计量经济学重点知识教案.pdf

《计量经济学重点知识教案.pdf》由会员分享，可在线阅读，更多相关《计量经济学重点知识教案.pdf（41页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、1 一般性定义 计量经济学是以经济理论和经济数据的事实为依据，运用数学和统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。研究的主体（出发点、归宿、核心）：经济现象及数量变化规律 研究的工具（手段）：模型 数学和统计方法 必须明确：方法手段要服从研究对象的本质特征（与数学不同）,方法是为经济问题服务 2 注意：计量经济研究的三个方面 理论：即说明所研究对象经济行为的经济理论 计量经济研究的基础 数据：对所研究对象经济行为观测所得到的信息计量经济研究的原料或依据 方法：模型的方法与估计、检验、分析的方法计量经济研究的工具与手段 三者缺一不可 3 计量经济学的学科类型 理论计量

2、经济学 研究经济计量的理论和方法 应用计量经济学：应用计量经济方法研究某些领域的具体经济问题 4 区别：经济理论重在定性分析,并不对经济关系提供数量上的具体度量 计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容 5 计量经济学与经济统计学的关系 联系：经济统计侧重于对社会经济现象的描述性计量 经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据 经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据 6 计量经济学与数理统计学的关系 联系：数理统计学是计量经济学的方法论基础 区别：数理统计学是在标准假定条件下抽象地研究一 般的随机变量的

3、统计规律性；计量经济学是从经济模型出发，研究模型参数 的估计和推断，参数有特定的经济意义，标准 假定条件经常不能满足，需要建立一些专门的 经济计量方法 3、计量经济学的特点：计量经济学的一个重要特点是：它自身并没有固定的经济理论，而是根据其它经济理论，应用计量经济方法将这些理论数量化。4、计量经济学为什么是一门单独的学科 计量经济学是经济理论、数理经济、经济统计与数理统计的混合物。1、经济理论所作的陈述或假说大多数是定性性质的，计量经济学对大多数经济理论赋予经验内容。2、经济统计学的问题主要是收集、加工并通过图或表的形式以展现经济数据，他们不考虑怎样用所收集的数据来检验经济理论。3、虽然数理统

4、计学提供了这一行业中使用的许多工具，但由于大多数经济数据的独特性，计量经济学家常常需要有特殊的方法。2、计量经济学的方法论 1、用计量经济学来分析问题的一般方法;（1）理论或假说的陈述（2）理论的数学模型的设定（3）理论的计量模型的设定（4）获取数据（5）计量经济模型的参数估计（6）模型检验（假设检验）（7）模型的应用：A、预报或预测 B、利用模型进行控制或制定政策 2、应用举例（消费函数）：（1）理论或假说的陈述：凯恩斯认为：随着收入的增加，消费也会增加，但是消费的增加不及收入增加的多。即边际消费倾向递减。（2）理论的数学模型设定：Y=a+bX 其中 y 为消费支出，x 为收入，为模型的参数

5、，分别代表截距和斜率系数。斜率系数就是消费边际倾向 MPC 的度量。其中左边的 Y 称为应变量，方程右边的 X 称为自变量或解释变量。该方程表明消费和收入之间存在准确的一一对应关系。（3）计量模型的设定：考虑到经济变量间的非准确关系，则消费函数的计量模型可以设定为:Y=a+Bx+其中被称为干扰项，或误差项，是一个随机 变量，它有良好定义的概率性质。是从模型中省略下来的而又集体影响着 Y 的全部变量的替代物（就是除了收入外，其它可能影响消费的所有因素）。（4）数据的获得 各种统计年鉴，企业报表和相关职能部门公布的统计数据。（该例中我们可以通过中国统计年鉴获取相关数据）（5）参数估计（利用各种统计

6、或计量软件来进行如：Eviews）以美国 1980-1991 年的数据，通过 Eviews5.0 的计算，我们可得如下消费函数方程：-231.8+0.7196 其中-231.8 0.7196 它表明在 1980-1991 年间，实际收入每增加一元，美国人的平均消费增加 0.72 元。（6）模型检验（假设检验）A、对理论或假说的检验 弗里德曼认为凡是不能通过经验数据检验（实证检验）的理论或假设，都不能作为科学探索的一部分。0 0.71961 B、对模型的检验 统计推断检验：模型的拟合优度检验、变量的显著性检验 计量经济学检验：平稳性、多重共线性、自相关、异方差 等方面的检验、（7）预报或预测（8

