步骤 
    (1)陈述理论(或假说) 
       首先要做的是查找一下有关价格变动与需求量之间关系的经济理论,众所周知的需求定律告诉我们:其他条件不变的情况下,一商品的价格上升,则该商品的需求量减少;反之,价格下降,需求量增加。简言之,一商品的价格与其需求量之间呈反向关系,即需求曲线斜率为负。 
    (2)建立计量经济模型 
       在模型中,等号左边的变量称为因(应)变量(dependent variable) 或被解释变量(explained variable),等号右边的变量称为自变量(independent variable)或解释变量(explanatory variable),在我们的例子中,需求量(Q)是因变量,价格(P)是解释变量,意味着我们用价格的变动来解释需求量的变动。 
       模型假定价格(P)与需求量(Q)之间的一种精确的或确定的关系,也就是说,对于一个给定的价格,就确定一个唯一的需求量。在现实的经济变量之间,极少存在这种关系,更常见的是不精确的关系。 
       为了解决这个问题,我们用一个“一揽子”变量u加进原数学模型中, u代表所有影响Q的其它因素的影响,u称为扰动项或误差项。扰动项u可以理解为这样一个变量,它反映的是除了价格以外的其它所有帮助决定需求量的因素。这些因素包括相对而言不重要因而未引入模型的变量(如消费者的口味,他们的收入,替代商品的价格等),还包括纯粹的随机因素。 
    (3)收集数据 
       在估计所设定的计量经济模型的参数之前,我们必须首先得到适当的数据。计量经济分析所需要的数据,既可来自各种官方统计资料,亦可通过调查获得。在经验分析中常用的数据有两种:时间序列数据和横截面数据(time series and cross-section)。 
    (4)估计参数 
       用最小二乘法进行参数的估计,具体内容将在后面的课程中详细讨论。 
    (5)假设检验 
       估计好需求函数后,我们可能想知道估计的模型是否有经济意义,即得到的结果是否符合所依据的经济理论。 
    (6)预测和政策分析 
        将模型进行实际应用。