计量经济学毕业论文选题意义和目的

关键词：计量经济学，教学方法，教学改革摘要：计量经济学已成为国内外高校经济管理类各专业最受关注的课程，笔者分析了计量经济学课程建设中存在的若干问题，并提出了计量经济学教学改革的相应措施。一、引言改革开放以后，中国部分高等学校的经济管理类专业开始陆续开设计量经济学课程。近十年来，定量分析经济问题作的重要性越来越得到了大家的认同⋯。经教育部全国经济学教学指导委员会讨论决定，把计量经济学纳人了经济学类所有专业必修的(八门)核心课程旧J。此后全国各高校不仅经济学类各专业普遍开设了计量经济学，而且一些管理类专业也十分重视这门课程的学习。另外，《经济研究》等国内的一些重要经济学期刊也发生了重大变化，报道范围更倾向于定性研究与定量分析相结合，及大量运用各种计量经济模型的内容旧J。因此高校经管类教师都意识到计量经济学的重要性，这也有力地促进了计量经济学知识在经济管理专业的普及。现在，计量经济学已经成为中国经济管理类各专业最受关注最受欢迎的课程之一。国内高校经过多年的努力，在计量经济学课程建设上已经取得了不小的成绩，在充分肯定这门课程作用的基础上，认真总结多年的教学实践，我们也感到对于计量经济学课程的建设还有许多问题需要进一步的改革与研究，这一改革将有助于学校教学质量的提高及学生能力的增强HJ。二、计量经济学在教学中存在的主要问题计量经济学教学过程中所存在的问题可以归纳为以下几方面：(一)课程内容不合理问题。例如，教学层次不明确以及数学推导的处理问题。由于计量经济学已形成了一个庞大的学科体系，通常被人们分为理论计量经济学与应用计量经济学，并根据内容深度分为初级、中级和高级计量经济学。从经管类各专业来看，给本科生、硕士生讲授计量经济学，不同专业、不同层次对计量经济学课程的要求不同，有的以理论方法为主，有的以实际应用为主；且应用的领域、应用的程度、遇到的问题也有差异。目前计量经济学课程已经形成多专业、多层次、多种要求的格局。但是现在计量经济学课程的设置、教学大纲的规范、教材的建设与这种要求还很不适应，这可能是影响教学实效的重要原因之一∞o。经济学专业学生是文理兼收的，许多文科生源的学生数学基础较差，他们普遍感到计量经济学课程难学。 (二)教学方法不合理的问题。特别是关于多媒体教学问题，由于计量经济学课程中存在大量矩阵推导，授课时大型矩阵在黑板上书写困难，因此一般采用多媒体方式授课。多媒体方式授课的确可以节省教师大量板书时间，加快授课节奏，但同时也增强了学生思维的强度和负担，减弱了学生对课堂学习内容的印象。另外，软件教学问题，在该课程的教学中，往往是先讲理论和方法，最后留下几个学时来讲软件，或者根本就不讲软件，造成理论教学和实践教学不能很好结合使学生学完这门课程后不知道如何应用。 (三)实践教学环节问题。理论与应用结合不紧密，方法与实例的结合不够。传统教学模式导致学生“学”与“用”脱离。我们曾指导多名本科生撰写毕业论文，发现其中一部分学生在利用计量经济模型分析实际经济问题时缺乏系统性。例如：利用时间序列进行建模时，模型的随机误差项可能不满足不相关的假定，但是他们最初并没有考虑到这些问题，而直接利用模型的结果进行经济分析。实际上，这些学生并不是不知道在理论上古典线性回归模型要满足“无自相关”的基本假定，但由于缺乏实际操作的经验，往往忽略了对模型基本假定的各种检验。类似的问题还有很多，如模型中变量选取、模型形式设定以及数据处理等问题。这些现象都说明传统教学模式导致学生“学”与“用”相脱离，学生无法做到学以致用。三、计量经济学课程改革的探索为进一步加强计量经济学课程的教学，适应经济管理类各专业的要求，应当从多方面深化计量经济学教学模式改革。本文认为主要有以下几个方面：(一)计量经济学课程定位和课程目标。本课程授课对象为管理学和经济学各专业的普通本科生，本课程是经济学门类各专业的8门公共核心课程之一，作为必修课程和考试课程列入各专业的教学计划。通过这门课程教学，使学生掌握计量经济学的基本理论与方法，并能够建立和应用计量经济模型进行经济预测、结构分析和政策模拟评价，具体来说，一是使学生具有扎实的计量经济学理论功底，为经济学其他课程的学习和进一步深入研究奠定基础；二是培养学生发现问题、解决问题的能力；三是提高学生经济计量分析能力和水平。(二)制定适应满足不同专业需求的《计量经济学》课程教学体系。本课题试图解决依据《计量经济学》各教学层次中的通识性(计量经济学的基础性部分)与专门性(计量经济学的专门性部分)原则，明确刻画了不同专业《计量经济学》教学中的重点、难点、基本点，形成了能满足经济管理类本科教学需求且具有特色的《计量经济学》本科课程体系框架、教学大纲、教学计划和教学方案的指导思想。(三)计量经济学教学方法改革。具体包括：改进多媒体教学、增加案例教学、开展计量经济学网络课件的建设、鼓励学生大胆运用所学方法分析中国的实际经济问题、鼓励学生在毕业论文中大胆应用计量经济学方法等等。针对国内计量经济学教学中存在的重理论体系，轻实际应用；教学对象划分不清晰；重方法介绍，轻能力培养；普遍采用传统教学方法，忽视现代教学手段的应用等一系列突出问题，总结提炼我校计量经济学教学的经验。总之，随着计量经济学教学改革的不断尝试和探索，计量经济学的教学必将会取得明显的成效。参考文献：[1]宁向阳，刘延康．用认识范式新视角分析计量经济学未来发展趋势[J]．统计与决策，2005，(S)．[2]李南成，张卫东．本科阶段《计量经济学》教学与大学生综合素质培养[J]．统计教育，2003，(6)．[3]俞培果，高翔．本科学生计量经济学教学中若干问题的探讨[J]．西南科技大学学报(社会科学版)，2004， (12)．[4]王锋．本科《计量经济学》课程研究型教学模式改革[J]．江西金融职工大学学报，2008，(4)．[5]刘芳，桂林．计量经济学教学改革的探讨[J]．北京农学院学报，2007，(6)．本论文由清华学术论文网整理提供

