-
2013年中国政治经济学论坛
会议名称：2013年中国政治经济学论坛所属学科：政治学,应用经济学开始日期：2013-06-11所在国家：中华人民共和国所在城市：内蒙古自治区呼和浩特市主办单位：中国社会科学院经济研究所和黑龙江大学经济与工商管理学院[重要日期]全文截稿日期：2013-05-10[会务组联系方式]联系人：陆梦龙联系电话：13501069620E-MAIL：jyhu@cass.org.cn会议网站：http://www.jjxdt.org/list.asp?NAclassid=41&id=354会议背景介绍：中国政治经济学论坛第15届年会，将由中国社会科学院经济研究所和黑龙江大学经济与工商管理学院联合主办，会议定于2013年6月中旬在黑龙江哈尔滨召开。欢迎全国高等院校和专业研究机构的专家学者、博士后、博士生参加会议，会议以论文入选为原则邀请与会代表，论文入选的博士生免收会务费和食宿费，优秀论文将刊载于《政治经济学研究报告15》（社会科学文献出版社2015年出版）。征文范围及要求：一、会议主题 经过30多年的经济体制改革，我国已经进入改革的深水区，“重要领域和关键环节改革”能否取得实质性进展，关系到能否建立起完善的社会主义市场经济体制和实现经济发展方式的根本转换，必须攻坚克难。鉴于此，2013年中国政治经济学论坛年会的主题确定为“重要领域和关键环节改革”，会议将围绕（但不限于）以下议题展开广泛深入的讨论： 1．ZF与市场关系 2．收入分配改革 3．国有经济改革 4．利益集团治理 5．垄断行业改革 6．生产要素市场改革 7．民营经济发展二、征文要求 1.应征论文以8000字为宜，不超过10000字，学术规范，引用准确，注重知识产权。 2.征文截止日期为2013年5月10日（以电子邮件发送日期为准）。 3.论文格式：（1）首页包括标题、作者姓名、工作单位、职称及职务、联系方式（包括通信地址、邮编、电子邮件地址、电话等），合作论文应注明合作者的相关信息；（2）正文包括论文题目、中文摘要（约500字）、关键词；（3）注释采用页脚注，参考文献放在论文后面；（5）论文采用Word文档。
-
政治经济学作业
国贸一班张露露201315141名词解释货币：固定充当一般等价物的商品价格：商品价值的货币表现价值尺度：货币所具有的表现商品价值、衡量商品价值大小的一种职能价格标准：是关于货币的计量单位以及划分这一计量单位的规定,用于衡量货币本身的数量流通手段：货币充当商品交换媒介的职能货币流通：商品流通中货币作为商品交换的媒介不断的从一个商品所有者手里转到另一个商品所有者手里的运动。2.货币是怎样产生的？它的本质和职能是什么？1）由简单价值形式发展到扩大的价值形式再到一般价值形式。货币形式是价值形式发展的完成阶段。在这一阶段，一切商品的价值都统一由货币来表现，货币成为价值和财富的化身2）本质：一般等价物职能：价值尺度、流通手段、贮藏手段、支付手段、世界货币3、货币的流通量是怎样决定的？纸币的流通量又是怎样决定的？1）流通中所需要货币量=商品价格总额（待流通的商品数量*商品的价格水平）/同一单位货币的平均流通次数待流通的商品数量：Q商品的价格水平：P货币流通速度：V流通中所需的货币量：MM=PQ/V2）纸币的流通量由商品流通所需金属货币量决定。如果纸币发行量相当于商品流通中所需要的金属货币量，那么纸币的购买力就会同它所代表的金属货币的购买力相当。4.引起通货紧缩的原因是什么？它对社会经济生活有何影响？原因：纸币的发行量少于商品流通所需金属货币量影响：通货紧缩、物价下降在一定程度上对人民生活有好处。但物价总水平长时间、大范围下降，会严重影响投资者的信心和居民的消费心理；企业销售额增加但利润减少；投资者不愿投资，消费者不愿消费；市场不景气，大量资金闲置；加剧生产经营者在价格上的恶性竞争，不利于企业的正常经营，对经济的长远发展和人民群众的长远利益不利。5.什么是价值规律？它在商品经济中有哪些作用？价值规律;商品的价值量决定于生产商品的社会必要劳动时间，商品必须按照价值量相等的原则进行交换。，是商品生产和商品交换的基本规律。作用：调节生产资料和劳动力在各个部门之间的分配刺激商品生产者改进生产技术，改善经营管理，提高劳动生产率，从而促进社会生产力的发展。
-
[讨论]计量经济学的理论研究前沿（请高人讨论）
[UserCP=100]下面是我在“基础数学/应用数学”群里专家在线讨论数学和经济关系时，提的问题。这只是理论计量经济学的关于空间计量的一些前沿，很有价值，特拿来给大家共享。希望大家能各抒己见，讨论讨论其他方面计量经济学的理论研究前沿，谢谢！！！一阳指:我想请教下汪专家，理论计量经济学研究可行吗？目前国内学者主要是搞应用计量经济学研究，当然也有搞理论的，比如南开大学的张晓峒老师，华中科技的王少平老师，但并不是很多。如果我读博士想搞理论计量经济学研究，是否可行，还有就是您能简单介绍下当前理论计量经济学，除了大家一直再搞的单位根方面的研究，其他比较好的研究领域吗？谢谢！回炉:一阳指博士，刚才汪博士离开，我询问了香港理工的Yangyang顾问，回答如下：“非常感谢您的信任。我认为张老师，王老师当然让人钦佩，但是国内的计量经济学水平实在拉国外很多很多。计量经济有的做的东西固然很多，我随便聚几个例子：1）动态空间面板数据的GMM系统估计，虽然现在德国和葡萄牙有人用GMM做，但是对于空间自回归的普适性和小样本性质普遍不理想（推荐文章：GeneralizedMomentsEstimationforSpatialPanelData:IndonesianRiceFarming.AmericanJournalofAgriculturalEconomicsVolume86Issue1Page185-198,February2004）2）空间面板单位根过程（我们可以把传统的单位根过程理解为时间纬度的单位根，而把空间面板单位跟理解为空间的不稳定过程）。香港中文大学的Prof.Leung有过尝试，但是效果不好3）空间计量的几个关键性检验普遍power很低，如何办？这些都还是空间计量方面的，其他的东西太多拉。我觉得做理论计量，一定要有很深厚的数学功底，要不然用用软件，写写小程序还是意思不大的。当然，要走经济研究的路，计量如何用功都不为过”近日活动到此结束，感谢各位的交流。[/UserCP][此贴子已经被作者于2008-8-145:43:29编辑过]
-
简评政治经济学
