《计量经济学复习笔记-(最新版)》由会员分享,可在线阅读,更多相关《计量经济学复习笔记-(最新版)(9页珍藏版)》请在金锄头文库上搜索。
1、计量经济学复习笔记 CH1 导论导论 1、计量经济学: 以经济理论和经济数据的事实为依据,运用数学、统计学的方法,通过建立数学模型来研究经济 数量关系和规律的一门经济学科。研究主体是经济现象及其发展变化的规律。 2、运用计量分析研究步骤: 模型设定确定变量和数学关系式 估计参数分析变量间具体的数量关系 模型检验检验所得结论的可靠性 模型应用做经济分析和经济预测 3、模型 变量:解释变量:表示被解释变量变动原因的变量,也称自变量,回归元。 被解释变量:表示分析研究的对象,变动结果的变量,也成应变量。 内生变量:其数值由模型所决定的变量,是模型求解的结果。 外生变量:其数值由模型意外决定的变量。
2、外生变量数值的变化能够影响内生变量的变化,而内生变量却不能反过来影响外生变量。 前定内生变量 : 过去时期的、滞后的或更大范围的内生变量,不受本模型研究范围的内生变量的影响, 但能够影响我们所研究的本期的内生变量。 前定变量:前定内生变量和外生变量的总称。 数据:时间序列数据:按照时间先后排列的统计数据。 截面数据:发生在同一时间截面上的调查数据。 面板数据: 虚拟变量数据:表征政策,条件等,一般取 0 或 1. 4、估计 评价统计性质的标准 无偏:E()= 随机变量,变量的函数? 有效:最小方差性 一致:N 趋近无穷时, 估计越来越接近真实值 5、检验 经济意义检验:所估计的模型与经济理论是
3、否相等 统计推断检验:检验参数估计值是否抽样的偶然结果,是否显著 计量经济检验:是否符合计量经济方法的基本假定 预测检验:将模型预测的结果与经济运行的实际对比 CH2 CH3 线性回归模型线性回归模型 模型(假设)估计参数检验拟合优度预测 1、模型(线性) (1)关于参数的线性 模型就变量而言是线性的;模型就参数而言是线性的。 Yi=1+2lnXi+ui 线性影响 随机影响 Yi=E(Yi|Xi)+ui E(Yi|Xi)=f(Xi)=1+2lnXi 引入随机扰动项, (3)古典假设(3)古典假设 A 零均值假定 E(ui|Xi)=0 B 同方差假定 Var(ui|Xi)=E(ui2)=2 C
4、无自相关假定 Cov(ui,uj)=0 D 随机扰动项与解释变量不相关假定 Cov(ui,Xi)=0 E 正态性假定 uiN(0,2) F 无多重共线性假定 Rank(X)=k 2、估计 在古典假设下,经典框架,可以使用 OLS 方法:OLS 寻找 min ei2 1ols = (Y 均值)-2(X 均值) 2ols = xiyi/xi2 3、性质 OLS 回归线性质(数值性质)OLS 回归线性质(数值性质) (1)回归线通过样本均值 (X 均值,Y 均值) (2)估计值Yi的均值等于实际值 Yi的均值 (3)剩余项 ei的均值为 0 (4)被解释变量估计值Yi与剩余项 ei不相关 Cov(Y
5、i,ei)=0 (5)解释变量 Xi与剩余项 ei不相关 Cov(ei,Xi)=0 在古典假设下,OLS 的统计性质是 BLUE 统计 最佳线性无偏估计 4、检验 (1)Z 检验 Ho:2=0 原假设 验证 2是否显著不为 0 标准化: Z=(2-2)/SE(2)N(0,1) 在方差已知,样本充分大用 Z 检验 拒绝域在两侧,跟临界值判断,是否 2显著不为 0 (2)t 检验回归系数的假设性检验 方差未知,用方差估计量代替 2=ei2/(n-k) 重点记忆 t =(2-2)/SE(2)t(n-2) 拒绝域:|t|=t2/a(n-2) 拒绝,认为对应解释变量对被解释变量有显著影响。 P 值是尚不
