临界容量经济学

『壹』 能不能给我一份计量经济学论文 用eviews分析的 我在网上看到你回答了别人的问题 十分感谢！

一元线性回归模型的置信区间与预测
多元线性回归模型的置信区间问题包括参数估计量的置信区间和被解释变量预测值的置信区间两个方面，在数理统计学中属于区间估计问题。所谓区间估计是研究用未知参数的点估计值（从一组样本观测值算得的）作为近似值的精确程度和误差范围，是一个必须回答的重要问题。

一、参数估计量的置信区间
在前面的课程中，我们已经知道，线性回归模型的参数估计量 是随机变量 的函数，即： ，所以它也是随机变量。在多次重复抽样中，每次的样本观测值不可能完全相同，所以得到的点估计值也不可能相同。现在我们用参数估计量的一个点估计值近似代表参数值，那么，二者的接近程度如何？以多大的概率达到该接近程度？这就要构造参数的一个区间，以点估计值为中心的一个区间（称为置信区间），该区间以一定的概率（称为置信水平）包含该参数。即回答 以何种置信水平位于 之中，以及如何求得a。
在变量的显著性检验中已经知道
(2.5.1)
这就是说，如果给定置信水平 ，从t分布表中查得自由度为(n-k-1)的临界值 ，那么t值处在 的概率是 。表示为

即

于是得到：在（ ）的置信水平下 的置信区间是
i=0,1 （2.5.3）
在某例子中，如果给定 ，查表得

从回归计算中得到
根据（2.5.2）计算得到 的置信区间分别为 和（0.1799,0.2401）
显然，参数 的置信区间要小。
在实际应用中，我们当然希望置信水平越高越好，置信区间越小越好。如何才能缩小置信区间？从（2.5.3）式中不难看出：（1）增大样本容量n。在同样的置信水平下，n越大，从t分布表中查得自由度为（n-k-1）的临界值 越小；同时，增大样本容量，在一般情况下可使估计值的标准差 减小，因为式中分母的增大是肯定的，分子并不一定增大。（2）更主要的是提高模型的拟合度，以减小残差平方和 。设想一种极端情况，如果模型完全拟合样本观测值，残差平方和为0，则置信区间也为0。（3）提高样本观测值的分散度。在一般情况下，样本观测值越分散，标准差越小。置信水平与置信区间是矛盾的。置信水平越高，在其他情况不变时，临界值 越大，置信区间越大。如果要求缩小置信区间，在其他情况不变时，就必须降低对置信水平的要求。

二、预测值的置信区间
1、 点预测
计量经济学模型的一个重要应用是经济预测。对于模型
，
如果给定样本以外的解释变量的观测值 ，有

因 是前述样本点以外的解释变量值，所以 和 是不相关的。引用已有的OLS的估计值，可以得到被解释变量 的点预测值：
(2.5.4)
但是，严格地说，这只是被解释变量的预测值的估计值，而不是预测值。原因在于两方面：一是模型中的参数估计量是不确定的，正如上面所说的；二是随机项的影响。所以，我们得到的仅是预测值的一个估计值，预测值仅以某一个置信水平处于以该估计值为中心的一个区间中。于是，又是一个区间估计问题。
2、 区间预测
如果已经知道实际的预测值 ，那么预测误差为

显然， 是一随机变量，可以证明

而

因为 由原样本的OLS估计值求得，而 与原样本不相关，故有：
，
可以计算出来：
(2.5.5)
(2.5.6)
因 和 均服从正态分布，可利用它们的性质构造统计量，求区间预测值。利用 构造统计量为：

