計(jì)量經(jīng)濟(jì)學(xué)（2012-1-6）1.計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)學(xué)的一個(gè)分支學(xué)科，是以揭示經(jīng)濟(jì)活動(dòng)中客觀存在的數(shù)量關(guān)系為內(nèi)容的分支學(xué)科。2.區(qū)分?jǐn)?shù)理經(jīng)濟(jì)模型和計(jì)量經(jīng)濟(jì)模型：（1）數(shù)理經(jīng)濟(jì)模型揭示經(jīng)濟(jì)活動(dòng)中各個(gè)因素之間的理論關(guān)系，用確定性的數(shù)學(xué)方程加以描述。（2）計(jì)量經(jīng)濟(jì)模型揭示經(jīng)濟(jì)活動(dòng)中各個(gè)因素之間的定量關(guān)系，用隨機(jī)性的數(shù)學(xué)方程加以描述。3.計(jì)量經(jīng)濟(jì)學(xué)的內(nèi)容體系分類(lèi)（1）計(jì)量經(jīng)濟(jì)學(xué)有廣義和狹義之分：廣義計(jì)量經(jīng)濟(jì)學(xué)：是利用經(jīng)濟(jì)理論、數(shù)學(xué)以及統(tǒng)計(jì)學(xué)定量研究經(jīng)濟(jì)現(xiàn)象的經(jīng)濟(jì)計(jì)量方法的統(tǒng)稱(chēng)。包括回歸分析方法、投入產(chǎn)出分析方法、時(shí)間序列分析方法等。狹義計(jì)量經(jīng)濟(jì)學(xué)：也就是我們通常所說(shuō)的計(jì)量經(jīng)濟(jì)學(xué)，以揭示經(jīng)濟(jì)現(xiàn)象中的因果關(guān)系為目的，在數(shù)學(xué)上主要應(yīng)用回歸分析方法。（2）根據(jù)研究對(duì)象和內(nèi)容側(cè)重面不同，可以分為理論計(jì)量經(jīng)濟(jì)學(xué)和應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)。（3）按數(shù)據(jù)類(lèi)型劃分為：截面(cross-section)分析；時(shí)間序列(time-series)分析；平行數(shù)據(jù)(paneldata)分析；離散數(shù)據(jù)(discretedata)分析；模糊數(shù)據(jù)(fuzzydata)分析。（4）按模型類(lèi)型劃分：?jiǎn)畏匠棠Ｐ团c聯(lián)立方程模型（單方程模型的研究對(duì)象是單一經(jīng)濟(jì)現(xiàn)象，揭示存在其中的單向因果關(guān)系。聯(lián)立方程模型的研究對(duì)象是一個(gè)經(jīng)濟(jì)系統(tǒng)，揭示存在其中的復(fù)雜的因果關(guān)系。）；線(xiàn)性模型與非線(xiàn)性模型；靜態(tài)模型與動(dòng)態(tài)模型；參數(shù)模型與非參數(shù)模型。（5）按估計(jì)方法劃分：從最小二乘原理出發(fā)的估計(jì)方法；從最大似然原理出發(fā)的估計(jì)方法；矩估計(jì)方法；非樣本信息估計(jì)方法。4.建立計(jì)量經(jīng)濟(jì)學(xué)模型的步驟：（1）理論模型的設(shè)計(jì)；（主要包含三部分工作：即選擇變量、確定變量之間的數(shù)學(xué)關(guān)系、擬定模型中待估計(jì)參數(shù)的數(shù)值范圍）（2）樣本數(shù)據(jù)的收集；（樣本數(shù)據(jù)的質(zhì)量問(wèn)題大體上可以概括為完整性、準(zhǔn)確性、可比性和一致性）（3）模型參數(shù)的估計(jì)；（模型參數(shù)的估計(jì)方法，是計(jì)量經(jīng)濟(jì)學(xué)的核心內(nèi)容）（4）模型的檢驗(yàn)。