中国十三亿人口，美国三亿多人口。中国国内生产总值不及美国——但这是按照商品价值计算的，一切生产能比较的都折合成了商品价值，这是很荒谬的。至于社会化大生产方面，美国高于中国的只是金融，金融是商品，但金融本身能代表生产力么？商品积累起来的这种东西是很虚的东西——全靠信用支撑着，如同地契一样，说废除了就废除了。这只代表支配商业关系的社会权力。商品价值本身，只是社会调动劳动，组织劳动的一个手段，且远非唯一手段。归根到底，政治经济学是门商业的学问，把一切社会关系商业化以计算之，其存在的基础必然就是私有的——优先考虑个人利益，为实现个人利益最大化而不懈斗争，所谓经济人。政治经济本身就是特殊的社会关系，它的产生源于私有制的产生，其大规模发展有赖于资本主义商业的大发展，它的终结，也就在于私有制的灭亡，商业的灭亡。人的社会关系终究是不能以商品价值来衡量来计算的，中国的社会关系的紧密程度或者每个人与其他人的联系程度比美国的社会关系更加不如吗？不，只要是人类社会，社会关系都是差不多的，美国人并非是三头六臂，他们的社会关系与中国人的没有什么不同，与非洲穷国的人民的社会关系无甚不同。人与人的社会关系，并非工业发达了，就加强了或者削弱了。只能说社会化大生产为人与人之间的关系灌输了更多的技术因素，这些技术因素之所以重要是由于它能为产生更广更深刻的普遍联系提供平台——社会进步在于拉近你我之间的距离，也就体现在社会关系里。但商业基础上的社会关系是冷酷的无情的，这不仅不让人们亲近，反而要基于私有制相互排斥，以邻为壑。商业本身确实以商品的形式把全世界都联系起来，但也只不过如此，它不能起到进一步的进步作用，其历史进步意义是有限的，要进一步发展社会联系，那么就要抛弃商业，摈弃商品货币形式，形成人与人之间直接的社会关系，撤除私有的壁垒，让人们交流亲密无间。那么社会关系还是能够拿商业价值计算的吗？绝不是。那么政治经济学的那套精确到个人的经济计量也就不存在了，或者说，政治经济学就消亡了——这套社会关系的特殊体现最终丧失了特殊性，重新成为一般的社会关系。商业兴盛，则政治经济学兴盛，商业消亡，则政治经济消亡。
-
计量经济学词汇-修改更新了
A校正R2（AdjustedR-Squared）：多元回归分析中拟合优度的量度，在估计误差的方差时对添加的解释变量用一个自由度来调整。对立假设（AlternativeHypothesis）：检验虚拟假设时的相对假设。AR（1）序列相关（AR(1)SerialCorrelation）：时间序列回归模型中的误差遵循AR（1）模型。渐近置信区间（AsymptoticCon?denceInterval）：大样本容量下近似成立的置信区间。渐近正态性（AsymptoticNormality）：适当正态化后样本分布收敛到标准正态分布的估计量。渐近性质（AsymptoticProperties）：当样本容量无限增长时适用的估计量和检验统计量性质。渐近标准误（AsymptoticStandardError）：大样本下生效的标准误。渐近t统计量（AsymptotictStatistic）：大样本下近似服从标准正态分布的t统计量。渐近方差（AsymptoticVariance）：为了获得渐近标准正态分布，我们必须用以除估计量的平方值。渐近有效（AsymptoticallyEf?cient）：对于服从渐近正态分布的一致性估计量，有最小渐近方差的估计量。渐近不相关（AsymptoticallyUncorrelated）：时间序列过程中，随着两个时点上的随机变量的时间间隔增加，它们之间的相关趋于零。衰减偏误（AttenuationBias）：总是朝向零的估计量偏误，因而有衰减偏误的估计量的期望值小于参数的绝对值。自回归条件异方差性（AutoregressiveConditionalHeteroskedasticity,ARCH）：动态异方差性模型，即给定过去信息，误差项的方差线性依赖于过去的误差的平方。一阶自回归过程[AR（1）]（AutoregressiveProcessofOrderOne[AR(1)]）：一个时间序列模型，其当前值线性依赖于最近的值加上一个无法预测的扰动。辅助回归（AuxiliaryRegression）：用于计算检验统计量——例如异方差性和序列相关的检验统计量——或其他任何不估计主要感兴趣的模型的回归。平均值（Average）：n个数之和除以n。B基组、基准组（BaseGroup）：在包含虚拟解释变量的多元回归模型中，由截距代表的组。基期（BasePeriod）：对于指数数字，例如价格或生产指数，其他所有时期均用来作为衡量标准的时期。基期值（BaseValue）：指定的基期的值，用以构造指数数字；通常基本值为1或100。最优线性无偏估计量（BestLinearUnbiasedEstimator,BLUE）：在所有线性、无偏估计量中，有最小方差的估计量。在高斯—马尔科夫假定下，OLS是以解释变量样本值为条件的BLUE。贝塔系数（BetaCoef?cients）：见标准化系数。偏误（Bias）：估计量的期望参数值与总体参数值之差。偏误估计量（BiasedEstimator）：期望或抽样平均与假设要估计的总体值有差异的估计量。向零的偏误（BiasedTowardsZero）：描述的是估计量的期望绝对值小于总体参数的绝对值。二值响应模型（BinaryResponseModel）：二值因变量的模型。二值变量（BinaryVariable）：见虚拟变量。两变量回归模型（BivariateRegressionModel）：见简单线性回归模型。BLUE（BLUE）：见最优线性无偏估计量。Breusch-Godfrey检验（Breusch-GodfreyTest）：渐近正确的AR（p）序列相关检验，以AR（1）最为流行；该检验考虑到滞后因变量和其他不是严格外生的回归元。Breusch-Pagan检验（Breusch-PaganTest）：将OLS残差的平方对模型中的解释变量做回归的异方差性检验。因果效应（CausalEffect）：一个变量在其余条件不变情况下的变化对另一个变量产生的影响。其余条件不变（CeterisParibus）：其他所有相关因素均保持固定不变。经典含误差变量（ClassicalErrors-in-Variables,CEV）：观测的量度等于实际变量加上一个独立的或至少不相关的测量误差的测量误差模型。经典线性模型（ClassicalLinearModel）：全套经典线性模型假定下的复线性回归模型。