《现代计量经济学内容体系.ppt》由会员分享，可在线阅读，更多相关《现代计量经济学内容体系.ppt（53页珍藏版）》请在三一办公上搜索。
1、1.2 现代计量经济学内容体系,一、引言 二、经典计量经济学模型的基础地位 三、基于计量经济学模型的数学基础而发展的现代时间序列计量经济学 四、基于研究对象和数据特征而发展的微观计量经济学五、基于充分利用数据信息而发展的面板数据计量经济学 六、基于非设定的结构关系而发展的非参数计量经济学 七、现代计量经济学模型体系的分解与综合,一、引言,计量经济学的内容体系 经典计量经济学（Classical Econometrics）现代计量经济学（Modern Econometrics时间序列计量经济学（Time Series Econometrics）微观计量经济学(Micro-econometrics
2、)非参数计量经济学(Nonparametric Econometrics)面板数据计量经济学(Panel Data Econometrics),提出三个问题：经典计量经济学的地位问题现代计量经济学的各个分支的发展导向问题 计量经济学进一步创新和发展的方向问题,现代计量经济学的各个分支是以问题为导向，以经典计量经济学模型理论为基础而发展的。,二、经典计量经济学模型的基础地位,1、经典计量经济学的发展,4位（6位）经济学家因为在经典计量经济学领域作出重要贡献而获得诺贝尔经济学奖 弗里希（R.Frish）丁伯根（J.Tinbergen）哈维尔莫（Trygve Haavelmo）克莱因（R.Klein
3、）列昂捷夫（Wassily Leontief）斯通（Richard Stone）20世纪30年代创立、40-50年代发展、60年代扩张,The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 1969 for having developed and applied dynamic models for the analysis of economic processes,Ragnar FrischNorway,Jan Tinbergen the etherlands,The Bank of Sweden
4、Prize in Economic Sciences in Memory of Alfred Nobel 1973 for the development of the input-output method and for its application to important economic problems,Wassily Leontief USA,The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 1980 for the creation of econometric models and
5、 the application to the analysis of economic fluctuations and economic policies,Lawrence R.Klein USA,The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 1984 for having made fundamental contributions to the development of systems of national accounts and hence greatly improved th
6、e basis for empirical economic analysis,Richard Stone Great Britain,The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 1989 for his clarification of the probability theory foundations of econometrics and his analyses of simultaneous economic structures,Trygve HaavelmoNorway,经典计量
7、经济学,创立,建立第1个应用模型,建立概率论基础,发展数据基础,发展应用模型,Tinbergen,Frisch,Haavelmo,Stone,Klein,建立投入产出模型,Leontief,2、经典计量经济学模型的特征,经典计量经济学在理论方法方面特征模型类型随机模型；模型导向理论导向；模型结构线性或者可以化为线性，因果分析，解释变量具有同等地位，模型具有明确的形式和参数；数据类型以时间序列数据或者截面数据为样本，被解释变量为服从正态分布的连续随机变量；估计方法仅利用样本信息。,经典计量经济学在应用方面的特征应用模型方法论基础实证分析、经验分析；应用模型的功能结构分析、政策评价、经济预测、理论