第一，可以体现作者的总体思路。提纲是由序码和文字组成的一种逻辑图表，是帮助作者考虑文章全篇逻辑构成的写作设计图。其优点在于，使作者易于掌握论文结构的全局，层次清楚，重点明确，简明扼要，一目了然。[2]　　第二，有利于论文前后呼应。有一个提纲，可以帮助我们树立全局观念，从整体出发，在检验每一个部分所占的地位、所起的作用，相互间是否有逻辑联系，每部分所占的篇幅与其在全局中的地位和作用是否相称，各个部分之间的比例是否恰当和谐，每一字、每一句、每一段、每一部分是否都为全局所需要，是否都丝丝入扣、相互配合，成为整体的有机组成部分，都能为展开论题服务。经过这样的考虑和编写，论文的结构才能统一而完整，很好地为表达论文的内容服务。　　第三，有利于及时调整，避免大返工。在毕业论文的研究和写作过程中，作者的思维活动是非常活跃的，一些不起眼的材料，从表面看来不相关的材料，经过熟悉和深思，常常会产生新的联想或新的观点，如果不认真编写提纲，动起笔来就会被这种现象所干扰，不得不停下笔来重新思考，甚至推翻已写的从头来过;这样，不仅增加了工作量，也会极大地影响写作情绪。毕业论文提纲犹如工程的蓝图，只要动笔前把提纲考虑得周到严谨，多花点时间和力气，搞得扎实一些，就能形成一个层次清楚、逻辑严密的论文框架，从而避免许多不必要的返工。另外，初写论文的学生，如果把自己的思路先写成提纲，再去请教他人，人家一看能懂，较易提出一些修改补充的意见，便于自己得到有效的指导。9相关范例编辑在毕业论文的写作过程中，指导教师一般都要求学生编写提纲。从写作程序上讲，它是作者动笔行文前的必要准备;从提纲本身来讲，它是作者构思谋篇的具体体现。所谓构思谋篇，就是组织设计毕业论文的篇章结构。因为毕业论文的写作不像写一首短诗、一篇散文、一段札记那样随感而发，信手拈来，用一则材料、几段短语就表达一种思想、一种感情;而是要用大量的资料，较多的层次，严密的推理来展开论述，从各个方面来阐述理由、论证自己的观点。因此，构思谋篇就显得非常重要，于是必须编制写作提纲，以便有条理地安排材料、展开论证。有了一个好的提纲，就能纲举目张，提纲挚领，掌握全篇论文的基本骨架，使论文的结构完整统一;就能分清层次，明确重点，周密地谋篇布局，使总论点和分论点有机地统一起来;也就能够按照各部分的要求安排、组织、利用资料，决定取舍，最大限度地发挥资料的作用。　　有些学生不大愿意写提纲，喜欢直接写初稿。如果不是在头脑中已把全文的提纲想好，如果心中对于全文的论点、论据和论证步骤还是混乱的，那么编写一个提纲是十分必要的，是大有好处的，其好处至少有如下三个方面：　　第一，可以体现作者的总体思路。提纲是由序码和文字组成的一种逻辑图表，是帮助作者考虑文章全篇逻辑构成的写作设计图。其优点在于，使作者易于掌握论文结构的全局，层次清楚，重点明确，简明扼要，一目了然。　　第二，有利于论文前后呼应。有一个提纲，可以帮助我们树立全局观念，从整体出发，在检验每一个部分所占的地位、所起的作用，相互间是否有逻辑联系，每部分所占的篇幅与其在全局中的地位和作用是否相称，各个部分之间的比例是否恰当和谐，每一字、每一句、每一段、每一部分是否都为全局所需要，是否都丝丝入扣、相互配合，成为整体的有机组成部分，都能为展开论题服务。经过这样的考虑和编写，论文的结构才能统一而完整，很好地为表达论文的内容服务。　　第三，有利于及时调整，避免大返工。在毕业论文的研究和写作过程中，作者的思维活动是非常活跃的，一些不起眼的材料，从表面看来不相关的材料，经过熟悉和深思，常常会产生新的联想或新的观点，如果不认真编写提纲，动起笔来就会被这种现象所干扰，不得不停下笔来重新思考，甚至推翻已写的从头来过;这样，不仅增加了工作量，也会极大地影响写作情绪。毕业论文提纲犹如工程的蓝图，只要动笔前把提纲考虑得周到严谨，多花点时间和力气，搞得扎实一些，就能形成一个层次清楚、逻辑严密的论文框架，从而避免许多不必要的返工。另外，初写论文的学生，如果把自己的思路先写成提纲，再去请教他人，人家一看能懂，较易提出一些修改补充的意见，便于自己得到有效的指导。简单提纲举例以《关于培育和完善建筑劳动力市场的思考》为例，简单提纲可以写成下面这样：　　一、序论　　二、本论(一)培育建筑劳动力市场的前提条件(二)目前建筑劳动力市场的基本现状(三)培育和完善建筑劳动力市场的对策　　三、结论

