《计量经济学精要(第四版)重点》由会员分享，可在线阅读，更多相关《计量经济学精要(第四版)重点（13页珍藏版）》请在金锄头文库上搜索。
1、计量经济学精要重点什么是 OLS 估计？原理ols 估计是指样本回归函数尽可能好的拟合这组织，即样本回归线上的点与真实观测点的总体误差尽可能小的估计方法。一、什么是计量经济学？答：计量经济学以经济理论为指导，以事实为依据，以数学和统计学为方法，以电脑技术为工具，从事经济关系与及经济活动数量规律的研究，并以建立和应用随机性的经济计量模型为核心的一门经济学科。计量经济学模型揭示经济活动中各种因素之间的定量关系，用随机性的数量方程加以描述。二、建立计量经济学模型的步骤和要点1 .理论模型的设计（确定模型所包含的变量，确定模型的数量形式，拟定理论模型中的待估参数的理论期望值）2 .样本数据的收集（常用
2、的样本数据：时间序列数据，截面数据，虚变量数据）3 .模型参数的估计（选择模型参数估计方法，应用软件的使用）4 .模型的检验模型的检验包括几个方面？其具体含义是什么？答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。经济意义检验需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；统计检验需要检验模型参数估计值的可靠性，即检验模型的统计学性质；计量经济学检验需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及
3、对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。5 .模型成功的三要素：理论、方法、数据三、计量经济学模型的应用方面（功能）答：结构分析，经济预测，政策评价，检验与发展经济理论四、引入随机干扰项的原因，内容？原因 ： 1.代表未知的影响因素2.代表数据观测误差3.代表残缺数据4.代表模型设定误差5.代表众多细小影响因素6.变量的内在随机性内容： 1.被遗漏的影响因素（由于研究者对客观经济现象了解不充分，或是由于经济理论上的不完善，以至于使研究者在建立模型时遗漏了一些对被解释变量有重要影响的变量） ； 2.变量的测量误差（在观察和测量变量时，种种原因使观测值并不等于
4、他的真实值而造成的误差） ； 3.随机误差（在影响被解释变量的诸因素中，还有一些不能控制的因素） ； 4.模型的设定误差（在建立模型时，由于把非线性关系线性化，或者略去模型）五、什么是随机误差项和残差，他们之间的区别是什么随机误差项u=Y-E（Y/X）,而总体回归函数Y=YA+e ,其中e就是残差，利用 Y估at Y时带来的误差e=Y-Y是对随机变量 u 的估计六、一元线性回归模型的基本假设主要有哪些？违背基本假设是否就不能进行估计1 .回归模型是正确设定的；2 .解释变量X 是确定性变量不是随机变量；在重复抽样中取固定值。3 .解释变量在x 所抽取的样本中具有变异性，而且随着样本容量的无限增
5、加，解释变量X 的样本方差趋于一个非零的有限常数。4 .随机误差项u 具有给定 X 条件下的零均值，同方差以及不序列相关性，即 E（ui/Xi）=0 ；Var （ui/Xi）=sm2 ； Cov（ui ， uj/ Xi ， Xj）=05 . 随机误差项与解释变量之间不相关： Cov（Xi, Ui）=06 . 随机误差项服从零均值、同方差的正态分布违背.还可进行估计，只是不能使用普通最小二乘法进行估计。七、高斯 - 马尔可夫定理如果满足古典线性回归模型的基本假定，则在所有线性无偏估计量中， OLS 估计量具有最小方差，即 OLS 估计量是最优线性无偏估计量。假设条件 ： 1.回归模型是正确设定的
6、；2.解释变量X 是确定性变量不是随机变量； 在重复抽样中取固定值。 3. 解释变量在 x 所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X 的样本方差趋于一个非零的有限常数。4.随机误差项u 具有给定 X 条件下的零均值，同方差以及不序列相关性八、异方差性对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。类型： 单调递增型，单调递减型，复杂型。原因：模型中遗漏了随时间变化影响逐渐增大的因素。 （即测量误差变化）模型函数形式设定误差。随机因素的影响。 （即截面数据中总体各单位的差异）后果 ： 1 参数估计量非有效2.变量的显著性检验失去意义3.模
7、型的预测失效检验： 图示检验法， 戈德菲尔德匡特检验，怀特检验，帕克检验和戈里瑟检验处理： 基本思想:变异方差为同方差，或尽量缓解方差变异的程度。 （加权最小二乘法（ WLS ） ，异方差稳健标准误法）九、序列相关性如果模型的随机干扰项违背了相互独立的基本假设，则称为存在 .原因： 1 经济数据序列惯性； 2 模型设定的偏误；3 滞后效应；4蛛网现象；5数据的编造后果： 1 参数估计量非有效； 2.变量的显著性检验失去意义；3.模型的预测失效检验方法：一、图示法；二、回归检验法；三、D.W.检验法；四、拉格朗日乘数检验补救方法： 广义最小二乘法（ GLS ） ，广义差分法，随机干扰项相关系数的
8、估计，广义差分法在计量经济学软件中的实现，序列相关稳健标准误法。十、多重共线性如果模型的解释变量之间存在着较强的相关关系，则称模型存在多重共线性。原因： （ 1）经济变量相关的共同趋势2.滞后变量的引入3.样本资料的限制后果：1.完全共线性下参数估计量不存在2.近似共线性下普通最小二乘法参数估计量的方差变大3.参数估计量经济含义不合理4.变量的显著性检验和模型的预测功能失去意义检验：1.检验多重共线性是否存在2.判明存在多重共线性的范围克服方法： 1.排除引起共线性的变量2.差分法3.见笑参数估计量的方差十一、回归模型中引入虚拟变量的作用是什么？有哪几种基本的引入方式？它们各适合用于什么情况答