（經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)學(xué)檢驗(yàn)、計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)和預(yù)測(cè)檢驗(yàn)）5.計(jì)量經(jīng)濟(jì)學(xué)模型成功的三要素：理論、方法和數(shù)據(jù)。理論：即經(jīng)濟(jì)理論，所研究的經(jīng)濟(jì)現(xiàn)象的行為理論，是計(jì)量經(jīng)濟(jì)學(xué)研究的基礎(chǔ)。方法：主要包括模型方法和計(jì)算方法，是計(jì)量經(jīng)濟(jì)學(xué)研究的工具與手段，是計(jì)量經(jīng)濟(jì)學(xué)不同于其它經(jīng)濟(jì)學(xué)分支學(xué)科的主要特征。數(shù)據(jù)：反映研究對(duì)象的活動(dòng)水平、相互間聯(lián)系以及外部環(huán)境的數(shù)據(jù)，或更廣義講是信息，是計(jì)量經(jīng)濟(jì)學(xué)研究的原料。6.經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)方法的核心是采用回歸分析的方法揭示變量之間的因果關(guān)系。7.計(jì)量經(jīng)濟(jì)學(xué)模型的應(yīng)用大體可以被概括為四個(gè)方面：結(jié)構(gòu)分析、經(jīng)濟(jì)預(yù)測(cè)、政策評(píng)價(jià)、檢驗(yàn)與發(fā)展經(jīng)濟(jì)理論。結(jié)構(gòu)分析所采用的主要方法是彈性分析、乘數(shù)分析與比較靜力分析。8.經(jīng)濟(jì)變量之間的關(guān)系，大體可分為兩類(lèi)：確定性關(guān)系或函數(shù)關(guān)系：研究的是確定性現(xiàn)象非隨機(jī)變量間的關(guān)系。統(tǒng)計(jì)依賴(lài)關(guān)系或相關(guān)關(guān)系：研究的是非確定性現(xiàn)象隨機(jī)變量間的關(guān)系。9.回歸分析是研究一個(gè)變量關(guān)于另一個(gè)（些）變量的具體依賴(lài)關(guān)系的計(jì)算方法和理論。其中：前一個(gè)變量被稱(chēng)為被解釋變量（ExplainedVariable）或因變量（DependentVariable）。后一個(gè)（些）變量被稱(chēng)為解釋變量（ExplanatoryVariable）或自變量（IndependentVariable）。10.總體回歸函數(shù)：給定解釋變量X的某個(gè)確定值Xi，與之統(tǒng)計(jì)相關(guān)的被解釋變量Y的總體均值（期望值）可以表示為：上式說(shuō)明了被解釋變量Y平均地說(shuō)隨解釋變量X變化的規(guī)律，一般稱(chēng)為總體回歸函數(shù)或總體回歸方程?？傮w回歸模型：若總體回歸函數(shù)（方程）為：，則可以變形為，后者在總體回歸函數(shù)（方程）的基礎(chǔ)上引入了隨機(jī)項(xiàng)，稱(chēng)為總體回歸模型。11.隨機(jī)誤差項(xiàng)包括了哪些因素的影響？（1）在解釋變量中被忽略的因素的影響；（2）變量觀測(cè)值的觀測(cè)誤差的影響；（3）模型關(guān)系的設(shè)定誤差的影響；（設(shè)定誤差：指設(shè)定方程偏離了真實(shí)方程，如遺漏了某些重要的解釋變量，或引入了不相干的解釋變量，或者模型形式設(shè)定有問(wèn)題。）（4）其它隨機(jī)因素的影響。產(chǎn)生并設(shè)計(jì)隨機(jī)誤差項(xiàng)的主要原因：理論的含糊性；數(shù)據(jù)的欠缺；節(jié)省原則。