经济学读书笔记.02_经济学读书笔记

经济学读书笔记.02由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“经济学读书笔记”。

首先学生我要感谢 老师之前对我的批评和指正，特别是计量经济学方面，之前学生太纠结于一些细枝末节，有失大局观，确实如此，这和经济学理论研究一样，理论的提出由简单到逐渐复杂，阅读也是如此吧，一开始没有一个大概的轮廓，反而过于深入，容易止步不前，这也是因为我认识太肤浅，如何能深入。于是放下包袱，加速阅读，并结合EVIEWS操作，确实让我对计量经济学的认识更全面了。计量经济学在我眼里，不像一开始仅仅是充满了数学推导和统计概念，而总是觉得和经济学理论的联系太少，这也我一开始的阅读进度有关系，之前看了半天还钻在经典回归模型里面，纠结于他的假设的每个文字，但后面才发现OLS不仅仅只是数学和统计，它堪比经济学理论中的完全竞争模型，是提供了一个参考系和基准点，为进一步和现代经济学的各项发展匹配而提供一种思路，在后面我也看到OLS的思想在解决异方差，自相关等问题的解决里面都还有进一步的应用。这是我要注意的，虽然看了后面多重共线性，异方差，自相关后，觉得OLS似乎是那么不切实际，OLS的前提下假设检验中比较重要的统计量，诸如T检验，R是那么的不堪一击，我们更多关注的是后面书中介绍的繁杂的各种检验统计量，但我们要理解，OLS只是计量经济学理论的初步形成中的必经路线，只有这样，我们才能更好的发展和进一步深入研究各种经济现象，并且OLS反复不断在后面的模型的构建中成为重要的思想组成部分，凡事不能一步登天吧。再来想想，为什么有异方差，自相关这些问题，一开始学生仅仅是以为，OLS太不切合实际，那么我们要推翻它，所以出现这些问题，那么现在我觉得我可以更好的把这些问题和经济学理论结合在一起，首先计量经济学使得经济理论更加严密和没有谬误，能得到和检验仅凭我们的直觉而通常不能得到的结论，能减少不必要的学术争论，所以计量经济学是紧跟经济学理论的需求的，比如为什么要研究自相关现象，这并不是因为OLS假设不存在自相关，而更多的是因为经济学理论的发展，比如在解决自相关问题中，我们经常要引入滞后项，这可能是因为经济学理论中适应性预期的提出，人们往往会根据以前的数据和经验来作出当期的各种抉择和预判。异方差问题，之前没有异方差，举个例子，引起异方差的原因有很多，但不一定是下面这个例子，比如假设所有的家庭的边际消费倾向是一样的，那么这时候随着收入的增长，将不会有异方差的出现，但是实际情况，我们假设往往收入更高的人有更高的MPC值，这时候就存在异方差现象了，因此我觉得我们在阅读计量经济学的时候，不仅仅要知道，哦，会出现异方差现象，我们还要进一步结合经济理论，去了解异方差现象是现实经济生活中的什么现象，而不仅仅停留在一个数学现象上面。

我给你们说现在国际期刊接近一半的论文依然用ols方法来估计，经济学的实证分析关键还是有的好的idea，一个好的故事，如何深入分析其中的机制如何对此进行实证检验，比如哥伦比亚大学的魏尚进教授是华裔在美国做的非常的一个学者，他最近一篇论文发表在国际顶尖期刊上面（凭借这篇论文在亚洲任何一所大学做顶尖经济学教授都没有任何问题），故事大概思路就是Zhang(2009)从性别比例失调1与婚姻市场竞争的角度提出了一个解释中国高储蓄率的新的假说“竞争性储蓄动机”，该文分别利用省际与家庭住户调查数据对这一假说进行了实证检验，结果表明性别比例失调导致的“竞争性储蓄动机”可以解释家庭储蓄率上升的48%，思路就是男人要娶老婆必需储蓄，中国男人多女人少，从这个角度分析中国的储蓄率过高的问题，然后认真进行了大量的数据分析与检验。经济学关键是一个好的故事！