8、检验与发展；应用模型的领域传统的应用领域，例如生产、需求、消费、投资、货币需求，以及宏观经济等。,3、“卢卡斯批判”的背景与实质,经典计量经济学遇到的挑战20世纪70年代的世界经济滞涨 石油危机 利率自由化 管理浮动汇率Lucas批判Lucas(1976)、Sarget(1976)、Sims(1980)卢卡斯批判的实质是对以凯恩斯主义为导向的宏观计量经济模型的批判，也是对凯恩斯主义的质疑。卢卡斯批判并没有否定作为经济理论、数学和统计学结合的计量经济学，也没有否定作为实证经济研究主流方法的计量经济学模型方法。,4、经典计量经济学的基础地位,经典模型作为一种实证经济研究方法的普遍适用性它所倡导的“
9、经济理论、数学、统计学结合”的本质；它所依赖的坚实的概率论基础；它能够实现的“利用现有的数据资料以提取关于经济如何运行的信息”的功能；它所遵循的“关于经济活动的观察（即行为分析）关于经济理论的抽象（即理论假说）建立总体回归模型获取样本观测数据估计模型检验模型应用模型”的研究步骤。,经典单方程模型仍然是最具应用价值的模型AER 1984-2004年发表的计量经济学应用研究论文中，经典单方程模型占80%。,经典模型自身的改进与发展非线性模型变参数模型虚拟变量模型滞后变量模型模型设定工具变量方法,现代计量经济学是在经典计量经济学的基础上发展起来的。进入20世纪70年代以后，现代计量经济学得到了发展。
10、作为现代计量经济学发展的导向原则，无非是两条：一是使得计量经济学模型所揭示和描述的“经济如何运行的信息”与现实的经济运行实际更加吻合；二是为达到这个目的，如何在模型研究中充分利用“现有的数据资料”。各种类型的现代计量经济学模型，都没有改变经典计量经济学倡导和确立的“经济理论、数学、统计学结合”的本质、坚实的概率论基础、“利用现有的数据资料以提取关于经济如何运行的信息”的功能，以及所遵循的研究步骤。,三、基于计量经济学模型的数学基础而发展的现代时间序列计量经济学,1、历史渊源及问题的提出,随机时间序列分析模型、时间序列计量经济学模型和宏观计量经济学模型传统的随机时间序列分析模型：揭示时间序列自身
11、的变化规律，例如自回归模型（AR）、移动平均模型（MA）、自回归移动平均模型（ARMA）等。时间序列计量经济学模型：揭示不同时间序列之间的结构关系。由于时间序列计量经济学模型以时间序列数据为样本，主要用于研究宏观经济变量之间的关系，一般将时间序列计量经济学模型等同于宏观计量经济学模型。,宏观计量经济学模型主要的渊源来自四个方面：一般均衡模型、弗里希的关于经济周期模型、凯恩斯的通论对计量经济模型实施方面的指导，以及宏观经济理论基础尤其是消费函数对宏观计量经济模型的基础引导。20世纪初弗里希关于宏观计量经济模型的统计学基础的分析，一直到哈维尔莫给出了宏观计量经济模型的坚实的概率统计学基础，使得宏观
12、计量经济学模型在20世纪30年代至60年代得到飞速发展。宏观计量经济学模型成为计量经济学模型最先应用的领域，弗里希、丁伯根、哈维尔莫、克莱因等无一不是从宏观计量经济学模型开始开展计量经济模型的应用研究。,宏观经济时间序列的非平稳性与经典计量经济学模型数学基础之间的矛盾。经典计量经济学模型的数学基础是极限法则，即大数定律和中心极限定理。以独立随机抽样的截面数据为样本，如果模型设定是正确的，模型随机扰动项满足极限法则和由极限法则导出的基本假设，继而进行的参数估计和统计推断是可靠的。以时间序列数据为样本，时间序列性破坏了随机抽样的假定，但是如果模型设定是正确的，并且所有时间序列是平稳的，时间序列的平
13、稳性替代了随机抽样假定，模型随机扰动项仍然满足极限法则。,宏观经济时间序列的非平稳性与经典计量经济学模型数学基础之间的矛盾。用统计数据构造的时间序列大都是非平稳的，那么采用经典计量经济学模型方法的数学基础被破坏。如何以非平稳时间序列为样本，构建揭示宏观经济变量之间结构关系的计量经济学模型，以此为导向，现代时间序列计量经济学应运而生。,2、现代时间序列计量经济学的核心内容,格兰杰（W.J.Granger）的贡献通过模拟试验发现，完全无关的非平稳时间序列之间可以得到拟合很好但毫无道理的回归结果。就是著名的“伪回归”（Spurious Regression）。进一步研究发现，如果非平稳时间序列之间的
