計量經濟學中隨機方程

❶ 為什麼需要在計量經濟學模型中加入隨機擾動項或者說，隨機擾動項反映了什麼

因為在計量經濟模型中不可能窮盡或找出所有的變數對被解釋變數的影響，因此加入擾動項表示其它未知變數對被解釋變數的影響，擾動項也可以用來估量誤差的大小。具體如下：

隨機擾動項在計量經濟學模型中占據特別重要的地位，也是計量經濟學模型區別於其它經濟數學模型的主要特徵。李子奈將計量經濟學應用研究的總體模型設定歸納為：將影響被解釋變數的因素集進行有效分解，按照與被解釋變數關聯關系的恆常性和顯著性兩個維度。

分解為顯著的恆常性因素集、顯著的偶然性因素集和無數單獨影響可以忽略的非顯著因素集，所有顯著的恆常性因素作為解釋變數，顯著的偶然性因素對被解釋變數的影響，則通過對數據進行奇異點診斷後採用技術手段予以消除，而無數非顯著因素對被解釋變數的影響。

則用一個隨機擾動項表示並引入模型。W.H.Greene 指出沒有什麼模型可以期望處理經濟現實的無數偶然因素，因此在經驗模型中納入隨機因素是必須的，被解釋變數的觀察值不僅要歸於已經清楚了解的變數，也要考慮來自人們並不清楚了解的偶然性和無數微弱因素的影響。

(1)計量經濟學中隨機方程擴展閱讀：

隨機誤差項u的行為方程或技術方程進行參數估計，就應該首先具備計量方程中內生變數、外生變數和隨機項。的觀測數據。但實際上， u是既看不見，又摸不著的多因素的綜合體，其數值是觀察不到的。因此，為了推測其數值分布規律。

同時也為了簡化計量工作，在經濟計量過程中就對u作出了若干假設，賦予某些統計特性，這不僅簡化了計量工作，而且為後面參數估計中的某些推導證明提供出一些理論前提。關於對u的假定，幾乎在所有經濟計量學的著述中都有闡述，雖表達方式不盡相同，但基本內容是一致的。

❷ 計量經濟學都有哪些模型啊，具體怎樣運用

#計量經濟學的定義
計量經濟學是以一定的經濟理論和統計資料為基礎，運用數學、統計學方法與電腦技術，以建立經濟計量模型為主要手段，定量分析研究具有隨機性特性的經濟變數關系。主要內容包括理論計量經濟學和應用經濟計量學。

#計量經濟學的研究步驟和方法
確定變數和數學關系式-模型設定；分析變數間具體的數量關系-估計參數；檢驗所得結論的可靠性-模型檢驗；經濟分析和預測-模型應用

#分布滯後模型估計的困難有哪幾個
A．自由度問題。自由度過分損失，到時估計偏差增大，顯著性檢驗失效。
B．多重共線性問題。滯後變數常存在多重共線性。
C．滯後長度難以確定。

#工具變數法
1．與所代替的解釋變數高度相關
2．與隨機擾動項不相關
3．與其他解釋變數不相關，以免出現多重共線性

#虛擬變數的基本概念
虛擬變數是人工構造的取值為0和1的作為屬性變數代表的變數

#聯立方程模型的區別
A．聯立方程組模型由幾個單一方程組成。被解釋變數不只一個。
B．模型里有隨機方程，也有確定性方程，但必含有隨機方程。
C．被解釋變數和解釋變數之間不僅是單向因果關系，也可能互為因果。
D．解釋變數可能與隨機擾動項相關。

#非完全多重共線性後果：
1.參數估計量方差增大
2.對參數區間估計時，置信區間趨於變大
3.嚴重時，假設檢驗容易作出錯誤判斷
4.嚴重時，可能r2較大和f檢驗顯著性高，但t檢驗可能不顯著，得出錯誤結論

#多重共線性檢驗：
1．簡單相關系數檢驗
2．方差擴大因子法
3．直觀判斷，如回歸系數標准差大，或與經濟理論背離
4．逐步回歸法

#自相關：
經濟系統的慣性。經濟活動滯後效應。數據處理造成的相關。蛛網現象。模型設定偏誤。零均值，低估參數估計值的方差，對模型預測的影響，高估t，f，r2不可靠，對模型影響，降低預測精度。

