《(精品)计量重点》由会员分享，可在线阅读，更多相关《(精品)计量重点（4页珍藏版）》请在金锄头文库上搜索。
1、经济07计量经济学重点第一章一、计量经济学方法论传统计量经济学方法论大致程序：（1）建立经济理论或假说；（2）获取数据；（3）设定数学模型；（4）设定计量经济模型；（5）估计计量经济模型的参数；（6）假设检验；（7）预测；（8）利用模型进行控制或制定政策。二、数据的类型1、横截面数据：对一个或多个变量在同一时间上观测得到的数据。2、时间序列数据：对变量在不同时间的取值进行连续或不连续观测得到的数据。三、数据的质量1、计量经济学主要搜集和分析非实验经济数据。（1）非实验数据：不是从对个人、企业或经济系统中的某些部分的控制实验而得到的数据，有时也称为观测数据。（2）实验数据：在实验环境中获得的数据
2、。2、数据质量不好的原因：（1）非实验数据存在观测误差；（2）实验数据存在测量误差；（3）问卷调查可能存在严重的非应答问题；（4）获取数据的抽样方法可能变化很大；（5）通常获得的经济数据是高度加总的；（6）由于保密的原因，某些数据只能以高度加总的方式公布。第二章一、回归的内涵1、“回归”的定义：研究一个因变量与另一个或多个自变量（解释变量）之间的依赖关系。2、回归分析的作用或目的：（1）根据自变量的取值，估计应变量的均值。（2）检验关于模型的一些假设。（3）根据样本外自变量的取值，预测应变量的均值。（4）可同时进行上述各项分析。二、总体回归函数与样本回归函数1、总体回归函数：条件均值E(YXi
3、)是Xi的函数，用符号表示就是E(YXi)=f(Xi)，它被称为条件期望函数或总体回归函数。它只是表明，在给定Xi下，Y分布的总体均值与Xi有函数关系。假设总体回归函数为E(YXi)=B0+B1Xi ，B0和B1为未知但固定的参数，称为回归系数，分别被称为截距系数和斜率系数。 2、样本回归函数：对应于E(YXi)=B0+B1Xi的样本回归函数可写为： ，是E(YXi)的估计量， 是B1的估计量， 是B0的估计量。给定一个样本，就可以得到一个样本回归函数。 三、OLS估计的代数性质1、通过OLS估计得到的样本回归线通过X和Y的样本均值点 。2、残差的均值为0，即 。3、残差与解释变量不相关，即
4、。4、残差与预测值（即 ）不相关。第三章一、经典线性回归模型的基本假定1、总体回归模型对参数是线性的。2、扰动项与诸解释变量不相关。3、扰动项的条件均值为0。4、扰动项的条件方差相等。5、扰动项之间无自相关。6、正确设定了回归模型。二、OLS估计量的性质高斯马尔可夫定理：在经典线性回归模型的假定下，OLS 估计量在无偏线性估计量中方差最小，即OLS估计量是最优线性无偏估计量（BLUE）。三、检验假设1、“零”原假设：我们常常要检验某一个变量对于因变量的解释能力，这一问题就表述为对应的系数是否可约束为零，即： 。如果 与0没有显著差异，则认为该解释变量对Y没有显著影响。2、假设检验的两种方法：置
5、信区间法和显著性检验法。第四章1、偏回归系数的估计偏回归系数：在模型Yi=B0+B1X1i+B2X2i+ui中，B1表示在X2不变的情况下，X1每变化一个单位时，Y的条件均值的变化；同样地，B2给出了X2的单位变化对Y的均值的“直接”或“净”影响，两个斜率系数B1和B2称为偏回归系数。2、将约束条件代入后的模型体现了参数之间的约束，故称为受约束的最小二乘估计（RLS）。第五章1、过原点的回归：模型 ，即截距不出现在模型中或者为0。第六章一、虚拟变量回归模型的两种形式方差分析模型：仅仅包含定性变量或虚拟变量的回归模型。协方差分析模型：同时包含定性和定量解释变量的回归模型。二、虚拟变量的交互效应1
6、、模型 中的 和 是相加形式的，即认为这两个虚拟变量之间没有相互影响。2、如果认为虚拟变量之间可能存在交互影响，就应选择乘积形式的模型： 然后检验交互虚拟变量系数 的显著性。 第七章一、评价计量经济模型的主要标准。1、简约性：模型需要一定程度的抽象或简化。2、理论一致性：模型必须有好的经济含义。3、可识别性：模型参数值的稳定性或不变性。4、拟合优度：模型所包含的解释变量应尽可能地解释因变量的变化。二、遗漏了相关变量：拟合不足遗漏相关变量的后果1、如果遗漏的变量X2与模型中的变量X1相关，则 和 有偏且非一致。2、如果X2与X1不相关，则 是无偏的，但 仍有偏误。3、误设模型的误差方差是真实误差