14、线性组合所形成的新的序列是平稳的，那么它们之间的回归关系是真实的，称它们之间产生了“协整”（cointegration)，这种真实的回归关系就是由协整方程描述的长期均衡模型。同时，如果变量之间存在协整，则它们间的短期非均衡关系总能由一个误差修正模型表述。,The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 2003 for methods of analyzing economic time series with common trends(cointegration),Clive W.J.Grang
15、erUK,代表性论文Granger,C.W.J.and Newbold,P.:1974,Spurious regressions in econometrics,Journal of Econometrics 2,111-120.通过试验发现完全无关的非平稳变量之间可以得到很好的，但是毫无道理的回归结果。,代表性论文Engle,R.F.and Granger,C.W.J.:1987，Co-integration and Error Correction:Representation,Estimation and Testing,Econometrica 55:251-276.如果非平稳时间序列
16、之间的线性组合所形成的新的序列是平稳的，那么它们之间的回归关系是真实的。称它们之间产生了协整。,现代时间序列计量经济学模型理论方法的核心内容：对时间序列进行平稳性检验（单位根检验，unit root test）；对存在均衡关系的非平稳时间序列进行协整检验；建立描述变量间长期均衡关系的长期均衡模型和描述变量间短期非均衡关系的误差修正模型（ECM,Error Correction Model）。,3、对现代时间序列计量经济学模型的批评,从模型设定理论上讲，它是属于“数据关系导向”。古扎拉蒂：“从逻辑上说，一个统计关系式，不管多强或多么有启发性，本身不可能意味着任何因果关系。要谈因果关系，必须来自统
17、计学之外，诉诸先验的或者理论上的思考。”如果不能正确认识现代时间序列计量经济学模型的“数据关系导向”，误将必要条件作为充分条件，无论单位根检验和协整检验多么精确，赖以建立的模型在经济上也是没有意义的。协整方程和均衡方程的区别。,四、基于研究对象和数据特征而发展的微观计量经济学,1、微观计量经济学产生的问题背景,微观计量经济学产生的问题背景 随着经济、社会的发展，人们越来越关注家庭、个人等微观主体的决策问题，计量经济学由宏观领域向微观领域扩张，是一个必然趋势。宏观计量经济学模型依赖于由统计得到的宏观时间序列数据，而微观计量经济学模型依赖于调查得到微观数据，所以微观计量经济学的发展必须以大量的微观
18、数据为条件。,微观计量经济学产生的问题背景 微观数据表征家庭、个人等微观主体的决策行为，问题多种多样，数据的特征也各不相同，很难满足经典计量经济学模型对数据的要求，所以就必然要发展不同于经典计量经济学模型的模型理论与方法。微观主体数量众多，只有依赖于大样本建立的计量经济学模型才能够揭示微观主体决策行为的一般规律，而大样本对计算技术和计算机的运算能力提出了新的要求。,微观计量经济学模型理论正是在这些问题的导向下产生与发展的。或者更简明地说，微观计量经济学是基于研究对象和表征研究对象的数据特征而发展的。20世纪70年代以来，以托宾（J.Tobin）、赫克曼（）和麦克法登（）为代表的经济学家正是通过
19、解决微观计量经济学的模型设定和估计问题，而对计量经济学的发展做出了重要贡献。,2、微观计量经济学模型的类型,受限数据被解释变量模型(Model with Limited Dependent Variable)选择性样本模型(Selective Samples Model)截断（Truncation）归并（Censored）持续时间被解释变量模型（Model for Duration Data）,The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 2000 for his development of t
20、heory and methods for analyzing selective samples”,James J Heckman USA,代表性获奖论文“Shadow Prices,Market Wages and Labour Supply”,Econometrica 42(4),1974,P679-694 发现并提出“选择性样本”问题。“Sample Selection Bias as a Specification Error”,Econometrica 47(1),1979,P153-161证明了偏误的存在并提出了Heckman两步修正法。,离散数据被解释变量模型（Model wi
