2023年计量经济学复习要点.docx

2023年计量经济学复习要点 第一篇：计量经济学复习要点 计量经济学复习要点 第一章、概率论基础 1.随机事务的概念P2 2.古典概行例题P5例1.1P2例1.2 利用第一章的学问说明抽签的合理性 如何利用第一章的学问估计一个池塘有多少鱼 还有一个关于晚上紧急集合穿错鞋的题目，记不太清楚了 3.期望与方差的概念，切比雪夫不等式，看例题1.4-例题1.8，不要求求出数 4.变异系数的概念P17 5.大数定律和中心极限定律具有独立同分布的随机变量序列的有限和近似地听从正态分布的概念P24、P2 5其次章、矩阵代数 1.矩阵的定义，加page29、减page29、乘page30、转置page30、逆page31知道怎么回事 2.最小二乘法P39-P41定义最小二乘解 3.第三节没有听，求听课学霸补充 第三章、数据的分析方法和参数的统计推断 1.数据的分析方法算数平均、加权算数平均、几何平均、移动平均 1几种分析方法的定义 2几中分析方法的不同 3每种分析方法的具体作用 4移动平均法中k的选择 5指数平滑法的意义，的选择，P55 2.t分布的概率密度函数 3.矩估计法定义 4.几大似然估计法P65，例题3.7例题3.8 5.贝叶斯估计和极大微小估计应当是只看一下概念就可以了 6.假设检验 1基本思想P75 2双边假设检验 3单边假设检验 4参数检验P80 7.方差分析的思想、作用和模型 第四章、一元线性回来计算题 回来方程的求法，显著性检验，经济说明各参数的说明，不显著的说明 第六章、虚拟变量的回来模型 1.虚拟变量的作用及模型 2.应用虚拟变量变更回来直线的截距、斜率 3.对稳定性的检验 其次篇：2023计量经济学复习要点 2023年计量经济学课程要点归纳 1.十大经典假设的证明关于两变量模型的性质检验 2.BLUE估计量的证明 3.自相关检验方法检验方法确定要记住 4.异方差检验方法至少三种 5.孙老师讲过的附录要留意 6.异方差与自相关的补救措施 7.违背十大经典假设状况下的问题怎么解决如多重共线性，异方差，自相关问题，虚拟变量的估计 注：以上重点均是供应参考，不做考试说明 计量考察的重点是对计量模型的建立与估算，结果评价与补救思路的考察，没有大量的数学计算，请同学们放心！ 建议大家根据参考要点确定进度，并根据孙老师上课的重点确定自己的复习范围！ 盼望同学们认真复习，考出好成果！ 王琳 第三篇：计量经济学复习笔记 计量经济学复习笔记 CH1导论 1、计量经济学： 以经济理论和经济数据的事实为根据，运用数学、统计学的方法，通过建立数学模型来探讨经济数量关系和规律的一门经济学科。探讨主体是经济现象及其进展转变的规律。 2、运用计量分析探讨步骤： 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牢靠性 模型应用做经济分析和经济意料 3、模型 变量:说明变量:表示被说明变量变动缘由的变量，也称自变量，回来元。 被说明变量:表示分析探讨的对象，变动结果的变量，也成应变量。 内生变量:其数值由模型所确定的变量，是模型求解的结果。 外生变量:其数值由模型意外确定的变量。 外生变量数值的转变能够影响内生变量的转变，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，不受本模型探讨范围的内生变量的影响，但能够影响我们所探讨的本期的内生变量。 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：依据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 一样：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 意料检验：将模型意料的结果与经济运行的实际对比 CH2 CH3 线性回来模型 模型假设估计参数检验拟合优度意料 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=EYi|Xi+ui EYi|Xi=f(Xi)=1+2lnXi 引入随机扰动项，3古典假设 A零均值假定 Eui|Xi=0 B同方差假定 Var(ui|Xi)=E(ui2)=2 C无自相关假定 Cov(ui,uj)=0 D随机扰动项与说明变量不相关假定 Cov(ui,Xi)=0 E正态性假定uiN(0,2) F无多重共线性假定Rank(X)=k2、估计 在古典假设下，经典框架，可以运用OLS 方法：OLS 找寻min ei2 1ols = (Y均值)-2(X均值) 2ols = xiyi/xi23、性质 OLS回来线性质数值性质 1回来线通过样本均值 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被说明变量估计值Yi与剩余项ei不相关 Cov(Yi,ei)=0 5说明变量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 最正确线性无偏估计 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/SE2N0,1 在方差已知，样本充分大用Z检验 拒绝域在两侧，跟临界值推断，是否2显著不为0 (2)t 检验回来系数的假设性检验 方差未知，用方差估计量代替 2=ei2/(n-k) 重点记忆 t =2-2/SE2tn-2 拒绝域：|t|>=t2/a(n-2) 拒绝，认为对应说明变量对被说明变量有显著影响。 