7、）利用模型进行控制或制定政策 4.计量经济学模型的应用 一、结构分析 经济学中的结构分析是对经济现象中变量之间相互关系的研究。结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。计量经济学模型的功能是揭示经济现象中变量之间的相互关系，即通过模型得到弹性、乘数等。应用举例 二、经济预测 计量经济学模型作为一类经济数学模型，是从用于经济预测，特别是短期预测而发展起来的。计量经济学模型是以模拟历史、从已经发生的经济活动中找出变化规律为主要技术手段。对于非稳定发展的经济过程，对于缺乏规范行为理论的经济活动，计量经济学模型预测功能失效。模型理论方法的发展以适应预测的需要。三、政策评价 政策评价的

8、重要性。经济政策的不可试验性。计量经济学模型的“经济政策实验室”功能。四、理论检验与发展 实践是检验真理的唯一标准。任何经济学理论，只有当它成功地解释了过去，才能为人们所接受。计量经济学模型提供了一种检验经济理论的好方法。对理论假设的检验可以发现和发展理论。3 变量 数据 参数 与模型 1、计量经济模型中的变量（1）从变量的因果关系分：自变量 因（应）变量 解释变量 被解释变量（2）从变量的性质分 内生变量：模型求解的结果 外生变量：2、计量经济学中应用的数据（1）时间序列数据（2）截面数据（3）混合数据（4）虚拟变量数据：一些定性的事实，不能直接用一般的数据去计量。3、参数及其估计准则（1）

9、无偏性（2）最小方差性（最优无偏估计）（3）一致性 4、计量模型的基本函数形式（1）线性模型（2）非线性模型（可变为线性形式的非线性模型）双对数模型 半对数模型 倒数变换模型 第二章 一元回归模型概述 回归分析的性质 回归分析的一些基本概念 对线性的几点说明 2.1 回归分析的性质 一、变量间的关系及回归分析的基本概念 1、变量间的关系 经济变量之间的关系，大体可分为两类：（1）确定性关系或函数关系：研究的是确定现象非随机变量间的关系。（2）统计依赖或相关关系：研究的是非确定现象随机变量间的关系。（以一定的统计规律呈现出来的关系）例如：函数关系：统计依赖关系/统计相关关系：注意：不线性相关并不

10、意味着不相关；有相关关系并不意味着一定有因果关系；回归分析/相关分析研究一个变量对另一个（些）变量的统计依赖关系，但它们并不意味着一定有因果关系。相关分析对称地对待任何（两个）变量，两个变量都被看作是随机的。回归分析对变量的处理方法存在不对称性，即区分应变量（被解释变量）和自变量（解释变量）：前者是随机变量，后者不是。回归与因果关系 虽然回归分析研究一个变量对另一（些）变量的依赖关系，但它并不意味着因果关系。Kendall和 Stuart 认为一个统计关系式不管多么强，也不管多么有启发性，却永远不能确立因果方面的联系，对因果关系方面的理念必须来自统计学之外，最终来自这种或那种理论。从逻辑上说，

11、统计关系式本身不可能意味着任何因果关系。要谈因果关系，必须诉诸先验或理论上的思考。2.2 回归分析的基本思想：一、利用样本来推断总体 1、总回归函数（PRF）2、样本回归函数（SRF）3、样本回归函数对总回归函数的进行拟合：正相关 线性相关 不相关 相关系数：统计依赖关系 负相关 11XY 有因果关系 回归分析 正相关 无因果关系 相关分析 非线性相关 不相关 负相关2,半径半径圆面积f施肥量阳光降雨量气温农作物产量,f（1）最小二乘法（OLS）（2）最小二乘法的基本假定 （3）最小二乘估计的精度或标准误（4）最小二乘估计量的性质 （5）拟合优度的度量 （6）区间估计或假设检验 4、利用回归方

12、程进行分析、评价及预测。二、回归分析的基本概念 1、回归分析(regression analysis)是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。其用意：在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。这里：前一个变量被称为被解释变量或因变量对变量测量尺度的注解：分类尺度（名义尺度）、顺序尺度（序数尺度）、间隔尺度（区间尺度）、比率尺度（比率尺度）三、总体回归函数 由于变量间关系的随机性，回归分析关心的是根据解释变量的已知或给定值，考察被解释变量的总体均值，即当解释变量取某个确定值时，与之统计相关的被解释变量所有可能出现的对应值的平均值。例 2.1：一个

