计量经济学上机操作过程详解

计量经济学上机操作过程详解
计量经济学上机操作过程详解

上机操作步骤详解及分析

假设检验部分

类型一:会利用软件处理σ2已知关于μ的假设检验以及σ2未知关于μ的假设检验

【例一】某车间用一台包装机包装葡萄糖。袋装糖的净重量是一个随机变量,它服从正态分布。当机器正常运行时,其均值为0.5KG ,标准差为0.015KG 。某日开工后为检验及其运转是否正常,随机的抽取了它所包装的糖9袋,称得净重为(KG ):

0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512

问:机器运转是否正常?(假设样本方差不变) 仍然为上题,但如果方差未知的情况下呢?

因为是研究型假设故

0H :u=0.5 1H :u<>0.5

第一步:将数据移入

第二步:关闭后再次把数据打开,按如下路径打开下一个对话框

第三步:根据已知的均值和标准差输入下列对话框(注意:是标准差,如果题目告诉的是方差,则还要进一步转化成为标准差)

第四步:点击OK后,得到如下结果,并分析

该题的方差已知,故看Z-statistic的P值,因为0.0248

若该题的方差未知,则看t-statistic的P值,结论依然是:在5%的显著性水平下,该机器运转不正常

类型二:会利用软件处理来自两个正态总体均值的假设检验:等方差和异方差【例2】用两种方法(A、B)测定冰从-0.72摄氏度变为0摄氏度的比热。测得下列数据:

2、A方法是否比B方法测得的比热要大?

解析:该题属于双样本的等方差检验,故在EXCEL背景下操作

第一小问:

第一步:移入数据,将原本的两行数据,分别调整为一行

第二步:EXCEL的调试,“工具”——“加载宏”后选择如下选项:

第三步:点击“工具”——“数据分析”——“t检验-双样本等方差检验”

第四步:输入相应的数据

第五步:分析相应结果

解析:第一小问只需判断是否有显著性差异,也就是说只需要判断A U 与B U 是否相等,属于双侧检验,在统一用P(T<=t) 单尾分析的时候,与的是a/2比较

0H :A U -B U =0 1H :A U -B U <>0

如上图结果所示,P(T<=t) 单尾=0.001276

说在5%的显著性水平下,方法A 和方法B 具有显著性差异

第二小问:

解析:第二小问不同于第一小问,判断的是A 与B 的大小,是研究型假设检验, 将认为研究结果是无效的说法或理论作为原假设H0

0H :A U <=B U 1H :A U >B U

因为是单侧检验,故与a 相比,因为P(T<=t) 单尾=0.001276

【例3】下表给出两位文学家马克吐温的8篇小品文以及斯诺特格拉斯的10篇

个字母组成的单字的比例是否具有显著性差异。 解析:步骤与上题一致,分析结果如下

0H :A U -B U =0 1H :A U -B U <>0

因为P(T<=t) 单尾=0.00066691

类型三:会利用软件处理基于成对数据的检验

【例4】有两台光谱仪,I x ,I y .用它来测量材料中某种金属的含量,为鉴定他们的测量结果有无显著性差异,制备了9块试块(它们的成分、金属含量、均匀性等均各不相同),现在分别用这两台仪器对每一块测量一次,得到9对观测值。 问:能否认为这两台仪器的测量结果有显著性的差异?(置信度取0.01)

,特点是数据是成对成对的,是绝对不能打乱顺序的

第一步:将数据粘贴到EXCEL中

第二步:点击“工具”——“数据分析”——“t检验-平均值的成对二样本分析”

第三步:输入相应数据

第四步:得出结果并分析

0H :A U -B U =0 1H :A U -B U <>0

因为P(T<=t) 单尾=0.09>a/2=0.005,不能拒绝原假设,认为两仪器无差异

【例5】做一下的实验比较人对红光或绿光的反映时间。实验在点亮红光或绿光的同时,启动计时器。要求受试者看到红光或绿光点亮时,就按下按钮,切断计

201=:0:0

i i i D D D D D D D X Y N H H μσμσαμμ=-≥<设是来自正态总体(,)的样本。,均未知试求假设检验(显著性水平为0.05),

第一步:将数据粘贴到EXCEL 中

第二步:点击“工具”——“数据分析”——“t 检验-平均值的成对二样本分析”

第三步:输入相应数据

第四步:得出结果并分析

因为P(T<=t) 单尾=0.02704

类型四:会利用软件处理正态总体方差的假设检验和两个正态总体方差的假设检验:

一、正态总体方差的假设检验(单个总体的情况)

例1:某车间用一台包装机包装葡萄糖。袋装糖的净重量是一个随机变量,它服从正态分布。当机器正常运行时,其均值为0.5KG ,标准差为0.015KG 。某日开工后为检验及其运转是否正常,随机的抽取了它所包装的糖9袋,称得净重为(KG ):

0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512

检验样本的方差是否正常?(显著性水平为0.05) 原理解析:

22122220010222

2

2

02

2

2020

2

2

12

2

2

00

2210

(,),,...:,:11)(1)

1)1)1)n X N X X X H H S s H s n S H n n s n s k k n s μσμσασσσσσσσχσσσχ

σ=≠----≤≥-≤ 设总体均未知是来自总体的样本要求检验(显著性水平为)是的无偏估计

当为真时,观测值与的比值一般来说会在附近摆动

不应该过分大于1或小于1(当为真,则检验问题的拒绝域为:((或(即:22

22

-

2

2

1)(1)(1)n s n n ααχσ--≥-(或

上机步骤详解:

第一步:将数据粘贴到EVIEWS 中

第二步:关闭后再次把数据打开,按如下路径打开下一个对话框

第三步:按下图输入相应数据(在Variance处输入的是方差,也就是0.015的平方,目的正是为了估计其方差与标准情况是否相符和,符合的话认为其方差正常)

第四步:得出结果并分析

因为P值=0.075>a/2=0.025,故不能拒绝接受原假设,认为其方差正常

二、正态总体方差的假设检验(两个总体的情况)

用一种叫“混乱指标”的尺度去衡量工程师的英语文章的可理解性,对混乱指标的打分越低说明其可理解性越高。分别随机选取13篇刊载在工程杂志上的论文

检验A 与B 的方差是否具有显著性差异

212112122222

12

2212122201222

112,...,,...,,,,,,=n n X X X Y Y Y X Y S S H H μσμσμμσσσσσσ≠是来自总体N(,)的样本是来自总体N(,)的样本

均值分别为样本方差分别是,未知

有下列检验问题:::