一般论文的结构都是一样的~重要的是你打算怎么写~写什么~，你的思路是啥样的，这样~你可以去参考下（世界经济探索），下载些文献~找下自己的写作思路

计量经济学毕业论文选题背景和意义

希望以上网站内容能帮到你

计量经济学论文可以研究的问题有多种，期中比较简单的就是根据数据，建立方程，研究变量之间的关系，主要运用的工具就是计量经济学的初等知识和Eviews软件，思路、要求和注意事项我觉得这么说对你的帮助不大，所以给你一篇我的论文做参考，也许对你有帮助，如果你觉得看的不是很明白的话，可以再留言给我，我把什么思路等告诉你。　　计量经济学　　期末实验报告　　实验名称：大中城市城镇居民人均消费支出与其影响因素的分析　　姓名：　　学号：　　班级：（）级统计学系（）班　　指导教师：　　时间：　　（上面是论文封皮）　　23个城市城镇居民人均消费支出与其影响因素的分析（题目）　　一、经济理论背景　　近几年来，中国经济保持了快速发展势头，投资、出口、消费形成了拉动经济发展的“三架马车”，这已为各界所取得共识。通过建立计量模型，运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析，找出其中关键影响因素，以为政策制定者提供一定参考，最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。　　二、有关人均消费支出及其影响因素的理论　　我们主要从以下几个方面分析我国居民消费支出的影响因素：　　①、居民未来支出预期上升，影响了居民即期消费的增长　　居民的被动储蓄直接导致购买力的巨大分流，从而减弱对消费品的即期需求，严重地影响了居民即期消费的增长，进而导致有效需求的不足，最终导致经济增长的乏力。90年代末期以来，我国的医疗、养老、失业保险、教育等一系列改革措施集中出台，原有的体制被打破，而新的体制尚未建立健全，因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大，而且基本上都是硬性支出，支出的不确定性也很大，导致居民目前对未来支出预期的上升。　　②、商品供求结构性矛盾依然突出　　从消费结构上看，我国消费品市场已发生了新的根本性变化：居民低层次消费已近饱和，而更高水平的消费又未达到。改革开放20多年来，城乡居民经过了一个中档耐用消费品的普及阶段后，目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点，如轿车、住房等还远不能纳入大多数人的消费主流，居民现有的购买力不能形成推动主导消费品升级的动力。　　③、物价总水平持续在低水平运行，通货紧缩的压力较大，不利于消费的增长　　加入WTO之后，随着关税的降低和进口规模的扩大，国外产品对我国市场的冲击将进一步加大，国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降，不利于居民的消费增长。因为从居民的消费心理上看，买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期，因此往往推迟消费，不利于居民消费的增长。另外，从统计上分析，由于物价的下降，名义消费增长往往低于实际消费的增长，这在一定程度上也不利于消费增长幅度的提高。　　④、我国现阶段没有形成大的消费热点，难以带动消费的快速增长　　经过近几年的培育和发展，我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点，可以促进消费的稳定增长，但始终未能形成大的消费热点，因此不能带动消费的高速增长。　　三、相关数据收集　　相关数据均来源于2006年《中国统计年鉴》：　　23个大中城市城镇居民家庭基本情况（表格）　　地区平均每户就业人口（人）平均每一就业者负担人数（人）平均每人实际月收入（元）人均可支配收入（元）人均消费支出（元）　　北京 6 8 1 2 9　　天津 4 0 6 8 8　　石家庄 4 0 3 0 9　　太原 3 2 9 9 5　　呼和浩特 5 9 2 8 7　　沈阳 3 1 5 7 1　　大连 6 8 8 1 5　　长春 8 7 1 1 2　　哈尔滨 4 0 8 5 4　　上海 6 9 0 1 3　　南京 4 0 4 0 6　　杭州 5 9 0 9 2　　宁波 5 8 4 2 4　　合肥 6 8 5 1 9　　福州 7 9 5 4 8　　厦门 5 9 7 3 7　　南昌 4 8 0 1 4　　济南 7 7 3 8 4　　青岛 6 8 6 5 7　　郑州 4 1 2 2 3　　武汉 5 0 5 2 1　　长沙 4 1 9 9 8　　广州 7 8 6 1 1　　四、模型的建立　　根据数据，我们建立多元线性回归方程的一般模型为：　　其中：　　——人均消费支出　　——常数项　　——回归方程的参数　　——平均每户就业人口数　　——平均每一就业者负担人口数　　——平均每人实际月收入　　——人均可支配收入　　——随即误差项　　五、实验过程　　（一）回归模型参数估计　　根据数据建立多元线性回归方程：　　首先利用Eviews软件对模型进行OLS估计，得样本回归方程。　　利用Eviews输出结果如下：　　Dependent Variable: Y　　Method: Least Squares　　Date: 12/11/07 Time: 16:08　　Sample: 1 23　　Included observations: 23　　Variable Coefficient S Error t-Statistic P　　C -180 506 -282633 2159　　X1 3490 2332 427889 1704　　X2 1209 7866 498528 1513　　X3 552510 629371 466766 0239　　X4 -180652 742107 -590947 1290　　R-squared 721234 Mean dependent var 2913　　Adjusted R-squared 659286 SD dependent var 1711　　SE of regression 8502 Akaike info criterion 77564　　Sum squared resid 9 Schwarz criterion 02249　　Log likelihood -9199 F-statistic 64259　　Durbin-Watson stat 047936 Prob(F-statistic) 000076　　根据多元线性回归关于Eviews输出结果可以得到参数的估计值为：，，，，　　从而初步得到的回归方程为：　　Se= (506) (2332) (7866) (629371) (742107)　　T= (-282633) (427889) (498528) (466766) (-590947)　　F=64259 df=18　　模型检验：由于在的水平下，解释变量、、的检验的P值都大于05，所以变量不显著，说明模型中可能存在多重共线性等问题，进而对模型进行修正。　　（二）处理多重共线性　　我们采用逐步回归法对模型的多重共线性进行检验和处理：　　X1：　　Dependent Variable: Y　　Method: Least Squares　　Date: 12/11/07 Time: 16:28　　Sample: 1 23　　Included observations: 23　　Variable Coefficient S Error t-Statistic P　　C 8238 6688 296574 7697　　X1 0964 4840 531833 1405　　R-squared 100508 Mean dependent var 2913　　Adjusted R-squared 057675 SD dependent var 1711　　SE of regression 6105 Akaike info criterion 68623　　Sum squared resid 2 Schwarz criterion 78497　　Log likelihood -3917 F-statistic 346511　　Durbin-Watson stat 770750 Prob(F-statistic) 140491　　X2：　　Dependent Variable: Y　　Method: Least Squares　　Date: 12/11/07 Time: 16:29　　Sample: 1 23　　Included observations: 23　　Variable Coefficient S Error t-Statistic P　　C 641 2658 632596 0156　　X2 -1146 9597 -218861 2364　　R-squared 066070 Mean dependent var 2913　　Adjusted R-squared 021597 SD dependent var 1711　　SE of regression 7371 Akaike info criterion 72380　　Sum squared resid Schwarz criterion 82254　　Log likelihood -8237 F-statistic 485623　　Durbin-Watson stat 887292 Prob(F-statistic) 236412　　X3：　　Dependent Variable: Y　　Method: Least Squares　　Date: 12/11/07 Time: 16:29　　Sample: 1 23　　Included observations: 23　　Variable Coefficient S Error t-Statistic P　　C 8827 8342 326831 1988　　X3 540400 095343 667960 0000　　R-squared 604712 Mean dependent var 2913　　Adjusted R-squared 585888 SD dependent var 1711　　SE of regression 2575 Akaike info criterion 86402　　Sum squared resid 5 Schwarz criterion 96276　　Log likelihood -9362 F-statistic 12577　　