12.樣本回歸函數(shù)：利用樣本數(shù)據(jù)，采用適當(dāng)?shù)姆椒ü烙?jì)得到的總體回歸函數(shù)的近似形式，就叫做樣本回歸函數(shù)或樣本回歸方程（sampleregressionfunction，SRF）。對(duì)應(yīng)的曲線(xiàn)稱(chēng)為樣本回歸線(xiàn)（sampleregressioncurves）例：若總體回歸函數(shù)為如下線(xiàn)性形式：，則對(duì)應(yīng)的樣本回歸函數(shù)一般表示為：13.樣本回歸模型：若樣本回歸函數(shù)為，，則，后者在樣本回歸函數(shù)的基礎(chǔ)上引入了殘差項(xiàng)ei，稱(chēng)為樣本回歸模型。14.回歸分析構(gòu)成計(jì)量經(jīng)濟(jì)學(xué)的方法論基礎(chǔ)，其主要內(nèi)容包括：（1）根據(jù)樣本觀察值對(duì)計(jì)量經(jīng)濟(jì)模型（屬于回歸模型）參數(shù)進(jìn)行估計(jì)，求得回歸方程；（2）對(duì)回歸方程及其參數(shù)進(jìn)行檢驗(yàn)；（3）利用回歸方程進(jìn)行分析、評(píng)價(jià)及預(yù)測(cè)。15.線(xiàn)性回歸模型的特征：（1）通過(guò)引入隨機(jī)誤差項(xiàng)，將變量之間的關(guān)系用一個(gè)線(xiàn)性隨機(jī)方程來(lái)描述，并用隨機(jī)數(shù)學(xué)的方法來(lái)估計(jì)方程中的參數(shù)；（2）在線(xiàn)性回歸模型中，被解釋變量的特征由解釋變量與隨機(jī)誤差項(xiàng)共同決定。16.單方程線(xiàn)性回歸模型的一般形式總體回歸模型：總體回歸方程：樣本回歸模型：樣本回歸方程：17.將非線(xiàn)性關(guān)系化為線(xiàn)性關(guān)系的數(shù)學(xué)處理方法：（1）直接置換法；（2）對(duì)數(shù)變換；（3）級(jí)數(shù)展開(kāi)。18.線(xiàn)性回歸模型的基本假設(shè)（1）解釋變量X是確定性變量，不是隨機(jī)變量；解釋變量之間互不相關(guān)。（2）隨機(jī)誤差項(xiàng)具有０均值和同方差：E(i)=0i=1,2,…,nVar(i)=2i=1,2,…,n（3）隨機(jī)誤差項(xiàng)在不同樣本點(diǎn)之間是獨(dú)立的，不存在序列相關(guān)：Cov(i,j)=0i≠ji、j=1,2,…,n（4）隨機(jī)誤差項(xiàng)與解釋變量之間不相關(guān)：Cov(Xji,i)=0i=1,2,…,n；j=1,2,…,k（5）隨機(jī)誤差項(xiàng)服從０均值、同方差的正態(tài)分布：i~N(0,2)i=1,2,…,n19.最小二乘法給出的判斷標(biāo)準(zhǔn)是：二者之差的平方和最小，即最小。20.最小二乘估計(jì)量：最小二乘參數(shù)估計(jì)量的離差形式：隨機(jī)誤差項(xiàng)方差的估計(jì)量為：21.普通最小二乘參數(shù)估計(jì)量具有線(xiàn)性性、無(wú)偏性、最小方差性等優(yōu)良性質(zhì)。具有這些優(yōu)良性質(zhì)的估計(jì)量又稱(chēng)為最佳線(xiàn)性無(wú)偏估計(jì)量，即BLUE估計(jì)量。（高斯—馬爾可夫定理：在給定經(jīng)典線(xiàn)性回歸的假定下，最小二乘參數(shù)估計(jì)量是具有最小方差的線(xiàn)性無(wú)偏估計(jì)量。）22.最小樣本容量：是指從最小二乘原理出發(fā)，欲得到參數(shù)估計(jì)量，不管其質(zhì)量如何，所要求的樣本容量的下限。