第一步:移入数据,将原本的多行数据,分别调整为一行或者一列

第二步:点击“工具”——“数据分析”——“F 检验 双样本方差”

第三步:按0.05的显著性水平输入相应的数据

第四步:得出结果并分析

因为0.025=(a/2)

所以,其没有落在拒绝域内,不能拒绝接受原假设,认为A与B的方差没有显著性差异

回归分析部分

类型一:会解释OLS 回归的基本检验:(1)t 检验(2)R 2检验(3)F 检验 【例1】经过研究,发现家庭书刊消费水平受家庭收入及户主受教育年数的影响。现对某地区的家庭进行抽样调查,得到样本数据,其中y 表示家庭书刊消费水平(元/年),x 表示家庭收入(元/月),T 表示户主受教育年数。下面我们估计家庭书刊消费水平同家庭收入、户主受教育年数之间的线性关系。 回归模型设定如下:

t

t t t u T b x b b y +++=210(t =1,2, …)

进行回归和假设检验

第一步:将数据移入EVIEWS 中

第二步:对变量进行回归

第三步:输入相应变量

第四步:得出结果

T检验

t检验用来说明系数和常数的显著性,t统计量越大,说明常数和系数越显著。

一般t检验换算成p值,t统计量越大,p值越小

如果p值小于0.05(有时也用0.1),说明系数非常显著,说明该变量与y 有显著的线性关系

故由结果可知X与T都与Y有很显著的线性关系

拟合优度检验

1)2

R说明总离差平方和中可以由回归方程解释的部分所占的比例

2)2

R值越高,说明回归方程的拟合程度较高,模型回归的拟合效果好

3)一般需要2

R大于0.8

◆故由结果可知,总离差平方和中可以由回归方程解释的部分所占的比例为

95.12%,这表明回归拟合效果较好,拟合程度较高

F检验

1)F统计量大,说明系数中至少有一个显著不为零。这说明选择的自变量

与因变量有很强的线性关系。若F统计量过小,说明选择的一系列自变

量与因变量都无显著的线性关系。

2)若F统计量过小,说明选择的一系列自变量与因变量都无显著的线性关

3)一般F检验换算成p值,如果p值小于0.05(有时也用0.1),说明系数

中至少有一个显著不为零

◆故由结果可知,该回归方程的F检验是通过了的

类型二:会对回归方程多重共线性的检验,以及多重共线性的处理

第一步:建立一个时间序列文档

第二步:在新文档中输入相关各个变量的数据

第三步:对其进行回归分析,利用不显著系数法检验

得出的回归结果如下:

分析其回归结果,可看出该回归方程的R-squared的值很大,Prob(F-statistic)的值很小,表明R-squared检验和F检验均可通过,但是除X2外的其余变量T检验均不能通过,表明变量间存在严重的多重共线性

第四步:对各个变量进行拟合优度检验

以X1为因变量回归分析:

结果为:

R2=0.980219,则可以认为x1与其他自变量存在多重共线性。

按照同样的方法依次再对X2、X3、X4、X5进行检验,最终结果为:X2的R2=0.9480,x2与其他自变量存在多重共线性

X3的R2=0.7723 ,x3与其他自变量不存在多重共线性

X4的R2=0.8394,x4与其他自变量不存在多重共线性

X5的R2=0.949675,x5与其他自变量存在多重共线性

第五步:利用相关系数法进行检验

以0.8为界,判断两两自变量之间是否存在多重共线性。

x1和除了x3以外的其他变量之间有多重共线性;

x2和所有的自变量都有多重共线性;

x3只和x2和x5有多重共线性;

x4和x1、x2、x5有多重共线性;

x5和所有的自变量都有多重共线性;

第六步:FRISCH法检验,将各个变量单列出来进行回归分析

首先对Y、C、X1进行回归分析:

计量经济学(伍德里奇第五版中文版)答案

第1章 解决问题的办法 1.1(一)理想的情况下,我们可以随机分配学生到不同尺寸的类。也就是说,每个学生被分配一个不同的类的大小,而不考虑任何学生的特点,能力和家庭背景。对于原因,我们将看到在第2章中,我们想的巨大变化,班级规模(主题,当然,伦理方面的考虑和资源约束)。 (二)呈负相关关系意味着,较大的一类大小是与较低的性能。因为班级规模较大的性能实际上伤害,我们可能会发现呈负相关。然而,随着观测数据,还有其他的原因,我们可能会发现负相关关系。例如,来自较富裕家庭的儿童可能更有可能参加班级规模较小的学校,和富裕的孩子一般在标准化考试中成绩更好。另一种可能性是,在学校,校长可能分配更好的学生,以小班授课。或者,有些家长可能会坚持他们的孩子都在较小的类,这些家长往往是更多地参与子女的教育。 (三)鉴于潜在的混杂因素- 其中一些是第(ii)上市- 寻找负相关关系不会是有力的证据,缩小班级规模,实际上带来更好的性能。在某种方式的混杂因素的控制是必要的,这是多元回归分析的主题。 1.2(一)这里是构成问题的一种方法:如果两家公司,说A和B,相同的在各方面比B公司à用品工作培训之一小时每名工人,坚定除外,多少会坚定的输出从B公司的不同? (二)公司很可能取决于工人的特点选择在职培训。一些观察到的特点是多年的教育,多年的劳动力,在一个特定的工作经验。企业甚至可能歧视根据年龄,性别或种族。也许企业选择提供培训,工人或多或少能力,其中,“能力”可能是难以量化,但其中一个经理的相对能力不同的员工有一些想法。此外,不同种类的工人可能被吸引到企业,提供更多的就业培训,平均,这可能不是很明显,向雇主。 (iii)该金额的资金和技术工人也将影响输出。所以,两家公司具有完全相同的各类员工一般都会有不同的输出,如果他们使用不同数额的资金或技术。管理者的素质也有效果。 (iv)无,除非训练量是随机分配。许多因素上市部分(二)及(iii)可有助于寻找输出和培训的正相关关系,即使不在职培训提高工人的生产力。 1.3没有任何意义,提出这个问题的因果关系。经济学家会认为学生选择的混合学习和工作(和其他活动,如上课,休闲,睡觉)的基础上的理性行为,如效用最大化的约束,在一个星期只有168小时。然后我们可以使用统计方法来衡量之间的关联学习和工作,包括回归分析,我们覆盖第2章开始。但我们不会声称一个变量“使”等。他们都选择学生的变量。 第2章 解决问题的办法

