Ⅰ 計量經濟學中如何求置信區間緊急
一般 y = b0 + b1x1 + b2x2 + ... + bkxk + u 有k個被估計系數 有n組觀察值
然後OLS估計的時候假設u服從正態分布
那麼所求的b0, b1, ... bk 都是服從正態分布的 你用計量軟體的話會得到一個估計值和一個標准差se (standard error) 但是se是其方差的估計值 並不是方差本身
對於要假設檢驗的樞mu 一般構造 sqrt(n)*(b0 - mu) / se ~ t(n-k) 也就是說~左邊的統計量是服從自由度為n-k的t分布 然後用t分布的對稱性來構造置信區間 比如95%的CI
對稱性 上下取2.5%
b0 的95%的置信區間是 [ mu + se*t_2.5%/sqrt(n), mu + se*t_97.5%/sqrt(n) ]
Ⅱ 計量經濟學中如何求置信區間
估計參數的期望、方程，判斷參數的分布...然後就可以計算了...
我不能傳圖片。沒辦法說清楚啊
Ⅲ 基準類是什麼計量經濟學
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系的一門經濟學學科。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，使之成為經濟關系測定的特殊方法。應用計量經濟學是在一定的經濟理論的指導下，以反映事實的統計數據為依據，用經濟計量方法研究經濟數學模型的實用化或探索實證經濟規律。
書名
計量經濟學
又名
Econometrics
隸屬
經濟學學科
研究方向
具有隨機性特性的經濟變數關系
方法
數理經濟學和數理統計學
快速
導航
特點
發展
研究對象
學習方法
理論計量經濟學和應用計量經濟學
趨勢
簡介
計量經濟學（英文：Econometrics），是以數理經濟學和數理統計學為方法論基礎，對於經濟問題試圖對理論上的數量接近和經驗（實證）上的數量接近這兩者進行綜合而產生的經濟學分支。
該分支的產生，使得經濟學對於經濟現象從以往只能定性研究，擴展到同時可以進行定量分析的新階段。
「計量」的意思是「以統計方法做定量研究」，所以「量」字應讀作「[liàng]」，而不讀作「[liáng]」。
據說在經濟學中，應用數學方法的歷史可追溯到三百多年前的英國古典政治經濟學的創始人威廉·配第的《政治算術》的問世（1676年）。
計量經濟學基礎
「計量經濟學」一詞，是挪威經濟學家弗里希（R. Frisch）在1926年仿照「生物計量學」一詞提出的。隨後1930年成立了國際計量經濟學學會，在1933年創辦了《計量經濟學》雜志。
人們應如何理解「計量經濟學」的含義？弗里希在《計量經濟學》的創刊詞中說到：「用數學方法探討經濟學可以從好幾個方面著手，但任何一方面都不能與計量經濟學混為一談。計量經濟學與經濟統計學決非一碼事；它也不同於我們所說的一般經濟理論，盡管經濟理論大部分都具有一定的數量特徵；計量經濟學也不應視為數學應用於經濟學的同義語。經驗表明，統計學、經濟理論和數學這三者對於真正了解現代經濟生活中的數量關系來說，都是必要的，但各自並非是充分條件。而三者結合起來，就有力量，這種結合便構成了計量經濟學。」
後來美國著名計量經濟學家克萊因也認為：計量經濟學是數學、統計技術和經濟分析的綜合。也可以說，計量經濟學不僅是指對經濟現象加以測量，而且表明是根據一定的經濟理論進行計量的意思。
計量經濟學的基礎是一整套建立在數理統計理論上的計量方法，屬於計量經濟學的「硬體」，計量經濟學的主要用途或目的主要有兩個方面：
理論檢驗。這是計量經濟學用途最為主要的和可靠的方面。這也是計量經濟學本身的一個主要內容。
預測應用。從理論研究和方法的最終目的看，預測（包括政策評價）當然是計量經濟學最終任務，必須注意學習和了解，但其預測的可靠性或有效性是我們應十分注意的。
特點
模型類型：採用隨機模型。模型導向：以經濟理論為導向建立模型。模型結構：變數之間的關系表現為線性或者可以化為線性，屬於因果分析模型，解釋變數具有同等地位，模型具有明確的形式和參數。數據類型：以時間序列數據或者截面數據為樣本，被解釋變數為服從正態分布的連續隨機變數。估計方法：僅利用樣本信息，採用最小二乘法或者最大似然法估計變數。非經典計量經濟學一般指20世紀70年代以後發展的計量經濟學理論、方法及應用模型，也稱現代計量經濟學。
Ⅳ 計量經濟學中殘差越小，置信區間越大對嗎
殘差平方和中每一項都服從N（0,1）也就是標准正態分布,故他們之和服從卡方分布,這是卡方分布的基本定義.其他兩項同理.