樣本容量必須不少于模型中解釋變量的數(shù)目（包括常數(shù)項(xiàng)），這就是最小樣本容量：滿(mǎn)足基本要求的樣本容量：雖然當(dāng)n≥k+1時(shí)，可以得到參數(shù)估計(jì)量，但除了參數(shù)估計(jì)量質(zhì)量不好以外，一些建立模型所必須的后續(xù)工作也無(wú)法進(jìn)行。一般經(jīng)驗(yàn)認(rèn)為，當(dāng)n≥30或者至少n≥3(k+1)，才能說(shuō)滿(mǎn)足模型估計(jì)的基本要求。23.偏回歸系數(shù)，是指多元線(xiàn)性回歸模型中解釋變量前的系數(shù)。偏相關(guān)系數(shù)：是指在控制或消除其他變量影響的情況下，衡量多個(gè)變量中的某兩個(gè)變量之間線(xiàn)性相關(guān)程度的指標(biāo)。24.計(jì)量經(jīng)濟(jì)學(xué)模型的統(tǒng)計(jì)檢驗(yàn)主要包括：擬合優(yōu)度檢驗(yàn)；方程的顯著性檢驗(yàn)；變量的顯著性檢驗(yàn)。擬合優(yōu)度檢驗(yàn)：就是檢驗(yàn)?zāi)Ｐ蛯?duì)樣本觀測(cè)值的擬合程度。TSS=ESS+RSSTSS為總體平方和（TotalSumofSquares），反映樣本觀測(cè)值總體離差的大??；ESS為回歸平方和（ExplainedSumofSquares），反映由模型中解釋變量所解釋的那部分離差的大?。籖SS為殘差平方和（ResidualSumofSquares），反映樣本觀測(cè)值與估計(jì)值偏離的大小，也是模型中解釋變量未解釋的那部分離差的大小。R2和調(diào)整后的R225.用以進(jìn)行方程的顯著性檢驗(yàn)的方法主要有三種：F檢驗(yàn)、t檢驗(yàn)、r檢驗(yàn)。方程顯著性的F檢驗(yàn)：變量顯著性的t檢驗(yàn)：26.區(qū)間估計(jì)：用一個(gè)取值區(qū)間來(lái)表達(dá)對(duì)總體參數(shù)的估計(jì)。該數(shù)值區(qū)間稱(chēng)為總體參數(shù)的置信區(qū)間。該數(shù)值區(qū)間將總體參數(shù)包含在內(nèi)的概率稱(chēng)為置信水平?！鶇?shù)的區(qū)間估計(jì)：27.如何縮小參數(shù)的置信區(qū)間：（1）增大樣本容量；（2）更主要的是提高模型的擬合優(yōu)度；（3）提高樣本觀測(cè)值的分散度。28.異方差：對(duì)于模型（i=1,2,…,n），同方差性假設(shè)為（i=1,2,…,n），如果出現(xiàn)（i=1,2,…,n），即對(duì)于不同的樣本點(diǎn)i隨機(jī)誤差項(xiàng)的方差不再是常數(shù)，則認(rèn)為出現(xiàn)了異方差性。（一）異方差一般可歸結(jié)為三種類(lèi)型：（1）單調(diào)遞增型：i2隨Xi的增大而增大；（2）單調(diào)遞減型：i2隨Xi的增大而減?。唬?）復(fù)雜型：i2與Xi的變化呈復(fù)雜形式。（二）異方差性的后果：（1）參數(shù)估計(jì)量非有效；（2）變量的顯著性檢驗(yàn)失去意義；（3）模型的預(yù)測(cè)失效。（三）檢驗(yàn)方法的共同思路：檢驗(yàn)異方差性，也就是檢驗(yàn)隨機(jī)誤差項(xiàng)的方差與解釋變量觀測(cè)值之間的相關(guān)性及其相關(guān)的“形式”。檢驗(yàn)方法：（1）圖示檢驗(yàn)法；（2）解析法：G-Q（戈德菲爾德-匡特）檢驗(yàn)、戈里瑟（Gleiser）檢驗(yàn)與帕克（Park）檢驗(yàn)（四）解決異方差性的辦法——加權(quán)最小二乘法(WLS)加權(quán)最小二乘法是對(duì)原模型加權(quán)，使之變成一個(gè)新的不存在異方差性的模型，然后采用普通最小二乘法估計(jì)其參數(shù)。