13、假想的社区有 100 户家庭组成，要研究该社区每月家庭消费支出 Y 与每月家庭可支配收入 X 的关系。即如果知道了家庭的月收入，能否预测该社区家庭的平均月消费支出水平。为达到此目的，将该 100 户家庭划分为组内收入差不多的 10 组，以分析每一收入组的家庭消费支出。分析：（1）由于不确定因素的影响，对同一收入水平 X，不同家庭的消费支出不完全相同；（2）但由于调查的完备性，给定收入水平 X 的消费支出 Y 的分布是确定的，即以 X 的给定值为条件的 Y 的条件分布（Conditional distribution）是已知的，如：P(Y=561|X=800）=1/4。因此，给定收入 X 的值

14、Xi，可得消费支出 Y 的条件均值（conditional mean）或条件期望（conditional expectation）：E(Y|X=Xi)该例中：E(Y|X=800)=561 描出散点图发现：随着收入的增加，消费“平均地说”也在增加，且 Y 的条件均值均落在一根正斜率的直线上。这条直线称为总体回归线。概念：在给定解释变量 Xi 条件下被解释变量 Yi 的期望轨迹称为总体回归线，或更一般地称为总体回归曲线。相应的函数：称为（双变量）总体回归函数。含义：回归函数（PRF）说明被解释变量 Y 的平均状态（总体条件期望）随解释变量 X 变 0 500 1000 1500 2000 2500

15、 3000 3500 500 1000 1500 2000 2500 3000 3500 4000 每月可支配收入X（元）每 月 消 费 支 出 )()|(iiXfXYE化的规律。函数形式：可以是线性或非线性的。例 2.1 中，将居民消费支出看成是其可支配收入的线性函数时:为一线性函数。其中，0，1 是未知参数，称为回归系数（regression coefficients）。四、随机扰动项 总体回归函数说明在给定的收入水平 Xi 下，该社区家庭平均的消费支出水平。但对某一个别的家庭，其消费支出可能与该平均水平有偏差。记：称i 为观察值 Yi 围绕它的期望值 E(Y|Xi)的离，是一个不可观测的

16、随机变量，又称为随机干扰项或随机误差项。例 2.1 中，个别家庭的消费支出为：（*）即，给定收入水平 Xi,个别家庭的支出可表示为两部分之和:（1）该收入水平下所有家庭的平均消费支出 E(Y|Xi)，称为系统性（systematic）或确定性（deterministic)部分。（2）其他随机或非确定性（nonsystematic)部分i。(*)式称为总体回归函数 PRF 的随机设定形式。表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。由于方程中引入了随机项，成为计量经济学模型，因此也称为总体回归模型。随机误差项主要包括下列因素的影响：随机误差项是指从模型中省略下来的而又集

17、体地影响着 Y 的全部变量的替代物。1）在解释变量中被忽略的因素的影响；2）变量观测值的观测误差的影响；3）其它随机因素的影响。产生并设计随机误差项的主要原因：1）理论的含糊性；2）数据的欠缺（糟糕的替代变量）3）核心变量与周边变量；4）节省原则；5）人类行为的内在随机性；6）错误的函数形式；35 五、样本回归函数（SRF）问题：能从一次抽样中获得总体的近似的信息吗？如果可以，如何从抽样中获得总体的近似信息？例 2.2：在例 2.1 的总体中有如下一个样本，总体的信息往往无法掌握，现实的情况只能是在一次观测中得到总体的一个样本。问：能否从该样本估计总体回归函数 PRF？回答：能 核样本的散点图

18、（scatter diagram)：iiXXYE10)|()|(iiiXYEY 表2.1.3 家庭消费支出与可支配收入的一个随机样本 Y 800 1100 1400 1700 2000 2300 2600 2900 3200 3500 X 594 638 1122 1155 1408 1595 1969 2078 2585 2530 样本散点图近似于一条直线，画一条直线以尽好地拟合该散点图，由于样本取自总体，可以该线近似地代表总体回归线。该线称为样本回归线。记样本回归线的函数形式为：称为样本回归函数。注意：这里将样本回归线看成总体回归线的近似替代 则 样本回归函数的随机形式/样本回归模型：同样

19、地，样本回归函数也有如下的随机形式：由于方程中引入了随机项，成为计量经济模型，因此也称为样本回归模型。回归分析的主要目的：根据样本回归函数 SRF，估计总体回归函数 PRF。即，根据 估计 注意：这里 PRF 可能永远无法知道。iiiXXfY10)(iiiiieXYY10式中，ie称为（样本）残差（或剩余）项（residual），代表了其他影响iY的随机因素的集合，可看成是i的估计量i。iiiiieXeYY10iiiiiXXYEY10)|(2.3 对线性的几点说明 一、对变量之间关系为线性 二、对参数为线性 三、本身为非线性，但通过变形可以变为线性关系 经典回归分析主要考虑对参数是线性的形式，