经典线性模型（CLM）假定（ClassicalLinearModel(CLM)Assumptions）：对多元回归分析的理想假定集，对横截面分析为假定MLR.1至MLR.6，对时间序列分析为假定TS.1至TS.6。假定包括对参数为线性、无完全共线性、零条件均值、同方差、无序列相关和误差正态性。科克伦—奥克特（CO）估计（Cochrane-Orcutt(CO)Estimation）：估计含AR（1）误差和严格外生解释变量的多元线性回归模型的一种方法；与普莱斯—温斯登估计不同，科克伦—奥克特估计不使用第一期的方程。置信区间（CI）（Con?denceInterval,CI）：用于构造随机区间的规则，以使所有数据集中的某一百分比（由置信水平决定）给出包含总体值的区间。置信水平（Con?denceLevel）：我们想要可能的样本置信区间包含总体值的百分比，95%是最常见的置信水平，90%和99%也用。不变弹性模型（ConstantElasticityModel）：因变量关于解释变量的弹性为常数的模型；在多元回归中，两者均以对数形式出现。同期外生回归元（ContemporaneouslyExogenous）：在时间序列或综列数据应用中，与同期误差项不相关但对其他时期则不一定的回归元。控制组（ControlGroup）：在项目评估中，不参与该项目的组。控制变量（ControlVariable）：见解释变量。协方差平稳（CovarianceStationary）：时间序列过程，其均值、方差为常数，且序列中任意两个随机变量之间的协方差仅与它们的间隔有关。协变量（Covariate）：见解释变量。临界值（CriticalValue）：在假设检验中，用于与检验统计量比较来决定是否拒绝虚拟假设的值。横截面数据集（Cross-SectionalDataSet）：在给定时点上从总体中收集的数据集D数据频率（DataFrequency）：收集时间序列数据的区间。年度、季度和月度是最常见的数据频率。戴维森—麦金农检验（Davidson-MacKinnonTest）：用于检验相对于非嵌套对立假设的模型的检验：它可用相争持模型中得出的拟合值的t检验来实现。自由度（df）（DegreesofFreedom,df）：在多元回归模型分析中，观测值的个数减去待估参数的个数。分母自由度（DenominatorDegreesofFreedom）：F检验中无约束模型的自由度。因变量（DependentVariable）：在多元回归模型（和其他各种模型）中被解释的变量。除趋势（Detrending）：从时间序列中除去趋势的做法。斜率级差（DifferenceinSlopes）：所描述的是模型中某些斜率参数，因组或时期的不同而不同。向下偏误（DownwardBias）：估计量的期望值低于参数的总体值。虚拟变量（DummyVariable）：取值为0或1的变量。虚拟变量陷阱（DummyVariableRegression）：自变量中包含了过多的虚拟变量造成的错误；当模型中既有整体截距又对每一组都设有一个虚拟变量时，该陷阱就产生了。德宾—沃森（DW）统计量（Durbin-Watson(DW)Statistic）：在经典线性回归假设下，用于检验时间序列回归模型的误差项中的一阶序列相关的统计量。动态完整模型（DynamicallyCompleteModel）：设更多的滞后因变量，或设更多的滞后解释变量都无助于解释因变量的均值的时间序列模型。E计量经济模型（EconometricModel）：将因变量与一组解释变量和未观测到的扰动联系起来的方程，方程中未知的总体参数决定了各解释变量在其余条件不变下的效应。经济模型（EconomicModel）：从经济理论或不那么正规的经济原因中得出的关系。经济显著性（EconomicSigni?cance）：见实际显著性。弹性（Elasticity）：给定一个变量在其余条件不变下增加1%，另一个变量的百分比变化。经验分析（EmpiricalAnalysis）：用正规计量分析中的数据检验理论、估计关系式或确定政策效应的研究。内生解释变量（EndogenousExplanatoryVariable）：在多元回归模型中，由于遗漏变量、测量误差或联立性的原因而与误差项相关的解释变量。内生样本选择（EndogenousSampleSelection）：非随机样本选择，其选择直接地或通过方程中的误差项与因变量相联系。误差项（ErrorTerm）：在简单或多元回归方程中，包含了未观测到的影响因变量的因素的变量。误差项也可能包含被观测的因变量或自变量中的测量误差。误差方差（ErrorVariance）：多元回归模型中误差项的方差。事件研究（EventStudy）：事件（例如政府规制或经济政策的变化）对结果变量的效应的计量分析。排除一个有关变量（ExcludingaRelevantVariable）：在多元回归分析中，遗漏了一个对因变量有非零偏效应的变量。排斥性约束（ExclusionRestrictions）：说明某些变量被排斥在模型之外（或具有零总体参数）的约束。外生解释变量（ExogenousExplanatoryVariable）：与误差项不相关的解释变量。外生样本选择（ExogenousSampleSelection）：或者依赖外生解释变量，或者与所感兴趣的模型中的误差项不相关的样本选择。实验数据（ExperimentalData）：通过进行受控制的实验获得的数据。试验组（ExperimentalGroup）：见处理组。解释平方和（SSE）（ExplainedSumofSquares,SSE）：多元回归模型中拟合值的总样本变异。被解释变量（ExplainedVariable）：见因变量。解释变量（ExplanatoryVariable）：在回归分析中，用于解释因变量中的变异的变量。指数趋势（ExponentialTrend）：有固定增长率的趋势。FF统计量（FStatistic）：在多元回归模型中，用于检验关于参数的多重假设的统计量。可行的GLS（FGLS）估计量（FeasibleGLS(FGLS)Estimator）：方差或相关参数未知，因而必须先进行估计的GLS程序。（又见广义最小二乘估计量。）有限分布滞后（FDL）模型（FiniteDistributedLag(FDL)Model）：允许一个或多个解释变量对因变量有滞后效应的动态模型。