#異方差：
模型中省略某些重要解釋變數。模型設定誤差。測量誤差的變化。截面數據中總體各單位的差異。無偏，一致，非有效，誇大估計參數的統計顯著性，對預測影響，Y的預測非有效。

❸ 為什麼計量經濟學的理論方程中必須包含隨機干擾項

教材上必然有這個問題的解答吧，隨機擾動項產生的原因

❹ 再談關於計量經濟學中x是不是隨機變數的問題

我給抄你一個明確的襲答復，計量經濟學的兩個模型，一個是隨機模型，一個是理論方程，區別在於一個有隨機擾動項，一個沒有。
沒有隨機項的，是指總體回歸方程。由於是建立的相關關系，從而是隨機變數。
有擾動項的方程是用來估計的樣本回歸方程，這時x是觀測值，是由自然實驗得到的已經既定的數值，顯然不是隨機變數。也正是因為這樣，在強假定下，樣本統計量的矩估計是無偏一致估計。

❺ 在計量經濟學中的隨機解釋變數模型可以用來分析哪些經濟問題

「社會統計學與數理統計學的統一」理論的重大意義
2011-10-23 23:05

王見定教授指出：社會統計學描述的是變數，數理統計學描述的是隨機變數，而變數和隨機變數是兩個既有區別又有聯系，且在一定條件下可以相互轉化的數學概念。王見定教授的這一論述在數學上就是一個巨大的發現。
我們知道「變數」的概念是17世紀由著名數學家笛卡爾首先提出，而「隨機變數」的概念是20世紀30年代以後由蘇聯學者首先提出，兩個概念的提出相差3個世紀。截至到王見定教授，世界上還沒有第二個人提出變數和隨機變數兩者的聯系、區別以及相互的轉化。我們知道變數的提出造就了一系列的函數論、方程論、微積分等重大數學學科的產生和發展；而隨機變數的提出則奠定了概率論和數理統計等學科的理論基礎和促進了它們的蓬勃發展。可見變數、隨機變數概念的提出其價值何等重大，從而把王見定教授在世界上首次提出變數、隨機變數的聯系、區別以及相互的轉化的意義稱為巨大、也就不視為過。
下面我們回到：「社會統計學和數理統計學的統一」理論上來。王見定教授指出社會統計學描述的是變數，數理統計學描述的是隨機變數，這樣王見定教授准確地界定了社會統計學與數理統計學各自研究的范圍，以及在一定條件下可以相互轉化的關系，這是對統計學的最大貢獻。它結束了近400年來幾十種甚至上百種以上五花八門種類的統計學的混戰局面，使它們回到正確的軌道上來。
由於變數不斷地出現且永遠地繼續下去，所以社會統計學不僅不會消亡，而且會不斷發展狀大。當然數理統計學也會由於隨機變數的不斷出現同樣發展狀大。但是，對隨機變數的研究一般來說比對變數的研究復雜的多，而且直到今天數理統計的研究尚處在較低的水平，且使用起來比較復雜；再從長遠的研究來看，對隨機變數的研究最終會逐步轉化為對變數的研究，這與我們通常研究復雜問題轉化為若干簡單問題的研究道理是一樣的。既然社會統計學描述的是變數，而變數描述的·范圍是極其寬廣的，絕非某些數理統計學者所雲：社會統計學只作簡單的加、減、乘、除。從理論上講，社會統計學應該復蓋除數理統計學之外的絕大多數數學學科的運作。所以王見定教授提出的：「社會統計學與數理統計學統一」理論，從根本上糾正了統計學界長期存在的低估社會統計學的錯誤學說，並從理論上和應用上論證了社會統計學的廣闊前景。