20、对变量之间的关系不作线性要求。第三章 一元回归模型的参数估计 一、参数的普通最小二乘估计（OLS）二、最小二乘估计量的数值性质 三、一元线性回归模型的基本假设 四、最小二乘估计量的统计性质 五、参数估计量的概率分布及随机干 扰项方差的估计 六、最小二乘估计（OLS）的精度或标准误 单方程计量经济学模型分为两大类：线性模型和非线性模型 线性模型中，变量之间的关系呈线性关系 非线性模型中，变量之间的关系呈非线性关系 一元线性回归模型：只有一个解释变量 i=1,2,n Y 为被解释变量，X 为解释变量，0 与1 为待估参数，为随机干扰项 回归分析的主要目的是要通过样本回归函数（模型）SRF 尽可能准

21、确地估计总体回归函数（模型）PRF。估计方法有多种，其中最广泛使用的是普通最小二乘法。因为 OLS 具有良好的数值性质和统计性质。同时，在一系列假定下 OLS 估计量具有 BLUE 性质，能满足我们用样本推断总体的要求。注：实际这些假设与所采用的估计方法紧密相关。一、参数的普通最小二乘估计（OLS）给定一组样本观测值（Xi,Yi）（i=1,2,n）要求样本回归函数尽可能好地拟合这组值.离差 要求样本函数仅可能好的拟合这组数值，我们可以考虑 使观测值 Yi 与样本回归值之差(残差 ei)尽可能的小，使之尽可能的接近 PRF,即：注：在统计分析中，如没有特殊说明，离差一般是指观测值与其均值的差，即

22、 这种方法尽管有直观上的说服力，却不是一个很好的准则，如果采用 即 minei 那么在总和（e1+e2+e3+e4+ei)中，无 论残差离样本回归函数 SRF 远还是近，都 得到同样的权重。结果很可能 ei 离开 SRF 散布得很远，但代数和很小甚至为零。普通最小二乘法给出的判断标准是：二者之差的平方和最小。为什么要用两者之差平方和最小：1、它根据各观测值离 SRF 的远近不同分别给予不同的权重。从而 ei 越大，ei2 也越大。2、ei2f(0,1)，即残差平方和是估计量 0,1 的某个函数。iiiXY10niiiniXYYYQ121021)()()(minYYiYYi)(minYYi3、用

23、 OLS 原理或方法选出来的 0,1，将使得对于给定的样本或数据残差平方和尽可能的小。方程组（*）称为正规方程组（normal equations）。记 上述参数估计量可以写成：称为 OLS 估计量的离差形式 由于参数的估计结果是通过最小二乘法得到的，故称为普通最小二乘估计量。二、OLS 估计量的数值性质 OLS 数值性质是指运用最小二乘法而得以成立的那些性质，而不管这些数据是怎样产生的。1、OLS 估计量纯粹是用可观测的量（即样本）来表达的，因此这些量是容易计算的。2、这些量是点估计量。3、一旦从样本数据得到 OLS 估计值，便容易画出样本回归线，这样得到的回归线有如下性质：（1）它通过 Y

24、 和 X 的样本均值。即（2）估计的 Y 均值等于实测的 Y 均值。即（3）残差 ei 的均值为零。即ei=0。据此，我们可以 推出样本回归函数的离差形式。即 注意：在计量经济学中，往往以小写字母表示对均值的离差。记 则有 可得（*）（*）式为样本回归函数的离差形式。（4）残差 ei 和预测的 Yi 值不相关。即 （5）残差 ei 和 Xi 不相关。即 eiXi=0 三、线性回归模型的基本假设 为什么要做出假定：22221)(iiiiXnXXXxXYxyxiii1021iixy1YYyiiiniiieXXeXXy111010)()()(iixy1 iiiiiiiiYXnYXYYXXyx1)(X

25、Y10YY 0)(iiYe1、虽然通过 OLS，我们可以获得,的估计值，但我们的目的不仅仅是为了得到它们的值。2、更为重要的是对 0,1 与真实的 0 ,1 之间的替代性进行推断。3、对 Yi 与 E(Y|X=Xi)之间的差距到底有多大进行推断。4、在模型 中，ei是一随机变量，如果我们不知道 xi、ei 是怎样产生的，就无法对 Yi 做出任何推断，也无法对 0 ,1 做出任何推断。5、在一系列假定下，OLS 具有良好的统计性质，能够满足我们对0 ,1 作出推断的要求。线性回归模型的基本假设 假设 1、线性回归模型，回归模型对参数而言是线性的；假设 2、解释变量 X 是确定性变量，不是随机变量