一阶差分（FirstDifference）：对相邻时期做差分所构成的对时间序列的转换，即用后一时期减去前一时期。一阶条件（FirstOrderConditions）：用于求解OLS估计值的一组线性方程。拟合值（FittedValues）：在各观测中将自变量的值插入OLS回归线时，所得到的因变量的估计值。函数形式的错误设定（FunctionalFormMisspeci?cation）：当模型中有被遗漏的解释变量的函数（例如二次项），或者对一个因变量或某些自变量用了错误的函数时产生的问题。G高斯—马尔科夫假定（Gauss-MarkovAssumptions）：一组假定（假定MLR.1至MLR.5或假定TS.1至TS.5），在这之下OLS是BLUE。高斯—马尔科夫定理（Gauss-MarkovTheorem）：该定理表明，在五个高斯—马尔科夫假定下（对于横截面或时间序列模型），OLS估计量是BLUE（在解释变量样本值的条件下）。广义最小二乘（GLS）估计量（GeneralizedLeastSquares(GLS)Estimator）：通过对原始模型的变换，说明了已知结构的误差的方差（异方差性）和误差中的序列相关形式或两者兼有的估计量。拟合优度度量（Goodness-of-FitMeasure）：概括一组解释变量有多好地解释了因变量或响应变量的统计量。增长率（GrowthRate）：时间序列中相对于前一时期的比例变化。可将它近似为对数差分或以百分比形式报导。H异方差性（Heteroskedasticity）：给定解释变量，误差项的方差不为常数。未知形式的异方差性（HeteroskedasticityofUnknownForm）：以一未知的任意形式依赖于解释变量的异方差性。异方差—稳健F统计量（Heteroskedasticity-RobustFStatistic）：对未知形式的异方差性而言（渐近）稳健的F统计量。异方差—稳健LM统计量（Heteroskedasticity-RobustLMStatistic）：对未知形式的异方差性而言（渐近）稳健的LM统计量。异方差—稳健标准误（Heteroskedasticity-RobustStandardError）：对未知形式的异方差性而言（渐近）稳健的标准误。异方差—稳健t统计量（Heteroskedasticity-RobusttStatistic）：对未知形式的异方差性而言（渐近）稳健的t统计量。高持续性过程（HighlyPersistentProcess）：时间序列过程，其中遥远的将来的结果与当前的结果高度相关。同方差性（Homoskedasticity）：回归模型中的误差在解释变量条件下具有不变的方差。I即期弹性（ImpactElasticity）：在分布滞后模型中，给定自变量增加1%因变量的即时的百分比变化。即期乘数（ImpactMultiplier）：见即期倾向。即期倾向（ImpactPropensity）：在分布滞后模型中，自变量增加一个单位因变量的即时的变化。包含一个无关变量（InclusionofanIrrelevantVariable）：用OLS估计方程时，回归模型中包含了总体参数为零的解释变量。指数（IndexNumber）：关于经济行为（例如生产或价格）总量信息的统计量。影响重大的观测值（In?uentialObservations）：见奇异值。INTRODUCTORYECONOMETRICS一阶自积［I（1）］（IntegratedofOrderOne[I(1)]）：需要做一阶差分来得到I（0）过程的时间序列过程。零阶自积［I（0）］（IntegratedofOrderZero[I(0)]）：平稳、弱独立时间序列过程，当用于回归分析时，它满足大数定律和中心极限定理。交互作用（InteractionEffect）：回归模型中为两个解释变量的乘积的自变量。截距参数（InterceptParameter）：复线性回归模型中，给出当所有自变量都为零时因变量的期望值的参数。截距的变动（InterceptShift）：回归模型中的截距，因组或时期的不同而不同。J联合假设检验（JointHypothesisTest）：一个模型中包含不止一个对参数的约束的检验。联合统计显著性（JointlyStatisticallySigni?cant）：两个或多个解释变量具有零总体系数的虚拟假设以一个选定的显著性水平被拒绝。L滞后分布（LagDistribution）：在无限或有限分布滞后模型中，把滞后系数表示为滞后长度的函数。滞后因变量（LaggedDependentVariable）：等于以前时期的因变量的解释变量。拉格朗日乘数统计量（LagrangeMultiplierStatistic）：仅在大样本下为正确的检验统计量，它可用于在不同的模型设定问题中检验遗漏变量、异方差性和序列相关。大样本性质（LargeSampleProperties）：见渐近性质。水平值—水平值模型（Level-LevelModel）：因变量与自变量均为标准（或原始）形式的回归模型。水平值—对数模型（Level-LogModel）：因变量为标准形式、自变量（至少是其中一部分）为对数形式的回归模型。线性概率模型（LPM）（LinearProbabilityModel,LPM）：响应概率对参数为线性的二值响应模型。线性时间趋势（LinearTimeTrend）：为时间的线性函数的趋势。线性无偏估计量（LinearUnbiasedEstimator）：在多元回归分析中，是因变量值的一个线性函数的那些无偏估计量。对数—水平值模型（Log-LevelModel）：因变量以对数形式出现，而自变量是水平（或原始）形式的一种回归模型。对数—对数模型（Log-LogModel）：因变量和（至少一部分）解释变量都是以对数形式出现的回归模型。长期弹性（Long-RunElasticity）：因变量和自变量都是对数形式出现的分布滞后模型中的长期倾向。即，长期弹性是在给定解释变量增长了1%时，被解释变量最终变化的百分比。长期乘数（Long-RunMultiplier）：参见长期倾向。长期倾向（Long-RunPropensity）：在一个分布滞后模型中，给定自变量的一个永久性的、一个单位的增长，因变量最终的变化量。M配对样本（MatchedPairsSample）：每个观测值都与另一个观测值相匹配的一种样本，如由丈夫和妻子或一对兄妹组成的样本。