9、：在模型中引入虚拟变量，主要是为了寻找某（些）定性因素对解释变量的影响。加法方式与乘法方式是最主要的引入方式。前者主要适用于定性因素对截距项产生影响的情况，后者主要适用于定性因素对斜率项产生影响的情况。除此外，还可以加法与乘法组合的方式引入虚拟变量，这时可测度定性因素对截距项与斜率项同时产生影响的情况。十二、滞后变量模型有哪几种类型？分布滞后模型使用 OLS 方法存在哪些问题？答：滞后变量模型有分布滞后模型和自回归模型两大类，前者只有解释变量及其滞后变量作为模型的解释变量，不包含被解释变量的滞后变量作为模型的解释变量；而后者则以当期解释变量与被解释变量的若干期滞后变量作为模型的解释变量。分布滞
10、后模型有无限期的分布滞后模型和有限期的分布滞后模型；自回归模型又以 Coyck 模型、自适应预期模型和局部调整模型最为多见。分布滞后模型使用 OLS 法存在以下问题： （1）对于无限期的分布滞后模型，由于样本观测值的有限性，使得无法直接对其进行估计。 （2）对于有限期的分布滞后模型，使用 OLS 方法会遇到：没有先验准则确定滞后期长度，对最大滞后期的确定往往带有主观随意性；如果滞后期较长，由于样本容量有限，当滞后变量数目增加时，必然使得自由度减少，将缺乏足够的自由度进行估计和检验； 同名变量滞后值之间可能存在高度线性相关， 即模型可能存在高度的多重共线性。传统或经典方法论（建立模型） （一）理
11、论模型的设计1、理论或假说的陈述； 2、理论的数学模型的设定；3、理论的计量经济模型的设定； （二）获取数据（三）模型的参数估计（四）模型的检验1、经济意义的检验2、统计检验3、计量经济学检验4、预测检验（五）模型应用1、经济分析/ 构分析2、经济预测3、政策评价4、检验与发展经济理论计量经济学模型成功的三要素理论、方法、数据回归分析 是研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论。用意在于通过后者的已知或设定值，去估计和（或）预测前者的（总体均值。前一个变量被称为被解释变量或应变量后一个变量被称为解释变量或自变量总体回归函数 （方程） ： PRF 由于统计相关的随机性， 回归方
12、程关心的是根据解释变量的已知或给定值，考察被解释变量的总体均值，即当解释变量取某个确定值时，与之统计相关的被解释变量所可能出现的对应值的平均值。在给定解释变量X i 条件下被解释变量Yi 的期望轨迹称为总体回归线， 或更一般地称为总体回归曲线相应的函数（方程） ：总体回归函数（方程）（PRF）含义：回归函数（PRF）说明被解释变量丫的平均状态（总体条件期望）随解释变量X 变化的规律随机干扰项 是在模型设定中省略下来而由集体地影响着被解释变量Y 的全部变量的替代物样本回归函数（SRF）Y?if （Xi）?0?1Xi样本回归函数的随机形式YiY?i?i?0?1Xiei线性回归模型在上述意义上的基本
13、假设：（1）解释变量X1,X2Xk是确定性变量，不是随机变量，而且解释变量之间互不相关。(2)随机误差项具有0均值和同方差。即E ( i)=0i=1,2, - n Var( i)=i=1,2-n其中E表示均值或期望，也可用M表示；V ar表示方差，也可以用D表示。(3)随机误差项在不同样本点之间是独立的，不存在序列相关。即 Cov( i, j)=0 i j i,j=1,2-n其中C ov表示协方差 x随机误差项与解释变量之间不相关。即Cov( ji , i )=0 j=1,2, - k i=1,2, - n(5)随机误差项服从20均值、同方差的正态分布。即 i N(0，)i=1,2,n一元线性
14、回归模型的参数估计： 普通最小二乘法估计已知一组样本观测值(Yi,Xi), (i=1,2, - n),要求 样本回归函数尽可能好地拟合这组值，即样本回归线上的点 Y?与真实观测点丫的“总体误差”尽可能地小，或者说被解释变量的估计值与观测值应该在总体上最为接近，最小二乘法给出的判断的标准是:者之差的平方和1Q(Yi Y?)2(Yi(?0?Xi)2?最小。即在给定样本观测值之下，选择出。、1能使Yi与Y?之差的平方和最小。为什么用平方和？因为二者之差可正可负，简单求和可能将很大的误差根据微积分学的运算,抵消掉，只有平方和才能反映二者在总体上的接近程度。这就是最小二乘原则。可推得用于估计? _ (0
15、、1的下列方程组 (o?iXiY) 0( ?o4XiY)Xi 0Yin ?0彳XiYXi?0Xi ?Xi2线性性:Xi2YiXi0 Xi1Xi2Y XiYXi22n Xi ( XJYXiYiXi?2 v 2-.1(Xi)方程组(2.2.6环为正则方程组为y2XiriX即是否是另一随机变量的线性函数;无偏性：即它的均值或期望值是否等于总体的真实值;效性：即它是否在所有线性无偏估计量中具有最小方差 高斯一马尔可夫定理：在给定经典线形回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计普通最小二乘估计量 OLS(ordinary least Square勒有线性、无偏性、最小方差性等优良性质。具有这些优良性质的估计量又称为最佳线性无偏估计量，即 BLUE估计量精选22 ? ?总体方差在总体方差的无偏估计量？求出后，估计的参数0和1的方差和标准差的估计量分别是1的样本方差：S2(?)2Xi1的样本标准差：S()?,2?