P值是尚不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 拒绝 (3)F检验回来方程显著性检验，检验整个模型 原假设Ho:2=3=4=0 多元，依次写下去 F=/Fk-1,n-k 统计量F听从自由度为k-1和n-k的F分布 F> Fak-1,n-k (说明F越大越好) 拒绝：说明回来方程显著，即列入模型的各个说明变量联合起来对被说明变量有显著影响一元回来下，F与t检验一样，且 F=t25、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，样本观测值的函数，随机变量 对其说明：R2=0.95,表示拟合优度比较高，变量95%的转变可以用此模型说明，只有5%不精确 (2)修正的可决系数 adjusted R2=1-(1- R2(n-1)/(n-k) adjusted R2取值 计算出负值时，规定为0 k=1时，adjusted R2= R2 3F与可决系数 F=* 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； 区分：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，可决系数是模糊推断 6、意料 平均值意料和个别值意料 A意料不仅存在抽样波动引起的误差，还要受随机扰动项的影响。个别值意料比平均值意料的方差大。 个别值意料区间也大于平均值意料区间。 B 对平均值和个别值意料区间都不是常数。 Xf趋近X均值，意料精度增加，意料区间最窄 C 意料区间和样本容量N有关，样本容量越大，意料误差方差越小，意料区间越窄。样本容量趋于无穷个别值的意料误差只确定于随机扰动项的方差。 CH4多重共线性 后果/缘由如何检验如何修正 1、后果/缘由 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 不行逆 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,说明变量间不存在完全或不完全的线性关系 X是满秩矩阵 可逆 Rank(X)=k Rank(XX)=k 从而XX可逆XX-1存在3多重共线缘由 经济变量之间具有共同转变趋势 模型中包含滞后变量 运用截面数据建立模型 样本数据自身缘由 4后果 存在多重共线性时，OLS估计式照旧是BLUE最正确线性无偏估计 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，但接受OLS估计 后，方差仍最小 不影响一样性 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 反过来不愿定 系数比较高，则可认为存在着较严峻的多重共线性 2直观推断 综合推断法 参数联合显著性很高通过F检验但个别重要说明变量存在异样，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 VIF>10 严峻多重共线 Rj2是多个说明变量帮助回来确定多重可决系数 4逐步回来也是修正方法 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，假如出现重要说明变量的多重共线性，可以考虑扩大样本容量 CH5 异方差 缘由、后果检验修正WLS 异方差：被说明变量观测值的分散程度是随说明变量的转变而转变的。 