将 用估计值 代入上式，有

这样，可得显著性水平 下 的置信区间为
(2.5.7)
(2.5.7)式称为 的均值区间预测。
同理，利用 构造统计量，有

将 用估计值 代入上式，有：

根据置信区间的原理，得显著性水平 下 的置信区间：
（2.5.8）
上式称为 的个值区间预测，显然，在同样的 下，个值区间要大于均值区间。(2.5.7)和(2.5.8)也可表述为： 的均值或个值落在置信区间内的概率为 ， 即为预测区间的置信度。或者说，当给定解释变量值 后，只能得到被解释变量 或其均值 以 的置信水平处于某区间的结论。
经常听到这样的说法，“如果给定解释变量值，根据模型就可以得到被解释变量的预测值为……值”。这种说法是不科学的，也是计量经济学模型无法达到的。如果一定要给出一个具体的预测值，那么它的置信水平则为0；如果一定要回答解释变量以100%的置信水平处在什么区间中，那么这个区间是∞。
在实际应用中，我们当然也希望置信水平越高越好，置信区间越小越好，以增加预测的实用意义。如何才能缩小置信区间？从（2.5.5）和(2.5.6)式中不难看出：（1）增大样本容量n。在同样的置信水平下，n越大，从t分布表中查得自由度为（n-k-1）的临界值 越小；同时，增大样本容量，在一般情况下可使 减小，因为式中分母的增大是肯定的，分子并不一定增大。（2）更主要的是提高模型的拟合优度，以减小残差平方和 。设想一种极端情况，如果模型完全拟合样本观测值，残差平方和为0，则置信区间长度也为0，预测区间就是一点。（3）提高样本观测值的分散度。在一般情况下，样本观测值越分散，作为分母的 的值越大，致使区间缩小。置信水平与置信区间是矛盾的。置信水平越高，在其他情况不变时，临界值 越大，置信区间越大。如果要求缩小置信区间，在其他情况不变时，就必须降低对置信水平的要求。

四、一元线性回归模型参数估计实例
为了帮助读者理解一元线性回归模型参数估计的原理，下面以我国国家财政文教科学卫生事业费支出模型为例，不采用计量经济学应用软件，用手工计算，进行模型的参数估计。
经分析得到，我国国家财政中用于文教科学卫生事业费的支出，主要由国家财政收入决定，二者之间具有线性关系。于是可以建立如下的模型：

其中， 为第t年国家文教科学卫生事业费支出额（亿元）， 为第t年国家财政收入额（亿元）， ，为随机误差项， 为待估计的参数。选取1991—1997年的数据为样本，利用（2.2.6）和（2.2.7）的计算公式，分别计算参数估计值。
表2.2.1 有关数据表
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
有关中间计算结果如下：

由电脑计算的参数估计值为

全部统计结果如下表。
从表中可看出，判定系数 0.99，表示以国家财政收入额来解释国家文教科学卫生事业费支出额，在1991至1997年间，拟合度相当理想。截距项 的估计值对应的t-统计量为0.47，不能通过显著性检验，即不能推翻 为0的假设；而一次系数 的估计值对应的t-统计量为20.34，不用查表即可知通过显著性检验，即 显著不为0，因果关系成立。F-统计量的值为413.58，也表示方程系数显著不为0。

表一：Eviews计算结果

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：不含截距项的Eviews计算结果：

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

多元线性回归模型的参数估计实例
例2.3.1 建立中国消费模型。根据消费模型的一般形式，选择消费总额为被解释变量，国内生产总值和前一年的消费总额为解释变量，变量之间关系为简单线性关系，选取1981年至1996年统计数据为样本观测值。样本观测值列于表2.3.1中。
表2.3.1 中国消费数据表
年份 消费总额 国内生产总值 前一年消费额 年份 消费总额 国内生产总值 前一年消费额
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代表消费总额， 代表国内生产总值， 代表前一年消费总额，应用计量经济分析软件包TSP6.5中普通最小二乘法估计模型，得到下列结果：
（2.3.13）
（6.83） （32.36） （5.70）

式中各项都是评价估计结果优劣的重要标准，后面将逐一介绍。这里仅讨论参数估计值。两个解释变量前的参数估计值分别为0.4809和0.1985，都为正数，且都处于0与1之间，常数项的估计值也为正，这些参数估计值的经济含义是合理的。随机误差项的方差的估计值为33739.5。
Oh，如果你是学习好的话肯定会做那么也就不用提问了，如果你学习不怎么样做出来的太好反而会让老师更加怀疑真实性，一般情况下能过关就OK了，做的太好老师问你了咋办。所以吧能过关一切都好的

『贰』 计量经济学解答，急急！在线等！

(1)finance的参数的经济含抄义为:当销售收入与公司股票收益保持不变时,金融业的CEO要比交通运输业的CEO多获薪水15.8个百分点.其他两个可类似解释.
(2)公用事业和交通运输业之间估计薪水的近似百分比差异就是以百分数解释的utility的参数,即为28.3%.由于参数的t统计值为-2.895,它大于1%显著性水平下自由度为203的t分布的临界值1.96,因此这种差异是统计上显著的.

