臨界容量經濟學

『壹』 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

『貳』 計量經濟學解答，急急！在線等！

(1)finance的參數的經濟含抄義為:當銷售收入與公司股票收益保持不變時,金融業的CEO要比交通運輸業的CEO多獲薪水15.8個百分點.其他兩個可類似解釋.
(2)公用事業和交通運輸業之間估計薪水的近似百分比差異就是以百分數解釋的utility的參數,即為28.3%.由於參數的t統計值為-2.895,它大於1%顯著性水平下自由度為203的t分布的臨界值1.96,因此這種差異是統計上顯著的.

『叄』 統計學中的「P」值是什麼意思怎麼計算

統計學中P一般指概率。

以古典概率模型為例，概率的計算方法為：

古典定義

如果一個試驗滿足專兩條：

（1）試驗只有屬有限個基本結果；

（2）試驗的每個基本結果出現的可能性是一樣的。

這樣的試驗便是古典試驗。

對於古典試驗中的事件A，它的概率定義為：P(A)=

拓展內容：

概率亦稱「或然率」。它反映隨機事件出現的可能性大小的量度。隨機事件是指在相同條件下，可能出現也可能不出現的事件。例如，從一批有正品和次品的商品中，隨意抽取一件，「抽得的是正品」就是一個隨機事件。設對某一隨機現象進行了n次試驗與觀察，其中A事件出現了m次，即其出現的頻率為m/n。經過大量反復試驗，常有m/n越來越接近於某個確定的常數。該常數即為事件A出現的概率，常用P (A) 表示，與「幾率」不同，一個事件的幾率（odds）是指該事件發生的概率與該事件不發生的概率的比值。

『肆』 求一篇計量經濟學的論文，最好用到EVIEWS軟體分析的，很急！希望大家幫幫忙！

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

求採納

『伍』 計量經濟學中多重共線性的檢驗方法有哪些

1、簡單相關系復數矩陣法（輔制助手段）

此法簡單易行；但要注意兩變數的簡單相關系數包含了其他變數的影響，並非它們真實的線性相關程度的反映，一般在0.8以上可初步判定它倆之間有線性相關。

2、變數顯著性與方程顯著性綜合判斷

（修正）可決系數大，F值顯著大於臨界值，而值不顯著；那麼可認為存在多重共線性。

3、輔助回歸

將每個解釋變數對其餘變數回歸，若某個回歸方程顯著成立，則該解釋變數和其餘變數有多重共線性。

（4）方差擴大（膨脹）因子法

（5）直觀判斷法

增加或者減少一個解釋變數，或者改變一個觀測值時，回歸參數發生較大變化。重要解釋變數沒有通過t檢驗。有些解釋變數的回歸系數符號與定性分析的相反。

(5)臨界容量經濟學擴展閱讀：

解決方法

（1）、排除引起共線性的變數

找出引起多重共線性的解釋變數，將它排除出去，以逐步回歸法得到最廣泛的應用。

（2）、差分法

時間序列數據、線性模型：將原模型變換為差分模型。

（3）、減小參數估計量的方差：嶺回歸法（Ridge Regression）。

『陸』 統計學做卡方檢驗的時候需要計算出來的卡方值大於臨界值嗎

需要。

卡方值是非參數檢驗中的一個統計量，主要用於非參數統計分析中。作用是檢驗數據的相關性。如果卡方值的顯著性（即SIG.）小於0.05，說明兩個變數是顯著相關的。

將計算所得的x2值與臨界x2值（負值都容取絕對值）作比較，若計算值大於臨界值，則否定Ⅱ0；反之，則承認Ⅱ0。

計算卡方值的公式一般可表示為：x2=∑[（fo—fc）2/fc]

式中：fo表示實際所得的次數，fc表示由假設而定的理論次數，∑為加總符號。

x2檢驗對於定類與定類或定類與定序變數之間的相關檢驗應用較多。

(6)臨界容量經濟學擴展閱讀：

將總體X的取值范圍分成k個互不相交的小區間A1，A2，A3，…，Ak，如可取

A1=（a0，a1]，A2=(a1，a2]，...，Ak=(ak-1,ak)，

其中a0可取-∞，ak可取+∞，區間的劃分視具體情況而定，但要使每個小區間所含的樣本值個數不小於5，而區間個數k不要太大也不要太小。

把落入第i個小區間的Ai的樣本值的個數記作fi，成為組頻數（真實值），所有組頻數之和f1+f2+...+fk等於樣本容量n。

當H0為真時，根據所假設的總體理論分布，可算出總體X的值落入第i 個小區間Ai的概率pi，於是，npi就是落入第i個小區間Ai的樣本值的理論頻數（理論值）。

『柒』 人口容量三個特點：臨界性 相對性 警戒性 幫忙舉個例子

補充相對性：來
環境人口容量自具有不確定性和相對確定性：①由於現有的資源總數並不確定,科學技術發展水平,地區與外界的交流程度及人口消費水平等也在不斷變化；這就決定了環境人口容量具有不確定性；②在假定技術水平、資源的基礎和潛力和對外開放程度相對穩定,以及人口消費水平變化不在的條件下,可以對環境人口容量進行相對定量的估計.為了簡便,在實際中通常把某一種或幾種資源能夠供養的人口數,例如土地資源能夠供養的人口數量,作為環境人口容量的估計值.我們通過研究,查詢資料以及在網上搜索之後得知,地球人口容量極限的估測是10000（億）這是在1967年,而且僅考慮光合作用,但到2000年就為334億,且不包括中國（總之,介於樂觀派和悲觀派之間的中國派的看法較為中庸）.根據許多學者的研究結果,地球的適度人口可能在77~120億人.

