计量经济学期末复习

上传人:mg****85 文档编号:50656713 上传时间:2018-08-09 格式:PPT 页数:64 大小:288KB
返回 下载 相关 举报
计量经济学期末复习_第1页
第1页 / 共64页
计量经济学期末复习_第2页
第2页 / 共64页
计量经济学期末复习_第3页
第3页 / 共64页
计量经济学期末复习_第4页
第4页 / 共64页
计量经济学期末复习_第5页
第5页 / 共64页
点击查看更多>>
资源描述

《计量经济学期末复习》由会员分享,可在线阅读,更多相关《计量经济学期末复习(64页珍藏版)》请在金锄头文库上搜索。

1、计量经济学期末复习1第1章 经济计量学的特征及研 究范围w一、什么是经济计量学经济计量学是利用经济理论、数学、统计 推断等工具对经济现象进行分析的一门社会科 学。经济计量学运用数理统计知识分析经济数 据,对构建于数理经济学基础之上的数学模型 提供经验支持,并得出数量结果。 计量经济学与其他学科的区别2二、利用计量经济学研究经济问题的步骤1.理论分析; 2.收集数据;3.建立数学模型;4.建立统计或经济计量模型;5.经济计量模型的参数估计; 6.检查模型的准确性;7.检验来自模型的假说;8.运用模型进行预测; 3第2章 线性回归模型的基本思想:双 变量模型w一、回归的含义二、总体回归函数4三、随

2、机误差项的性质1.模型中未包括的变量的影响;(简单原则 )2.随机因素的影响;3.量测误差;5四、样本回归函数6五、线性回归模型1.解释变量线性2.参数线性注:线性回归是指参数线性的回归,而解释 变 量不一定是线性的。7六、普通最小二乘法(P26-P28)普通最小二乘法原理:残差平方和最小8第 3、4章 多元线性回归模型的 参数估计、假设检验 w一、古典线性回归模型的基本假定1.解释变量与扰动项不相关;2.扰动项的均值为零;3.扰动项同方差;4.扰动项之间无自相关;5.扰动项服从正态分布;6.解释变量之间不存在线性相关关系 ;9二、普通最小二乘估计量(双变量)普通最小二乘估计量的性质; P46

3、高斯-马尔柯夫定理 最优线性无偏 10三、 t - 统计量其中,n为样本个数,k为参数个数,(n-k) 称为t - 统计量的自由度。在给定自由度和显著性水平的情况下,可 以求出t - 临界值。11四、置信区间置信区间为:12五、显著性检验H0:B2= B*,H1:B2 B* 在原假设成立的条件下:统计量t=(b2- B* )/se(b2)服从于自 由度为n-k的 t - 分布;取定显著水平,查表得到t/2(n-k)t t/2 拒绝零假设 t t/2 不拒绝零假设特别地,B* =013六、离差分解称为总离差平方和,记为TSS称为回归平方和,记为ESS 称为残差平方和,记为RSS14七、各平方和及

4、其自由度 P81总离差平方和可以分解为两个部分:一 部分归于回归直线(回归平方和),一部分归 于随机因素(残差平方和);即TSS=ESSRSS TSS的自由度为n-1RSS的自由度为n-kESS的自由度为k-1其中,n为样本个数,k为参数个数;15八、拟和优度的检验:判定系数R2 判定系数R2度量了回归模型(解释变量) 对Y的解释程度;也表示样本回归模型对总体 回归模型的拟合程度;0 R2 1 特别地,对于两变量回归模型来说, R2 在数值上等于相关系数的平方,相关系数的符 号由B2确定。16十、校正R2 判定系数R2的一个重要性质就是模型中的 解释变量的个数越多,R2值就越大;为了消除变量个

5、数对R2的影响,我们定义 了校正的判定系数:17十一、校正判定系数的性质:1.对于多元回归模型来说,校正判定系数 小于非校正判定系数;2.虽然校正判定系数总为正,但校正判 定系数可以为负;18十二、联合检验显著性检验是用来检验某一个参数是否为 零。现在考虑假设:这个零假设称为联合假设,即B2和B3同时 为零,或者说X2和X3对Y无影响,等同于下面的 零假设:即X2和X3对因变量变化的解释比例为零; 19十三、F统计量其含义为:被X2和X3解释的Y的变动除以未被X2和X3解释的Y的变动;可见X2和X3对Y的解释 程度越高,F值越大;如果计算得到的F值超过F临界值,则拒绝 原假设;否则接受原假设;