计量经济学导论第五版第一章上机作业

过程 *describetive statistc* tabstat prate mrate totpart,stat(max min mean p50 sd n) 结果 stats | prate mrate totpart ---------+------------------------------ max | 100 4.91 58811 min | 3 .01 50 mean | 87.36291 .7315124 1354.231 p50 | 95.7 .46 276 sd | 16.71654 .7795393 4629.265 N | 1534 1534 1534 过程 summarize 全部的加总 summarize prate mrate 两个变量 summarize sole prate,detail 结果 summarize Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------- prate | 1534 87.36291 16.71654 3 100 mrate | 1534 .7315124 .7795393 .01 4.91 totpart | 1534 1354.231 4629.265 50 58811 totelg | 1534 1628.535 5370.719 51 70429 age | 1534 13.18123 9.171114 4 51 -------------+-------------------------------------------------------- totemp | 1534 3568.495 11217.94 58 144387 sole | 1534 .4876141 .5000096 0 1 ltotemp | 1534 6.686034 1.453375 4.060443 11.88025 summarize prate mrate Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------- prate | 1534 87.36291 16.71654 3 100 mrate | 1534 .7315124 .7795393 .01 4.91 summarize sole prate,detail = 1 if 401k is firm's sole plan ------------------------------------------------------------- Percentiles Smallest 1% 0 0 5% 0 0 10% 0 0 Obs 1534 25% 0 0 Sum of Wgt. 1534

计量经济学上机实验手册范本

第一节 Eviews简介 Eviews是Econometrics Views的缩写,直译为计量经济学观察,通常称为计量经济学软件包。它的本意是对社会经济关系与经济活动的数量规律,采用计量经济学方法与技术进行“观察”。计量经济学研究的核心是设计模型、收集资料、估计模型、检验模型、应用模型(结构分析、经济预测、政策评价)。Eviews 是完成上述任务比较得力的必不可少的工具。正是由于Eviews等计量经济学软件包的出现,使计量经济学取得了长足的进步,发展成为一门较为实用与严谨的经济学科。 1、Eviews是什么 Eviews是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速地从数据中寻找出统计关系,并用得到的关系去预测数据的未来值。Eviews的应用围包括:科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。 Eviews是专门为大型机开发的、用以处理时间序列数据的时间序列软件包的新版本。Eviews的前身是1981年第1版的Micro TSP。目前最新的版本是Eviews4.0。我们以Eviews3.1版本为例,介绍经济计量学软件包使用的基本方法和技巧。虽然Eviews是经济学家开发的,而且主要用于经济学领域,但是从软件包的设计来看,Eviews的运用领域并不局限于处理经济时间序列。即使是跨部门的大型项目,也可以采用Eviews进行处理。 Eviews处理的基本数据对象是时间序列,每个序列有一个名称,只要提及序列的名称就可以对序列中所有的观察值进行操作,Eviews允许用户以简便的

可视化的方式从键盘或磁盘文件中输入数据,根据已有的序列生成新的序列,在屏幕上显示序列或打印机上打印输出序列,对序列之间存在的关系进行统计分析。Eviews具有操作简便且可视化的操作风格,体现在从键盘或从键盘输入数据序列、依据已有序列生成新序列、显示和打印序列以及对序列之间存在的关系进行统计分析等方面。 Eviews具有现代Windows软件可视化操作的优良性。可以使用鼠标对标准的Windows菜单和对话框进行操作。操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。此外,Eviews还拥有强大的命令功能和批处理语言功能。在Eviews的命令行中输入、编辑和执行命令。在程序文件中建立和存储命令,以便在后续的研究项目中使用这些程序。 2、运行Eviews 在Windows 2000中运行Eviews的方法有: (1)单击任务栏上的“开始”→“程序”→“Eviews”程序组→“Eviews” 图标。 (2)使用Windows浏览器或从桌面上“我的电脑”定位Eviews目录,双击“Eviews”程序图标。 (3)双击Eviews的工作文件和数据文件。 3、Eviews的窗口 Eviews的窗口分为几个部分:标题栏、主菜单栏、命令窗口、状态行和工作 1-1

计量经济学作业-第四五章

第四章上机习题 C4.1 如下模型可以用来研究竞选支出如何影响选举结果: ()()u prtystrA endB endA voteA ++++=3210ex p ln ex p ln ββββ 其中,voteA 表示候选人A 得到的选票百分数,endA exp 和endB exp 表示候选人A 和B 的竞选支出,而则是对A 所在党派实力的一种度量(A 所在党派在最近一次总统选举中获得的选票百分比)。 (1)如何解释1β? 解 在回归方程 ()()u prtystrA endB endA voteA ++++=3210ex p ln ex p ln ββββ 中,保持()endB ex p ln 、prtystrA 不变,可得: ().ex p ln 1endA voteA ?=?β 因为()endA endA ex p %ex p ln 100?≈??,所以 () ()()()()() endA endA endA voteA exp %100exp ln 100100exp ln 111??≈???=?=?βββ 所以1001β表示当endA exp 变动%1时vote 变动多少个百分点。 注意:100%1 12?-=?x x x x ,x ?%表示x 的百分数变化。 (2)用参数表示如下虚拟假设:A 的竞选支出提高%1被B 的竞选支出提高%1所抵消。 解 虚拟假设可以表示为 210:ββ-=H 或者0:210=+ββH (3)利用RAW VOTE .1中的数据估计上述模型,并以通常的方式报告

结论。A 的竞选支出或影响结果吗?B 的竞选支出呢?你能用这些结论来检验第(2)部分中的假设吗? 解 估计方程为 ()() ()()793.0,14.10052,173062.0379.0382.0926.3152.0)ln(exp 615.6)ln(exp 083.6079.452===+-+=∧ R SSR n prtystrA endB endA voteA 从回归结果可知,()endA ex p ln 的系数估计值等于6.083,标准误等于0.382,t 统计量为15.919,p 值为0.0000。()endB ex p ln 的系数估计值等于-6.615,标准误等于0.379,t 统计量为-17.463,p 值为0.0000。由此可以看出()endA ex p ln 和()endB ex p ln 的斜率系数在非常小的显著性水平下都是统计上显著异于零,所以A 的竞选支出和B 的竞选支出都会影响竞选结果。在保持其他因素不变的情况下,若A 的竞选支出增加%10,则A 得到的选票百分数将提高约0.608个百分点;若B 的竞选支出增加%10,则A 得到的选票百分数将下降约0.662个百分点. 从以上叙述中我们知道,∧1β和∧2β的符号相反且都符合预期,重要 程度相当,但是我们不能根据这些结论得出∧∧+21ββ的标准误差,也就 不能计算相应的t 统计量,所以不能用这些结论来检验(2)中的假设。 (4)估计一个模型,使之能直接给出检验第(2)部分中假设所需要的t 统计量。你有什么结论?(使用双侧对立假设) 解 令21ββθ+=,则21βθβ-=,把它代入原始的回归方程可得: ()()()()u prtystrA endA endB endA voteA ++-++=320ex p ln ex p ln ex p ln ββθβ 利用RAW VOTE .1的数据重新估计以上方程,得到的估计方程为