加權(quán)最小二乘法的具體步驟：29.對(duì)于模型，（i=1,2,…,n），隨機(jī)誤差項(xiàng)互相獨(dú)立的基本假設(shè)表現(xiàn)為：i≠j，i,j=1,2,…,n，如果出現(xiàn)i≠j，i,j=1,2,…,n，即對(duì)于不同的樣本點(diǎn)，隨機(jī)誤差項(xiàng)之間不再是不相關(guān)的，而是存在某種相關(guān)性，則認(rèn)為存在序列相關(guān)。如果僅存在（i=1,2,…,n-1），則稱(chēng)為一階序列相關(guān)，或自相關(guān)（autocorrelation）。（一）序列相關(guān)產(chǎn)生的原因：（1）慣性；（2）設(shè)定誤差：模型中遺漏了顯著的變量；（3）設(shè)定誤差：不正確的函數(shù)形式；（4）蛛網(wǎng)現(xiàn)象；（5）數(shù)據(jù)的“編造”。（二）序列相關(guān)性的后果：（1）參數(shù)估計(jì)量非有效；（2）變量的顯著性檢驗(yàn)失去意義；（3）模型的預(yù)測(cè)失效。（三）序列相關(guān)性的檢驗(yàn)：序列相關(guān)性檢驗(yàn)方法有多種，但基本思路是相同的：首先，采用普通最小二乘法估計(jì)模型，以求得隨機(jī)誤差項(xiàng)的“近似估計(jì)量”：然后，通過(guò)分析這些“近似估計(jì)量”之間的相關(guān)性，以達(dá)到判斷隨機(jī)誤差項(xiàng)是否具有序列相關(guān)性的目的。檢驗(yàn)方法：（1）圖示法；（2）解析法：:回歸檢驗(yàn)法、杜賓-瓦森（Durbin-Watson）檢驗(yàn)法。杜賓-瓦森（Durbin-Watson）檢驗(yàn)法：D.W.統(tǒng)計(jì)量：若0<D.W.<dL則存在正自相關(guān)dL<D.W.<dU不能確定dU<D.W.<4-dU無(wú)自相關(guān)4-dU<D.W.<4-dL不能確定4-dL<D.W.<4存在負(fù)自相關(guān)可以看出，當(dāng)D.W.值在2左右時(shí)，模型不存在一階自相關(guān)。（四）具有序列相關(guān)性模型的估計(jì)：最常用的方法是廣義最小二乘法（GLS）、一階差分法和廣義差分法。隨機(jī)誤差項(xiàng)相關(guān)系數(shù)的估計(jì)：常用的方法有：（1）科克倫-奧科特（Cochrane-Orcutt）迭代法；（2）杜賓（durbin）兩步法。應(yīng)用軟件中的廣義差分法：在Eview/TSP軟件包下，廣義差分采用了科克倫-奧科特迭代法估計(jì)ρ。在解釋變量中引入AR(1)、AR(2)、…，即可得到參數(shù)和ρ1、ρ2、…的估計(jì)值。其中AR(m)表示隨機(jī)誤差項(xiàng)的m階自回歸。在估計(jì)過(guò)程中自動(dòng)完成了ρ1、ρ2、…的迭代.30.多重共線(xiàn)性：如果某兩個(gè)或多個(gè)解釋變量之間出現(xiàn)了相關(guān)性，則稱(chēng)為多重共線(xiàn)性。如果存在c1X1i+c2X2i+…+ckXki=0，i=1,2,…,n其中：ci不全為0，即某一個(gè)解釋變量可以用其它解釋變量的線(xiàn)性組合表示，則稱(chēng)為解釋變量間存在完全共線(xiàn)性。如果存在c1X1i+c2X2i+…+ckXki+vi=0，i=1,2,…,n其中ci不全為0，vi為隨機(jī)誤差項(xiàng)，則稱(chēng)為一般共線(xiàn)性(近似共線(xiàn)性)或交互相關(guān)(intercorrelated)。（一）多重共線(xiàn)性的后果：（1）完全共線(xiàn)性下參數(shù)估計(jì)量不存在；（2）近似共線(xiàn)性下OLS法參數(shù)估計(jì)量非有效；（3）參數(shù)估計(jì)量的經(jīng)濟(jì)含義不合理；（4）變量的顯著性檢驗(yàn)失去意義；（5）模型的預(yù)測(cè)功能失效。