21、th Discrete Dependent Variable）离散选择模型（Discrete Choice Model）一般离散选择模型 嵌套离散选择模型(Nested)排序离散选择模型(Ordered)计数数据模型（Model for Count Data）,The Bank of Sweden Prize in Economic Sciences inMemory of Alfred Nobel 2000 for his development of theory andmethods for analyzing discrete choice,Daniel L McFaddenUSA,代
22、表性获奖论文“Conditional Logit Analysis of Qualitative Chioce Behavior”,Frontiers of Econometrics,Academic Press.1974经济理论与计量经济方法的结合“The Measurement of Urban Travel Demand”,Journal of Public Economics 3,1974，P303-328 离散选择模型的成功应用,五、基于充分利用数据信息而发展的面板数据计量经济学,1、面板数据计量经济学的产生,面板数据（Panel Data）综合了横截面数据和时间序列数据，同时反映了
23、空间和时间两个维度的经验信息，如果以它们为样本构建计量经济学模型，其功能和质量必然会超过单独的横截面样本和单独的时间序列样本。面板数据计量经济学正是基于数据信息的充分利用而产生和发展的。面板数据（Panel Data）和混合数据（Pooled Data）。,2、面板数据计量经济学模型的特征,与截面数据模型相比较，面板数据模型的优点 面板数据可以显示个体（包括个人、家庭、企业、地区或国家）之间存在差异，而截面数据模型不能有效反映这种差异。面板数据模型能够更好地研究动态调节。截面分布看上去相对稳定但却隐藏了许多变化，面板数据由于包含较长时间，能够揭示解释变量对被解释变量的较为复杂的影响，能够更好地
24、识别和度量纯横截面数据所不能发现的影响因素。相对于纯横截面数据而言，面板数据能够构造和检验更复杂的行为模型。面板数据的重要特点之一是可以减少变量之间多重共线性的困扰。,3、面板数据计量经济学模型的类型,按照不同的规则分类由于面板数据模型是截面数据模型的扩展，所以凡是截面数据模型体系中具有的模型类型，面板数据模型体系中同样具有。可以将面板数据模型分为经典面板数据模型、动态面板数据模型、选择性样本面板数据模型、面板数据离散选择模型、面板计数数据模型等。由于面板数据可以揭示不同的个体效应，所以可以按照是否和如何揭示个体效应将面板数据模型分为无个体效应模型、个体变截距模型和个体变系数模型。,按照不同的
25、规则分类按照个体效应的确定变化和随机变化，将个体变截距模型分为个体确定效应变截距模型和个体随机效应变截距模型，将个体变系数模型分为个体确定效应变系数模型和个体随机效应变系数模型。模型设定检验成为面板数据计量经济学模型理论体系的重要组成部分。,六、基于非设定的结构关系而发展的非参数计量经济学,非参数模型（无参数、半参数模型）（Nonparametric and Semiparametric Models）参数模型与非参数模型。完全非参数模型与半参数模型。单方程模型和联立方程模型。随机设定模型和固定设定模型。,估计方法非参数模型的两大类估计方法：局部逼近（权函数方法）、整体逼近（级数估计）。主要是
26、权函数估计，最常见的权函数估计是核估计和局部线性估计。目前研究的重点仍然是估计方法及其性质（例如半参数模型的估计、级数估计、联立方程非参数模型的估计、窗宽、边界点等）。,非参数计量经济学模型应用的局限随着解释变量维数的增加，非参数估计的精确度急剧下降，即所谓“维数的诅咒”（curse of dimensionality）；在多维解释变量的条件下，非参数估计在直观地说明和解释结果方面存在固有的困难；非参数模型不能外推（extrapolation），因而在预测和政策分析中存在明显不足；非参数模型难于施加限制条件。,七、现代计量经济学模型体系的分解与综合,现代计量经济学的各个分支是以问题为导向，在经典计量经济学模型理论的基础上，沿着“分解”的方向发展成为相对独立的模型理论体系。为了解决宏观经济时间序列的非平稳性与经典计量经济学模型数学基础之间的矛盾，发展了现代时间序列计量经济学；为了适应扩张了的研究对象和表征研究对象的数据特征，发展了微观计量经济学；为了解决参数模型设定的困难和普遍存在设定误差问题，发展了非参数计量经济学；为了充分利用反映了空间和时间两个维度的经验信息，发展了面板数据计量经济学。,在交叉与综合的方向上产生了现代计量经济学理论方法的前沿。,