上面是仅仅学生我的一些感想，估计还是有很多认识的错误，希望易老师给予宝贵的指正。下面我结合方程，描述一下我的计量经济学轮廓。首先看一个多元回归方程：

Yi = β1 ＋ β2Ｘ2i ＋ β3Ｘ3i ＋...＋βkＸki ＋Ui 12Wei与Zhang(2009)考虑到生物学的含义，正常的出生的性别比例应该在106:100(即106个男孩对应100个女孩)，在1980年中国的性别比例正常，到2007年这一指标则急剧增加到126:100。

为什么我们要研究多元回归方程，这是因为在实践中，我们的因变量往往不仅仅只受到1个或俩个解释变量的影响，比如消费Y，不仅仅只受到Ｘ2i（假如是收入）的影响，可能还受到天气和其他消费者消费情况的影响。这里我们这个方程是线性的，即是参数的线性模型，也可以说是变量的线性模型，我们假定它服从经典线性回归模型的框架，协方差为0你们以后学习高级计量经济学就会知道协方差矩阵非常重要，也不存在异方差和序列相关等，在这种多元OLS模型建立和假设检验的过程中我觉得有几个值得注意的问题，也是和单变量和双变量中不同的问题，首先是对偏回归系数的理解，偏回归系数β2衡量了当其他变量不变的前提下，X2的变化对Y的均值的影响。其次是调整R引入，由于传统的R并没有能很好的衡量变量个数的影响，因此这里我们更喜欢用调整R。还有一个最重要的问题，就是多元

中假设检验的t值，往往没有单变量和双变量的检验中具有说服力，因为它并不能通过逐一检验来替代联合检验，这里我们更多的是依赖于F检验，从而对回归方程的总显著性作出判别。你这里混淆了一个问题，t检验的原假设与f检验的原假设是不一样的，用途也存在很大差别，这个需要你认真体会！

这里我结合EVIEWS来说下我的感受，之前易老师推荐的高老师的那本书，我在图书馆没有借到，于是只能网上下载PDF看看高铁梅这本书你们去买一本好好看看，下周结合古扎拉蒂的书与高铁梅这本书认真体会！，结合从图书馆借来的一本清华大学出版社的 《EViews数据统计与分析教程》，这俩本书的区别是，高老师那本在理论知识方面更全面和细致，而后者对EViews的操作流程描写的更加详细。Eviews确实是一个好工具，他让我们在建立模型时不需要繁琐的运算，比如上面的多元和单变量的区别，OLS理论上区别有很多，其实在Eviews上，我们建立这俩个模型的方法基本一致，都是建立一个工作文件后，再建立一个new objiect，再选择Equation，再输入因变量和解释变量，这里值得注意的是，在Eviews中我们不需要输入残差项目，但一定要记得输入常数项c。然后再选择LS method，然后Eviews将会给出你各种检验统计量的值。在输入数据时的感受，我不得不说，还是有现成的Excel数据表比较好，这样能直接通过Eviews的Read-text-lotus-excel选项，把所有数据植入工作文件中，特别是样本量很多的时候，如果要一个一个输入到series中比较痛苦。这是因为你不知道如何批量处理数据的原因，你们务必记住不懂就用eviews的help文件，我以前就是边看帮助文件边学习的！

回到之前的多元回归方程，之前我们是假定服从经典OLS的，假如现在各个变量之间存在Ｘ2i=2*Ｘ3i的情况呢，那这就是出现了多重共线性中的完全多重共线性问题，这样将导致我们算不出β2和β3的具体值，即不能区分这俩个变量对因变量的影响。【这里我说下，在古扎拉蒂那本书中，不仅仅是对于放松经典模型的假定问题的思路都是，首先我们要学会侦查，侦查出问题所在，比如是异方差，那么我们就再采取补救措施，而后补救措施效果如何呢，我们再采取检验检验。】关于多重共线性的检验方法，我们常用的有判定系数检验法和逐步回归法，其中前者在eviews的操作过程很简单，只要用到correlations选项即可，显示结果中系数越大，共线性的可能性越大。关于如何补救，有一种无为而治的方法，是Blandchard提出的，他认为出现这种情况，主要是数据不足的关系，是上帝的意志，我觉得这未免有些悲观，我们目前不一定要做到最完美的解决这个共线性问题，但至少应该不放弃，逐渐靠近完美，经济理论也正是这么发展的。由于多重共线性多出于时间序列模型中【说道时间序列模型，古扎伦蒂这本书确实没有花太多篇幅来描述，因此eviews操作中，关于这方面，学生暂时做的比较少这是不行的，计量学习千万记住操作体会非常重要，下学期你们需要自己写程序来解决问题。古扎拉蒂这本书相对于其他计量经济学书来说确实比较基础。】，因此我们可以采取时间和横截面数据并用的方法来避免共线性，还可以用一阶差分的方法。当然学生认为在多重共线性方面，最重要的是我们要密切结合经济理论，你提出你模2