26、；假设 3、随机误差项具有零均值、同方差和不序列相关性：E(i)=0 i=1,2,n Var(i)=2 i=1,2,n Cov(i,j)=0 ij i,j=1,2,n 假设 4、随机误差项与解释变量 X 之间不相关：Cov(Xi,i)=0 i=1,2,n 假设 5、服从零均值、同方差、零协方差的正态分布 iN(0,2)i=1,2,n 假设 6、观测次数 n 必须大于待估的参数个数；假设 7、X 值要有变异性；假设 8、正确的设定了回归模型；也被称为模型没有设定偏误（specification error）；假设 9、在多元回归模型中没有完全的多重共线性。注意：1、如果假设 2、3 满足，则假设

27、 4 也满足;2、如果假设 5 满足，则假设 3 也满足。以上假设也称为线性回归模型的经典假设或高斯（Gauss）假设，满足该假设的线性回归模型，也称为经典线性回归模型。另外，在进行模型回归时，还有一个暗含的假设：假设 10：随着样本容量的无限增加，解释变量 X 的样本方差趋于一有限常数。即 假设 5 旨在排除时间序列数据出现持续上升或下降的变量作为解释变量，因为这类数据不仅使大样本统计推断变得无效，而且往往产生所谓的伪回归问题。四、假定条件下的最小二乘估计量的统计性质 当模型参数估计出后，需考虑参数估计值的精度，即是否能代表总体参数的真值，或者说需考察参数估计量的统计性质。一个用于考察总体的

28、估计量，可从如下几个方面考察其优劣性：（1）线性性，即它是否是另一随机变量的线性函数；（2）无偏性，即它的均值或期望值是否等于总体的真实值；（3）有效性，即它是否在所有线性无偏估计量中具有最小方差。iiiiieXYY10nQnXXi,/)(2（4）渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值；（5）一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值；（6）渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。这三个准则也称作估计量的小样本性质。拥有这类性质的估计量称为最佳线性无偏估计量（best liner unbiased estim

29、ator,BLUE）。当不满足小样本性质时，需进一步考察估计量的大样本或渐近性质：高斯马尔可夫定理 在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。证 证：易知 故 同样地，容易得出 （2）证明最小方差性 其中，ci=ki+di，di 为不全为零的常数 2、无偏性，即估计量0、1的均值（期望）等于总体回归参数真值0与1 iiiiiiiiiikXkkXkYk10101)(02iiixxk1iiXkiik111111)()()(iiiiEkkEE0000)()()()(iiiiEwEwEE假设*1是其他估计方法得到的关于1的线性无偏估计量：iiYc*12222)(1iii

30、iiiiiiiixxYxYxxYYxxyx则容易证明 普通最小二乘估计量称为最佳线性无偏估计量 由于最小二乘估计量拥有一个“好”的估计量所应具备的小样本特性，它自然也拥有大样本特性。五、参数估计量的概率分布及随机干扰项方差的估计 2、随机误差项的方差 2 的估计 由于随机项i 不可观测，只能从i 的估计残差 ei 出发，对总体方差进行估计。2 又称为总体方差。可以证明，2 的最小二乘估计量为它是关于 2 的无偏估计量。)var()var(1*1)/lim()/lim()lim()lim()lim()lim(212111nxPnxPxxPPkPPiiiiiiii1110),(QQXCov222n

31、ei第四章一元线性回归模型的统计检验 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 回归分析是要通过样本所估计的参数来代替总体的真实参数，或者说是用样本回归线代替总体回归线。尽管从统计性质上已知，如果有足够多的重复抽样，参数的估计值的期望（均值）就等于其总体的参数真值，但在一次抽样中，估计值不一定就等于该真值。那么，在一次抽样中，参数的估计值与真值的差异有多大，是否显著，这就需要进一步进行统计检验。主要包括拟合优度检验、变量的显著性检验及参数的区间估计。一、拟合优度检验 拟合优度检验：对样本回归直线与样本观测值之间拟合程度的检验。度量拟合优度的指标：判定系数（可决系数）r2（二元

32、回归）或 R2（多元回归）问题：采用普通最小二乘估计方法，已经保证了模型最好地拟合了样本观测值，为什么还要检验拟合程度？1、总离差平方和的分解 已 知 由 一 组 样 本 观 测 值（Xi,Yi），i=1,2 ,n得 到 如 下 样 本 回 归 直 线 如果 Yi=i 即实际观测值落在样本回归“线”上，则拟合最好。可认为，“离差”全部来自回归线，而与“残差”无关。对于所有样本点，则需考虑这些点与样本均值离差的平方和。我们可以得到：方程两边同时平方，求和得：TSS=ESS+RSS Y 的观测值围绕其均值的总离差(total varia 可分解为两部分：一部分来自回归线(ESS)，另一部分则来自随