Durbin-Watson stat 064743 Prob(F-statistic) 000013　　X4：　　Dependent Variable: Y　　Method: Least Squares　　Date: 12/11/07 Time: 16:30　　Sample: 1 23　　Included observations: 23　　Variable Coefficient S Error t-Statistic P　　C 7094 8178 141465 2665　　X4 596476 124231 801338 0001　　R-squared 523300 Mean dependent var 2913　　Adjusted R-squared 500600 SD dependent var 1711　　SE of regression 4178 Akaike info criterion 05129　　Sum squared resid 1 Schwarz criterion 15003　　Log likelihood -0898 F-statistic 05284　　Durbin-Watson stat 037087 Prob(F-statistic) 000096　　由得出的数据可以看出，的调整的判定系数最大，因此首先把引入调整的方程中，然后在分别引入变量、、进行OLS得：　　X1、X3　　Dependent Variable: Y　　Method: Least Squares　　Date: 12/11/07 Time: 16:32　　Sample: 1 23　　Included observations: 23　　Variable Coefficient S Error t-Statistic P　　C -8991 9081 -644388 5266　　X1 8101 2070 275533 2167　　X3 517213 095693 404899 0000　　R-squared 634449 Mean dependent var 2913　　Adjusted R-squared 597894 SD dependent var 1711　　SE of regression 1510 Akaike info criterion 87276　　Sum squared resid 2 Schwarz criterion 02087　　Log likelihood -0368 F-statistic 35596　　Durbin-Watson stat 032110 Prob(F-statistic) 000043　　X2、X3　　Dependent Variable: Y　　Method: Least Squares　　Date: 12/11/07 Time: 16:33　　Sample: 1 23　　Included observations: 23　　Variable Coefficient S Error t-Statistic P　　C 5536 1435 451015 6568　　X2 -00981 0392 -110678 9130　　X3 536856 102783 223221 0000　　R-squared 604954 Mean dependent var 2913　　Adjusted R-squared 565449 SD dependent var 1711　　SE of regression 7747 Akaike info criterion 95036　　Sum squared resid 0 Schwarz criterion 09847　　Log likelihood -9292 F-statistic 31348　　Durbin-Watson stat 063247 Prob(F-statistic) 000093　　X3、X4　　Dependent Variable: Y　　Method: Least Squares　　Date: 12/11/07 Time: 16:34　　Sample: 1 23　　Included observations: 23　　Variable Coefficient S Error t-Statistic P　　C 7015 5882 326290 0306　　X3 766892 553402 192782 0046　　X4 -473721 656624 -244390 0363　　R-squared 684240 Mean dependent var 2913　　Adjusted R-squared 652664 SD dependent var 1711　　SE of regression 1157 Akaike info criterion 72634　　Sum squared resid 0 Schwarz criterion 87445　　Log likelihood -3529 F-statistic 66965　　Durbin-Watson stat 111635 Prob(F-statistic) 000010　　由数据结果可以看出，引入X4时方程的调整判定系数最大，且解释变量均通过了显著性检验，再分别引入X1、X2进行分析。　　X1、X3、X4　　Dependent Variable: Y　　Method: Least Squares　　Date: 12/11/07 Time: 16:37　　Sample: 1 23　　Included observations: 23　　Variable Coefficient S Error t-Statistic P　　C 6693 8464 479562 6370　　X1 29944 6512 366505 7180　　X3 652622 646003 558228 0192　　X4 -345001 757634 -775265 0919　　R-squared 686457 Mean dependent var 2913　　Adjusted R-squared 636950 SD dependent var 1711　　SE of regression 0712 Akaike info criterion 80625　　Sum squared resid 3 Schwarz criterion 00373　　Log likelihood -2719 F-statistic 86591　　Durbin-Watson stat 082104 Prob(F-statistic) 000050　　X2、X3、X4　　Dependent Variable: Y　　Method: Least Squares　　Date: 12/11/07 Time: 16:38　　Sample: 1 23　　Included observations: 23　　Variable Coefficient S Error t-Statistic P　　C 60939 2088 127981 8995　　X2 1557 9303 575948 5714　　X3 886588 600027 144175 0053　　X4 -596394 701018 -277251 0345　　R-squared 689658 Mean dependent var 2913　　Adjusted R-squared 640657 SD dependent var 1711　　SE of regression 3798 Akaike info criterion 79599　　Sum squared resid 8 Schwarz criterion 99347　　Log likelihood -1539 F-statistic 07429　　Durbin-Watson stat 143110 Prob(F-statistic) 000046　　由输出结果可以看出，在的水平下，解释变量、的检验的P值都大于05，解释变量不能通过显著性检验，因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为：　　Se= (5882) (553402) (656624)　　T= (326290) (192782) (-244390)　　F=66965 df=20　　（三）异方差性的检验　　对模型进行怀特检验：　　White Heteroskedasticity Test:　　F-statistic 071659 Probability 399378　　Obs*R-squared 423847 Probability 351673　　Test Equation:　　Dependent Variable: RESID^2　　Method: Least Squares　　Date: 12/11/07 Time: 16:53　　Sample: 1 23　　Included observations: 23　　Variable Coefficient S Error t-Statistic P　　C 50 9 266460 7929　　X3 9623 1924 394723 6977　　X3^2 -071268 187278 -380548 7080　　X4 -6779 3390 -467114 6460　　X4^2 121138 229933 526841 6047　　R-squared 192341 Mean dependent var 87　　Adjusted R-squared 012861 SD dependent var 54　　SE of regression 59 Akaike info criterion 12207　　Sum squared resid 60E+09 Schwarz criterion 36892　　Log likelihood -9038 F-statistic 071659　　Durbin-Watson stat 968939 Prob(F-statistic) 399378　　由检验结果可知，，由White检验知，在时，查分布表，得临界值 (20)=1435，因为 < (5)= 1435，所以模型中不存在异方差。　　（四）自相关的检验　　由模型的输出结果可知，估计结果都比较满意，无论是回归方程检验，还是参数显著性检验的检验概率，都显著小于05，D-W值为111635，显著性水平 =05下查Durbin-Watson表，其中n=23，解释变量的个数为2，得到下限临界值，上限临界值， =543