《计量经济学》上机实验答案过程步骤

实2:我国1978-2001年的财政收入(y )和国民生产总值(x )的数据资料如表2所示: 表2 我国1978-2001年财政收入和国民生产总值数据 试根据资料完成下列问题: (1)给出模型t t t u x b b y ++=10的回归报告和正态性检验,并解释回归系数的经济意义; (2)求置信度为95%的回归系数的置信区间; (3)对所建立的回归方程进行检验(包括估计标准误差评价、拟合优度检验、参数的显著性检验); (4)若2002年国民生产总值为亿元,求2002年财政收入预测值及预测区间(05.0=α)。 参考答案:

(1) t t x y 133561.06844.324?+= =)?(i b s =)?(i b t 941946.02 =R 056.1065?==σ SE 30991.0=DW 9607.356=F 133561.0?1 =b ,说明GNP 每增加1亿元,财政收入将平均增加万元。 (2))?()2(?02/00b s n t b b ?-±=α=±? )?()2(?1 2/11b s n t b b ?-±=α=±? (3)①经济意义检验:从经济意义上看,0133561.0?1 ?=b ,符合经济理论中财政收入随着GNP 增加而增加,表明GNP 每增加1亿元,财政收入将平均增加万元。 ②估计标准误差评价: 056.1065?==σ SE ,即估计标准误差为亿元,它代表我国财政收入估计值与实际值之间的平均误差为亿元。 ③拟合优度检验:941946.02 =R ,这说明样本回归直线的解释能力为%,它代表我国财政收入变动中,由解释变量GNP 解释的部分占%,说明模型的拟合优度较高。 ④参数显著性检验:=)?(1b t ?0739.2)22(025 .0=t ,说明国民生产总值对财政收入的影响是显著的。 (4)6.1035532002=x , 41.141556.103553133561.06844.324?2002=?+=y

计量经济学实验课程

第一节 EViews基本操作 1、什么是EViews EViews是Econometric Eviews(计量经济学视图)的缩写,通常称为计量经济学软件包,是专门从事数据分析、回归分析和预测的工具,在科学数据分析与评价、金融分析、经济预测、销售预测和成本分析等领域应用非常广泛。 EViews引入了流行的对象概念,操作灵活简便,可在菜单式窗口和编程窗口两种方式下运行,可直接而不需要编程解决绝大部分计量经济学问题。 2、EViews安装 3、EViews使用参考书 1)、《EViews使用指南与案例》,张晓峒主编,机械工业出版社,2007 2)、《计量经济学试验教程》,李国柱,刘德智主编,中国经济出版社,2010 4、认识EViews 主菜单包含九个主菜单,每个主菜单下包含若干菜单项。 File(文件) Edit(编辑) Object(对象):主菜单下有:New Object(新建对象)、Fetch from DB(从数据库导入)、Update selected from DB(从数据库更新对象)、store selected to DB(把选定的对象存储到数据库)、copy selected(复制所选定的对象)、rename (重命名)、 freeze output (冻结当前输入) Qucik提供快速分析过程,即一些频繁使用的功能。主要菜单有:sample(改编样本范围)、generate series(生成序列)、show(打开已选择的对象,或将多个序列合成一个群对象)、graph(画图)、empty group(打开一个空群)、series statics(产生序列统计量)、group statistics(进行群统计)、estimate equation (估计方程)、 estimate VAR(估计向量回归方程)。 5、数据操作 常用函数:abs(x),exp(x),inv(x),log(x),log10(x),log10(x,b),sqrt(x) 常用描述统计函数: cor(x,y),cov(x,y),mean(x),medan(x),min(x),stdev(x),var(x),sum(x) 描述性统计常用的量: 偏度(skewness)计算公式为s=错误!未找到引用源。3, 对称分布的偏度为零;当偏度大于零时,序列的分布为正偏;当偏度小于零时,序列的分布为负偏;如果偏度等于零,则序列呈正态分布。 峰度(kurtosis)的计算公式为k=错误!未找到引用源。4,正态分布的峰度为3。当序列的峰度大于3时,表示与正态分布相比,序列的分布为尖崤峰;当序列的峰度小于3时,表示与正态分布相比,序列的分布为平缓峰。 雅克-贝拉统计量(Jarque-bera statistic)用来检验序列是否服从正态分布,计算公式JB=错误!未找到引用源。,原假设为序列服从正态分布时,JB统计量服从自由度为2的卡方分布。只需要比较P值与显著性水平的大小。 第二节简单线形回归

计量经济学作业第5章(含答案)

计量经济学作业第5章(含答案)

、单项选择题 1 ?对于一个含有截距项的计量经济模型,若某定性因素有 D. m-k 2 ?在经济发展发生转折时期,可以通过引入虚拟变量方法来表示这种变化。例 如,研究中国城镇居民消费函数时。1991年前后,城镇居民商品性实际支出 丫 对实际可支配收入X 的回归关系明显不同。现以1991年为转折时期,设虚拟变 [1 1991# WS D =< 量 r [O f 1毀坪以前,数据散点图显示消费函数发生了结构性变化:基本 消费部分下降了,边际消费倾向变大了。贝U 城镇居民线性消费函数的理论方程 可以写作( ) A. h 二几+耳扎+如)拓+斗 3. 对于有限分布滞后模型 在一定条件下,参数儿可近似用一个关于【的阿尔蒙多项式表示 ),其中多项式的阶数 m 必须满足( ) A .障匚上 B . m k C . D .用上上 4. 对于有限分布滞后模型,解释变量的滞后长度每增加一期,可利用的样本数 据就会( ) A.增加1个 B.减少1个 C.增加2个 D.减 少2个 5. 经济变量的时间序列数据大多存在序列相关性,在分布滞后模型中,这种序 列相关性就转化为( ) A. m B. m-1 C. m+1 将其引入模型中,则需要引入虚拟变量个数为( m 个互斥的类型,为 ) B. C. Y 讦 A+ +"0+ 斗 D.