Var(ui|Xi)=E(ui2)=i2=2f(Xi) 1、缘由后果 1 产生缘由 A 模型设定误差 B 测量误差的转变 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估计照旧具有无偏性无偏性仅依靠零均值假定，说明变量的非随机性 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，区间意料会受影响，不显著的也有可能变显著 C 不满意有效性，则也会影响一样性 2、检验(要知道推断时原假设和备择假设；检验命题统计量；帮助回来函数形式；适用条件) 原假设：同方差 备择假设：异方差 1 图示：简洁易操作，但推断比较粗糙 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，其余假定要满意 B 对说明变量大小排序 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听从卡方分布，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 可推断是否存在异方差，不能确定是哪个变量引起 3 White A 大样本，丢失较多自由度 B 做残差对常数项、说明变量、说明变量平方及其交叉乘积等所构成的帮助回来 ei2 C 计算统计量nR2，n为样本容量，R2为帮助回来的可决系数 D 统计量听从卡方分布 nR2>卡方a(df) 拒绝原假设，说明模型存在异方差 E 不仅能够检验异方差，还能推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.做帮助回来et2et-12et-p2 C 计算帮助回来可决系数R2，统计量(n-p) R2 p是ARCH过程的阶数 D 统计量听从卡方分布 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，说明模型存在异方差 E 能推断是否存在异方差，但不能诊断是哪一个变量引起的5 Glejser 可以忽视。 要求大样本 3、修正 1 对模型 变换，取对数，但不能消退，只能减轻后果 2 WLS 不考计算，主要驾驭思想 使残差平方和最小，在存在异方差时，方差越小的应约重视，确定回来线作用越大，反之同理。在拟合时应对较小的残差平方赐予较大的权数，对较大的残差平方赐予较小的权数。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 = ui/根号下f(Xi) 已是同方差 Var(u)= i2/f(Xi)= 2 CH6 自相关 缘由/后果检验DW是唯一方法修正从广义差分动身 自相关：序列相关总体回来模型的随机误差项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 -1 一阶线性自相关 1、缘由 从时间序列动身考虑 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应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，可以变更模型而消退 2、后果 1违背古典假定，接着适用OLS估计参数，会产生严峻后果，和异方差情形类似 2影响有效性，一样性；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检验均不行靠，区间意料精度降低，置信区间不行靠。 3、检验 DW是唯一方法 1前提条件 A 说明变量X为非随机 B 随机误差项为一阶自回来形式 C 线性模型的说明变量中不包含之后的被说明变量 D 截距项不为零，只适用于有常数项的回来模型 E 数据序列无缺失项 2表达式 DW= (et-et-1)2/et2 DW约= 21-p |p| h/2,拒绝原假设,说明自回来模型存在一阶自相关 D运用条件：针对大样本；可以适用随便阶的自回来模型 CH11 联立方程组模型 建立识别估计 1、概念及模型 1 联立方程模型：用若干个互相关联的单一方程，同时去表示一个经济系统中经济变量互相联立依存性的模型，即用一个联立方程组去表现多个变量间互为因果的联立关系。 2 变量类型 A内生变量：变量时由模型表达的经济系统本身所确定的，随机变量。 B外生变量：在模型表达的经济系统之外给定的，非随机变量。 C前定变量：模型中滞后内生变量或更大范围的内生变量和外生变量统称。 D：区分 单一方程中：前定变量一般作为说明变量；内生变量作为被说明变量。 联立方程模型中：内生变量既可以做被说明变量，又可以做说明变量。 3 模型形式 A结构模型：根据经济行为理论或经济活动规律，描述经济变量之间现实的经济结构关系的模型。表现变量间干脆的经济联系，将某内生变量干脆表示为内生变量和前定变量的函数。 BY+TX=U B简化模型：每个内生变量都只被表示成前定变量及随机扰动项函数的联立方程组模型。在简化模型中的每个方程右端不再出现内生变量。 可以干脆做意料 Y=TX+V C特点和区分 结构：方程右端可能有内生变量；明确的经济意义；具有偏倚性不能干脆OLS；不能干脆用结够模型意料。 简化：右端不再出现内生变量，只有前定变量作为说明变量；前定变量与随机误差项不相关；参数反映前定变量对内生变量的干脆影响与间接影响，表现了影响乘数；可以干脆进行意料。 2、识别 1 类型：不行识别；恰好识别；过度识别。 