电子数据处理公司的 时间序列数据 销售量和个人推销支出 月份销售量个人推销支出 (time-series) 1月250043000元 2月225039000 某一厂商不同 3月175035000 4月150034000 5月100026000 时间因变量和 6月250041000 7月275040000 自变量的数据 8月175033000 9月125026000 10月300045000 11月200032000 2月200034000 平均数202135667
电子数据处理公司的 销售量和个人推销支出 月份 销售量 个人推销支出 1月 2500 43000元 2月 2250 39000 3月 1750 35000 4月 1500 34000 5月 1000 26000 6月 2500 41000 7月 2750 40000 8月 1750 33000 9月 1250 26000 10月 3000 45000 11月 2000 32000 12月 2000 34000 平均数 2021 35667 时间序列数据 (time-series)— 某一厂商不同 时间因变量和 自变量的数据
横断面数据 七个厂商样本的 (cross-sectional) 销售额与广告支出 不同厂商同 厂商销售额广告支出 15000 2000 时间因变量 和自变量的数 据 ABCDEF 30000 2000 30000 5000 25000 3000 55000 9000 45000 8000 G60000 7000
收集的数据有两种形式 横断面数据 (cross-sectional)— —不同厂商同 一时间因变量 和自变量的数 据。 七个厂商样本的 销售额与广告支出 厂商 销售额 广告支出 A 15000 2000 B 30000 2000 C 30000 5000 D 25000 3000 E 55000 9000 F 45000 8000 G 60000 7000
需求线的计量经济佑计方齿 Econometric Estimation Qd= f(Por pc Ps yd t, aor ac as I, c e) 需求函数的一般形式 口(不能用通常方法进行估计,需要选择具体的模型形式 线性或非线性) Qa=a+bPo+b2 Pc+b3 Ps+b4Y+b5T+bAo+b,Ac+bBAs+bg I+b10 C+bE 简单的线性形式 Qd= po pcb ps Ydd teA f A g AhI. C Ek 指数形式 log Q o alogPo+blogPc+clogS t+dlogYd+elogT+flogAo+glog Ac +hlogAs+ilogI+jlog C+kloge ■对数形式
需求曲线的计量经济估计方法 Econometric Estimation ◼ Qd = f(Po , Pc, Ps , Yd , T, Ao , Ac , As , I, C, E) ◼ 需求函数的一般形式 ◼ (不能用通常方法进行估计，需要选择具体的模型形式， 线性或非线性) ◼ Qd = a + b1Po+b2Pc+b3 Ps+b4Yd+b5T+b6Ao+b7Ac+b8As+b9 I+b10C+b11E ◼ 简单的线性形式 ◼ Qd= Po a .Pc b ,. Ps c Yd d T e .Ao f Ac g As h I i . Cj , Ek ◼ 指数形式 ◼ log Qd= alogPo+blogPc+clogPs+dlogYd+elogT+flogAo+glog Ac +hlogAs+ilogI+jlog C+klogE ◼ 对数形式
确定需求摸型一 确定模型就是说明自变量与因变量之间的关系 选择经济计量学家所估计的需求函数的具体形式, 要尽量准确地反映出真实关系,可能要尝试多种方 案和变化,才能获得因定量与自变量数据之间的最 佳拟合。通过把不同时间(使用时间序列数据时) 的因变量和与这个因变量有关的每一个自变量的关 系画出来就可以获得应该首先采用哪种函数形式的 线索。这种初步分析的结果将会常常表明是线性方 程最恰当,还是对数方程、指数方程或其他转换形 式更恰当
选择经济计量学家所估计的需求函数的具体形式， 要尽量准确地反映出真实关系，可能要尝试多种方 案和变化，才能获得因定量与自变量数据之间的最 佳拟合。通过把不同时间（使用时间序列数据时） 的因变量和与这个因变量有关的每一个自变量的关 系画出来就可以获得应该首先采用哪种函数形式的 线索。这种初步分析的结果将会常常表明是线性方 程最恰当，还是对数方程、指数方程或其他转换形 式更恰当。 确定需求模型—— 确定模型就是说明自变量与因变量之间的关系
样本回归直线 S样本回归直线S=11582+4.97A Si=60000 Si=46372 10000 7000
样本回归直线 样本回归直线 Si = 60000 46372 S ˆ i = S ˆ =11582+ 4.97A 7000 A S 10000