A.异方差冋 题 B.多重 共线性问题

问题 6. 将一年四个季度对因变量的影响引入到模型中(含截 距项),则需要引入虚 拟变量的个数为( ) A. 4 B. 3 C. 2 D. 1 7. 若 想考察某两个地区的平均消费水平是否存在显著差异,则下列那个模型比 较适合(丫代表消费支出;X 代表可支配收入;D 2、D 3表示虚拟变量) () A.Yj"+陆+野 B . 二、多项选择题 1. 以下变量中可以作为解释变量的有 ( ) A.外生变量 B.滞后内生变量 C.虚 拟变量 D.先决变量 E.内生变量 2. 关于衣着消费支出模型为:h 吗+叩左+必史+勺3工』』+ "逅+色,其中 丫为衣着万面的年度支出;X 为收入, 1 女性 "i 大学毕业及以上 D = : D 3i =J o 男性, 3i 其他 则关于模型中的参数下列说法正确的是( ) A. $表示在保持其他条件不变时,女性比男性在衣着消费支出方面多支出 (或少 支出)差额 B. 珂表示在保持其他条件不变时,大学毕业及以上比其他学历者在衣着消 费支 出方面多支出(或少支出)差额 C. 5表示在保持其他条件不变时,女性大学及以上文凭者比男性和大学以 下文凭 者在衣着消费支出方面多支出(或少支出)差额 D. 表示在保持其他条件不变时,女性比男性大学以下文凭者在衣着消 费支出方面多支出(或少支出)差额 E. 表示性别和学历两种属性变量对衣着消费支出的交互影响 、判断题 1 ?通过虚拟变量将属性因素引入计量经济模型,引入虚拟变量的个数与样本容 C.序列相关性问题 D.设定误差 £ =坷++以叭JQ+舛 C. 】 D 丄吗皿吗+风+儿

计量经济学作业第5章(含答案)

计量经济学作业第5章(含答案)

第5章习题 一、单项选择题 1.对于一个含有截距项的计量经济模型,若某定性因素有m个互斥的类型,为将其引入模型中,则需要引入虚拟变量个数为() A. m B. m-1 C. m+1 D. m-k 2.在经济发展发生转折时期,可以通过引入虚拟变量方法来表示这种变化。例如,研究中国城镇居民消费函数时。1991年前后,城镇居民商品性实际支出Y 对实际可支配收入X的回归关系明显不同。现以1991年为转折时期,设虚拟变 量,数据散点图显示消费函数发生了结构性变化:基本消费部分下降了,边际消费倾向变大了。则城镇居民线性消费函数的理论方程可以写作() A. B. C. D. 3.对于有限分布滞后模型 在一定条件下,参数可近似用一个关于的阿尔蒙多项式表示(),其中多项式的阶数m必须满足() A. B. C. D. 4.对于有限分布滞后模型,解释变量的滞后长度每增加一期,可利用的样本数据就会( ) A. 增加1个 B. 减少1个 C. 增加2个 D. 减少2个 5.经济变量的时间序列数据大多存在序列相关性,在分布滞后模型中,这种序列相关性就转化为() A.异方差问题 B. 多重共线性问题

C.序列相关性问题 D. 设定误差问题 6.将一年四个季度对因变量的影响引入到模型中(含截距项),则需要引入虚拟变量的个数为() A. 4 B. 3 C. 2 D. 1 7.若想考察某两个地区的平均消费水平是否存在显著差异,则下列那个模型比 较适合(Y代表消费支出;X代表可支配收入;D 2、D 3 表示虚拟变量)() A. B. C. D. 二、多项选择题 1.以下变量中可以作为解释变量的有() A. 外生变量 B. 滞后内生变量 C. 虚拟变量 D. 先决变量 E. 内生变量 2.关于衣着消费支出模型为:,其中 Y i 为衣着方面的年度支出;X i 为收入, ? ? ? =女性 男性 1 2i D; ? ? ? =大学毕业及以上 其他 1 3i D 则关于模型中的参数下列说法正确的是() A.表示在保持其他条件不变时,女性比男性在衣着消费支出方面多支出(或少支出)差额 B.表示在保持其他条件不变时,大学毕业及以上比其他学历者在衣着消费支出方面多支出(或少支出)差额 C.表示在保持其他条件不变时,女性大学及以上文凭者比男性和大学以下文凭者在衣着消费支出方面多支出(或少支出)差额 D. 表示在保持其他条件不变时,女性比男性大学以下文凭者在衣着消费支出方面多支出(或少支出)差额 E. 表示性别和学历两种属性变量对衣着消费支出的交互影响 三、判断题

如何快速写出计量经济学的论文

当初一个舍友来自西部地区,从没学过计量(OLS都没学过)。但毕业论文老板要求用数据说话,发愁。我于心不忍,告诉她:我每天晚上自习回来,睡觉前花10分钟给你讲解一下STATA的操作和出来的各项结果意义。第一天,我讲了OLS。画了一张散点图和一根直线,用了1分钟就让她完全理解了OLS的精髓,这是用来干啥的。后面9分钟讲解了STATA的操作和OLS的各种变种。结果只一个星期,讲完五种方法(下面会介绍),她信心大增。后来一下子发了好几篇CSSCI,计量做的天花乱坠,让人误以为是一个大师。毕业论文也顺利通过。她说我的方法是当今世界上最快的计量速成法。她说,以后有时间要好好看看计量书,打打基础。我推荐她读伍德里奇的那本现代观点。但她论文发表了好多篇,至今还没看那本书。问其原因:“看了一下OLS,跟你讲的没啥区别,就是多了些推导。那些推导看不看都不影响我用软件。现在没空看,先发论文再说。” 我笑其太浮躁。但后来想想,这种学习方法不一定适合所有人,但或许适合一部分人群。因此有必要写出来让这部分人群都有所收获,不会因为发不了CSSCI而担忧,不会因为毕业论文不会做计量而担忧。因此有了本文。你是不是属于这样的人群?请看下面: 本文的目标人群: 1、不懂计量的人; 2、想学计量却苦于缺乏时间的人; 3、想学计量却看不懂、推导不了那些恐怖矩阵的人,也就是不想看

推导过程,也想发论文的人。 4、不想看计量书,却想写计量论文,发几篇CSSCI,尽快毕业的人。 5、所有想速成的人。 但是目标人群一定要能看懂STATA软件操作手册的人(或者其他软件操作手册)。如果你不认得手册上的字,不要来告诉我。我也不认得。如果你能找到一个懂STATA、EVIEWS的人给你讲解一下,那么你看不懂手册也无所谓。 本文的目标:不看计量推导、不看计量书籍就能发计量论文,而且是大规模批量生产计量论文,甚至是发经济研究和管理世界。 目标能否实现:取决于你能否掌握本黑客教程的内容,能否阅读软件手册。 申明:不是教你如何抄袭作弊,而是教你写计量论文的方法和捷径。目录 一、计量论文的两大要点是什么? 二、如何判断计量论文的水平高低? 三、做计量的“大杀器”有哪些? 四、瞎倒腾计量的秘诀 五、大规模发CSSCI的建议 一、计量论文的两大要点是什么?