❻ 聯立方程計量經濟學模型的單方程估計有哪些主要方法

結構型來聯立方程組模型的特點源是：其中有些隨機方程等號的右側包含該模型的內生變數。而簡化型聯立方程組模型的特點是：該模型所有的內生變數都位於隨機方程等號的左側，隨機方程等號的右側不存在內生變數。一般地，我們基於經濟理論或經驗所構造出來的聯立方程組模型都是結構型模型。經由簡單的代數變換（主要是移項）之後，所有的內生變數都被移到了隨機方程等號的左側，於是便得到了所謂的簡化型模型。簡化型聯立方程組模型參數的估計適用於普通最小二乘法。設若基於簡化型模型參數的估計值，不能經由簡化型參數與結構性參數的關系式，求解得出結構型模型參數的估計值，我們便稱相應的結構型模型為「不可識別」。反之，設若基於簡化型模型參數的估計值，能夠經由簡化型參數與結構性參數的關系式，求解得出結構型模型參數的估計值，我們便稱相應的結構型模型為「可識別」。

❼ 從經濟學的角度說明，為什麼計量經濟學模型的理論方程中必須包含隨機誤差項

單項數值與平均值復間差稱離制差觀測隨機變數稱隨機干擾項或隨機誤差項般計算離差平表示數據布集程度反映估計量與真實值間差距能現結與平均預期偏離程度代表風險程度總體歸函數引入隨機干擾項主要幾面原:(1)代表未知影響素由於所考察總體認識非完備性許未知影響素引入模型能用隨機干擾項代表些未知影響素(2)代表殘缺數據即使所影響變數都能夠包括模型某些變數數據取(3)代表眾細影響素些影響素已經認識且其數據收集解釋變數影響卻細考慮模型簡潔性及取諸變數數據能帶較本建模往往省掉些細變數影響綜合隨機干擾項(4)代表數據觀測誤差由於某些主客觀原取觀測數據往往存測量誤差些觀測誤差歸入隨機干擾項(5)代表模型設定誤差由於經濟現象復雜性模型真實函數形式往往未知實際設定模型能與真實模型偏差隨機干擾項包括種模型設定誤差(6)變數內隨機性即使模型沒設定誤差存數據觀測誤差由於某些變數所固內隨機性解釋變數產隨機性影響總隨機干擾項具非豐富內容計量經濟模型建立起著重要作用

❽ 為什麼計量經濟學模型的理論方程中必須包含隨機干擾項

單項數值與平均值之間的差稱為離差，它是一個不可觀測的隨機變數，又稱為隨機干擾項或隨機誤差項。一般計算離差平方和來表示數據分布的集中程度，反映了估計量與真實值之間的差距。可能出現結果與平均預期的偏離程度，代表風險程度的大小。在總體回歸函數中引入隨機干擾項，主要有以下幾個方面的原因：（1）代表未知的影響因素。由於對所考察總體認識上的非完備性，許多未知的影響因素還無法引入模型，因此，只能用隨機干擾項代表這些未知的影響因素。（2）代表殘缺數據。即使所有的影響變數都能夠被包括在模型中，也會有某些變數的數據無法取得。（3）代表眾多細小影響因素。有一些影響因素已經被認識，而且其數據也可以收集到，但它們對被解釋變數的影響卻是細小的。考慮到模型的簡潔性，以及取得諸多變數數據可能帶來的較大成本，建模時往往省掉這些細小變數，而將它們的影響綜合到隨機干擾項中。（4）代表數據觀測誤差。由於某些主客觀的原因，在取得觀測數據時，往往存在測量誤差，這些觀測誤差也被歸入隨機干擾項。（5）代表模型設定誤差。由於經濟現象的復雜性，模型的真實函數形式往往是未知的，因此，實際設定的模型可能與真實的模型有偏差。隨機干擾項包括了這種模型的設定誤差。（6）變數的內在隨機性。即使模型沒有設定誤差，也不存在數據觀測誤差，由於某些變數所固有的內在隨機性，也會對被解釋變數產生隨機性影響。總之，隨機干擾項具有非常豐富的內容，在計量經濟學模型的建立中起著重要的作用。

❾ 單方程計量經濟學模型中被解釋變數是隨機的嗎

經典假設中，解釋變數是非隨機變數，被解釋變數是隨機變數
例如：雙變數模型中y=a+bx+u，x是非隨機的，u是隨機的，故y是隨機的且與u有相同的正態分布形式。