『叁』 统计学中的“P”值是什么意思怎么计算

统计学中P一般指概率。

以古典概率模型为例，概率的计算方法为：

古典定义

如果一个试验满足专两条：

（1）试验只有属有限个基本结果；

（2）试验的每个基本结果出现的可能性是一样的。

这样的试验便是古典试验。

对于古典试验中的事件A，它的概率定义为：P(A)=

拓展内容：

概率亦称“或然率”。它反映随机事件出现的可能性大小的量度。随机事件是指在相同条件下，可能出现也可能不出现的事件。例如，从一批有正品和次品的商品中，随意抽取一件，“抽得的是正品”就是一个随机事件。设对某一随机现象进行了n次试验与观察，其中A事件出现了m次，即其出现的频率为m/n。经过大量反复试验，常有m/n越来越接近于某个确定的常数。该常数即为事件A出现的概率，常用P (A) 表示，与“几率”不同，一个事件的几率（odds）是指该事件发生的概率与该事件不发生的概率的比值。

『肆』 求一篇计量经济学的论文，最好用到EVIEWS软件分析的，很急！希望大家帮帮忙！

一元线性回归模型的置信区间与预测 多元线性回归模型的置信区间问题包括参数估计量的置信区间和被解释变量预测值的置信区间两个方面，在数理统计学中属于区间估计问题。所谓区间估计是研究用未知参数的点估计值（从一组样本观测值算得的）作为近似值的精确程度和误差范围，是一个必须回答的重要问题。 一、参数估计量的置信区间 在前面的课程中，我们已经知道，线性回归模型的参数估计量 是随机变量 的函数，即： ，所以它也是随机变量。在多次重复抽样中，每次的样本观测值不可能完全相同，所以得到的点估计值也不可能相同。现在我们用参数估计量的一个点估计值近似代表参数值，那么，二者的接近程度如何？以多大的概率达到该接近程度？这就要构造参数的一个区间，以点估计值为中心的一个区间（称为置信区间），该区间以一定的概率（称为置信水平）包含该参数。即回答 以何种置信水平位于 之中，以及如何求得a。 在变量的显著性检验中已经知道 (2.5.1) 这就是说，如果给定置信水平 ，从t分布表中查得自由度为(n-k-1)的临界值 ，那么t值处在 的概率是 。表示为 即 于是得到：在（ ）的置信水平下 的置信区间是 i=0,1 （2.5.3） 在某例子中，如果给定 ，查表得 从回归计算中得到 根据（2.5.2）计算得到 的置信区间分别为 和（0.1799,0.2401） 显然，参数 的置信区间要小。 在实际应用中，我们当然希望置信水平越高越好，置信区间越小越好。如何才能缩小置信区间？从（2.5.3）式中不难看出：（1）增大样本容量n。在同样的置信水平下，n越大，从t分布表中查得自由度为（n-k-1）的临界值 越小；同时，增大样本容量，在一般情况下可使估计值的标准差 减小，因为式中分母的增大是肯定的，分子并不一定增大。（2）更主要的是提高模型的拟合度，以减小残差平方和 。设想一种极端情况，如果模型完全拟合样本观测值，残差平方和为0，则置信区间也为0。（3）提高样本观测值的分散度。在一般情况下，样本观测值越分散，标准差越小。置信水平与置信区间是矛盾的。置信水平越高，在其他情况不变时，临界值 越大，置信区间越大。如果要求缩小置信区间，在其他情况不变时，就必须降低对置信水平的要求。 二、预测值的置信区间 1、 点预测 计量经济学模型的一个重要应用是经济预测。对于模型 ， 如果给定样本以外的解释变量的观测值 ，有 因 是前述样本点以外的解释变量值，所以 和 是不相关的。引用已有的OLS的估计值，可以得到被解释变量 的点预测值： (2.5.4) 但是，严格地说，这只是被解释变量的预测值的估计值，而不是预测值。原因在于两方面：一是模型中的参数估计量是不确定的，正如上面所说的；二是随机项的影响。所以，我们得到的仅是预测值的一个估计值，预测值仅以某一个置信水平处于以该估计值为中心的一个区间中。于是，又是一个区间估计问题。 2、 区间预测 如果已经知道实际的预测值 ，那么预测误差为 显然， 是一随机变量，可以证明 而 因为 由原样本的OLS估计值求得，而 与原样本不相关，故有： ， 可以计算出来： (2.5.5) (2.5.6) 因和 均服从正态分布，可利用它们的性质构造统计量，求区间预测值。利用 构造统计量为： 将 用估计值 代入上式，有 这样，可得显著性水平 下 的置信区间为 (2.5.7) (2.5.7)式称为 的均值区间预测。 同理，利用 构造统计量，有 将 用估计值 代入上式，有： 根据置信区间的原理，得显著性水平 下 的置信区间： （2.5.8） 上式称为 的个值区间预测，显然，在同样的 下，个值区间要大于均值区间。