1樓：鋁合金電纜工廠
隨機擾動項就是乙個修正值，為了使得預期值和實際值達到平衡，就像國際收支賬戶裡面的差錯調整賬戶一樣。通過隨機誤差項的分布特徵可以判斷模型設定是否正確，以及回歸效果等等
2樓：墜落櫻心
可能是由於多重共線性的緣故，可以做一下方差膨脹因子的檢驗
計量經濟學，求各位高手做一下這道題. 問題：（1)根據以上回歸結果，寫出回歸分析結果報告。
3樓：匿名使用者
如果沒猜錯的話，你的模型應該是y=ak^al^b，然後取得對數形式做的線性回歸，是巨集觀經濟學裡面乙個很簡單的模型。
根據引數估計結果，資本對產出的彈性為0.609，勞動對產出的彈性為0.36，這個結果非常好，兩者加起來幾乎等於1，符合理論預期。
k和l在10%的顯著性下通過t檢驗，但常數項沒有通過t檢驗。調整的可決係數比較高，模型擬合較好。但你的f統計值貌似非常小，通不過f檢驗，模型設定估計有問題，你去掉常數項再做一次試試。
4樓：沒意思同學
這結果報告裡要什麼你也沒說啊？
f檢驗的意義（計量經濟學）
5樓：暴走少女
f檢驗的原假設是h0：所有回歸引數都等於0，所以f檢驗通過的話說明模型總體存在，f檢驗不通過，其他的檢驗就別做了，因為模型所有引數不顯著異於0，相當於模型不存在。
f檢驗（f-test），最常用的別名叫做聯合假設檢驗（英語：joint hypotheses test），此外也稱方差比率檢驗、方差齊性檢驗。
它是一種在零假設（null hypothesis, h0）之下，統計值服從f-分布的檢驗。其通常是用來分析用了超過乙個引數的統計模型，以判斷該模型中的全部或一部分引數是否適合用來估計母體。
擴充套件資料：
一、相關計算
樣本標準偏差的平方，即：
s2=∑(x-
兩組資料就能得到兩個s2值
f=s2/s2'
然後計算的f值與查表得到的f錶值比較，如果
f < f表 表明兩組資料沒有顯著差異
f ≥ f表 表明兩組資料存在顯著差異
二、注意事項
f檢驗對於資料的正態性非常敏感，因此在檢驗方差齊性的時候，levene檢驗, bartlett檢驗或者brown–forsythe檢驗的穩健性都要優於f檢驗。
f檢驗還可以用於三組或者多組之間的均值比較，但是如果被檢驗的資料無法滿足均是正態分佈的條件時，該資料的穩健型會大打折扣，特別是當顯著性水平比較低時。但是，如果資料符合正態分佈，而且alpha值至少為0.05，該檢驗的穩健型還是相當可靠的。
若兩個母體有相同的方差（方差齊性），那麼可以採用f檢驗，但是該檢驗會呈現極端的非穩健性和非常態性，可以用t檢驗、巴特勒特檢驗等取代。
在計量經濟學中,單元回歸分析裡怎麼選擇單側檢驗和雙側檢驗?
6樓：匿名使用者
這樣做。單側5% 和 雙側10%的t-statistic值 是一樣的。單側10% 和雙側 20%是一樣的。以此類推。
7樓：太陽底下的雪人
樣本大小58，你可以選兩個29試試看，累積疊加
計量經濟學回歸分析中，隨機擾動項的經濟意義是什麼？
8樓：風飄飄
隨機擾動項在計量經濟學模型中佔據特別重要的地位，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。將影響被解釋變數的因素集進行有效分解，無數非顯著因素對被解釋變數的影響用乙個隨機擾動項（stochastic disturbance term）表示，並引入模型。顯然，隨機擾動項具有源生性。
在基於隨機抽樣的截面資料的經典計量經濟學模型中，這個源生的隨機擾動項滿足gauss假設和服從正態分佈。
在確定性模型中引入隨機擾動，並不是為了掩蓋確定性模型的不足之處。因此，如果所謂的未被解釋的隨機擾動並不是真正的不能被解釋的因素，模型就是不適當的。牢記這一點對計量經濟學是非常重要的。
統計推斷的理論不像確定性理論那樣，會被僅僅乙個不符實際的觀察否定。引入隨機要素後，對預期結果的描述從確切的表述轉化為可能性的描述，除非有佔優證據（佔優本身則是很難清楚界定的），很難否定隨機模型。當然，如果未被解釋的隨機擾動並不是真正的不能被解釋的因素，即使這樣的模型難以被否定，也是建模者自欺欺人。