6、20十四、F与R2的关系可以证明:R2等于0时,F等于0;R2越大,F值越大;R2等于1时,F无穷大;21第5章 回归方程的函数形式w一、双对数模型 B2表示X变化百分之一引起Y变化B2百分点,其经济意义为Y对X的弹性;如果上述模型满足古典假定,b1、b2是无偏有效估计量。22二、对数-线性模型 B2表示X变化一个单位引起Y变化的百分比,或者说X变化一个单位,Y的平均增长率;特别地,如果解释变量为时间t,则上述模型称为增长模型;23三、线性对数线性模型 B2表示X变化1个百分点引起Y的绝对量的变化为(0.01* B2);本章的重点为,偏斜率系数(偏回归系数 )的解释;以及不同形式模型间的比较;

7、24第6章 虚拟变量w一、定义有些指标是定性变量(性别、学历),我 们用虚拟变量来描述定性变量;习惯上我们把取值为0和1的变量称为虚拟 变量,0表示变量不具备某种属性,1表示变量 具备某种属性。用表示虚拟变量 。25例:利用虚拟变量建立经济计量模型研究 女性在工资收入方面是否受到歧视。26二、加法模型 再引入一个变量,令表示工作年限建立模型:在古典假定下,我们有:女性平均年薪:男性平均年薪:如果B2=0则说明不存在性别歧视,如果B20则说明存在性别歧视;27男女职工的平均年薪对工龄的函数具有相同斜率B1,即随着工龄的增长男女工资的增长幅度相同;截距不同,说明男女的初始年薪不同。我们称这种虚拟变

8、量只影响截距不影响斜率的模型为加法模型。28三、乘法模型 如果随着工龄增加,男性与女性的年薪差 距也发生变化,则模型就变为:在古典线性假定下,我们有:男性平均年薪:女性平均年薪:如果B2=0则说明不存在性别歧视,如果 B20则说明存在性别歧视;29男女职工的平均年薪对工龄的函数具有相 同截距B0,说明男女的初始年薪相同;但斜率 不同,说明随着工龄的增长男女工资的增长幅 度不同。我们称这种虚拟变量只影响斜率不影响截 距的模型为乘法模型。30五、混合模型 如果男性与女性的初始年薪和年薪增速都存在差异,我们可以将加法模型和乘法模型结 合起来,得到如下模型:上面的模型可以用来表示截距和斜率都发生变化的

9、模型,称为混合模型;31六、虚拟变量的几点说明 基准类:赋值为0的一类称为基准类;差别系数:虚拟变量的系数;差别截距系数;差别斜率系数;对于有截距项的模型,引入的虚拟变量个 数应该比研究的类别少一个,否则就会造成完 全多重共线,就是通常说的虚拟变量陷阱。32第8章 多重共线性w一、什么是多重共线性多重共线性是指解释变量之间存在着完全 或高度线性相关关系;可分为完全多重共线性 和高度多重共线性;本书中所研究的多重共线 性是指高度多重共线性。当回归模型中的两个解释变量之间存在着 完全多重共线性,我们就可以通过它们之间的 线性关系消除掉其中一个变量;其后果表现为 不能完全估计出模型的参数,只能估计出

10、两变 量参数的线性组合。33二、多重共线性问题的几点说明 1.当模型中存在着多重共线性问题时,普通最小二乘法估计量仍然是线性无偏最小方差 估计量;2.最小方差性并不意味着在任何给定的样 本中普通最小二乘估计量的方差会很小;3.即使总体上各个变量之间不存在线性相 关,但却可能在具体获得的样本中存在线性相 关,即多重共线性本质上是一个样本问题。 34三、多重共线性的实际后果 1.OLS估计量的方差和标准差较大;2.置信区间变宽;3.模型R2值较高,t值不显著;4.OLS估计量及其标准差对数据的变化敏感 ;5.回归系数符号有误;6.难以衡量各个解释变量对R2的贡献;35四、多重共线性的测定 在研究多