测量误差（MeasurementError）：观测到的变量与多元回归方程中的变量之间的差。微数缺测性（Micronumerosity）：由ArthurGoldberger首先提出的一个概念，用以描述容量样本较小时计量经济学估计量的性质。最小方差无偏估计量（MinimumVarianceUnbiasedEstimator）：在所有的无偏估计量中方差最小的那个估计量。数据缺失（MissingData）：当我们没有观测到样本中某些观测（个人、城市、时期等）所对应的一些变量值时，发生的一类数据问题。一阶移动平均过程[MA（1）]（MovingAverageProcessofOrderOne[MA(1)]）：是由某个随机过程的当期值与一期滞后的线性函数所产生的一种时间序列过程。这个随机过程是0均值、固定方差和不相关的。多重共线性（Multicollinearity）：指多元回归模型中自变量之间的相关性。当某些相关性“很大”时，就会发生多重共线性，但对实际的大小尺度并没有明确的规定。多重假设检验（Multicollinearity）：涉及到参数的多个约束条件的虚拟假设检验。多元线性回归（MLR）模型（MultipleLinearRegression(MLR)Model）：对参数是线性的一类模型，其中的因变量是自变量的函数加上一个误差项。多元回归分析（MultipleRegressionAnalysis）：在多元线性回归模型中进行估计和推断的一类分析。多重约束（MultipleRestrictions）：计量经济学模型中对参数的多于一个的约束条件。乘数测量误差（MultiplicativeMeasurementError）：观测到的变量等于实际的观测不到的变量与一个正的测量误差的乘积时出现的一种测量误差。Nn-R-平方统计量（n-R-SquaredStatistic）：参见拉格朗日乘数统计量。名义变量（NominalVariable）：用名义或当前美元数表示的变量。非实验数据（NonexperimentalData）：不是通过人为控制下的实验得到的数据。非嵌套模型（NonnestedModels）：没有一个模型可以通过对参数施加限制条件而被表示成另一个模型的特例的两个（或更多）模型。非平稳过程（NonstationaryProcess）：联合分布在不同的时期不是恒定不变的一种时间序列过程。正态性假定（NormalityAssumption）：经典线性模型假定之一。它是指以解释变量为条件的误差（或因变量）有正态分布。虚拟假设（NullHypothesis）：在经典假设检验中，我们把这个假设当作真的，要求数据能够提供足够的证据才能否定它。分子自由度（NumeratorDegreesofFreedom）：在F检验中，所检验的约束条件的个数。O可观测数据（ObservationalData）：参见非实验数据。OLS（OLS）：参见普通最小二乘法。OLS截距估计值（OLSInterceptEstimate）：OLS回归线的截距。OLS回归线（OLSRegressionLine）：表示了因变量的预报值与自变量的值之间关系的方程，它的参数是用OLS估计出来的。OLS斜率估计值（OLSSlopeEstimate）：OLS回归线的斜率。遗漏变量偏误（OmittedVariableBias）：回归中遗漏了有关变量而产生的OLS估计量的偏误。单侧对立假设（One-SidedAlternative）：被表述为参数大于（或小于）虚拟条件下的假设值的一种对立假设。单尾检验（One-TailedTest）：与单侧对立假设相对的假设检验。序数变量（OrdinalVariable）：通过排列顺序传达信息的一种数据，它们的大小本身并不说明任何问题。普通最小二乘法（OLS）（OrdinaryLeastSquares,OLS）：用来估计多元线性回归模型中的参数的一种方法。最小二乘估计值通过最小化残差的平方和得到。INTRODUCTORYECONOMETRICS异常数据（Outliers）：在数据集中，与大量其他数据有明显区别的观测值。这种现象可能是由于误差造成的，也可能是因为它们是由与多数其他数据不同的模型产生而造成的。整体显著性（OverallSigni?canceofaRegression）：对多元回归方程中所有的解释变量所做的一种联合显著性检验。模型的过度识别（OverspecifyingaModel）：参见含有一个无关变量。Pp值（p-value）：指能够拒绝虚拟假设的最低显著性水平。等价的，它也指虚拟假设不被拒绝的最大显著性水平。综列数据（PanelData）：在不同时期，横截面的不断反复得到的数据集。在平衡的综列中，同样的单位在每个时期都出现。在不平衡的综列中，有些单位往往由于衰减现象而不会在每个时期都出现。偏效应（PartialEffect）：回归模型中的其他因素保持不变时，某个解释变量对因变量的影响。完全共线性（PerfectCollinearity）：在多元回归中，一个自变量是一个或多个其他自变量的线性函数。变量缺失问题的插入解（Plug-InSolutiontotheOmittedVariablesProblem）：在OLS回归中，用一个代理变量代替观测不到的缺失变量。政策分析（PolicyAnalysis）：用计量经济学模型来评估某项政策的效果的一种实证分析。混合横截面（PooledCrossSection）：通常在不同时点收集到的相互独立的横截面组合而成的一个单独的数据集。总体（Population）：作为统计或计量经济分析对象的一个明确定义的组群（人、公司、城市等）。总体模型（PopulationModel）：一种描述了总体特征的模型，特别是多元线性回归模型。总体R平方（PopulationR-Squared）：总体中，由解释变量解释了的那部分因变量的变异。总体回归函数（PopulationRegressionFunction）：参见条件期望。实际显著性（PracticalSigni?cance）：相对于统计显著性而言的、某个估计值的实际的或经济的重要性，用它的符号和大小来衡量。普莱斯—温斯登（PW）估计（Prais-Winsten(PW)Estimation）：一种用来估计有AR（1）误差和严格外生解释变量的多元线性回归模型的方法；不同于科克伦-奥克特方法，它在估计中要用到第一个时期的方程。