(2.5.7)和(2.5.8)也可表述为： 的均值或个值落在置信区间内的概率为 ， 即为预测区间的置信度。或者说，当给定解释变量值 后，只能得到被解释变量 或其均值 以 的置信水平处于某区间的结论。 经常听到这样的说法，“如果给定解释变量值，根据模型就可以得到被解释变量的预测值为……值”。这种说法是不科学的，也是计量经济学模型无法达到的。如果一定要给出一个具体的预测值，那么它的置信水平则为0；如果一定要回答解释变量以100%的置信水平处在什么区间中，那么这个区间是∞。 在实际应用中，我们当然也希望置信水平越高越好，置信区间越小越好，以增加预测的实用意义。如何才能缩小置信区间？从（2.5.5）和(2.5.6)式中不难看出：（1）增大样本容量n。在同样的置信水平下，n越大，从t分布表中查得自由度为（n-k-1）的临界值 越小；同时，增大样本容量，在一般情况下可使 减小，因为式中分母的增大是肯定的，分子并不一定增大。（2）更主要的是提高模型的拟合优度，以减小残差平方和 。设想一种极端情况，如果模型完全拟合样本观测值，残差平方和为0，则置信区间长度也为0，预测区间就是一点。（3）提高样本观测值的分散度。在一般情况下，样本观测值越分散，作为分母的 的值越大，致使区间缩小。置信水平与置信区间是矛盾的。置信水平越高，在其他情况不变时，临界值 越大，置信区间越大。如果要求缩小置信区间，在其他情况不变时，就必须降低对置信水平的要求。 四、一元线性回归模型参数估计实例 为了帮助读者理解一元线性回归模型参数估计的原理，下面以我国国家财政文教科学卫生事业费支出模型为例，不采用计量经济学应用软件，用手工计算，进行模型的参数估计。 经分析得到，我国国家财政中用于文教科学卫生事业费的支出，主要由国家财政收入决定，二者之间具有线性关系。于是可以建立如下的模型： 其中， 为第t年国家文教科学卫生事业费支出额（亿元）， 为第t年国家财政收入额（亿元）， ，为随机误差项， 为待估计的参数。选取1991—1997年的数据为样本，利用（2.2.6）和（2.2.7）的计算公式，分别计算参数估计值。 表2.2.1 有关数据表 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 有关中间计算结果如下： 由电脑计算的参数估计值为 全部统计结果如下表。 从表中可看出，判定系数 0.99，表示以国家财政收入额来解释国家文教科学卫生事业费支出额，在1991至1997年间，拟合度相当理想。截距项 的估计值对应的t-统计量为0.47，不能通过显著性检验，即不能推翻 为0的假设；而一次系数 的估计值对应的t-统计量为20.34，不用查表即可知通过显著性检验，即 显著不为0，因果关系成立。F-统计量的值为413.58，也表示方程系数显著不为0。 表一：Eviews计算结果 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：不含截距项的Eviews计算结果： 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 多元线性回归模型的参数估计实例 例2.3.1 建立中国消费模型。根据消费模型的一般形式，选择消费总额为被解释变量，国内生产总值和前一年的消费总额为解释变量，变量之间关系为简单线性关系，选取1981年至1996年统计数据为样本观测值。样本观测值列于表2.3.1中。 表2.3.1 中国消费数据表 年份 消费总额 国内生产总值 前一年消费额 年份 消费总额 国内生产总值 前一年消费额 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代表消费总额， 代表国内生产总值， 代表前一年消费总额，应用计量经济分析软件包TSP6.5中普通最小二乘法估计模型，得到下列结果： （2.3.13） （6.83） （32.36） （5.70） 式中各项都是评价估计结果优劣的重要标准，后面将逐一介绍。这里仅讨论参数估计值。两个解释变量前的参数估计值分别为0.4809和0.1985，都为正数，且都处于0与1之间，常数项的估计值也为正，这些参数估计值的经济含义是合理的。随机误差项的方差的估计值为33739.5。 Oh，如果你是学习好的话肯定会做那么也就不用提问了，如果你学习不怎么样做出来的太好反而会让老师更加怀疑真实性，一般情况下能过关就OK了，做的太好老师问你了咋办。所以吧能过关一切都好的