不幸的是，greene的擔憂在很多情況下成了現實：在很多計量分析中，隨機誤差項成了確定性模型不足之處的遮羞布。在大部分計量經濟學教科書中，在第一次引入隨機擾動項的概念時，都將它定義為「被解釋變數觀測值與它的期望值之間的離差」，並且將它與隨機誤差項(stochastic error term)等同。
乙個「源生」的隨機擾動項變成了乙個「衍生」的誤差。而且在解釋它的具體內容時，一般都在「無數非顯著因素對被解釋變數的影響」之外，加上諸如「變數觀測值的觀測誤差的影響」、「模型關係的設定誤差的影響」等。
將「源生」的隨機擾動變成「衍生」的誤差，有許多理由可以為此辯解。如果不對資料生成過程的理論結構作出假定，即進行模型總體設定，就無從開始模型研究。但不幸的是，相對於物理學，經濟學家對經濟現實所知較少，模型總體被研究者有限的知識所確定，因此誤差在所難免，只能將總體原型方程的誤差項設定為衍生性的。
問題在於，關於隨機擾動項的gauss假設，以及一般未包括於gauss假設之中的正態性假設，都是基於「源生」的隨機擾動而成立的。如果存在模型設定誤差、變數觀測誤差等確定性誤差，並將它們歸入「隨機誤差項」，那麼它很難滿足這些基本假設，進而進行的統計推斷就缺少了基礎。補救的方法是檢驗，對於實際應用模型的隨機誤差項進行是否滿足基本假設的檢驗，其中最重要的是正態性檢驗。
但是，在實際上，人們最容易忽視的正是最重要的是正態性檢驗。為什麼？一方面是主觀上的，認為正態性是由中心極限定理所保證的，無須檢驗。
另一方面是客觀上的，如果進行了正態性檢驗，而檢驗表明確實不滿足正態性假設，又能怎麼樣？要麼放棄研究，要麼視而不見。
影響國內私人汽車擁有量的幾個重要因素分析？計量經濟學**，這個題目好寫嗎？
在計量經濟學中題目說對估計的回歸方程解釋其經濟意義是什麼意思？
9樓：匿名使用者
因為回歸方程是有經濟意義的，定量分析與定性分析結合統一
10樓：
不會出現任何影響。做回歸時，常數項一般總是需要放進去的，這是為了避免模型誤設的問題，也就是說，假設真實的狀況是截距項不為0，回歸時你取消了截距，則肯定就不對了。如果真實的截距為0，這時候取消截距做回歸當然是對的，但問題的關鍵是你根本不知道到底真實截距是不是0。
其實，即使真是截距是0，回歸中放入截距不會對其他的估計量帶來不利影響，所以，回歸分析中，截距項總是要放進去的。當然，我不知道你研究什麼問題，在我所接觸的關於回歸的研究中，截距項根本不是關注的重點，它顯著與否沒人關心，我們關心的是斜率係數是否顯著的問題。
11樓：5昨晚沒
56、送元二使安西 王維
有大神幫忙嗎，計量經濟學eviews一元回歸分析
12樓：醉客天涯
dw檢驗不通過，計量經濟學書上有處理辦法，通常利用科克倫—奧科特迭代法（c－o迭代法）進行處理，在模型上加ar(1)再回歸，你看看書，操作方法很簡單
計量經濟學是什麼什麼是計量經濟學
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係。主要內容包括理論計量經濟學和應用經濟計量學。理論經濟計量學主要研究如何運用 改造和發展數理統計的方法，使之成為隨機經濟關係測定的特殊方法。應用計量經濟...
計量經濟學無偏性計量經濟學中證明估計量無偏性為什麼ki等於
最優線性無偏性 best linear unbiasedness property,blue 指乙個估計量具有以下性質 1 線性,即這個估計量是隨機變數.2 無偏性,即這個估計量的均值或者期望值e a 等於真實值a.3 具有有效估計值,即這個估計量在所有這樣的線性無偏估計量一類中有最小方差.具有上述...
計量經濟學用到的數學知識有哪些，計量經濟學要想學精通，需要哪些數學知識
概率統計知識會用到，主要是統計，用於引數估計和假設檢驗 多元回歸可能用到線性代數中的矩陣 高數幾乎用不到 主要是概率論和數理統計。微積分和線代幾乎沒有涉及。計量經濟學要想學精通，需要哪些數學知識 計量經濟學方法的基礎是數學概率論和數理統計，是一種新的數學形式。計量經濟學是以一定的經濟理論和統計資料為...