前定变量（PredeterminedVariable）：在联立方程模型中的滞后的内生变量或滞后的外生变量。被预测变量（PredictedVariable）：参见因变量。预报（Prediction）：把特定的解释变量的值代入所估计的模型，通常是多元回归模型中，以得到结果的一个估计值。预测误差（PredictionError）：实际结果与所预报的结果之间的差。预测区间（PredictionInterval）：多元回归模型中，某个因变量的未知结果的一个置信区间。预测变量（PredictorVariable）：参见解释变量。项目评估（ProgramEvaluation）：用计量经济学方法求出某个私人或公共项目的不确定影响的一种评估方法。代理变量（ProxyVariable）：多元回归分析中，一个与观测不到的解释变量有关系但又不相同的可观测变量。Q二次函数（QuadraticFunctions）：包含一个或多个解释变量的平方的函数，它反映了解释变量对因变量的逐渐变弱或增强的影响。定性变量（QualitativeVariable）：描述一个人、企业及城市等的非定量特征的变量。拟—差分数据（Quasi-DifferencedData）：在估计有AR（1）的序列相关的回归模型时，当期数据与前一期数据乘以AR（1）模型的参数后得到的数据之间的差。R平方（R-BarSquared）：参见校正的R2。R2（R-Squared）：在多元回归模型中，由自变量解释了的那部分因变量的样本方差之和。R2形式的F统计量（R-SquaredFormoftheFStatistic）：用受约束和不受约束的模型中得到的由R2-表示的、用于检验排除约束条件的F统计量。随机抽样（RandomSampling）：在总体中随机抽取观测值的一种抽样方法。各个单位被抽取的可能性是相同的，而且每次抽样都与其他次相互独立。随机游走（RandomWalk）：在这样一种时间序列中，下个时期的值等于本期值加上一个独立的（或至少是不相关的）误差项。有漂移的随机游走（RandomWalkwithDrift）：每个时期都加进一个常数（或漂移）的随机游走。实际变量（RealVariable）：用基期货币价值表示的变量。回归子（Regressand）：参见因变量。回归误差设定检验（RESET）（RegressionSpeci?cationErrorTest,RESET）：在多元回归模型中，检验函数形式的一般性方法。它是一种由最初的OLS估计得出的拟合值的平方、三次方以及可能更高次幂的联合显著性F检验。过原点回归（RegressionThroughtheOrigin）：截距被设为0的回归分析，它的斜率通过最小化残差的平方和求出。回归元（Regressor）：参见解释变量。拒绝区域（RejectionRegion）：使得虚拟假设被拒绝的一组检验统计量的值。拒绝法则（RejectionRule）：在假设检验中，决定在什么情况下拒绝虚拟假设并支持对立假设的法则。残差（Residual）：实际值与拟合（或预报）值之间的差。样本中的每次观测都有一个相应的残差，它们被用来计算OLS回归线。残差分析（ResidualAnalysis）：在估计多元回归模型后，对某次特定观测的残差的符号和大小所作的研究。残差平方和（ResidualSumofSquares）：参见残差的平方和。响应概率（ResponseProbability）：在二值响应模型中，以解释变量为条件的因变量取值为1的概率。响应变量（ResponseVariable）：参见因变量。受约束的模型（RestrictedModel）：在假设检验中，施加所有虚拟假设所要求的约束条件后得到的模型。均方根误（RMSE）（RootMeanSquaredError,RMSE）：多元回归分析中回归标准误的另一个名称（仅当期望值等于实测值—译者）。S样本回归函数（SampleRegressionFunction）：参见OLS回归线。得分统计量（ScoreStatistic）：参见拉格朗日乘数统计量。季节性虚拟变量（SeasonalDummyVariables）：一组用来表示季节或月份的虚拟变量。季节性（Seasonality）：月度或季度时间序列具有的均值随着一年中季节的不同而系统性变化的特点。季节性调整（SeasonallyAdjusted）：用某种统计程序，可能是对季节性虚拟变量做回归，来消除月度或季度时间序列中的季节性成分。半弹性（Semi-Elasticity）：自变量的一个单位的增长导致的因变量的变化的百分比。序列相关（SerialCorrelation）：在时间序列或综列数据模型中，不同时期的误差之间的相关性。INTRODUCTORYECONOMETRICS序列相关—稳健标准误（SerialCorrelation-RobustStandardError）：不管模型中的误差是否与序列相关，都（渐近）生效的估计量的标准误。序列不相关（SeriallyUncorrelated）：在时间序列或综列数据模型中，不同时间的误差两两之间不相关。短期弹性（Short-RunElasticity）：因变量和自变量都以对数形式出现的分布滞后模型中的即期倾向。显著性水平（Signi?canceLevel）：假设检验中发生第I类错误的概率。简单线性回归模型（SimpleLinearRegressionModel）：因变量只是一个自变量和一个误差项的线性函数的模型。斜率参数（SlopeParameter）：多元回归模型中的自变量的系数。谬误相关（SpuriousCorrelation）：不是因为二者有因果关系，可能是因为它们都受另一个观测不到的因素影响，所导致的两个变量之间的相关性。谬误回归问题（SpuriousRegressionProblem）：如果回归分析表明两个或多个无关时间序列具有一定关系，而其原因仅仅因为它们每个都有趋势或都是自积时间序列（如随机游走），或上面两种情况同时出现，这种问题就是谬误回归问题。稳定的AR（1）过程（StableAR(1)Process）：滞后变量的系数绝对值小于1时的AR（1）过程。序列中的两个随机变量的相关性，随着它们之间的时间间隔不断增大，以几何级数趋近于0。β1的标准误（StandardErrorofβ1）：β1抽样分布的标准差的估计值。β1的标准差（StandardDeviationofβ1）：衡量β1抽样分布的分散程度的常用指标。估计值的标准误（StandardErroroftheEstimate）：参见回归的标准误。