Ⅳ 計量經濟學置信區間中cjj是什麼
計量經濟學置信區間中c級級是什麼意思
Ⅵ 關於計量經濟學的題，求置信區間怎麼做，請寫出具體步驟
C的置信區間為 52.18864 ± t*152.9304
X的置信區間為 0.70729 ± t*0.008475
其中t的數值由題目要求的level of significance和degree of freedom決定（我沒看到所以不知道是多少）
程序里給的這個t-statistics並不是置信區間用的 而是該變數統計性不顯著（即該變數=0）時所計算出的t數值
Ⅶ 能不能給我一份計量經濟學論文 用eviews分析的 我在網上看到你回答了別人的問題 十分感謝！
一元線性回歸模型的置信區間與預測
多元線性回歸模型的置信區間問題包括參數估計量的置信區間和被解釋變數預測值的置信區間兩個方面，在數理統計學中屬於區間估計問題。所謂區間估計是研究用未知參數的點估計值（從一組樣本觀測值算得的）作為近似值的精確程度和誤差范圍，是一個必須回答的重要問題。
一、參數估計量的置信區間
在前面的課程中，我們已經知道，線性回歸模型的參數估計量 是隨機變數 的函數，即： ，所以它也是隨機變數。在多次重復抽樣中，每次的樣本觀測值不可能完全相同，所以得到的點估計值也不可能相同。現在我們用參數估計量的一個點估計值近似代表參數值，那麼，二者的接近程度如何？以多大的概率達到該接近程度？這就要構造參數的一個區間，以點估計值為中心的一個區間（稱為置信區間），該區間以一定的概率（稱為置信水平）包含該參數。即回答 以何種置信水平位於 之中，以及如何求得a。
在變數的顯著性檢驗中已經知道
(2.5.1)
這就是說，如果給定置信水平 ，從t分布表中查得自由度為(n-k-1)的臨界值 ，那麼t值處在 的概率是 。表示為
即
於是得到：在（ ）的置信水平下 的置信區間是
i=0,1 （2.5.3）
在某例子中，如果給定 ，查表得
從回歸計算中得到
根據（2.5.2）計算得到 的置信區間分別為 和（0.1799,0.2401）
顯然，參數 的置信區間要小。
在實際應用中，我們當然希望置信水平越高越好，置信區間越小越好。如何才能縮小置信區間？從（2.5.3）式中不難看出：（1）增大樣本容量n。在同樣的置信水平下，n越大，從t分布表中查得自由度為（n-k-1）的臨界值 越小；同時，增大樣本容量，在一般情況下可使估計值的標准差 減小，因為式中分母的增大是肯定的，分子並不一定增大。（2）更主要的是提高模型的擬合度，以減小殘差平方和 。設想一種極端情況，如果模型完全擬合樣本觀測值，殘差平方和為0，則置信區間也為0。（3）提高樣本觀測值的分散度。在一般情況下，樣本觀測值越分散，標准差越小。置信水平與置信區間是矛盾的。置信水平越高，在其他情況不變時，臨界值 越大，置信區間越大。如果要求縮小置信區間，在其他情況不變時，就必須降低對置信水平的要求。
二、預測值的置信區間
1、 點預測
計量經濟學模型的一個重要應用是經濟預測。對於模型
，
如果給定樣本以外的解釋變數的觀測值 ，有
因 是前述樣本點以外的解釋變數值，所以 和 是不相關的。引用已有的OLS的估計值，可以得到被解釋變數 的點預測值：
(2.5.4)
但是，嚴格地說，這只是被解釋變數的預測值的估計值，而不是預測值。原因在於兩方面：一是模型中的參數估計量是不確定的，正如上面所說的；二是隨機項的影響。所以，我們得到的僅是預測值的一個估計值，預測值僅以某一個置信水平處於以該估計值為中心的一個區間中。於是，又是一個區間估計問題。
2、 區間預測
如果已經知道實際的預測值 ，那麼預測誤差為
顯然， 是一隨機變數，可以證明
而
因為 由原樣本的OLS估計值求得，而 與原樣本不相關，故有：
，
可以計算出來：
(2.5.5)
(2.5.6)
因 和 均服從正態分布，可利用它們的性質構造統計量，求區間預測值。利用 構造統計量為：
將 用估計值 代入上式，有
這樣，可得顯著性水平 下 的置信區間為
(2.5.7)
(2.5.7)式稱為 的均值區間預測。