第三版计量经济学第五章习题作业

第五章习题2 根据经济理论建立计量经济模型 i i 10i X Y μββ++= 应用EViews 输出的结果如图1所示。 图1 用普通最小二乘法的估计结果如下: )29,...,2,1(707955.013179.58=+=∧ i X Y i i 利用上述结果计算残差∧ =i i i Y -Y e 。观察i e 的取值,好像随i X 的变化而变化,怀疑模型存在异方差性,下面通过等级相关系数和戈德菲尔特—夸特方法检验随机误差项的异方差性。 1.斯皮尔曼等级相关系数检验 按照斯皮尔曼等级相关检验的步骤,先将X 的样本观测值从小到大排列并划分等级,然后将i e 从小到大划分等级,计算i X 的等级与相应产生的i e 的等级的差i d 及2i d ,详见表1。 表1

计算等级相关系数 2334d 1 i 2i =∑= 0.42512329 -292334 6- 1N -N d 6- 1r 3 3 1i 2i =?==∑= 对等级相关系数进行检验,提出原假设与备择假设 ) ,(),(::28 1 0N 1-N 10N ~r 0 H 0H 10=≠=ρρ 构造Z 统计量 2.2495428*0.4251231 -N 1r Z ===

给定显著水平0.05=α,查正态分布表,得 1.96Z 2 =α因为 1.962.24954Z >=, 所以应拒绝原假设,接收备择假设,即等级相关系数显著,说明其随机误差项存在异方差性。 2. 戈德菲尔特—夸特方法检验 将X 的样本观测值按升序排列,Y 的样本观测值按原来与X 样本观测值的对应关系进行排列,略去中心7个数据,将剩下的22个样本观测值分成容量相等的两个子样本,每个子样本的样本观测值个数均为11。排列结果见表2。 用第一个子样本估计模型,得到的结果如图2所示: 图2

《计量经济学》上机实验参考答案(本科生)

《计量经济学》上机实验参考答案 实验一:计量经济学软件Eviews 的基本使用;一元线性回归模型的估计、检验和预测;多元线性回归模型的估计、检验和预测(3课时);多元非线性回归模型的估计。 实验设备:个人计算机,计量经济学软件Eviews ,外围设备如U 盘。 实验目的:(1)熟悉Eviews 软件基本使用功能;(2)掌握一元线性回归模型的估计、检验和预测方法;正态性检验;(3)掌握多元线性回归模型的估计、检验和预测方法;(4)掌握多元非线性回归模型的估计方法。 实验方法与原理:Eviews 软件使用,普通最小二乘法(OLS ),拟合优度评价、t 检验、F 检验、J-B 检验、预测原理。 实验要求:(1)熟悉和掌握描述统计和线性回归分析;(2)选择方程进行一元线性回归;(3)选择方程进行多元线性回归;(4)进行经济意义检验、拟合优度评价、参数显著性检验和回归方程显著性检验;(5)掌握被解释变量的点预测和区间预测;(6)估计对数模型、半对数模型、倒数模型、多项式模型模型等非线性回归模型。 实验内容与数据1:表1数据是从某个行业的5个不同的工厂收集的,请回答以下问题: (1)估计这个行业的线性总成本函数:t t x b b y 10???+=;(2)0?b 和1?b 的经济含义是什么?;(3)估计产量为10时的总成本。 表1 某行业成本与产量数据 参考答案:

(1)总成本函数(标准格式): t t x y 25899.427679.26?+= s = (3.211966) (0.367954) t = (8.180904) (11.57462) 978098.02 =R 462819 .2.=E S 404274.1=DW 9719.133=F (2)0?b =26.27679为固定成本,即产量为0时的成本;1 ?b =4.25899为边际成本,即产量每增加1单位时,总成本增加了4.25899单位。 (3)产量为10时的总成本为: t t x y 25899.427679.26?+==1025899.427679.26?+=68.86669 实验内容与数据2:我国1978-2001年的财政收入(y )和国民生产总值(x )的数据资料如表2所示: 表2 我国1978-2001年财政收入和国民生产总值数据 试根据资料完成下列问题: (1)给出模型t t t u x b b y ++=10的回归报告和正态性检验,并解释回归系数的经济意义; (2)求置信度为95%的回归系数的置信区间; (3)对所建立的回归方程进行检验(包括估计标准误差评价、拟合优度检验、参数的显著性检验);

计量经济学作业第5章(含答案)

第5章习题 一、单项选择题 1.对于一个含有截距项的计量经济模型,若某定性因素有m个互斥的类型,为将其引入模型中,则需要引入虚拟变量个数为() A. m B. m-1 C. m+1 D. m-k 2.在经济发展发生转折时期,可以通过引入虚拟变量方法来表示这种变化。例如,研究中国城镇居民消费函数时。1991年前后,城镇居民商品性实际支出Y 对实际可支配收入X的回归关系明显不同。现以1991年为转折时期,设虚拟变 量,数据散点图显示消费函数发生了结构性变化:基本消费部分下降了,边际消费倾向变大了。则城镇居民线性消费函数的理论方程可以写作() A. B. C. D. 3.对于有限分布滞后模型 在一定条件下,参数可近似用一个关于的阿尔蒙多项式表示(),其中多项式的阶数m必须满足() A. B. C. D. 4.对于有限分布滞后模型,解释变量的滞后长度每增加一期,可利用的样本数据就会( ) A. 增加1个 B. 减少1个 C. 增加2个 D. 减少2个 5.经济变量的时间序列数据大多存在序列相关性,在分布滞后模型中,这种序列相关性就转化为() A.异方差问题 B. 多重共线性问题 C.序列相关性问题 D. 设定误差问题 6.将一年四个季度对因变量的影响引入到模型中(含截距项),则需要引入虚拟变量的个数为() A. 4 B. 3 C. 2 D. 1 7.若想考察某两个地区的平均消费水平是否存在显著差异,则下列那个模型比 较适合(Y代表消费支出;X代表可支配收入;D 2、D 3 表示虚拟变量)() A. B.