不行识别：某个结构方程包含全部的变量，则确定不行以识别0系数限制 统计形式不唯一，不行识别 不能求出简化模型的参数，不行识别 每个方程都可以识别，联立方程模型才可以识别，不包含固定方程如：Y=I+C+G 2 识别方法 阶条件(必要条件) 秩条件(充要条件) 两种方法结合运用模型识别一般步骤： 定义： K、M：模型中前定、内生变量的个数；k、m：某方程中前定、内生变量个数； A 先用阶条件判别，假如不行识别则可做结论 判别：K-km-1 说明模型过度识别 模型估计 1 递归模型：OLS 2 恰好识别方程：ILS间接最小二乘 A思想：先用OLS估计简化型参数，再利用简化方程和结构方程关系求解结构型参数。 单一方程估计法，对每个方程参数逐一估计 B 统计性质：简化型参数是一样估计 小样本时，结构型参数的估计量是有偏的渐进无偏； 大样本时，结构型参数的估计量是一样性渐进有效； C 假定：结构型模型恰好识别；每个方程满意基本假定；简化模型中不存在多重共线性。 3 恰好、过度识别方程：TSLS两阶段最小二乘 A思想：用OLS估计简化方程参数，用估计值替代结构方程中作为说明变量的内生变量，再用OLS估计结构方程参数。单一方程估计法，对每个方程参数逐一估计 B 统计性质：简化型参数是一样估计 小样本时，TSLS的估计量是有偏的渐进无偏； 大样本时，TSLS的估计量是一样性渐进有效； C假定：结构方程可以识别；随机误差项满意基本假定；不存在严峻的多重共线，与随机误差项不相关；样本容量足够大；第一段可决系数低的话，说明很大程度受随机重量确定，TSLS估计将无意义。 4 系统估计法 从参数估计统计性质上优于单一方程估计法；从方法困难性和可操作性看，要麻烦。 第四篇：计量经济学期末复习总结 第一章 导论 *1计量经济学：是以经济理论和经济数据的事实为根据，运用数学、统计学的方法，通过建立数学模型来探讨经济数量关系和规律的一门经济学科。 *2计量经济学与经济理论、数学、统计学的联系和区分是什么？ 计量经济学是经济理论、数学、统计学的结合，是经济学、数学、统计学的交叉学科或边缘学科。* 3、计量经济学的探讨步骤： 1确定变量和数学关系式模型假定；2分析变量间具体数量关系估计参数；3检验所得结论的牢靠性模型检验；4作经济分析和经济意料模型应用 *4计量经济学中常用的数据类型： 根据生成过程和结构方面的差异，可分为： 1时间序列数据：把反映某一总体特征的同一指标的数据，依据确定的时间依次和时间间隔排列起来构成的数据。 2截面数据：同一时间时期或时点某个指标在不同空间的观测数据。3面板数据：指时间序列数据和截面数据相结合的数据。 4虚拟变量数据：人为构造的虚拟变量数据，通常以1表示某种状态发生，以0表示某种状态不发生。 5计量经济学模型的检验包括哪几个方面？为什么要进行模型的检验？ 经济意义阅历、统计推断检验、计量经济学检验、模型意料检验四个方面。6 从变量的因果关系上，可分为被说明变量和说明变量。 根据变量的性质，可分为内生变量和外生变量是 9计量经济学模型中包含的变量之间的关系主要有哪些？ 主要是说明变量与被说明变量之间的因果关系，包括单向因果关系、互相影响关系、恒等关系。 其次章 一元线性回来模型 1什么是相关分析？什么是回来分析？相关分析与回来分析的关系如何？ 相关分析是探讨变量之间的相关关系的形式和程度的一种统计分析方法，主要通过绘制变量之间关系的散点图和计算变量之间的相关系数进行。 回来分析是探讨不仅存在相关关系而且存在因果关系的变量之间的依存关系的一种分析理论与方法，是计量经济学的方法论基础。 相关分析与回来分析既有联系又有区分。联系在于：相关分析与回来分析都是对存在相关关系的变量的统计相关关系的探讨，都能测度线性相关程度的大小，都能推断线性相关关系是正相关还是负相关。区分在于：相关分析仅仅是从统计数据上测度变量之间的相关程度，不考虑两者之间是否存在因果关系，因此变量的地位在相关分析中是对等的；回来分析是对变量之间的因果关系的分析，变量的地位是不对等的，有被说明变量和说明变量之分。3回来线与回来函数： 总体回来线：给定说明变量条件下被说明变量的期望轨迹称为总体回来曲线或总体回来线。总体回来函数：将总体被说明变量Y的样本条期望值E(Yi|Xi)表现为说明变量X的某种函数。总体回来模型：引入了随机误差项，称为总体回来函数的随机设定形式，也是因为引入了随机误差项，成为计量经济学模型，称为总体回来模型 样本回来模型：根据样本数据对总体回来函数作出的估计称为样本回来函数。引入样本回来函数中的代表各种随机因素影响的随机变量，称为样本回来模型。 *4为什么要对模型提出假设？线性回来模型的基本假设有哪些？ 线性回来模型的参数估计方法很多，但估计方法都是建立在确定的假设前提之下的，只有满意假设，才能保证参数估计结果的牢靠性。 Page 1 of 6 简洁线性回来的基本假定：包括两个方面：一是对变量和模型的假定；二是对随机扰动项ui统计分布的假定。 