同理，利用 構造統計量，有
將 用估計值 代入上式，有：
根據置信區間的原理，得顯著性水平 下 的置信區間：
（2.5.8）
上式稱為 的個值區間預測，顯然，在同樣的 下，個值區間要大於均值區間。(2.5.7)和(2.5.8)也可表述為： 的均值或個值落在置信區間內的概率為 ， 即為預測區間的置信度。或者說，當給定解釋變數值 後，只能得到被解釋變數 或其均值 以 的置信水平處於某區間的結論。
經常聽到這樣的說法，「如果給定解釋變數值，根據模型就可以得到被解釋變數的預測值為……值」。這種說法是不科學的，也是計量經濟學模型無法達到的。如果一定要給出一個具體的預測值，那麼它的置信水平則為0；如果一定要回答解釋變數以100%的置信水平處在什麼區間中，那麼這個區間是∞。
在實際應用中，我們當然也希望置信水平越高越好，置信區間越小越好，以增加預測的實用意義。如何才能縮小置信區間？從（2.5.5）和(2.5.6)式中不難看出：（1）增大樣本容量n。在同樣的置信水平下，n越大，從t分布表中查得自由度為（n-k-1）的臨界值 越小；同時，增大樣本容量，在一般情況下可使 減小，因為式中分母的增大是肯定的，分子並不一定增大。（2）更主要的是提高模型的擬合優度，以減小殘差平方和 。設想一種極端情況，如果模型完全擬合樣本觀測值，殘差平方和為0，則置信區間長度也為0，預測區間就是一點。（3）提高樣本觀測值的分散度。在一般情況下，樣本觀測值越分散，作為分母的 的值越大，致使區間縮小。置信水平與置信區間是矛盾的。置信水平越高，在其他情況不變時，臨界值 越大，置信區間越大。如果要求縮小置信區間，在其他情況不變時，就必須降低對置信水平的要求。
四、一元線性回歸模型參數估計實例
為了幫助讀者理解一元線性回歸模型參數估計的原理，下面以我國國家財政文教科學衛生事業費支出模型為例，不採用計量經濟學應用軟體，用手工計算，進行模型的參數估計。
經分析得到，我國國家財政中用於文教科學衛生事業費的支出，主要由國家財政收入決定，二者之間具有線性關系。於是可以建立如下的模型：
其中， 為第t年國家文教科學衛生事業費支出額（億元）， 為第t年國家財政收入額（億元）， ，為隨機誤差項， 為待估計的參數。選取1991—1997年的數據為樣本，利用（2.2.6）和（2.2.7）的計算公式，分別計算參數估計值。
表2.2.1 有關數據表
年份 ED FI
1991 708 3149 -551 -2351 734 -26 -0.037
1992 793 3483 -466 -2017 804 -11 -0.014
1993 958 4349 -301 -1151 1001 -43 -0.045
1994 1278 5218 19 -282 1196 82 0.064
1995 1467 6242 208 742 1424 43 0.029
1996 1704 7408 445 1908 1685 19 0.011
1997 1904 8651 645 3151 1963 -59 -0.031
有關中間計算結果如下：
由電腦計算的參數估計值為
全部統計結果如下表。
從表中可看出，判定系數 0.99，表示以國家財政收入額來解釋國家文教科學衛生事業費支出額，在1991至1997年間，擬合度相當理想。截距項 的估計值對應的t-統計量為0.47，不能通過顯著性檢驗，即不能推翻 為0的假設；而一次系數 的估計值對應的t-統計量為20.34，不用查表即可知通過顯著性檢驗，即 顯著不為0，因果關系成立。F-統計量的值為413.58，也表示方程系數顯著不為0。
表一：Eviews計算結果
Dependent Variable: ED
Method: Least Squares
Date: 09/21/02 Time: 16:22
Sample: 1991 1997
Included observations: 7
Variable Coefficient Std. Error t-Statistic Prob.