C. D. 二、多项选择题 1.以下变量中可以作为解释变量的有() A. 外生变量 B. 滞后内生变量 C. 虚拟变量 D. 先决变量 E. 内生变量 2.关于衣着消费支出模型为:,其中 Y i 为衣着方面的年度支出;X i 为收入, ? ? ? =女性 男性 1 2i D; ? ? ? =大学毕业及以上 其他 1 3i D 则关于模型中的参数下列说法正确的是() A.表示在保持其他条件不变时,女性比男性在衣着消费支出方面多支出(或少支出)差额 B.表示在保持其他条件不变时,大学毕业及以上比其他学历者在衣着消费支出方面多支出(或少支出)差额 C.表示在保持其他条件不变时,女性大学及以上文凭者比男性和大学以下文凭者在衣着消费支出方面多支出(或少支出)差额 D. 表示在保持其他条件不变时,女性比男性大学以下文凭者在衣着消费支出方面多支出(或少支出)差额 E. 表示性别和学历两种属性变量对衣着消费支出的交互影响 三、判断题 1.通过虚拟变量将属性因素引入计量经济模型,引入虚拟变量的个数与样本容量大小有关。 2.虚拟变量的取值只能取0或1。 3.通过虚拟变量将属性因素引入计量经济模型,引入虚拟变量的个数与模型有无截距项无关。 四、问答题 1.Sen和Srivastava(1971)在研究贫富国之间期望寿命的差异时,利用101个国家的数据,建立了如下的回归模型(括号内的数值为对应参数估计值t值): 其中:X是以美元计的人均收入;Y是以年计的期望寿命。

计量经济学上机指导

《计量经济学》上机指导手册 统计学院数量经济教研室 2004年3月

《计量经济学》作为经济学专业的核心课程之一,在我校已开设多年。多年的教学实践活动中,我们深感计量经济学软件在帮助同学们更好地学习、理解《计量经济学》基本思想、加强具体操作等方面有着重要的作用,我们也在过去的教学活动中采用了多种版本的计量经济学软件,包括TSP、Eviews、SPSS、SAS等。从1998年以来,在我们的《计量经济学》教学活动中,Eviews逐渐成为了计量经济学本科教学的基本使用软件。实践证明,Eviews在辅助教学、科研等方面具有自身的特色和优良的性能。为此,统计学院数量经济教研室组织人员编写了这本上机指导手册,目的在于加强对西南财经大学重点课程《计量经济学》的建设,完善《计量经济学》的课程体系,为同学们提供更好的教学服务产品。 本手册的基本框架是由两部分组成:一部分为Eviews的基本操作,主要介绍Eviews的基本功能和基本操作;另一部分则是配合我们所编写的《计量经济学》教材,按照教材的体系和教学大纲的要求,对若干《计量经济学》知识的重点、难点和基本点、对一些具体的案例、练习等进行了具体的上机示范说明,以达到帮助同学们更好的学习、理解《计量经济学》之目的。 本手册主要由周惠彬副教授、谢小燕副教授、郭建军讲师、黎实教授编写。由于我们才疏学浅,领悟Eviews的精髓不深,手册中肯定存在不足与错误,所有这些不足与谬误完全由我们负责。因此,恳请各位同学、各位老师批评指正,对这本手册(初稿)进行品头论足,帮助我们进一步修订、完善上机指导手册。 西南财经大学统计学院 《数量经济教研室》 2002年10月

计量经济学第五章答案

第五章 思考题 5.2 各种异方差检验的基本思想是,基于不同的假定,分析随机误差项的方差与解释变量之间的相关性,以判断随机误差项的方差是否随解释变量变化而变化。其中,戈德菲尔德-夸特检验、怀特检验、ARCH检验和Glejser检验都要求大样本,其中戈德菲尔德-夸特检验、怀特检验和Glejser检验对时间序列和截面数据模型都可以检验,ARCH检验只适用于时间序列数据模型中。戈德菲尔德-夸特检验和ARCH检验只能判断是否存在异方差,怀特检验在判断基础上还可以判断出是哪一个变量引起的异方差。Glejser检验不仅能对异方差的存在进行判断,而且还能对异方差随某个解释变量变化的函数形式进行诊断。 5.4 产生异方差的原因:①模型设定误差②测量误差的变化③截面数据中总体各单位的差异。 经济现象中的异方差性:研究低收入组的家庭消费情况与高收入组的家庭消费情况时,由于高收入组家庭有更多的可支配收入,因而消费的分散程度较大,造成不同组别收入的家庭消费偏离均值程度的差异,反映在随机误差项偏离均值的程度时出现异方差。 5.5 异方差对模型的影响:①当模型中的误差项存在异方差时,参数估计仍然是无偏的但方差不再是最小的;②在异方差存在的情况下,参数估计量的方差会比真实估计量的方差大,会严重破坏t检验和F检验的有效性;③Y预测值的精确度降低。异方差的存在会对回归模型的正确建立和统计推断带来严重后果,不能进行应用分析。 练习题 5.1 (1)设f(X i)=,则Var(u i)=σ,得: =β1+β2+β3+ 则Var()=Var(u i)=σ

5.2 (1) Y=-50.01991+0.X+52.37082T t = (-1.011) (2.944) (10.067)

计量经济学课程教学大纲

《计量经济学》课程教学大纲 课程名称:经济计量学/ Econometrics 课程代码:030230 学时:32 学分: 2 讲课学时:328 上机/实验学时:0 考核方式:考试 先修课程:经济学、微积分、线性代数、概率统计、计算机基础适用专业:金融学及相关专业 开课院系:管理学院投机金融系 教材:赵国庆. 计量经济学. 中国人民大学出版社,2002 年主要参考书: [1] 李子奈.计量经济学.高等教育出版社,2000年7月 [2] 李长风. 经济计量学. 上海财经大学出版社,1996.5 [3] 刘振亚. 计量经济学教程. 中国人民大学出版社,1999 [4] (美)格林著. 计量经济分析.科学技术出版社,1999 年 [5] (美)Robert S. Pindyck, Daniel L. Rubinfeld 著,钱小军等译. 计量经济模型与经济预测. 机械工业出版社,1999.11 [6] 张保法. 经济计量学(第四版). 经济科学出版社,2000 年1 [7] 孙敬水主编。计量经济学.清华大学出版社,2004年9月 [8] 庞皓主编.计量经济学.西南财经大学出版社,2002年8 月 一、课程的性质和任务计量经济学是经济学类的一门核心课程。该课程是以经济理论为指导,统计为基础,数学为手段,考察现代经济社会中的各种经济数量关系、预测经济发展趋势、检验经济政策效果的工具。本课程的主要特点是:理论知识与实际应用并重。要求理论与实际相结合,定性与定量相结合。学习过程中,既要认真学习计量经济学的基础理论知识,又要注重经济计量方法在实践中的应用。本课程的主要任务是:在本课程的教学中,要求学生学习、掌握计量经济学的基本原理和计量方法,培养学生在现代经济学的理论基础上,运用经济计量方法、经济计量模型定量分析与定量研究经济学中的有关问题,提高分析和解决有关实际经济问题的能力。 二、教学内容和基本要求 教学内容:第一章绪论 1.1 计量经济学的有关概念 1.1.1 计量经济学的产生和发展 1.1.2 计量经济学的内容体系 1.1.3 计量经济学与相关学科的关系 1.2 计量经济学模型的特点与建模步骤 1.2.1 计量经济学模型的特点 1.2.2 计量经济学模型建模前的分析 1.2.3 计量经济学模型的特建模步骤 1.3 计量经济学中常用概率分布基础 1.3.1 随机变量的概率分布与分布特征 1.3.2 常用概率分布及其特征 1.3.3 常用样本统计量与抽样分布 1.4 参数估计的概念第二章一元线性回归模型理论与方法 2.1 线性回归模型概述 2.2 回归模型的经典假定 2.2.1 总体回归方程 2.2.2 样本回归方程 2.2.3 回归模型的经典假定

