計量經濟學prob

Ⅰ 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

Ⅱ 計量經濟學eviews ls估計表計算可決系數及t F值等 模型為yi=β0+β1X1i+β2i+μi

這一類是屬於老師將eviews回歸分析結果塗去一部分數據，然後叫同學們根據表上另外一些數據來推斷，其實這的題目沒有現實意義的，說白了會操作eviews的人根本不這么做，那如果用手算，也就根本沒有eviews回歸表中的那部分的數據了。
T-Statistic= Coefficient/Std. Error
c的T-Statistic= 24.4070/6.9973=3.48806

R-squared =1-RSS/TSS (RSS就是表中的sum squared resid： 342.5486）
那麼關鍵是求TSS，TSS=(n-1) *( S.D. dependent var)^2
=(10-1)x31.4289x31.4289=8889.98179689
R-squared=1-342.5486/8889.98179689=0.9614680

Adjusted R-squared=1-[(n-1)/(n-k-1)]*(1-R^2)=1-[(10-1)/(10-2-1)]*(1-0.9614680)=0.950459

F-statistic =(R-squared)*(n-k-1)/[1-(R-squared)]*k
=0.9614680X(10-2-1)/(1-0.9614680)*2
=87.33359

Ⅲ 計量經濟學中Eviews因果檢驗結果看F值還是Prob怎麼看 P值是大於0.05就接受原假設存在非因果關系么急

主要看P值。
但是GRANGER因果檢驗一般都是以變數相互不具有因果關系為原假設的，這樣的原假設下，P值小於0.05就說明具有因果關系。

Ⅳ 請問：做計量經濟學論文，數據是否可能不存在異方差性

你好，你的P是0.087784，即拒絕原假設犯錯的概率是8.78%。懷特檢驗的原假設是假設不存在異方差，內那麼P=0.087784的意思就是容：

承認原模型存在異方差，犯錯的概率是8.78%。因此，如果你想跳過加權過程直接進行序列相關檢驗，一定要說名前提，即「在1%（或5%）的置信區間內不存在異方差」。置信區間取至10%的時候就仍要做加權。

Ⅳ 計量經濟學prob是什麼

Probability.如果你只是經復濟計量方面制的，stata之類的軟體會幫你求。如果是數學統計學專業，你需要知道F（fisher）distribution的pdf（possibility density function)，然後對其進行積分。後面那種方法是理論上的，一般有表格，直接查表。

F-test又叫joint significant test，顧名思義，他就是檢測一個回歸模型裡面，多個regressors對dependent variable（y）的影響顯不顯著。

在Hypothesis test中 prob越小 越有evidence拒絕 null test， 影響越顯著。反之，不然。

Ⅵ 計量經濟學中Eviews因果檢驗結果看F值還是Prob怎麼看

看F去查表是最准確的做法。Prob提供的是一個簡便對照。 表示假設成立的可能性。 基本可以同（1-置信度）直接比大小來看。 當然需要看具體假設是怎樣的