计量经济学中随机方程

❶ 为什么需要在计量经济学模型中加入随机扰动项或者说，随机扰动项反映了什么

因为在计量经济模型中不可能穷尽或找出所有的变量对被解释变量的影响，因此加入扰动项表示其它未知变量对被解释变量的影响，扰动项也可以用来估量误差的大小。具体如下：

随机扰动项在计量经济学模型中占据特别重要的地位，也是计量经济学模型区别于其它经济数学模型的主要特征。李子奈将计量经济学应用研究的总体模型设定归纳为：将影响被解释变量的因素集进行有效分解，按照与被解释变量关联关系的恒常性和显著性两个维度。

分解为显著的恒常性因素集、显著的偶然性因素集和无数单独影响可以忽略的非显著因素集，所有显著的恒常性因素作为解释变量，显著的偶然性因素对被解释变量的影响，则通过对数据进行奇异点诊断后采用技术手段予以消除，而无数非显著因素对被解释变量的影响。

则用一个随机扰动项表示并引入模型。W.H.Greene 指出没有什么模型可以期望处理经济现实的无数偶然因素，因此在经验模型中纳入随机因素是必须的，被解释变量的观察值不仅要归于已经清楚了解的变量，也要考虑来自人们并不清楚了解的偶然性和无数微弱因素的影响。

(1)计量经济学中随机方程扩展阅读：

随机误差项u的行为方程或技术方程进行参数估计，就应该首先具备计量方程中内生变量、外生变量和随机项。的观测数据。但实际上， u是既看不见，又摸不着的多因素的综合体，其数值是观察不到的。因此，为了推测其数值分布规律。

同时也为了简化计量工作，在经济计量过程中就对u作出了若干假设，赋予某些统计特性，这不仅简化了计量工作，而且为后面参数估计中的某些推导证明提供出一些理论前提。关于对u的假定，几乎在所有经济计量学的著述中都有阐述，虽表达方式不尽相同，但基本内容是一致的。

❷ 计量经济学都有哪些模型啊，具体怎样运用

#计量经济学的定义
计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与电脑技术，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系。主要内容包括理论计量经济学和应用经济计量学。

#计量经济学的研究步骤和方法
确定变量和数学关系式-模型设定；分析变量间具体的数量关系-估计参数；检验所得结论的可靠性-模型检验；经济分析和预测-模型应用

#分布滞后模型估计的困难有哪几个
A．自由度问题。自由度过分损失，到时估计偏差增大，显著性检验失效。
B．多重共线性问题。滞后变量常存在多重共线性。
C．滞后长度难以确定。

#工具变量法
1．与所代替的解释变量高度相关
2．与随机扰动项不相关
3．与其他解释变量不相关，以免出现多重共线性

#虚拟变量的基本概念
虚拟变量是人工构造的取值为0和1的作为属性变量代表的变量

#联立方程模型的区别
A．联立方程组模型由几个单一方程组成。被解释变量不只一个。
B．模型里有随机方程，也有确定性方程，但必含有随机方程。
C．被解释变量和解释变量之间不仅是单向因果关系，也可能互为因果。
D．解释变量可能与随机扰动项相关。

#非完全多重共线性后果：
1.参数估计量方差增大
2.对参数区间估计时，置信区间趋于变大
3.严重时，假设检验容易作出错误判断
4.严重时，可能r2较大和f检验显著性高，但t检验可能不显著，得出错误结论

#多重共线性检验：
1．简单相关系数检验
2．方差扩大因子法
3．直观判断，如回归系数标准差大，或与经济理论背离
4．逐步回归法

#自相关：
经济系统的惯性。经济活动滞后效应。数据处理造成的相关。蛛网现象。模型设定偏误。零均值，低估参数估计值的方差，对模型预测的影响，高估t，f，r2不可靠，对模型影响，降低预测精度。

#异方差：
模型中省略某些重要解释变量。模型设定误差。测量误差的变化。截面数据中总体各单位的差异。无偏，一致，非有效，夸大估计参数的统计显著性，对预测影响，Y的预测非有效。

❸ 为什么计量经济学的理论方程中必须包含随机干扰项

教材上必然有这个问题的解答吧，随机扰动项产生的原因

❹ 再谈关于计量经济学中x是不是随机变量的问题

我给抄你一个明确的袭答复，计量经济学的两个模型，一个是随机模型，一个是理论方程，区别在于一个有随机扰动项，一个没有。
没有随机项的，是指总体回归方程。由于是建立的相关关系，从而是随机变量。
有扰动项的方程是用来估计的样本回归方程，这时x是观测值，是由自然实验得到的已经既定的数值，显然不是随机变量。也正是因为这样，在强假定下，样本统计量的矩估计是无偏一致估计。