回归的标准误（SER）（StandardErroroftheRegression,SER）：多元回归分析中的总体误差的标准差的估计值。等于残差平方和的平方根除以自由度。标准化系数（StandardizedCoef?cients）：一种回归系数，它度量了自变量增加一个标准差时，因变量的改变是其标准差的倍数。静态模型（StaticModel）：只有当期的解释变量影响因变量的一种时间序列模型。平稳过程（StationaryProcess）：边际和所有的联合分布都不随时间变化的一种时间序列过程。统计上不显著（StatisticallyInsigni?cant）：在选定的显著性水平上，无法拒绝总体参数等于0的虚拟假设。统计上显著（StatisticallySignificant）：在选定的显著性水平上，相对于特定的对立假设，拒绝总体参数等于0的虚拟假设。随机过程（StochasticProcess）：标注了时间的一系列随机变量。严格外生的（StrictExogeneity）：时间序列或综列数据模型中的解释变量的一个特点，以所有时期的解释变量为条件的、任何时期的误差项都是有0均值。更宽松的一种说法是用相关性为0来表述的。强相依（StronglyDependent）：参见高度持续过程。残差平方和（SumofSquaredResiduals）：多元回归模型中，所观测的OLS残差的平方和。求和运算符（SummationOperator）：用∑表示的一个符号，用来表示对一组数据的求和运算。Tt比率、t统计量（tRatio、tStatistic）：用来对计量经济学模型中关于参数的单个假设进行检验的一种统计量。时间序列数据（TimeSeriesData）：搜集到的一个或多个变量在不同时间上的数据。时间序列过程（TimeSeriesProcess）：参见随机过程。时间趋势（TimeTrend）：时间的函数，它是趋势时间序列过程的期望值。总平方和（SST）（TotalSumofSquares,SST）：因变量相对于它的样本均值的总样本变异。处理组（TreatmentGroup）：在项目评估中，参与这一项目的群体。（也见实验群组）趋势过程（TrendingProcess）：期望值是时间的增函数或减函数的时间序列过程。趋势—平稳过程（Trend-StationaryProcess）：在除掉了时间趋势后变得平稳的过程。毫无疑问，除掉了趋势的序列是弱相依的。真实模型（TrueModel）：表示因变量与有关自变量及一个干扰项之间关系的真实的总体模型。在这个模型中，0条件均值假定成立。双侧对立假设（Two-SidedAlternative）：总体参数既可以大于又可以小于虚拟假设提出的值的一种检验方法。双尾检验（Two-TailedTest）：相对于双侧对立检验的检验方法。U无偏估计量（UnbiasedEstimator）：期望值（或抽样分布的均值）等于总体值（与总体值的大小无关）的估计量。不相关随机变量（UncorrelatedRandomVariables）：相互之间没有线性关系的随机变量。设定不足的模型（UnderspecifyingaModel）：参见忽略一个有关的变量。单位根过程（UnitRootProcess）：当期值等于前一个时期的值加上一个弱相依的干扰项的一种高度持续的时间序列过程。无约束模型（UnrestrictedModel）：在假设检验中，对参数没有任何限制条件的模型。向上偏误（UpwardBias）：估计量的期望值大于总体参数的值。V方差（Variance）：表示随机变量分布的分散程度的一项指标。预测误差的方差（VarianceofthePredictionError）：当以估计的多元回归方程为基础来预报因变量的一个将来值时，产生的误差的方差。W弱相依（WeaklyDependent）：在时间序列过程中，表示随机变量在不同时期的两个值之间的相互依赖性质的指标（比如相关性），如果这一依赖性随着时间间隔的增大而减小，这个时间序列就是弱相依的。加权最小二乘（WLS）估计量（WeightedLeastSquares(WLS)Estimator）：用来校正某种已知形式的异方差的估计量。其中，每个残差的平方都得到一个等于误差的（估计的）方差的倒数的权重。怀特检验（WhiteTest）：异方差的一种检验方法，涉及到做OLS残差的平方对OLS拟合值和拟合值的平方的回归。这种检验方法的最一般的形式是，作OLS残差的平方对解释变量、解释变量的平方和所有非多余的解释变量间的交叉乘积的回归。Z0条件均值假定（ZeroConditionalMeanAssumption）：多元回归分析中很关键的一个假定。它的含义是，给定解释变量的所有值时，误差的期望值都等于0。（参见假定MLR.3、TS.2和TS.2'）本人比较笨，上传总是失败，呵呵！不过复制一下也很快的拉[em07][em07][此贴子已经被作者于2005-10-94:41:28编辑过]
-
高级计量经济学之时间序列分析
专为做学术研究的人士、博士生及优秀硕士生提供的计量分析与建模学习资料，内容包括：AR模型、MA模型、ARMA模型、单位根检验、VAR、协整等均包括在内，一共81页，最后是一个综合应用实例。肯定不会让您失望的！密码：gjjljjx（高级计量经济学首个字母）严正声明：本人发布的资料更适合做学术研究的朋友使用，如果您是处于基础知识的学习阶段，不了解一些资料的学术价值，请不要轻率地做出负面评价，以免对其他人造成误导，错过下载所需宝贵资料的机会！发表评价要负责！[此贴子已经被作者于2008-10-1223:22:37编辑过]
-
政治经济学作业