33、机势力(RSS)。在给定样本中，TSS 不变，如果实际观测点离样本回归线越近，则 ESS 在 TSS 中占的比重越大，因此,拟合优度：回归平方和 ESS/Y 的总离差 TSS 2、可决系数 R2 统计量 称 R2 为（样本）可决系数/判定系数（coefficient of determination)。可决系数的取值范围：0，1 R2 越接近 1，说明实际观测点离样本线越近，拟合优度越高。二、回归系数的区间估计 如果存在这样一个区间，称之为置信区间;1-称为置信系数（置信度），称为显著性水平；置信区间的端点称为置信限或临界值。从定义我们可以看出，区间估计量是一个构造出来的区间，要使得它把参数的

34、真值包括在区间的界限内有一个特定的概率：1 在给定0.05 或 5%的情况下,置信(随机)区间包含真实的概率为 0.95 或 95%。它表示使用我们所描述的方法构造出来的 众多区间中包含真值的概率为 0.95 或 95%。我们能不能构造出这样的区间呢？依据什么来构造呢 依据概率知识我们知道，如果估计量的抽样或概率分布已知，我们就可以构造出以一定概率包含真实值的区间。对回归系数的区间估计可归纳为三种情况 0.05，即 1 0.95 0.01，即 1 0.99 0.001，即 1 0.999 例如：取0.05，即 1 0.95，查标准正态分布表可知 Z 值在（1.96，1.96）区间的概率为 0.

35、95。即 P（1.96Z1.96）0.95 三、假设检验：回归分析是要判断解释变量 X 是否是被解释变量 Y 的一个显著性的影响因素。在一元线性模型中，就是要判断 X 是否对 Y 具有显著的线性性影响。这就需要进行变量的显著性检验。变量的显著性检验所应用的方法是数理统计学中的假设检验。计量经计学中，主要是针对变量的参数真值是否为零来进行显著性检验的。1、假设检验 所谓假设检验，就是事先对总体参数或总体分布形式作出一个假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定是否接受或否定原假设。当我们拒绝原假设（虚拟假设）时，我们说发现统计上是显著的。当我们不拒

36、绝原假设时，我们说发现不是统计上显著的。假设检验采用的逻辑推理方法是反证法。先假定原假设正确，然后根据样本信息，观察由此假设而导致的结果是否合理，从而判断是否接受原假设。判断结果合理与否，是基于“小概率事件不易发生”这一原理的 2、变量的显著性检验 检验步骤：（1）对总体参数提出假设 H0：1=0，H1：10（2）以原假设 H0 构造 t 统计量，并由样本计算其值 （3）给定显著性水平，查 t 分布表，得临界值 t/2(n-2)(4)比较，判断 若|t|t/2(n-2)，则拒绝 H0，接受 H1；若|t|t/2(n-2)，则拒绝 H1，接受 H0；t 统计量的计算结果分别为：)()(11111

37、SeSet 给定显著性水平=0.05，查 t 分布表得临界值 t 0.05/2(8)=2.306|t1|2.306，说明家庭可支配收入在 95%的置信度下显著，即是消费支出的主要解释变量；|t2|2.306,表明在 95%的置信度下，无法拒绝截距项为零的假设。3、变量的置信区间检验 要判断样本参数的估计值在多大程度上可以“近似”地替代总体参数的真值，往往需要通过构造一个以样本参数的估计值为中心的“区间”，来考察它以多大的可能性（概率）包含着真实的参数值。这种方法就是参数检验的置信区间估计。在置信区间检验程序中，我们试图建立一个以某种概率包含有真实，但未知的的一个范围区间；而在显著性检验步骤中，

38、我们假设为某值，然后看所计算的 值,是否位于该假设值周围某个合理的范围内。由于置信区间一定程度地给出了样本参数估计值与总体参数真值的“接近”程度，因此置信区间越小越好。要缩小置信区间，需 （1）增大样本容量 n，因为在同样的置信水平下，n 越大，t 分布表中的临界值越小；同时，增大样本容量，还可使样本参数估计量的标准差减小；（2）提高模型的拟合优度，因为样本参数估计量的标准差与残差平方和呈正比，模型拟合优度越高，残差平方和应越小。第六章 双变量线性回归模型的延伸 6.1 过原点的回归 过原点的回归 例 1:资本资产定价模型(CAPM)证券期望风险溢价=期望市场风险溢价 例 尺度和单位变化的影响