（二）多重共線(xiàn)性的檢驗(yàn)用于多重共線(xiàn)性的檢驗(yàn)方法主要是統(tǒng)計(jì)方法，如判定系數(shù)檢驗(yàn)法、逐步回歸檢驗(yàn)法等。多重共線(xiàn)性檢驗(yàn)的任務(wù)是：（1）檢驗(yàn)多重共線(xiàn)性是否存在；（2）估計(jì)多重共線(xiàn)性的范圍，即判斷哪些變量之間存在共線(xiàn)性。（三）克服多重共線(xiàn)性的方法：（1）第一類(lèi)方法：排除引起共線(xiàn)性的變量；（2）第二類(lèi)方法：差分法；（3）第三類(lèi)方法：減少參數(shù)估計(jì)量的方差。31.隨機(jī)解釋變量問(wèn)題：對(duì)于模型i=1，2，…，n，其基本假設(shè)之一是解釋變量X1，X2，…，Xk是確定性的變量。如果存在一個(gè)或多個(gè)隨機(jī)變量作為解釋變量，則稱(chēng)原模型存在隨機(jī)解釋變量問(wèn)題。（一）隨機(jī)解釋變量問(wèn)題的三種情況：⑴隨機(jī)解釋變量與隨機(jī)誤差項(xiàng)不相關(guān)，即E（X2）=0⑵隨機(jī)解釋變量與隨機(jī)誤差項(xiàng)在小樣本下相關(guān)，在大樣本下漸近無(wú)關(guān)，即在小樣本下E（X2）0在大樣本下Plim（X2ii/n）=0或：P(lim(X2ii/n)=0)=1⑶隨機(jī)解釋變量與隨機(jī)誤差項(xiàng)高度相關(guān)，且Plim（X2ii/n）0（二）隨機(jī)解釋變量的后果32.工具變量：在模型估計(jì)過(guò)程中被作為工具使用，以替代模型中與隨機(jī)誤差項(xiàng)相關(guān)的隨機(jī)解釋變量。33.選擇為工具變量的變量必須滿(mǎn)足以下條件：（1）與所替代的隨機(jī)解釋變量高度相關(guān)；（2）與隨機(jī)誤差項(xiàng)不相關(guān)；（3）與模型中其它解釋變量不相關(guān)，以避免出現(xiàn)多重共線(xiàn)性。34.計(jì)量經(jīng)濟(jì)學(xué)方法中的聯(lián)立方程問(wèn)題：如果用單方程模型的方法估計(jì)聯(lián)立方程模型中的每個(gè)方程，問(wèn)題是存在的，主要表現(xiàn)在以下三個(gè)方面：1．隨機(jī)解釋變量問(wèn)題；2．損失變量信息問(wèn)題；3．損失方程之間的相關(guān)性信息問(wèn)題35.對(duì)于聯(lián)立方程模型系統(tǒng)，通常將變量分為內(nèi)生變量和外生變量?jī)纱箢?lèi)，外生變量與滯后內(nèi)生變量又被統(tǒng)稱(chēng)為先決變量。內(nèi)生變量：是具有某種概率分布的隨機(jī)變量。它是由模型系統(tǒng)決定的，同時(shí)又對(duì)模型系統(tǒng)產(chǎn)生影響。內(nèi)生變量一般都是經(jīng)濟(jì)變量。外生變量：一般是確定性變量，或者是具有臨界概率分布的隨機(jī)變量。它影響系統(tǒng)，但本身不受系統(tǒng)的影響。外生變量一般是經(jīng)濟(jì)變量、條件變量、政策變量、虛變量。先決變量：外生變量與滯后內(nèi)生變量的統(tǒng)稱(chēng)。（先決變量只能作為解釋變量）滯后內(nèi)生變量：是聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型中重要的不可缺少的一部分變量，用以反映經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)性與連續(xù)性。36.