7、方差的有偏估计。4、 的方差是 的方差的有偏估计。5、通常的区间估计和假设检验不再可靠。6、基于不正确模型得到的预测和预测区间将是不可靠的。 三、包含了无关变量：过度拟合包含了无关变量的后果1、不正确模型中所有参数的OLS估计都是无偏且一致的。2、误差项方差的估计是正确的。3、通常的区间估计和假设检验仍是可靠的。4、一般地，诸系数的OLS估计将是非有效的（标准误增大）。5、虽然包含无关变量能够提高 ，从而提高模型的预测能力，但增加无关变量会导致对参数进行推断的可靠性降低，而且可能导致多重共线性和降低自由度。四、RESET检验的优点：简单易行，无需设定备择模型。这也是它的缺点：即使知道模型是误设
8、的，也不能帮助我们选择正确的模型。因此它主要作为诊断工具。 第八章一、多重共线性的性质多重共线性：回归模型的一些或全部解释变量之间存在一种完全或准确的线性关系。二、多重共线性的检验1、 值高而回归系数t值显著的少。2、解释变量之间有高度的两两相关。3、检查偏相关系数。4、辅助回归：将每一自变量对其它自变量做回归，得到每个辅助回归的判定系数 。5、方差膨胀因子：某一解释变量的VIF越大，该变量与其它解释变量的共线程度越高。三、多重共线性的补救措施1、剔除共线变量。2、补充新数据：增大样本容量。3、横截面和时间序列数据并用。4、利用参数的先验信息。5、变量变换：对数据进行差分变换和比率变换，然后再
9、进行回归。6、重新设定模型。第九章一、异方差的性质1、异方差：误差的条件方差（即因变量的条件方差）随着自变量的变化而变化。 2、异方差的检验 帕克检验（1）帕克检验的思想：如果存在异方差，则方差 可能与一个或多个解释变量系统相关。（2）帕克检验的方法：先不考虑异方差问题，做OLS回归，得到残差 ，然后采用双对数模型或线性模型对X或Y做回归，再对 进行检验。格莱泽检验怀特检验第十一章一、联立方程模型联立方程模型：由多个方程组成的、变量之间存在双向关系的回归模型。 1、联立模型中，相互依赖的变量称为内生变量2、前定变量：非随机的或可看作非随机的变量二、结构式模型与简约式模型1、结构式方程：内生变量
10、出现在方程右边（或为解释变量），也称为行为方程。结构式模型的系数称为结构参数（系数）。2、简约式方程：方程的右边只有前定变量和随机干扰项。（1）简约系数是结构系数的（非）线性组合。（2）如果前定变量与干扰项不相关，就可以使用OLS估计简约式方程的参数。三、识别规则可识别的阶条件：设m为模型中内生变量的个数，k为不包括在该方程中的所有变量的个数。（1）若 k=m-1，该方程恰可识别。（2）若 km-1，该方程过度识别。（3）若 km-1，该方程不可识别。四、间接最小二乘法（ILS）与两阶段最小二乘法（2SLS）1、间接最小二乘法：简约式方程不存在联立性，把恰好识别的模型转化为简约方程，用OLS解
11、出唯一的简约参数，然后再用简约参数解出结构参数的估计。2、两阶段最小二乘法（2SLS）阶段1回归：做一个内生变量对模型中所有前定变量的回归，剔除该变量与干扰项之间可能存在的相关。阶段2回归：将该内生变量拟合值作为工具变量代替方程右边的原变量做OLS回归。 第十二章一、分布滞后模型1、分布滞后模型：回归模型包括解释变量的当前值和滞后（过去）值。2、白噪声过程：随机过程的均值为0，方差不变，而且不存在序列相关，也称为纯随机过程（时间序列）。3、伪回归：相互独立且非平稳的两个时间序列，一个对另一个做回归时，产生显著不同于0的判定系数。 二、协整（协积）时间序列协整：一个非平稳时间序列对另一个非平稳时间序列做回归，线性组合消除了两个时间序列中的随机趋势，即两个变量之间存在长期稳定或均衡关系。二者的回归称为协整回归。附：回归模型主要有哪些函数形式。1）双对数回归模型2）线形回归模型3）半对数回归模型4）倒数回归模型5）多项式回归模型6）过原点的回归模型