求采纳

『伍』 计量经济学中多重共线性的检验方法有哪些

1、简单相关系复数矩阵法（辅制助手段）

此法简单易行；但要注意两变量的简单相关系数包含了其他变量的影响，并非它们真实的线性相关程度的反映，一般在0.8以上可初步判定它俩之间有线性相关。

2、变量显著性与方程显著性综合判断

（修正）可决系数大，F值显著大于临界值，而值不显著；那么可认为存在多重共线性。

3、辅助回归

将每个解释变量对其余变量回归，若某个回归方程显著成立，则该解释变量和其余变量有多重共线性。

（4）方差扩大（膨胀）因子法

（5）直观判断法

增加或者减少一个解释变量，或者改变一个观测值时，回归参数发生较大变化。重要解释变量没有通过t检验。有些解释变量的回归系数符号与定性分析的相反。

(5)临界容量经济学扩展阅读：

解决方法

（1）、排除引起共线性的变量

找出引起多重共线性的解释变量，将它排除出去，以逐步回归法得到最广泛的应用。

（2）、差分法

时间序列数据、线性模型：将原模型变换为差分模型。

（3）、减小参数估计量的方差：岭回归法（Ridge Regression）。

『陆』 统计学做卡方检验的时候需要计算出来的卡方值大于临界值吗

需要。

卡方值是非参数检验中的一个统计量，主要用于非参数统计分析中。作用是检验数据的相关性。如果卡方值的显著性（即SIG.）小于0.05，说明两个变量是显著相关的。

将计算所得的x2值与临界x2值（负值都容取绝对值）作比较，若计算值大于临界值，则否定Ⅱ0；反之，则承认Ⅱ0。

计算卡方值的公式一般可表示为：x2=∑[（fo—fc）2/fc]

式中：fo表示实际所得的次数，fc表示由假设而定的理论次数，∑为加总符号。

x2检验对于定类与定类或定类与定序变量之间的相关检验应用较多。

(6)临界容量经济学扩展阅读：

将总体X的取值范围分成k个互不相交的小区间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+∞，区间的划分视具体情况而定，但要使每个小区间所含的样本值个数不小于5，而区间个数k不要太大也不要太小。

把落入第i个小区间的Ai的样本值的个数记作fi，成为组频数（真实值），所有组频数之和f1+f2+...+fk等于样本容量n。

当H0为真时，根据所假设的总体理论分布，可算出总体X的值落入第i 个小区间Ai的概率pi，于是，npi就是落入第i个小区间Ai的样本值的理论频数（理论值）。

『柒』 人口容量三个特点：临界性 相对性 警戒性 帮忙举个例子

补充相对性：来
环境人口容量自具有不确定性和相对确定性：①由于现有的资源总数并不确定,科学技术发展水平,地区与外界的交流程度及人口消费水平等也在不断变化；这就决定了环境人口容量具有不确定性；②在假定技术水平、资源的基础和潜力和对外开放程度相对稳定,以及人口消费水平变化不在的条件下,可以对环境人口容量进行相对定量的估计.为了简便,在实际中通常把某一种或几种资源能够供养的人口数,例如土地资源能够供养的人口数量,作为环境人口容量的估计值.我们通过研究,查询资料以及在网上搜索之后得知,地球人口容量极限的估测是10000（亿）这是在1967年,而且仅考虑光合作用,但到2000年就为334亿,且不包括中国（总之,介于乐观派和悲观派之间的中国派的看法较为中庸）.根据许多学者的研究结果,地球的适度人口可能在77~120亿人.