結(jié)構(gòu)式模型：根據(jù)經(jīng)濟(jì)理論和行為規(guī)律建立的描述經(jīng)濟(jì)變量之間直接結(jié)構(gòu)關(guān)系的計(jì)量經(jīng)濟(jì)學(xué)方程系統(tǒng)。結(jié)構(gòu)方程的正規(guī)形式：將一個(gè)內(nèi)生變量表示為其它內(nèi)生變量、先決變量和隨機(jī)誤差項(xiàng)的函數(shù)形式。結(jié)構(gòu)方程的方程類(lèi)型：（1）隨機(jī)方程：行為方程、技術(shù)方程、制度方程、統(tǒng)計(jì)方程；（2）恒等方程：定義方程、平衡方程、經(jīng)驗(yàn)方程。完備的結(jié)構(gòu)式模型：具有g(shù)個(gè)內(nèi)生變量、k個(gè)先決變量、g個(gè)結(jié)構(gòu)方程的模型被稱(chēng)為完備的結(jié)構(gòu)式模型。37.簡(jiǎn)化式模型：將聯(lián)立方程模型的每個(gè)內(nèi)生變量表示成所有先決變量和隨機(jī)誤差項(xiàng)的函數(shù)，即用所有先決變量作為每個(gè)內(nèi)生變量的解釋變量，所形成的模型稱(chēng)為簡(jiǎn)化式模型。38.參數(shù)關(guān)系體系：描述了簡(jiǎn)化式參數(shù)與結(jié)構(gòu)式參數(shù)之間的關(guān)系，稱(chēng)為參數(shù)關(guān)系體系。參數(shù)關(guān)系體系作用：（1）利用參數(shù)關(guān)系體系，首先估計(jì)簡(jiǎn)化式參數(shù)，然后可以計(jì)算得到結(jié)構(gòu)式參數(shù)。（2）從參數(shù)關(guān)系體系還可以看出，簡(jiǎn)化式參數(shù)反映了先決變量對(duì)內(nèi)生變量的直接與間接影響之和。39.識(shí)別：是指判斷聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型中某個(gè)結(jié)構(gòu)方程是否具有確定的統(tǒng)計(jì)形式。如果某一個(gè)隨機(jī)方程只具有一組參數(shù)估計(jì)量，稱(chēng)其為恰好識(shí)別；如果某一個(gè)隨機(jī)方程具有多組參數(shù)估計(jì)量，稱(chēng)其為過(guò)度識(shí)別。40.結(jié)構(gòu)式識(shí)別條件&簡(jiǎn)化式識(shí)別條件41.聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型的估計(jì)方法分為兩大類(lèi)：?jiǎn)畏匠坦烙?jì)方法與系統(tǒng)估計(jì)方法。所謂聯(lián)立方程模型的單方程估計(jì)方法，是指每次只估計(jì)模型系統(tǒng)中的一個(gè)方程，依次逐個(gè)估計(jì)。如間接最小二乘法、狹義的工具變量法、二階段最小二乘法、有限信息最大似然法、最小方差比方法等。所謂聯(lián)立方程模型的系統(tǒng)估計(jì)方法，是指同時(shí)對(duì)全部方程進(jìn)行估計(jì)，同時(shí)得到所有方程的參數(shù)估計(jì)量。如三階段最小二乘法、完全信息最大似然法等。42.狹義的工具變量法：是指對(duì)于聯(lián)立方程模型BY+X=N中的第i個(gè)結(jié)構(gòu)方程，為克服隨機(jī)解釋變量問(wèn)題，選擇該方程中沒(méi)有包含的（k-ki）個(gè)先決變量作為方程中包含的（gi-1）個(gè)內(nèi)生解釋變量的工具變量。43.間接最小二乘法：是指先對(duì)關(guān)于內(nèi)生變量的簡(jiǎn)化式方程采用OLS法估計(jì)簡(jiǎn)化式參數(shù)，得到簡(jiǎn)化式參數(shù)估計(jì)量，然后通過(guò)參數(shù)關(guān)系體系，計(jì)算得到結(jié)構(gòu)式參數(shù)的估計(jì)量。