2型中的解释变量时，不能随便根据自己幻想中的发现而随意添加解释变量，每一个解释变量的添加，最好需要有前人有根据和有出处的理论依据，这样才能避免你添加的解释变量其实和没添加一样的结果。

之前是解释变量之间的相关性，那么如果在上述多元回归方程中，对于不同的样本，随机误差项Ui不是完全独立的呢，那么这就是序列相关现象，一般来说也就是自相关，特别的如果是在横截面数据中的自相关，那么称为空间自相关。不要觉得自相关这三个字理解起来很麻烦，其实在现实的经济生活中，它就是我们常见的现象，比如蛛网模型和滞后效应，我们的消费习惯等，都会导致出现自相关现象。自相关将导致我们通过OLS计算出的系数虽然是无偏的，即从样本得到的总体参数估计值的数学期望等于该参数的真值，但是它不是Blue的，也就是不是最小的方差的。关于自相关的检验，在eviews中也十分方便，只要你作出一般的OLS估计，都会显示D.W系数，但是D.W系数这个方法只适用于简单的模型，现在在大多数模型中，都存在滞后项并伴随高阶自相关性，因此我们一般进行LM检验。如何解决自相关现象，如果是纯碎自相关问题，能先进行AR模式转换后用GLS方法是最好的，但我觉得这一点对于多变量的情况就比较复杂了，你必须知道每个不同的方差，这对数据的完整性也要求也比较高。

而后在OLS中，我们假定Ui是均值为0，并且是同方差的，但当出现比如之前那个例子，随着收入上升，MPC上升的情况，那么就存在异方差现象，出现异方差时，我们通过OLS计算出来的系数，虽然是无偏的，但同样和自相关的情况一样，不是Blue的。异方差的检验方法，在EViews上比较常用的，可以用图解法，最普遍的是White检验法，核心思想是做辅助回归，并且假设辅助回归的R乘以样本容量N后，渐进服从卡方分布。但是White检验法的弊端是，当面临多个回归元时，如果样本容量不够大，那么将面临消耗过多自由度的情况。

还是没有学习到计量经济学的精髓，精髓在于如何检验一个问题，精确估计一个影响效应，评估一个政策效应等等！方程结果如何解释，不同的方程形式如何设定，全对数模型、半对数模型、虚拟变量模型的参数如何解释，方程设定偏差如何解决，虚拟变量如何设定，交叉虚拟变量如何解释？

联立方程如何识别，y=a+b*p这和方程到底是需求方程还是供给方程，静态计量模型与动态计量模型功能何在？

还是学习太慢！

计量经济学正一步步的为我们检验自己的理论提供更精确的方法，上面的方程还是单方程，并且Y是定量的，现实生活中还有很多定性的问题，比如博弈论经常需要让人们做出抉择。总结下以上三种普通情况下的检验方法，学生发现检验方法颇多，庞浩庞老师希望我们暂且尽量掌握Eviews上的所有检验方法的判定，我也在努力朝这个目标前进。而后我发现大部分检验方法，都是进一步进行假设，以消除不符合OLS假设的问题，比如经常出现的白噪声项，这里借助这么一个期望和方差都为常数的项来满足我们的OLS假定，似乎还有用假设来检验假设的嫌疑，那么计量经济学以后的发展是否会出现取代这个白噪声项更完美的方法呢？比如异方差的检验，从Glejser检验到BPG检验，再到White检验，貌似都是在不断完善，BPG检验的前提假设还运用到了正态型检验，而white就没有受到这个影响，进而能解决更多问题了。当然我也必须认识到，计量经济学检验方法也和经济理论一样，不同的假设针对不同的问题，从而不同的假设得出的检验方法针对不同的情况，那是因为诸如异方差现象产生的原因有多种。