『捌』 氧气罐储存区是重大危险源吗 临界量怎么确定

在GB18218-2018《危险化学品重大危险源辨识》中“氧（压缩的或液化的回）”在表1《危险化学答品名称及其临界量》 中的第56位，

别名：“液氧；氧气”，

CAS号：7782-44-7，

临界量 200吨。

若单元设施内数量达到或超过临界量200吨则位重大危险源。

『玖』 空间经济学的核心观点

1、经济系统内生的循环累积因果并系决定了经济活动的空间差异
宏观的经济活动空间模式是微观层次上的市场接近效应和市场拥挤效应共同作用的结果。追逐市场接近性优势的微观经济的主体的行为产生了聚集力，即价格指数效应和本地市场放大效应，这种前后联系具有循环累积因果特征，它们可以使对经济系统的初始冲击进一步放大，从而强化初始的冲击。聚集力的市场拥挤效应所产生的扩散力决定了最终经济活动的空间模式。
2、即使不存在外生的非对称冲击因素，经济系统的内生力量也可以促使经济活动的空间差异
聚集力和分散力随贸易成本的下降而减弱，但分散力的减弱速度相对快。在空间贸易成本较大的情况下，分散力会相对大一些，这时市场拥挤效应占优势，经济系统内存在负反馈机制产业的均衡分布得以稳定。当间空间贸易成本下降到某一临界值时，聚集力超过分散力，市场的接近性优势超过了市场拥挤劣势，均衡分布被打破，现代部门向某一区域集中，随之初始均衡分布结构演变为非均衡分布结构。
3、在某些临界状态下经济系统的空间模式可以发生突然变
如果产业为均衡分布且贸易自由度很小，则贸易自由度的提高不会影响产业的区位，但贸易自由度变化到某一临界值后，贸易自由度稍微增加，就发生突发性聚集，因为此时所有产业集中在某一区域是稳定的。这种特征包含的是一种哲学思想，就是量变到质变过程，随着贸易自由度的提高，可流动要素的流动性逐渐增强，但总要受到某种约束力的制约，这是量变过程，但贸易自由度达到某一临界值，则此时正负反馈作用力相等，如果再提高贸易自由度，则可流要素迅速向适合于它们的区域转移，这是质变过程。这种经济的量变到质变特征告诉我们，根据传统的线性思维预测政策变动的效应，有时会导致严重的失误。
4、空间经济学第二个突出的特征是区位的粘性，也就是“路径依赖”
不知何种缘故，历史上选择了某种产业分布模式或发展路径，那么在较长的历史过程中，各种经济活动已经适应这种模式或路径，紧紧地“粘上”了这种模式或路径，要改变这种模式或路径需支付很大的成本。当粘性很强时，经济系统内生力量是很难改变原有状态的，此时外生冲击，如某种政治事变，人们预期的变动或出台新的区域政策等将起重要作用，但外生冲击的冲击力要大于经济系统内生的约束力，如果出台的政策力度小，那么这种政策是无法改变原有的状态的。再者，正因为这种粘性存在，任何区域的经济在短期内相对稳定，如果没有这种粘性或量变过程，那么任何区域的经济都是瞬时万变的，任何经济政策都没有意义。
5、人们预期的变化对经济路径产生极其深刻的影响
空间经济学告诉我们，当区际贸易自由度取某一特定区间值时，经济活动的空间模式存在多和长期稳定均衡，进而出现不同产业分布模式相互叠加的情况。当出现这种叠加区时，如何选择发展路径主要取决于人们预期的变动，此时人们将根据变化后的预期，任意选择不同的产业分布模式或发展路径。这种选择时的主要依据为有效性原由，即每个个体都认为大多数人选择的某种经济模式是有效的，在此每个个体也选择大多数人选择的经济模式。这样，人们预期的变化将把原有的经济系统推向另一种经济系统。
6、产业聚集带来聚集租金
当出现产业聚集区时，可流动要素将选择这种聚集区，因为在聚集区可以得到集聚租金。这种聚集租金可以由工人所遭受到的损失来度量，也就是当产业完全聚集稳定均衡时，工人从聚集区转移到边缘区时遭受的损失。聚集租金是贸易自由度的凹函数，当贸易自度处于一特定区间时，聚集租金大于零，贸易自由度取某一特定值时，聚集租金最大，而后随自由度的提高，聚集租金下降，显示为驼峰状。聚集租金的政策含义很明确，即当产业聚集在某一区域是稳定均衡时，经济政策的边际变动不会带来经济状况的变化。
空间经济学，是当代经济学对人类最伟大的贡献之一，也是当代经济学中最激动人心的领域。空间经济学是在区位论的基础上发展起来的多门学科的总称，它研究的是空间的经济现象和规律，研究生产要素的空间布局和经济活动的空间区位。

『拾』 统计学中假设检验中的P值和计量经济学中的p值是一个概念吗

是一样的，p值是犯第一类错误的概率，即H0为真，你却拒绝的概率。