计量经济学毕业论文选题意义和价值

第一个点是，以佛里德曼为代表的经济学研究方法论，即“前提不重要，推论过程也不重要，重要的是结论符合现实”。这种方法，本质上就是把计量本身，认定是可以脱离理论，或者说认定计量本身可以推出理论。而不是说在理论的指导下进行计量。我想，经济学方法论争执得那么多，这个背景，他应该也了解吧？当时在南大BBS上，关于可证伪性的争论那么火热，不就是围绕这个问题么？我记得当时南大经济学论坛的进版画面有一句话，大意是说越有效的理论，其前提越是不符合现实的。所以，在这样的经济学研究方法下，我对计量进行批评，不可谓说是轻率的。第二个点是，随着计量技术的进一步提高，计量本身也在开始神秘化。例如协整理论。不少介绍都说协整理论可以从数据自身推导出理论联系，判断变量的长期关系或者短期关系，认为“经典的计量经济学模型是以某种经济理论或对经济行为的认识来确立模型的理论关系形式，而协整则是从经济变量的数据中所显示的关系出发，确定模型包含的变量和变量之间的理论关系。这是20世纪80年代以来计量经济学模型理论的一个重大发展”。而我在这点上所作的努力是告诉大家：无论计量怎么发展，它都没有超越经典计量模型所受到的局限，不可能比经典计量更高明，其与理论的关系，不可能比经典计量有更大突破。计量只不过是起对数据进行排列组合，来看这些组合中是否凑巧给出理论启示，或者看其是否符合理论的结果。神秘化的计量理论，注定是占星术。第三个点是，我既然对西方经济学特别是宏观经济学部分的理论大部分进行否定，那就意味着我根本不承认其理论的正确性。而其理论的正确性被否认，则其理论指导下的计量模型，就失去价值而变得毫无意义。因此，我对西方经济学计量的批判，最大的基础来自对西方经济学理论的批判。当我认为西方经济学理论本身不能成立的时候，我自然会说其建立的计量模型及其结论，无论其可信度为多少，都毫无意义。因此，猪头非恐怕得首先为西方经济学的那些理论进行辩护。最后还要补充一点：即使给定正确的理论，然后使用计量来检验或者预测某些细微性质，我也不认为计量就是很好的办法。相反，计量结果的统计特性，遗漏了很多图形本身的重要性质。计量所得出的结论，往往反而掩盖了事实真相。因此，除非作为辅助工具，或者不得已，我宁愿直接去看图形本身，并对图形的各个阶段或者整体，进行物理化的分析，而不是进行计量分析。只有这样，才能尽可能完全地解读图形性质。至于猪头非同学说：“如果非要拿这个例子比喻计量的话，你要是能知道走过的轨迹是什么模样，就已经相当了不起了。况且，计量要研究的还不止是什么形状，还要研究这个形状的具体参数，比如弧度多少，半径多少等等，这就更不容易了。中级计量班的学期论文如果能够对“走过的轨迹”有令人信服的分析和描绘，就已经圆满地完成任务了。” 我的回答其实很简单：1、要知道走过的轨迹是什么模样，这恰恰是理论分析，而不是计量。你必须先通过理论分析，获得轨迹的种类信息，然后才谈的上通过计量获得具体参数。2、所谓半径这些概念，是在假定轨迹为圆形的假设下才有的参数。如果只是局部数据接近半圆，但是未知数据部分根本就不是圆，何来半径之说？你根据已有数据计算出来的半径，有什么意义呢？3、中级计量班的学期论文能够对走过的轨迹进行分析，你加了个“令人信服”，这四个字说明了理论还是第一的。否则，你怎么“令人信服”地说既有数据一定是圆的一部分？这样，即使中级计量班毕业成绩比较好看，在现实中，仍然不能解决任何问题，相反只是误导问题而已。至于猪头非最后说宏观经济预测得准——他说即使没有理论依据。这个恐怕就是一厢情愿了吧？在宏观经济中，我还没有看到西方经济的哪个理论能以较大概率预测准的。他可以列举例子，不管老宋也好还是其它人也好，给出预测的文章、日期，然后给出被预测实现的经济数据。要是这么容易被预测准，而且是在啥都不知道的情况下预测准，就不会有那么一大群经济学家在指点江山后被大众臭骂，然后万分委屈地说：“经济学只能用来解释世界，不能用来预测世界”。