❺ 在计量经济学中的随机解释变量模型可以用来分析哪些经济问题

“社会统计学与数理统计学的统一”理论的重大意义
2011-10-23 23:05

王见定教授指出：社会统计学描述的是变量，数理统计学描述的是随机变量，而变量和随机变量是两个既有区别又有联系，且在一定条件下可以相互转化的数学概念。王见定教授的这一论述在数学上就是一个巨大的发现。
我们知道“变量”的概念是17世纪由著名数学家笛卡尔首先提出，而“随机变量”的概念是20世纪30年代以后由苏联学者首先提出，两个概念的提出相差3个世纪。截至到王见定教授，世界上还没有第二个人提出变量和随机变量两者的联系、区别以及相互的转化。我们知道变量的提出造就了一系列的函数论、方程论、微积分等重大数学学科的产生和发展；而随机变量的提出则奠定了概率论和数理统计等学科的理论基础和促进了它们的蓬勃发展。可见变量、随机变量概念的提出其价值何等重大，从而把王见定教授在世界上首次提出变量、随机变量的联系、区别以及相互的转化的意义称为巨大、也就不视为过。
下面我们回到：“社会统计学和数理统计学的统一”理论上来。王见定教授指出社会统计学描述的是变量，数理统计学描述的是随机变量，这样王见定教授准确地界定了社会统计学与数理统计学各自研究的范围，以及在一定条件下可以相互转化的关系，这是对统计学的最大贡献。它结束了近400年来几十种甚至上百种以上五花八门种类的统计学的混战局面，使它们回到正确的轨道上来。
由于变量不断地出现且永远地继续下去，所以社会统计学不仅不会消亡，而且会不断发展状大。当然数理统计学也会由于随机变量的不断出现同样发展状大。但是，对随机变量的研究一般来说比对变量的研究复杂的多，而且直到今天数理统计的研究尚处在较低的水平，且使用起来比较复杂；再从长远的研究来看，对随机变量的研究最终会逐步转化为对变量的研究，这与我们通常研究复杂问题转化为若干简单问题的研究道理是一样的。既然社会统计学描述的是变量，而变量描述的·范围是极其宽广的，绝非某些数理统计学者所云：社会统计学只作简单的加、减、乘、除。从理论上讲，社会统计学应该复盖除数理统计学之外的绝大多数数学学科的运作。所以王见定教授提出的：“社会统计学与数理统计学统一”理论，从根本上纠正了统计学界长期存在的低估社会统计学的错误学说，并从理论上和应用上论证了社会统计学的广阔前景。

❻ 联立方程计量经济学模型的单方程估计有哪些主要方法

结构型来联立方程组模型的特点源是：其中有些随机方程等号的右侧包含该模型的内生变量。而简化型联立方程组模型的特点是：该模型所有的内生变量都位于随机方程等号的左侧，随机方程等号的右侧不存在内生变量。一般地，我们基于经济理论或经验所构造出来的联立方程组模型都是结构型模型。经由简单的代数变换（主要是移项）之后，所有的内生变量都被移到了随机方程等号的左侧，于是便得到了所谓的简化型模型。简化型联立方程组模型参数的估计适用于普通最小二乘法。设若基于简化型模型参数的估计值，不能经由简化型参数与结构性参数的关系式，求解得出结构型模型参数的估计值，我们便称相应的结构型模型为“不可识别”。反之，设若基于简化型模型参数的估计值，能够经由简化型参数与结构性参数的关系式，求解得出结构型模型参数的估计值，我们便称相应的结构型模型为“可识别”。

❼ 从经济学的角度说明，为什么计量经济学模型的理论方程中必须包含随机误差项

单项数值与平均值复间差称离制差观测随机变量称随机干扰项或随机误差项般计算离差平表示数据布集程度反映估计量与真实值间差距能现结与平均预期偏离程度代表风险程度总体归函数引入随机干扰项主要几面原:(1)代表未知影响素由于所考察总体认识非完备性许未知影响素引入模型能用随机干扰项代表些未知影响素(2)代表残缺数据即使所影响变量都能够包括模型某些变量数据取(3)代表众细影响素些影响素已经认识且其数据收集解释变量影响却细考虑模型简洁性及取诸变量数据能带较本建模往往省掉些细变量影响综合随机干扰项(4)代表数据观测误差由于某些主客观原取观测数据往往存测量误差些观测误差归入随机干扰项(5)代表模型设定误差由于经济现象复杂性模型真实函数形式往往未知实际设定模型能与真实模型偏差随机干扰项包括种模型设定误差(6)变量内随机性即使模型没设定误差存数据观测误差由于某些变量所固内随机性解释变量产随机性影响总随机干扰项具非丰富内容计量经济模型建立起着重要作用

❽ 为什么计量经济学模型的理论方程中必须包含随机干扰项

单项数值与平均值之间的差称为离差，它是一个不可观测的随机变量，又称为随机干扰项或随机误差项。一般计算离差平方和来表示数据分布的集中程度，反映了估计量与真实值之间的差距。可能出现结果与平均预期的偏离程度，代表风险程度的大小。在总体回归函数中引入随机干扰项，主要有以下几个方面的原因：（1）代表未知的影响因素。由于对所考察总体认识上的非完备性，许多未知的影响因素还无法引入模型，因此，只能用随机干扰项代表这些未知的影响因素。（2）代表残缺数据。即使所有的影响变量都能够被包括在模型中，也会有某些变量的数据无法取得。（3）代表众多细小影响因素。有一些影响因素已经被认识，而且其数据也可以收集到，但它们对被解释变量的影响却是细小的。考虑到模型的简洁性，以及取得诸多变量数据可能带来的较大成本，建模时往往省掉这些细小变量，而将它们的影响综合到随机干扰项中。（4）代表数据观测误差。由于某些主客观的原因，在取得观测数据时，往往存在测量误差，这些观测误差也被归入随机干扰项。（5）代表模型设定误差。由于经济现象的复杂性，模型的真实函数形式往往是未知的，因此，实际设定的模型可能与真实的模型有偏差。随机干扰项包括了这种模型的设定误差。（6）变量的内在随机性。即使模型没有设定误差，也不存在数据观测误差，由于某些变量所固有的内在随机性，也会对被解释变量产生随机性影响。总之，随机干扰项具有非常丰富的内容，在计量经济学模型的建立中起着重要的作用。

❾ 单方程计量经济学模型中被解释变量是随机的吗

经典假设中，解释变量是非随机变量，被解释变量是随机变量
例如：双变量模型中y=a+bx+u，x是非随机的，u是随机的，故y是随机的且与u有相同的正态分布形式。