C 30.05237 63.90691 0.470252 0.6580
FI 0.223419 0.010986 20.33659 0.0000
R-squared 0.988055 Mean dependent var 1258.857
Adjusted R-squared 0.985666 S.D. dependent var 459.8972
S.E. of regression 55.06160 Akaike info criterion 11.08974
Sum squared resid 15158.90 Schwarz criterion 11.07428
Log likelihood -36.81408 F-statistic 413.5768
Durbin-Watson stat 1.644626 Prob(F-statistic) 0.000005
表二：不含截距項的Eviews計算結果：
Dependent Variable: ED
Method: Least Squares
Date: 09/21/02 Time: 16:19
Sample: 1991 1997
Included observations: 7
Variable Coefficient Std. Error t-Statistic Prob.
FI 0.228304 0.003337 68.40877 0.0000
R-squared 0.987526 Mean dependent var 1258.857
Adjusted R-squared 0.987526 S.D. dependent var 459.8972
S.E. of regression 51.36364 Akaike info criterion 10.84730
Sum squared resid 15829.34 Schwarz criterion 10.83957
Log likelihood -36.96556 Durbin-Watson stat 1.630622
Dependent Variable: LED
Method: Least Squares
Date: 09/21/02 Time: 16:21
Sample: 1991 1997
Included observations: 7
Variable Coefficient Std. Error t-Statistic Prob.
C -1.522329 0.383141 -3.973290 0.0106
LFI 1.005563 0.044764 22.46341 0.0000
R-squared 0.990188 Mean dependent var 7.077084
Adjusted R-squared 0.988226 S.D. dependent var 0.382958
S.E. of regression 0.041554 Akaike info criterion -3.288701
Sum squared resid 0.008634 Schwarz criterion -3.304156
Log likelihood 13.51045 F-statistic 504.6048
Durbin-Watson stat 1.930000 Prob(F-statistic) 0.000003
多元線性回歸模型的參數估計實例
例2.3.1 建立中國消費模型。根據消費模型的一般形式，選擇消費總額為被解釋變數，國內生產總值和前一年的消費總額為解釋變數，變數之間關系為簡單線性關系，選取1981年至1996年統計數據為樣本觀測值。樣本觀測值列於表2.3.1中。
表2.3.1 中國消費數據表
年份 消費總額 國內生產總值 前一年消費額 年份 消費總額 國內生產總值 前一年消費額
1981 3309 4901 2976 1989 10556 16466 9360
1982 3638 5489 3309 1990 11362 1832 10556
1983 4021 6076 3638 1991 13146 21280 11362
1984 4694 7164 4021 1992 15952 25864 13146
1985 5773 8792 4694 1993 20182 34501 15952
1986 6542 10133 5773 1994 27216 47111 20182
1987 7451 11784 6542 1995 34529 59405 27216
1988 9360 14704 7451 1996 40172 68498 34529
以y代表消費總額， 代表國內生產總值， 代表前一年消費總額，應用計量經濟分析軟體包TSP6.5中普通最小二乘法估計模型，得到下列結果：
（2.3.13）
（6.83） （32.36） （5.70）
式中各項都是評價估計結果優劣的重要標准，後面將逐一介紹。這里僅討論參數估計值。兩個解釋變數前的參數估計值分別為0.4809和0.1985，都為正數，且都處於0與1之間，常數項的估計值也為正，這些參數估計值的經濟含義是合理的。隨機誤差項的方差的估計值為33739.5。
Oh，如果你是學習好的話肯定會做那麼也就不用提問了，如果你學習不怎麼樣做出來的太好反而會讓老師更加懷疑真實性，一般情況下能過關就OK了，做的太好老師問你了咋辦。所以吧能過關一切都好的
Ⅷ 關於統計學，計量經濟學，置信區間，標准誤差的問題！！急急急急！！在線等！！！
還是選C組，C組是隨機樣本，而且可以代表全體
不在置信區間內也是有可能的。