自己先拟题如：计量经济学在城乡网络建设中的作用

计量经济学毕业论文选题意义

这个建议你查十篇左右的文献看看以前发表的毕业论文都是怎么写的然后还可以跟上一级打听下或者跟指导你毕业的老师咨询下找到一个研究样本之后再想怎么做论文题目不急

用CNKI中国知网免费入口整本下载论文范文的方法最新无限免费下载计量经济学论文范文的方法计量经济学论文范文、毕业论文、开题报告范文等不限量免费下载的方法标准论文格式模板通用论文范文的免费不限量下载方法【超实用】最新最全免费下载毕业论文范文的方法【很实用】

***统计方法的应用

时代金融摘要:关键词:一、引言一个国家的国民经济有很多因素构成，省区经济则是我国国民经济的重要组成部分，很多研究文献都认为中国的省区经济是宏观经济的一个相对独立的研究对象，因此，选取省区经济数据进行区域经济的研究，无疑将是未来几年的研究趋势。而省区经济对我国国民经济的影响，已从背后走到了台前，发展较快的省区对我国国民经济的快速增长起到了很大的作用，而发展相对较慢的省区，其原因与解决方法也值得我们研究。本文选取华中大省湖北省进行研究，具有一定的指导和现实意义。湖北省 2006 年 GDP 为 7497 亿元，人均 GDP13130 元，达到中等发达国家水平。从省域经济来说，湖北省是一个较发达的经济实体。另一方面，湖北省优势的地理位置和众多的人口使之对于我国整体经济的运行起到不可忽视的作用，对于湖北省 GDP的研究和预测也就从一个侧面反映我国国民经济的走势和未来。尽管湖北省以其重要位置和经济实力在我国国民经济中占据一席之地，但仍不可避免的面临着建国以来一再的经济波动，从最初的强大势力到如今的挣扎期，湖北省的经济面临着发展困境。近年来，湖北省的经济状况一再呈现再次快速发展的趋势，但是这个趋势能够保持多久却是我们需要考虑的问题。本文选择了时间序列分析的方法进行湖北省区域经济发展的预测。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势的。即通过时间序列的历史数据揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来作出预测。二、基本模型、数据选择以及实证方法( 一) 基本模型ARMA 模型是一种常用的随机时序模型，由博克斯，詹金斯创立，是一种精度较高的时序短期预测方法，其基本思想是: 某些时间序列是依赖于时间 t 的一组随机变量，构成该时序的单个序列值虽然具有不确定性，但整个序列的变化却具有一定的规律性，可以用相应的数学模型近似描述。通过对该数学模型的分析，能够更本质的认识时间序列的结构与特征，达到最小方差意义下的最优预测。现实社会中，我们常常运用 ARMA模型对经济体进行预测和研究，得到较为满意的效果。但 ARMA模型只适用于平稳的时间序列，对于如 GDP 等非平稳的时间序列而言， ARMA模型存在一定的缺陷，因此我们引入一般情况下的 ARMA模型 ( ARIMA模型) 进行实证研究。事实上， ARIMA模型的实质就是差分运算与 ARMA模型的组合。本文讨论的求和自回归移动平均模型，简记为 ARIMA ( p， d， q) 模型，是美国统计学家 GEPBox 和 GMJ enkins 于 1970 年首次提出，广泛应用于各类时间序列数据分析，是一种预测精度相当高的短期预测方法。建立 ARIMA ( p， d， q) 模型计算复杂，须借助计算机完成。本文介绍 ARIMA ( p， d， q) 模型的建立方法，并利用Eviews 软件建立湖北省 GDP 变化的 ARIMA ( p， d， q) 预测模型。( 二) 数据选择本文所有 GDP 数据来自于由中华人民共和国统计局汇编，中国统计出版社出版的《新中国五十五年统计数据汇编》。本文的所有数据处理均使用 EV0 软件进行。( 三) 实证方法ARMA模型及 ARIMA模型都是在平稳时间序列基础上建立的，因此时间序列的平稳性是建模的重要前提。任何非平稳时间序列只要通过适当阶数的差分运算或者是对数差分运算就可以实现平稳，因此可以对差分后或对数差分后的序列进行 ARMA( p， q) 拟合。ARIMA ( p， d， q) 模型的具体建模步骤如下:平稳性检验。一般通过时间序列的散点图或折线图对序列进行初步的平稳性判断，并采用 ADF 单位根检验来精确判断该序列的平稳性。对非平稳的时间序列，如果存在一定的增长或下降趋势等，则需要对数据取对数或进行差分处理，然后判断经处理后序列的平稳性。重复以上过程，直至成为平稳序列。此时差分的次数即为ARIMA ( p， d， q) 模型中的阶数 d。为了保证信息的准确，应注意避免过度差分。对平稳序列还需要进行纯随机性检验 ( 白噪声检验) 。白噪声序列没有分析的必要，对于平稳的非白噪声序列则可以进行ARMA ( p， q) 模型的拟合。白噪声检验通常使用 Q 统计量对序列进行卡方检验，可以以直观的方法直接观测得到结论。ARMA拟合。首先计算时间序列样本的自相关系数和偏自相关系的值，根据自相关系数和偏自相关系数的性质估计自相关阶数 p 和移动平均阶数 q 的值。一般而言，由于样本的随机性，样本的相关系数不会呈现出理论截尾的完美情况，本应截尾的相关系数仍会呈现出小值振荡的情况。又由于平稳时间序列通常都具有短期相性，随着延迟阶数的增大，相关系数都会衰减至零值附近作小值波动。根据 Barlett 和 Quenouille 的证明，样本相关系数近似服从正态分布。一个正态分布的随机变量在任意方向上超出 2σ 的概率约为 05。因此可通过自相关和偏自相关估计值序列的直方图来大致判断在 5%的显著水平下模型的自相关系数和偏自相关系数不为零的个数，进而大致判断序列应选择的具体模型形式。