6、能拒绝原假设的最大显著水平。 (所以 P 越小,显著性越好) P 值a 不拒绝 P 值 Fa(k-1,n-k) (说明 F 越大越好) 拒绝:说明回归方程显著,即列入模型的各个解释变量联合起来对被解释变量有显著影响一元回 归下,F 与 t 检验一致,且 F=t2 5、拟合优度检验 (1)可决系数(判定系数)R2=ESS/TSS=1-RSS/TSS 特点: 非负统计量,取值0,1,样本观测值的函数,随机变量 对其解释:R2=0.95,表示拟合优度比较高,变量 95%的变化可以用此模型解释,只有 5%不准确 (2)修正的可决系数 adjusted R2=1-(1- R2)(n-1)/(n-k) a
7、djusted R2取值0,1 计算出负值时,规定为 0 k=1 时,adjusted R2= R2 (3)F 与可决系数 F=(n-k)/(k-1)* R2/ (1-R2) adjusted R2,R2,F 都是随机变量 联系:a 都是显著性检验的方法 b 构成统计量都是用 TSS=ESS+RSS c 二者等价,伴随可决系数和修正可决系数增加,F 统计量不断增加 R2 =0 时,F=0;R2=1 时,F 趋近无穷; 区别:a F 有明确分布,R2没有 b F 检验可在某显著水平下得出结论,可决系数是模糊判断 6、预测 平均值预测和个别值预测 A 预测不仅存在抽样波动引起的误差, 还要受随机扰
8、动项的影响。 个别值预测比平均值预测的方差大。 个别值预测区间也大于平均值预测区间。 B 对平均值和个别值预测区间都不是常数。 Xf趋近 X 均值,预测精度增加,预测区间最窄 C 预测区间和样本容量 N 有关,样本容量越大,预测误差方差越小,预测区间越窄。样本容量趋于 无穷个别值的预测误差只决定于随机扰动项的方差。 CH4 多重共线性多重共线性 后果/原因如何检验如何修正 1、后果/原因 (1)完全/不完全多重共线 X3=X1+2X2 完全多重共线 参数无法估计 非满秩矩阵 不可逆 X3=X1+X2+u 不完全多重共线性 (2)无多重共线性 模型无多重共线性,解释变量间不存在完全或不完全的线性
9、关系 X 是满秩矩阵 可逆 Rank(X)=k Rank(XX)=k 从而 XX 可逆(XX)-1存在 (3)多重共线原因 经济变量之间具有共同变化趋势 模型中包含滞后变量 使用截面数据建立模型 样本数据自身原因 (4)后果 存在多重共线性时,OLS 估计式仍然是 BLUE(最佳线性无偏估计) 不影响无偏性 (无偏性是重复抽样的特性) 不影响有效性 (是样本现象,与无多重共线性相比方差扩大,但采用 OLS 估计 后,方 差仍最小) 不影响一致性 2、检验 (1)两两相关系数 (充分条件) 两两相关可以推出多重共线性 反过来不一定 系数比较高,则可认为存在着较严重的多重共线性 (2)直观判断 (
10、综合判断法) 参数联合显著性很高(通过 F 检验)但个别重要解释变量存在异常,t 不显著,或者 为负,与 经济意义违背。F 检验通过, t 不通过,因为方差扩大了 F 是由 RSS 计算得出的 (3)方差扩大因子 VIFj=1/(1-Rj2) 方差与 VIF 正相关 VIF10 严重多重共线 Rj2是多个解释变量辅助回归确定多重可决系数 (4)逐步回归(也是修正方法) 不会有计算,但要了解过程 针对多重共线性,没有什么特别好的修正方法,建模前要事先考虑,如果出现重要解释变量的多重共 线性,可以考虑扩大样本容量 CH5 异方差异方差 原因、后果检验修正(WLS) 异方差:被解释变量观测值的分散程
11、度是随解释变量的变化而变化的。 Var(ui|Xi)=E(ui2)=i2=2f(Xi) 1、原因后果 (1) 产生原因 A 模型设定误差 B 测量误差的变化 C 截面数据中总体各单位的差异 异方差性在截面数据中比在时间序列数据中可能更常出现,因为同一时点不同对象的差异,一般来说 会大于同一对象不同时间的差异。 (2) 后果 A 参数的 OLS 估计仍然具有无偏性(无偏性仅依赖零均值假定,解释变量的非随机性) B 参数 OLS 估计式的方差不再是最小的, 影响有效性 (方差会被低估, 从而夸大 t 统计量, t, F 检验失效,区间预测会受影响,不显著的也有可能变显著) C 不满足有效性,则也会