计量经济学上机指导书(含实验练习题

实验一 Eviews 的基本使用、线性回归模型的估计和检验 实验目的与要求:熟悉Eviews 软件基本使用功能、掌握线性回归模型的参数估计及其检验。 实验内容:建立一个工作文件、数据的输入、数据的保存、生成新序列、 作序列图和相关图。线性回归模型的参数估计及其检验。 实验步骤: 一、模型的构建 表 2002年中国各地区城市居民人均年消费支出和可支配收入 作城市居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)的散点图,如图 从散点图可以看出居民家庭平均每人每年消费支出 (Y)和城市居民人均年可支配 收入(X)大体呈现为线性关系, 所以建立的计量经济模型为 4000 6000 8000 10000 12000 4000 6000 8000 10000 12000 14000 X Y

如下线性模型: 12i i i Y X u ββ=++ 二、估计参数 假定所建模型及随机扰动项i u 满足古典假定,可以用OLS 法估计其参数。运用计算机软件EViews 作计量经济分析十分方便。 利用EViews 作简单线性回归分析的步骤如下: 1、建立工作文件 首先,双击EViews 图标,进入EViews 主页。在菜单一次点击File\New\Workfile ,出现对话框“Workfile Range ”。在“Workfile frequency ”中选择数据频率: Annual (年度) Weekly ( 周数据 ) Quartrly (季度) Daily (5 day week ) ( 每周5天日数据 ) Semi Annual (半年) Daily (7 day week ) ( 每周7天日数据 ) Monthly (月度) Undated or irreqular (未注明日期或不规则的) 在本例中是截面数据,选择“Undated or irreqular ”。并在“Start date ”中输入开始时间或顺序号,如“1”在“end date ”中输入最后时间或顺序号,如“31”点击“ok ”出现“Workfile UNTITLED ”工作框。其中已有变量:“c ”—截距项 “resid ”—剩余项。 在“Objects ”菜单中点击“New Objects”,在“New Objects”对话框中选“Group”,并在“Name for Objects”上定义文件名,点击“OK ”出现数据编辑窗口。 若要将工作文件存盘,点击窗口上方“Save ”,在“SaveAs ”对话框中给定路径和文件名,再点击“ok ”,文件即被保存。 2、输入数据 在数据编辑窗口中,首先按上行键“↑”,这时对应的“obs”字样的空格会自动上跳,在对应列的第二个“obs”有边框的空格键入变量名,如“Y ”,再按下行键“↓”,对因变量名下的列出现“NA ”字样,即可依顺序输入响应的数据。其他变量的数据也可用类似方法输入。 也可以在EViews 命令框直接键入“data X Y ”(一元时) 或 “data Y 1X 2X … ”(多元时),回车出现“Group”窗口数据编辑框,在对应的Y 、X 下输入数据。 若要对数据存盘,点击 “fire/Save As”,出现“Save As ”对话框,在“Drives ”点所要存的盘,在“Directories ”点存入的路径(文件名),在“Fire Name ”对所存文件命名,或点已存的文件名,再点“ok ”。

一个外行的计量经济学学习之路

一个外行的计量经济学学习之路 入驻人大经济论坛也有一段时间了。起初是抱着学习的心态,希望论坛里的大神能帮忙解决很多计量技术上的问题。可呆了一段时间后发现,自己想解决的问题一般没得到解决,还反而帮很多人解决了一些基础的问题。 作为一个非计量非经济学专业出身的人(虽学过一些统计,SPSS 和stata基本操作也会),想着梳理下自己学习计量这一路的历程,或许对于初入计量之门/像我一样非计量专业出身但有想很好的利用计量工具的人有一些帮助和启示。 第一阶段:计量就是统计——很难很高深 大学我算是农林经济管理出身,学过简单的spss(那时教我SPSS的老师是搞大豆种植的,故而传授的是t检验,方差分析,简单的回归分析,数据的描述性统计分析等内容)。由于大学期间不用发文章,毕业论文也是做的生态方面的东西,加之大学老师只将操作,不讲原理,所以大学学的SPSS基本算是还给老师了。那个时候一度觉得SPSS是很高级的东西(因为不知道软件操作背后原理,也不知道怎么解读结果)。

后来有幸保送到中科院系统一个研究所开始研究生阶段的学习。中科院系统的学生有一个好处就是会在北京研究生院集中学习一年。由于专业研究的需要(跟着导师做农户微观实证研究)以及自己特别感兴趣(想一窥统计的神秘面纱),故而在北京学习期间选了6门关于统计的课(如《心理多元统计》、《统计分析与SAS》实现等)。其中有些课老师讲得很好(如胡良平老师讲的SAS,通俗易懂),但可能限于学时,老师没有铺开讲。加之那时还有其它专业课比较繁琐,故而除了课堂听讲,完成作业和课程报告外,没有过多的时间去进一步看书,消化。经过这么一个过程下来,一些具体的软件实现大概知道了,为什么这样做也知道一点(但理解的不透),结果解读似乎也知道那么一些。那时的我的统计知识体系算是比较凌乱,不系统。也一度以为统计就是计量,以为解开了它的神秘面纱了。然而事实却并非如此。 第二阶段:学习统计/计量还得从实践中来 正如我在论坛上发的一个个人投稿经验交流贴中所述一样。我和大多数在人大经济论坛上寻求帮助的人一样,都想快速的学习到我

相关文档
最新文档