国贸一班张露露201315141名词解释货币：固定充当一般等价物的商品价格：商品价值的货币表现价值尺度：货币所具有的表现商品价值、衡量商品价值大小的一种职能价格标准：是关于货币的计量单位以及划分这一计量单位的规定,用于衡量货币本身的数量流通手段：货币充当商品交换媒介的职能货币流通：商品流通中货币作为商品交换的媒介不断的从一个商品所有者手里转到另一个商品所有者手里的运动。2.货币是怎样产生的？它的本质和职能是什么？1）由简单价值形式发展到扩大的价值形式再到一般价值形式。货币形式是价值形式发展的完成阶段。在这一阶段，一切商品的价值都统一由货币来表现，货币成为价值和财富的化身2）本质：一般等价物职能：价值尺度、流通手段、贮藏手段、支付手段、世界货币3、货币的流通量是怎样决定的？纸币的流通量又是怎样决定的？1）流通中所需要货币量=商品价格总额（待流通的商品数量*商品的价格水平）/同一单位货币的平均流通次数待流通的商品数量：Q商品的价格水平：P货币流通速度：V流通中所需的货币量：MM=PQ/V2）纸币的流通量由商品流通所需金属货币量决定。如果纸币发行量相当于商品流通中所需要的金属货币量，那么纸币的购买力就会同它所代表的金属货币的购买力相当。4.引起通货紧缩的原因是什么？它对社会经济生活有何影响？原因：纸币的发行量少于商品流通所需金属货币量影响：通货紧缩、物价下降在一定程度上对人民生活有好处。但物价总水平长时间、大范围下降，会严重影响投资者的信心和居民的消费心理；企业销售额增加但利润减少；投资者不愿投资，消费者不愿消费；市场不景气，大量资金闲置；加剧生产经营者在价格上的恶性竞争，不利于企业的正常经营，对经济的长远发展和人民群众的长远利益不利。5.什么是价值规律？它在商品经济中有哪些作用？价值规律;商品的价值量决定于生产商品的社会必要劳动时间，商品必须按照价值量相等的原则进行交换。，是商品生产和商品交换的基本规律。作用：调节生产资料和劳动力在各个部门之间的分配刺激商品生产者改进生产技术，改善经营管理，提高劳动生产率，从而促进社会生产力的发展。
-
《计量经济学》自学考试试题及答案
[hide][/hide]全国2010年1月高等教育自学考试计量经济学试题课程代码：00142一、单项选择题(本大题共20小题，每小题1分，共20分)在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填写在题后的括号内。错选、多选或未选均无分。1.弗里希将计量经济学定义为()A.经济理论、统计学和数学三者的结合B.管理学、统计学和数学三者的结合C.管理学、会计学和数学三者的结合D.经济学、会计学和数学三者的结合2.有关经济计量模型的描述正确的为()A.经济计量模型揭示经济活动中各个因素之间的定性关系B.经济计量模型揭示经济活动中各个因素之间的定量关系，用确定性的数学方程加以描述C.经济计量模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述D.经济计量模型揭示经济活动中各个因素之间的定性关系，用随机性的数学方程加以描述3.系统误差是由系统因素形成的误差。系统因素是指()A.那些对被解释变量的作用显著，作用方向稳定，重复试验也不可能相互抵消的因素B.那些对被解释变量的作用显著，作用方向不稳定，重复试验也不可能相互抵消的因素C.那些对被解释变量的作用显著，作用方向不稳定，重复试验相互抵消的因素D.那些对被解释变量的作用显著，作用方向稳定，重复试验可能相互抵消的因素4.回归分析的目的为()A.研究解释变量对被解释变量的依赖关系B.研究解释变量和被解释变量的相关关系C.研究被解释变量对解释变量的依赖关系D.研究解释变量之间的依赖关系5.在X与Y的相关分析中()A.X是随机变量，Y是非随机变量B.Y是随机变量，X是非随机变量C.X和Y都是随机变量D.X和Y均为非随机变量
-
外汇储备是剩余价值的转化形式——外储的政治经济学分析
有人问，外汇储备也有政治经济学吗？政治经济学，是一门讲利益从哪里来到哪里去的学问。所以涉及利益分配，就有政治经济学。我们都知道中国有三万多亿美元的外汇储备，但却从来没有把这些外汇储备跟我们的切身利益联系起来，哪怕一点点的念想都没有，这反映了我们老百姓对外储里面的政治经济学关系不熟悉，不知道我们老百姓还能对外储行使主权。马克思的劳动二重性，把劳动跟劳动力分开，从而揭开劳动力商品交换内含的惊天秘密。我们的外汇储备是不是也有着这般惊天的秘密呢？工资，是资本家在劳动力等价交换外衣下对工人的剥削。外汇储备，是ZF在等价结汇的掩盖下对全体老百姓的压榨，其本质是老百姓创造的被ZF占有的剩余价值的一部分，是剩余价值的转化形式，体现了ZF跟企业共同剥削老百姓的关系。老百姓通过劳动获得工资，企业获得利润，出口企业通过商品出口获得以外币形式存在的利润，ZF呢，只要是出口的，所有利益它都要拿走，看清楚了吗，ZF才是大boss。怎么理解呢？ZF通过强制结汇手段，让出口企业把外汇交给央行（央行是中央ZF的儿子），央行通过印钞票的方式，把貌似等值的人民币换给这些出口企业。在表面上，企业通过结汇，获得等值的人民币，并没有损失什么。问题是，从全国来看，商品卖到国外了，相当于说在国内流通的商品少了，但流通的钱却多了。在这个过程，谁损失了，谁受益了，一目了然。老百姓因为通胀而出现巨大利益损失，出口的东西越多，老百姓损失越大。那谁获利了呢？毋庸置疑，是ZF，这些在国外具有硬邦邦购买力的外储，都归到ZF支配了。按道理，外汇储备是我们老百姓承受通货膨胀换来的，它理当归属于我们老百姓，不仅外储归老百姓，而且用外储投资赚来的利润也要归老百姓。但现实是ZF替我们管理着，所获得的一切利益跟老百姓没有任何一点关系，三万亿外储到底咋回事，我们从来没想着过问，似乎那是多出来的三万亿。巨额外汇储备，表面上是国家财产，是人民的财产，但实际上呢，在现行政治体制下，国家的，就是党的，党的，就是少数几个人的。因此，透过现象，我们应该怎么理解外汇储备里面的政治经济学关系？如果一定要给它下个定义的话，至少可以这么说，在中国，所谓的外汇储备，是老百姓创造的、是ZF通过等价结汇形式从出口企业强制换来的、被ZF无偿占有的剩余价值的一部分，它反映了新的政治经济背景下ZF、企业、老百姓各利益主体间失衡的利益分配关系。
-
Prof. Baum的Greene计量经济学讲义
Prof.Baum是一书的作者，也是stata杂志的主编之一，主要研究应用计量经济学和财政政策。他的讲义是我学习Green计量的主要参考资料，没有办法，缺钱.....所以小小要了点费用.讲义涵盖的内容OLS,propertyofOLSand(instrumentalvariable)estimatorStatisticalinferenceGLSHeteroSerialcorrelationSimulationandbootstrapMaximumLikelihoodEstimationTheseeminglyunrelatedregressionestimator，Fixedeffect,andRandomeffectLimiteddependentvariablemodelsSamplenotes