『捌』 氧氣罐儲存區是重大危險源嗎 臨界量怎麼確定

在GB18218-2018《危險化學品重大危險源辨識》中「氧（壓縮的或液化的回）」在表1《危險化學答品名稱及其臨界量》 中的第56位，

別名：「液氧；氧氣」，

CAS號：7782-44-7，

臨界量 200噸。

若單元設施內數量達到或超過臨界量200噸則位重大危險源。

『玖』 空間經濟學的核心觀點

1、經濟系統內生的循環累積因果並系決定了經濟活動的空間差異
宏觀的經濟活動空間模式是微觀層次上的市場接近效應和市場擁擠效應共同作用的結果。追逐市場接近性優勢的微觀經濟的主體的行為產生了聚集力，即價格指數效應和本地市場放大效應，這種前後聯系具有循環累積因果特徵，它們可以使對經濟系統的初始沖擊進一步放大，從而強化初始的沖擊。聚集力的市場擁擠效應所產生的擴散力決定了最終經濟活動的空間模式。
2、即使不存在外生的非對稱沖擊因素，經濟系統的內生力量也可以促使經濟活動的空間差異
聚集力和分散力隨貿易成本的下降而減弱，但分散力的減弱速度相對快。在空間貿易成本較大的情況下，分散力會相對大一些，這時市場擁擠效應占優勢，經濟系統內存在負反饋機制產業的均衡分布得以穩定。當間空間貿易成本下降到某一臨界值時，聚集力超過分散力，市場的接近性優勢超過了市場擁擠劣勢，均衡分布被打破，現代部門向某一區域集中，隨之初始均衡分布結構演變為非均衡分布結構。
3、在某些臨界狀態下經濟系統的空間模式可以發生突然變
如果產業為均衡分布且貿易自由度很小，則貿易自由度的提高不會影響產業的區位，但貿易自由度變化到某一臨界值後，貿易自由度稍微增加，就發生突發性聚集，因為此時所有產業集中在某一區域是穩定的。這種特徵包含的是一種哲學思想，就是量變到質變過程，隨著貿易自由度的提高，可流動要素的流動性逐漸增強，但總要受到某種約束力的制約，這是量變過程，但貿易自由度達到某一臨界值，則此時正負反饋作用力相等，如果再提高貿易自由度，則可流要素迅速向適合於它們的區域轉移，這是質變過程。這種經濟的量變到質變特徵告訴我們，根據傳統的線性思維預測政策變動的效應，有時會導致嚴重的失誤。
4、空間經濟學第二個突出的特徵是區位的粘性，也就是「路徑依賴」
不知何種緣故，歷史上選擇了某種產業分布模式或發展路徑，那麼在較長的歷史過程中，各種經濟活動已經適應這種模式或路徑，緊緊地「粘上」了這種模式或路徑，要改變這種模式或路徑需支付很大的成本。當粘性很強時，經濟系統內生力量是很難改變原有狀態的，此時外生沖擊，如某種政治事變，人們預期的變動或出台新的區域政策等將起重要作用，但外生沖擊的沖擊力要大於經濟系統內生的約束力，如果出台的政策力度小，那麼這種政策是無法改變原有的狀態的。再者，正因為這種粘性存在，任何區域的經濟在短期內相對穩定，如果沒有這種粘性或量變過程，那麼任何區域的經濟都是瞬時萬變的，任何經濟政策都沒有意義。
5、人們預期的變化對經濟路徑產生極其深刻的影響
空間經濟學告訴我們，當區際貿易自由度取某一特定區間值時，經濟活動的空間模式存在多和長期穩定均衡，進而出現不同產業分布模式相互疊加的情況。當出現這種疊加區時，如何選擇發展路徑主要取決於人們預期的變動，此時人們將根據變化後的預期，任意選擇不同的產業分布模式或發展路徑。這種選擇時的主要依據為有效性原由，即每個個體都認為大多數人選擇的某種經濟模式是有效的，在此每個個體也選擇大多數人選擇的經濟模式。這樣，人們預期的變化將把原有的經濟系統推向另一種經濟系統。
6、產業聚集帶來聚集租金
當出現產業聚集區時，可流動要素將選擇這種聚集區，因為在聚集區可以得到集聚租金。這種聚集租金可以由工人所遭受到的損失來度量，也就是當產業完全聚集穩定均衡時，工人從聚集區轉移到邊緣區時遭受的損失。聚集租金是貿易自由度的凹函數，當貿易自度處於一特定區間時，聚集租金大於零，貿易自由度取某一特定值時，聚集租金最大，而後隨自由度的提高，聚集租金下降，顯示為駝峰狀。聚集租金的政策含義很明確，即當產業聚集在某一區域是穩定均衡時，經濟政策的邊際變動不會帶來經濟狀況的變化。
空間經濟學，是當代經濟學對人類最偉大的貢獻之一，也是當代經濟學中最激動人心的領域。空間經濟學是在區位論的基礎上發展起來的多門學科的總稱，它研究的是空間的經濟現象和規律，研究生產要素的空間布局和經濟活動的空間區位。

『拾』 統計學中假設檢驗中的P值和計量經濟學中的p值是一個概念嗎

是一樣的，p值是犯第一類錯誤的概率，即H0為真，你卻拒絕的概率。