39、 i,SEE,RSS 的值会受到影响 6.3 回归模型的函数形式 对数线性模型 半对数模型 倒 数 模 型 6.7 函数形式的选择 模型背后的理论 求出回归子对回归元的斜率和弹性 系数应满足一些先验预期 有时不止一个模型能很好的拟合给定数据集 不应该过分强调 R2。6.8 相加性和相乘性误差 无论是何种设定的模型，只要是关于参数的线性模型，均可以运用 OLS 进行估计，但对于残差而言，只能对便携式计的残差进行诊断其是否为正态，而不是直接对原始扰动进行检验。第七章 多元回归分析估计问题 7.1三变量模型 将双变量总体回归模型(PRF)推广为 3 变量,即 b1 为截距项,按模型的设定可机械地解释

40、为当 X1,X2 为 0 时,Y 的均值,隐含的意义为没有包含在模型中的变量对 Y 的部分影响,系数 b2 和 b3 则称为偏回归系数。误差项的假定 7.2 多元回归方程的解释 方程表示，在给定回归变量的固定值时，被解释变量的条件期望即总体回归函数。b2 代表了在 X3 不变的情况下，X2 每变化一个单位第一节 会计的意义 一、会计的定义：以货币为主要计量单位，核算和监督企业、政府和非营利组织等单位经济活动的一种经济管理工作，同时，它又是一个以提供财务信息为主的经济信息系统。可从四个方面理解：会计属于管理的范畴；其对象是特定单位的经济活动；基本职能是核算和监督；以货币为主要计量单位。（而不是惟

41、一的计量单位）二、会计的基本职能：核算和监督 1、会计核算：指会计以货币为主要计量单位，通过确认、计量、记录和报告等环节，反映特定会计主体的经济活动，向有关各方提供会计信息。会计核算的基本特点：以货币为主要计量单位反映各单位的经济活动 会计核算具有完整性、连续性和系统性 会计核算的四个环节：确认、计量、记录、报告 会计核算的 7 种方法：设置会计科目和账户；复式记账；填制和审核会计凭证；登记账簿；成本计算；财产清查；编制会计报表。会计核算的基本运作程序：根据发生的经济业务填制和审核凭证，按照确定的会计科目设置账户，运用复式记账的方法登记账簿，按一定的成本计算对象计算成本，定期或不定期地进行财产

42、清查，根据账簿资料编制财务报表。2、会计监督：指会计人员在进行会计核算的同时，对特定主体经济活动的合法性、合理性进行审查。会计监督的三个特点：主要通过价值指标进行；对企业经济活动的全过程进行监督，包括事前监督、事中监督和事后监督；监督依据包括合法性和合理性两个方面。3、会计核算与会计监督的关系：核算是监督的前提，监督是核算的保证。（对经济业务活动进行监督的前提是正确地进行会计核算，相关而可靠的会计资料是会计监督的依据；同时，也只有搞好会计监督，保证经济业务按规定进行、达到预期的目的，才能真正发挥会计参与管理的作用。）4、财务报告目标（也称会计目标）：总 目 标：提高经济效益 基本目标：向有关各

43、方提供会计信息 根据 2006 年企业会计准则，财务报告的目标是向财务报告使用者提供与财务状况、经营成果和现金流量等有关的会计信息，反映企业管理层受托责任履行情况，有助于财务报告使用者做出经济决策。财务报告使用者包括：企业管理者，投资者，债权人，社会公众，政府及有关部门等（选择）第二节 会计基本假设和会计基础 1、会计基本假设包括：会计主体、持续经营、会计分期和货币计量。会计主体是指会计确认、计量、报告的空间范围。会计主体与法律主体（法人）并非对等的概念。一般而言，凡法人单位必为会计主体，但会计主体不一定是法人。（判断）持续经营是指会计主体在可预见的未来，会按照当前的规模和状态继续经营下去，不

44、会破产、也不会大规划削减业务。会计分期指将一个会计主体持续经营的生产经营活动人为地划分为若干相等的会计期间，以便分期结算账目和编制财务报告。会计期间分为年度、半年度、季度和月度，均按公历起讫日期确定。（选择）我国的会计核算以人民币作为记账本位币。业务收支以外币为主的企业也可选择某种外币作为记账本位币，但向外编送财务报告时，应折算为人民币反映。（判断）2、会计记账基础 权责发生制（也称应计制或应收应付制）：凡是当期已经实现的收入和已经发生或应当负担的费用，不论款项是否收付，都应当作为当期的收入和费用；凡是不属于当期的收入和费用，即使款项已在当期收付，也不应当作为当期的收入和费用。收付实现制（也称