11、重共线性的测定问题之前,应该先 明确下面两个问题:1.多重共线性是一个程度问题而不是存在与 否的问题;2.多重共线性是样本的特征,而不是 总体的特征;因此,测定的不是多重共线性存在与否的问 题,而是测定给定样本的多重共线性程度问题。36五、多重共线性的测定方法 1.R2较高,但t值显著的不多;2.解释变量之间两两高度相关;3.辅助回归;4.方差膨胀因素;P19137六、辅助回归作每个变量对其他剩余变量的回归并计算相 应的R2值。其中的每一个回归都被称为是从属或 者辅助回归;如果某个解释变量不是其他变量的线性组合 ,则该回归方程的R2显著为零。通过判断F值是否 显著,判断变量之间是否存在共线性。

12、38七、方差膨胀因素通过代数替换方差公式可以改写为:其中:R22表示X2对X3回归的拟合优度;我们称VIF为 方差膨胀因素;VIF越大表示变量之间共线性的 程度越高;VIF超过10,则认为是高度共线的。39八、修正多重共线性的方法1.从模型中删除不重要的解释变量2.获取额外的数据或新的样本3.先验信息4.变量代换40第9章 异方差w一、异方差定义本章主要介绍古典假设中同方差假定不满 足的情况下,如何进行计量经济分析;异方差:对于不同的观测点,随机扰动项 的方差不同。用公式表示为:异方差问题多存在于横截面数据中;41二、异方差的后果1.OLS估计量仍然是线性无偏的;2.OLS估计量不再具有最小方

13、差性;3.估计量 不再是真实 的无偏估计 ;4.OLS估计量方差的估计量是有偏的;5.t检验和F检验失效;42三、异方差的检验1.帕克检验; P210-P2162.格莱舍尔检验;3. White检验;43四、加权最小二乘法(WLS)误差方差 是已知的情况:考虑双变量回归函数:对模型作如下变换:令 为变换后的误差项;44在实际估计回归方程时,将Y和X的每个观 察值都除以已知的 ,然后再对这些变换后 的数据进行OLS回归,由此获得的估计量就称 为加权最小二乘估计量, 为权数。这种加 权的过程就称为加权最小二乘法。45五、异方差的补救措施( 未知)情形1:方差 与 成比例:对模型作如下变换:令 为变

14、换后的误差项;46情形2:方差 与 成比例:对模型作如下变换:令 为变换后的误差项;47第10章 自相关w一、自相关定义本章主要介绍古典假设中无自相关假定不 满足的情况下,如何进行计量经济分析;自相关:指回归模型中的随机扰动项之间 存在相关。用公式表示为:自相关问题多存在于时间序列数据中;48二、自相关的后果1.OLS估计量是线性无偏的;2.OLS估计量不是有效的;3.OLS估计量的方差是有偏的;4.t检验和F检验失效;5.计算的误差方差是真实方差的有偏估计量 ;6.计算的R不能测度真实R; 7.计算的预测方差和标准差可能也是无效的 ;49三、自相关的诊断1.游程检验;2.DW检验;50五、D

15、W统计量的定义51六、DW统计量的一些基本假设1.回归模型包括截距项;2.解释变量是非随机变量;3.扰动项 的产生机制是:4.在回归方程的解释变量中,不包括因变量 的滞后变量;52七、DW检验可以证明对于大样本来说其中: 则我们可以根据DW统计量的取值来判断自 相关性(0,2,4);53八、DW检验的步骤1.进行OLS回归并获得残差 ;2.计算d值;3.给定样本容量及解释变量的个数,从d检 验表中查到临界值 和 。4.把DW统计量与上、下临界值比较,判断 相关性;P252的图12-5和表12-254wDW检验拒绝H0 存在着正 的自相关 无法 判断 区域 (盲 区)无法判 断区域 (盲区 )接

16、受H0或者 H*0拒绝H*0 ,存在 着负自 相关0 dL dU 2 4- dU 4- dL 455九、补救措施广义差分方程 24256十、相关系数的估计方法 244页 57第11章 联立方程模型w一、基本概念定义:包括多个方程,并且变量之间存在 双向关系的回归模型称为联立方程模型;基本概念:内生变量、外生变量、结构方程、结构系 数、恒等式、简化方程、简化系数;58二、模型的联立问题 P262随机解释变量问题 59三、模型的识别问题 P265-P2701.不可识别;2.恰好识别;3.过度识别;4.识别的阶条件; 60模型识别的阶条件(仅是必要条件)m =模型中内生变量的个数(等于方程个数);k=不包含在给定方程中所有变量(包含内生变量和外

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 生活休闲 > 科普知识

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号