同时对模型中的 p 和 q 两个参数进行多种组合选择，从 ARMA ( p，q) 模型中选择一个拟和最好的曲线作为最后的方程结果。一般利用 AIC 准则和 SC 准则评判拟合模型的相对优劣。模型检验。模型检验主要是检验模型对原时间序列的拟和效果，检验整个模型对信息的提取是否充分，即检验残差序列是否为白噪声序列。如果拟合模型通不过检验，即残差序列不是为白噪声序列，那么要重新选择模型进行拟合。如残差序列是白噪声序列，就认为拟合模型是有效的。模型的有效性检验仍然是使谭诗璟ARIMA 模型在湖北省GDP 预测中的应用—— —时间序列分析在中国区域经济增长中的实证分析本文介绍求和自回归移动平均模型 ARIMA ( p， d， q) 的建模方法及 Eviews 实现。广泛求证和搜集从 1952 年到 2006 年以来湖北省 GDP 的相关数据，运用统计学和计量经济学原理，从时间序列的定义出发，结合统计软件 EVIEWS 运用 ARMA建模方法，将 ARIMA模型应用于湖北省历年 GDP 数据的分析与预测，得到较为满意的结果。湖北省区域经济学 ARIMA 时间序列 GDP 预测理论探讨262008/01 总第 360 期图四取对数后自相关与偏自相关图图三二阶差分后自相关与偏自相关图用上述 Q 统计量对残差序列进行卡方检验。模型预测。根据检验和比较的结果，使用 Eviews 软件中的forecas t 功能对模型进行预测，得到原时间序列的将来走势。对比预测值与实际值，同样可以以直观的方式得到模型的准确性。三、实证结果分析GDP 受经济基础、人口增长、资源、科技、环境等诸多因素的影响，这些因素之间又有着错综复杂的关系，运用结构性的因果模型分析和预测 GDP 往往比较困难。我们将历年的 GDP 作为时间序列，得出其变化规律，建立预测模型。本文对 1952 至 2006 年的 55 个年度国内生产总值数据进行了分析，为了对模型的正确性进行一定程度的检验，现用前 50 个数据参与建模，并用后五年的数据检验拟合效果。最后进行 2007年与 2008 年的预测。( 一) 数据的平稳化分析与处理差分。利用 EViews 软件对原 GDP 序列进行一阶差分得到图二:对该序列采用包含常数项和趋势项的模型进行 ADF 单位根检验。结果如下:由于该序列依然非平稳性，因此需要再次进行差分，得到如图三所式的折线图。根据一阶差分时所得 AIC 最小值，确定滞后阶数为 1。然后对二阶差分进行 ADF 检验:结果表明二阶差分后的序列具有平稳性，因此 ARIMA ( p， d，q) 的差分阶数 d=2。二阶差分后的自相关与偏自相关图如下:对数。利用 EViews 软件，对原数据取对数:对已经形成的对数序列进行一阶差分，然后进行 ADF 检验:由上表可见，现在的对数一阶差分序列是平稳的，由 AIC 和SC 的最小值可以确定此时的滞后阶数为 2。因为是进行了一阶差分，因此认为 ARIMA ( p， d， q) 中 d=1。( 二) ARMA ( p， q) 模型的建立ARMA ( p， q) 模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得。图一 1952- 2001 湖北省 GDP 序列图表 1 一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC 备注0 - 136479 - 161144 - 506374 - 183002 20582非平稳1 - 764521 - 165756 - 508508 - 184230 171892 - 101495 - 170583 - 510740 - 185512 180023 - 418890 - 175640 - 513075 - 186854 205434 - 230514 - 180911 - 515523 - 188259 27059表 2 二阶差分的 ADF 检验Lag Length t- Statistic 1% level 5% level 10% level1 (Fixed) - 714836 - 170583 - 510740 - 185512表 3 对数一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC SC 备注0 - 448501 - 574446 - 923780 - 599925 - 536478 - 458512平稳 1 - 832346 - 577723 - 925169 - 600658 - 662966 - 5448712 - 398029 - 581152 - 926622 - 601424 - 770517 - 6115043 - 324520 - 584743 - 928142 - 602225 - 747432 - 546692图五对数后一阶差分自相关与偏自相关图理论探讨27时代金融摘要:关键词:使用 EViews 软件对 AR， MA的取值进行实现，比较三种情况下方程的 AIC 值和 SC 值:表 4ARMA模型的比较由表 4 可知，最优情况本应该在 AR ( 1) ， MA ( 1) 时取得，但AR， MA都取 1 时无法实现平稳，舍去。对于后面两种情况进行比较，而 P=1 时 AIC 与 SC 值都比较小，在该种情况下方程如下:综上所述选用 ARIMA ( 1， 1， 0) 模型。( 三) 模型的检验对模型的 Q 统计量进行白噪声检验，得出残差序列相互独立的概率很大，故不能拒绝序列相互独立的原假设，检验通过。模型均值及自相关系数的估计都通过显著性检验，模型通过残差自相关检验，可以用来预测。