45、现金制中现收现付制）：以款项的实际收付为标准来确认本期收入和费用的一种方法。收付实现制（一般用于事业单位、非营利组织）是和权责发生制（企业）相对应的一种确认基础。企业会计的确认、计量和报告应当以权责发生制为基础。目前，我国的政府和非营利组织会计一般采用收付实现制，事业单位除经营业务（如学校的复印部、食堂等）采用权责发生制外，其他业务也采用收付实现制。第三节 会计信息的质量要求 8 项要求：4 个首要质量要求：可靠性、相关性、可理解性、可比性 4 个次级质量要求：实质重于形式、重要性、谨慎性、及时性 可靠性：是对会计工作和会计信息质量最基本的要求；可比性：同一企业不同时期应当要用一致的会计政策，

46、不得随意变更。确需变更的，应在附注中说明。不同企业发生的相同或者相似的交易或事项，应当采用规定的会计政策，确保会计信息口径一致，相互可比。重要性：凡对资产、负债、损益等有较大影响的会计事项要充分披露，对次要的会计事项可适当合并、简化处理。谨慎性：也称稳健性或审慎性，是指企业在进行会计核算时，应当保持必要的谨慎，不得多计资产或收益，少计负债或费用，但不得计提秘密准备。（费用从高，资产或收入从低：如收入每月挣 5000-8000，说 5000）及时性：一是要求及时收集会计信息，即在经济业务发生后，及时收集整理各种原始单据；二是及时处理会计信息，及时编制同财务报告；三是及时传递会计信息。第四节 会计

47、要素和会计等式 会计要素：是根据交易或事项的经济特征所确定的会计核算内容的基本分类，是会计核算内容的具体化，是从会计的角度描述经济活动的基本要素。也称财务报表要素。会计要素包括 6 个：资产、负债、所有者权益、收入、费用、利润。其中，资产、负债、所有者权益三项要素侧重于反映企业的财务状况，构成资产负债表要素；收入、费用、利润三项要素侧重于反映企业的经营成果，构成利润表要素。一、资产：1、资产的概念：是指过去的交易或事项形成的，由企业拥有或控制的，预期会给企业带来经济利益的资源。2、资产的分类：按其流动性（即变现速度或能力）不同，可分为流动资产、长期投资、固定资产、无形资产和其他资产。流动资产：

48、指可以在 1 年或者超过 1 年的一个营业周期内变现或耗用的资产，主要包括现金、银行存款、交易性金融资产、应收及预付款项、存货等。长期投资：指除交易性金融资产以外的投资，包括持有时间准备超过 1 年（不含 1 年）的各种股权性质的投资、不能变现或不准备随时变现的债券、其他债权投资和其他长期投资。固定资产：指为生产商品、提供劳务、出租或经营管理而持有的，使用年限超过 1 年，单位价值较高的有形资产，包括房屋、建筑物、机器设备、运输设备、工具器具等。无形资产：指企业为生产商品、提供劳务、出租给他人，或为管理目的而持有的、没有实物形态的、可辨认的非货币性长期资产，包括专利权、非专利技术、商标权、著作

49、权、土地使用权、特许权等。其他资产：指除以上四类资产以外的资产，如长期待摊费用、商誉等 3、资产的基本特征：资产是由过去的交易或事项形成的。即资产必须是现实的资产，而不能是预期的资产。资产是企业拥有或控制的。在会计实务中将以融资租赁方式租入的固定资产视为企业的资产。资产预期会给企业带来经济利益。二、负债 1、负债的概念：指过去的交易或事项所形成的、预期会导致经济利益流出企业的现时义务。2、负债的分类：按其流动性不同（或偿还期限的长短），分为流动负债和长期负债。流动负债：指将在 1 年（含 1 年）或者超过 1 年的一个营业周期内偿还的债务，包括短期借款、应付票据、应付账款、预收账款、应付职工薪

50、酬、应付股利、应交税费、其他暂收应付款项和将于一年内到期的长期借款等。长期负债：指偿还期限在 1 年或者超过 1 年的一个营业周期以上的负债，包括长期借款、应付债券、长期应付款等。3、负债的特征：是企业由于过去的交易或事项而承担的现时义务 负债的清偿预期会使经济利益流出企业 是能够用货币确切计量或合理估计的经济责任 三、所有者权益 1、所有者权益的概念：指所有者在企业资产中的剩余权益，其金额为资产减去负债后的余额。（资产减去负债后的余额称为净资产）。2、所有者权益的来源：所有者投入的资本；直接计入所有者权益的利得和损失；留存收益。利得：指由企业非日常活动所形成的、会导致所有者权益增加的、与所有