12、影响一致性 2、检验(要知道判断时原假设和备择假设;检验命题统计量;辅助回归函数形式;适用条件) 原假设:同方差 备择假设:异方差 (1) 图示:简单易操作,但判断比较粗糙 (2) GQ:Goldfeld-Quanadt 戈德菲尔德-夸特检验 A 大样本,除同方差假定不成立,其余假定要满足 B 对解释变量大小排序 C 去除中间 C 个观测值(样本的 1/5-1/4) ,分成两个部分 D 构造 F 统计量,两个部分残差平方和服从卡方分布,则 F=两部分残差平方和相除(大的除以小的)F((n-c)/2-k,(n-c)/2-k) F临界值,拒绝原假设,则认为存在异方差 E 可判断是否存在异方差,不能
13、确定是哪个变量引起 (3) White A 大样本,丧失较多自由度 B 做残差对常数项、解释变量、解释变量平方及其交叉乘积等所构成的辅助回归 ei2 C 计算统计量 nR2,n 为样本容量,R2为辅助回归的可决系数 D 统计量服从卡方分布 nR2卡方a(df) 拒绝原假设,表明模型存在异方差 E 不仅能够检验异方差,还能判断是哪个变量引起的异方差 (4) Arch A 用于大样本,只对时间序列检验 B 做 OLS 估计,求残差,并计算残差平方序列 et2,et-12.做辅助回归 et2et-12et-p2 C 计算辅助回归可决系数 R2,统计量(n-p) R2 p 是 ARCH 过程的阶数 D
14、 统计量服从卡方分布 (统计量就是”Obs*R-squared”所显示的数值) (n-p) R2卡方a(p) 拒绝原假设,表明模型存在异方差 E 能判断是否存在异方差,但不能诊断是哪一个变量引起的 (5) Glejser 可以忽略。 。 要求大样本 3、修正 (1) 对模型 变换,取对数,但不能消除,只能减轻后果 (2) WLS (不考计算,主要掌握思想) 使残差平方和最小,在存在异方差时,方差越小的应约重视,确定回归线作用越大,反之 同理。 在拟合时应对较小的残差平方给予较大的权数, 对较大的残差平方给予较小的权数。 通常可取 w=1/i2 将权数与残差平方相乘后再求和 变换模型后剩余项 u
15、 = ui/根号下 f(Xi) 已是同方差 Var(u)= i2/f(Xi)= 2 CH6 自相关自相关 原因/后果检验(DW 是唯一方法)修正(从广义差分出发) 自相关:(序列相关)总体回归模型的随机误差项 ui之间存在的 相关关系。 Cov(ui,uj)不为 0 自相关形式: ut=put-1+vt ( -1p1) 一阶线性自相关 1、原因 (从时间序列出发考虑) 经济系统的惯性 经济活动滞后效应 数据处理造成的相关 蛛网现象(某种商品的供给量受前一期价格影响而表现出的规律性) 模型设定偏误(虚假自相关,可以改变模型而消除) 2、后果 (1)违背古典假定,继续适用 OLS 估计参数,会产生
16、严重后果,和异方差情形类似 (2)影响有效性,一致性;但不会影响无偏性。 (3)通常低估参数估计值的方差,t 统计量被高估,夸大显著性,t 检验失去意义。t、F、 R2检 验均不可靠,区间预测精度降低,置信区间不可靠。 3、检验 ( DW 是唯一方法) (1)前提条件 A 解释变量 X 为非随机 B 随机误差项为一阶自回归形式 C 线性模型的解释变量中不包含之后的被解释变量 D 截距项不为零,只适用于有常数项的回归模型 E 数据序列无缺失项 (2)表达式 DW= (et-et-1)2/et2 DW 约= 2(1-p) |p|=1 所以 DW0,4 (3)判断 根据样本容量 n,解释变量的数目 k (不含常数项) 查 DW 分