( 四) 模型的预测我们使用时间序列分析的方法对湖北省地方生产总值的年度数据序列建立自回归预测模型，并利用模型对 2002 到 2006 年的数值进行预测和对照:表 5 ARIMA ( 1， 1， 0) 预测值与实际值的比较由上表可见，该模型在短期内预测比较准确，平均绝对误差为 876% ，但随着预测期的延长，预测误差可能会出现逐渐增大的情况。下面，我们对湖北省 2007 年与 2008 年的地方总产值进行预测:在 ARIMA模型的预测中，湖北省的地方生产将保持增长的势头，但 2008 年的增长率不如 2007 年，这一点值得注意。GDP毕竟与很多因素有关，虽然我们一致认为，作为我国首次主办奥运的一年， 2008 将是中国经济的高涨期，但是是否所有的地方产值都将受到奥运的好的影响呢? 也许在 2008 年全国的 GDP 也许确实将有大幅度的提高，但这有很大一部分是奥运赛场所在地带来的经济效应，而不是所有地方都能够享有的。正如 GDP 数据显示， 1998 年尽管全国经济依然保持了一个比较好的态势，但湖北省的经济却因洪水遭受不小的损失。作为一个大省，湖北省理应对自身的发展承担起更多的责任。总的来说， ARIMA模型从定量的角度反映了一定的问题，做出了较为精确的预测，尽管不能完全代表现实，我们仍能以ARIMA模型为基础，对将来的发展作出预先解决方案，进一步提高经济发展，减少不必要的损失。四、结语时间序列预测法是一种重要的预测方法，其模型比较简单，对资料的要求比较单一，在实际中有着广泛的适用性。在应用中，应根据所要解决的问题及问题的特点等方面来综合考虑并选择相对最优的模型。在实际运用中，由于 GDP 的特殊性， ARIMA模型以自身的特点成为了 GDP 预测上佳选择，但是预测只是估计量，真正精确的还是真实值，当然， ARIMA 模型作为一般情况下的 ARMA 模型，运用了差分、取对数等等计算方法，最终得到进行预测的时间序列，无论是在预测上，还是在数量经济上，都是不小的进步，也为将来的发展做出了很大的贡献。我们通过对湖北省地方总产值的实证分析，拟合 ARIMA( 1， 1， 0) 模型，并运用该模型对湖北省的经济进行了小规模的预测，得到了较为满意的拟和结果，但湖北省 2007 年与 2008 年经济预测中出现的增长率下降的问题值得思考，究竟是什么原因造成了这样的结果，同时我们也需要到 2008 年再次进行比较，以此来再次确定 ARIMA ( 1， 1， 0) 模型在湖北省地方总产值预测中所起到的作用。参考文献:【1】易丹辉数据分析与 EViews应用中国统计出版社【2】 Philip Hans Frances 商业和经济预测中的时间序列模型中国人民大学出版社【3】新中国五十五年统计资料汇编中国统计出版社【4】赵蕾陈美英 ARIMA 模型在福建省 GDP 预测中的应用科技和产业( 2007) 01- 0045- 04【5】张卫国以 ARIMA 模型估计 2003 年山东 GDP 增长速度东岳论丛( 2004) 01- 0079- 03【6】刘盛佳湖北省区域经济发展分析华中师范大学学报 ( 2003) 03-0405- 06【7】王丽娜肖冬荣基于 ARMA 模型的经济非平稳时间序列的预测分析武汉理工大学学报 2004 年 2 月【8】陈昀贺远琼外商直接投资对武汉区域经济的影响分析科技进步与对策 ( 2006) 03- 0092- 02( 作者单位: 武汉大学经济与管理学院金融工程)AR(1)MA(1) AR(1) MA(1) 备注AIC - 536412 - 321820 - 135728最优为 AR(1)MA(1)SC - 458445 - 282837 - 097119Variable Coefficient S Error t- Statistic PAR(1) 586643 115236 090781 0000R- squared - 226023 Mean dependent var 104967Adjusted R- squared - 226023 SD dependent var 111688SE of regression 123668 Akaike info criterion - 321820Sumsquared resid 718807 Schwarz criterion - 282837Log likelihood 72369 Durbin-Watson stat 132697Inverted AR Roots 59年份实际值预测值相对误差(%) 平均误差(%)2002 63 72 - 8762003 71 82 - 122004 92 78 - 892005 78 83 - 682006 00 05 - 26年度 2006 2007 2008GDP 值 00 08 59增长率(%) — 06 16表 6 ARIMA ( 1， 1， 0) 对湖北省经济的预测一、模糊数学分析方法对企业经营 ( 偿债) 能力评价的适用性影响企业经营 ( 偿债) 和盈利能力的因素或指标很多; 在分析判断时，对事物的评价 ( 或评估) 常常会涉及多个因素或多个指标。这时就要求根据多丛因素对事物作出综合评价，而不能只从朱晓琳曹娜用应用模糊数学中的隶属度评价企业经营(偿债)能力问题影响企业经营能力的许多因素都具有模糊性，难以对其确定一个精确量值; 为了使企业经营 ( 偿债) 能力评价能够得到客观合理的结果，有必要根据一些模糊因素来改进其评价方法，本文根据模糊数学中隶属度的方法尝试对企业经营 ( 偿债) 能力做出一种有效的评价。隶属度及函数选取指标构建模型经营能力评价应用理论探讨28

计量经济学研究论文选题意义和目的

我有许多范文还有我们自己做的论文需要找我 qq：309735313