44.二階段最小二乘法(2SLS)二階段最小二乘法的具體步驟：第一階段：從結(jié)構(gòu)方程導(dǎo)出簡(jiǎn)化式方程，用普通最小二乘法進(jìn)行估計(jì)，然后用簡(jiǎn)化式方程求出結(jié)構(gòu)方程中內(nèi)生解釋變量的估計(jì)值。第二階段：用所求出的內(nèi)生解釋變量的估計(jì)值替換結(jié)構(gòu)方程中該內(nèi)生解釋變量的樣本觀測(cè)值，再對(duì)結(jié)構(gòu)方程用普通最小二乘法進(jìn)行估計(jì)，所求出的結(jié)構(gòu)參數(shù)估計(jì)量即為二階段最小二乘法參數(shù)估計(jì)量。45.分布滯后模型：由于某一原因（如收入）而產(chǎn)生的效果分散在若干時(shí)期里的事實(shí)，這種模型就稱(chēng)為分布滯后模型。滯后的原因：（1）心理上的原因。作為一種習(xí)慣勢(shì)力（或惰性）的結(jié)果，人們?cè)谑杖朐黾踊騼r(jià)格上升后，并不馬上改變他們的消費(fèi)習(xí)慣，甚至生活方式。（2）技術(shù)上的原因。比如，相對(duì)于勞動(dòng)力而言，資本價(jià)格下跌會(huì)使得用資本代替勞動(dòng)力較為經(jīng)濟(jì)。但是，資本的添置（或這種代替過(guò)程）是需要時(shí)間的。（3）制度上的原因。例如，由于受契約的約束，也許會(huì)妨礙廠商從一個(gè)勞動(dòng)力或原料來(lái)源轉(zhuǎn)向另一個(gè)來(lái)源。類(lèi)似的例子還有保險(xiǎn)合同。46.無(wú)約束有限分布滯后模型：在有限分布滯后模型中，模型參數(shù)沒(méi)有任何的樣本以外的約束的限制，這種模型可稱(chēng)為無(wú)約束有限分布滯后模型。對(duì)于無(wú)約束有限分布滯后模型，采用普通最小二乘法估計(jì)，經(jīng)常遇到下列問(wèn)題：（1）通常時(shí)間序列較短，而模型需要占用較多的自由度；（2）時(shí)間序列數(shù)據(jù)大多存在序列相關(guān)問(wèn)題（如Xt-1和Xt-2相關(guān)），在分布滯后模型中這種序列相關(guān)問(wèn)題則轉(zhuǎn)化成了解釋變量之間的多重共線(xiàn)性問(wèn)題，在滯后長(zhǎng)度k較大時(shí)，多重共線(xiàn)性問(wèn)題更嚴(yán)重；（3）隨機(jī)誤差項(xiàng)t往往是嚴(yán)重自相關(guān)的。解決辦法：對(duì)于問(wèn)題（3），一般通過(guò)引入被解釋變量的滯后值（AR項(xiàng)）作為解釋變量，或引入隨機(jī)誤差項(xiàng)的滯后值（MA項(xiàng)）來(lái)解決，即建立自回歸分布滯后（ADL：Auto-regressiveDistributedLag）模型。（顯然，ARMA模型只是ADL模型的一個(gè)特例。）對(duì)于前兩個(gè)問(wèn)題（1）和（2），通常是在滯后分布上強(qiáng)加某種約束，以便減少模型中的參數(shù)個(gè)數(shù)。其中，非常流行的一種分布滯后模型是多項(xiàng)式分布滯后（PDL：PolynomialDistributedLag）或阿爾蒙滯后（Almonlag）。47.幾何分布滯后模型：就是一種通過(guò)假定滯后系數(shù)按幾何級(jí)數(shù)衰減，從而減少待估計(jì)參數(shù)個(gè)數(shù)的無(wú)限分布滯后模型。48.因果關(guān)系：是指變量之間的依賴(lài)性，作為結(jié)果的變量是由作為原因的變量所決定的，原因變量的變化引起結(jié)果變量的變化。Granger因果關(guān)系：人們一般把這種從