其中对随机扰动项ui的假定有： 1ui的期望为0，即E(ui)=0；2的方差为一常数，即Var(ui)=s2； 3ui与uj互相独立，即Cov(ui,uj)=0,i¹j ； 4随机误差项ui与自变量Xj不相关，即Cov(Xj,ui)=0,i¹j； 5ui听从正态分布 这5条假设中的前4条是线性回来模型的古典假设，也称为高斯假设，满意古典假设的线性回来模型称为古典线性回来模型。 5、相关系数的计算：rXY=nåXiYi-åXiåYinåXi2-(åXi)2nåYi2-(åYi)2 6、模型引进随机扰动项的缘由？ 1作为未知因素的代表；2作为无法取得数据的已知因素的代表；3作为众多细小影响因素的综合代表；4模型的设定误差；5变量的观测误差；6经济现象的内在随机性 7参数的一般最小二乘估计法和基本思想各是什么？ 基本思想是使样本回来函数尽可能好地拟合样本数据，反映在图上，就是要使样本散点偏离样本回来直线的距离总体上最小。 最小二乘法以剩余平方和表示被说明变量的估计值与实际视察值的偏差总体上最小，称为最小二乘准则。 * 8、OLS回来线的性质？ X，Y1样本回来线过样本均值点，即样本回来线必过点。 2估计值YiYå的均值ni 等于实际值Yi的均值Y； -3剩余项ei的均值为零，即åei=1ni=0； 4被说明变量估计值Yi与剩余项ei不相关；5说明变量Xi与剩余项ei不相关； * 9、参数估计量的评价标准：1无偏性；2有效性；3一样性 * 10、OLS估计量的统计特性？1线性性；2无偏性；3有效性 11什么是拟合优度？什么是拟合优度检验？拟合优度通过什么指标度量？为什么残差平方和不能作为拟合优度的度量指标？ 拟合优度：指样本回来线对样本观测数据拟合的优劣程度，拟合优度检验就是检验样本回来线对样本数据拟合的精确程度。 样本残差平方和是一个可用来描述模型拟合效果的指标，残差平方和越大，说明拟合效果越差；残差平方和越小，说明拟合效果越好。但残差平方和是一个确定指标，不具有横向可比性，不能作为度量拟合优度的统计量。 Page 2 of 6 ESSR=TSS2å(Y-Y)å(Y-Y)-i-22RSSåei =1-=1-TSSåyi22与残差平方和不同，可决系数R2是一个相对指标，具有横向可比性，因此可以用作拟合优度检验。 12、OLS估计分布的性质： b1XåN(b,nåx12i2i)b2N(b2,s2 Üs=22eåiåxi2)n-2 * 13、高斯-马尔可夫定理：在古典假定条件下，OLS估计量b1和b2是总体参数b1和b2的最正确线性无偏估计量。 14、一元线性回来的检验： 1经济检验，就是检验估计出来的参数的符号、大小是否与经济理论和实际阅历相符合，即是否具有经济意义； 2统计检验，对回来参数的检验t检验回来方程的拟合优度，判定系数R2；对回来方程的显著性检验F检验； 3经济计量检验，随机误差项ui的序列相关检验DW检验 15、意料：Y的平均值的点意料与区间意料： Y的平均值的点意料与区间意料： -Yf-tas21(Xf-X)+，Yf+tas2nxåi2221(Xf-X)+ 2nxåi第三章 多元线性模型 * 1、偏回来系数：表示在限制其他说明变量不变的状况下，其中一个说明变量单位变动对被说明变量的平均值的影响，这样的回来系数被称为偏回来系数。*2多元线性回来模型的基本假设： 1零均值假定，假定随机扰动项的期望或均值为02同方差和无自相关假定；3随机扰动项与说明变量不相关假定；4无多重共线性假定 * 3、参数最小二乘的性质：1线性性质；2无偏性；3有效性。* 4、随机扰动项方差的估计：s* 5、修正的可决系数： 在样本容量不变时，随着模型中说明变量的增加，总离差平方和不会变更，而说明变量的平方和可 2åe=2in-k 能增大，多重可决系数的值可能会变大。 Page 3 of 6 ei2n-1åR=1-=1-2n-kå(Yi-Y)/(n-1)å(Yi-Y)2 -n-1R2=1-(1-R2)n-k-22iåe/(n-k)* 6、回来方程的F检验： F=ESS/(k-1F(k-1,n-k) TSS/(n-k)在一元回来的情形下，对参数b2的显著性检验t检验与对回来整体上的显著性检验F检验是等价的。对方程联合显著性 检验的F检验，事实上也是对R2的显著性检验。 第四章 多重共线性 1、多重共线基本概念： 多重共线性：说明变量之间存在线性关系 一般形式：完全共线和近似多重共线。 完全的多重共线性：若果存在不全为0的数l1,l2lk，使得l1+l2X2i+l3X3i+lkXki=0，则称说明变量X1,X2,，Xk完全的多重共线性 * 2、产生缘由 1经济变量之间具有共同转变趋势；2模型中包含滞后项；3利用截面数据建立模型也可能出现多重共线性；4样本数据自身的缘由 * 3、完全多重共线后果： 1参数的估计值不确定；2参数估计值的方差无限大 * 4、不完全多重共线的后果： 1参数估计值的方差与协方差无限大；2对参数进行区间估计时，置信区间趋于变大；3严峻多重共线性时，假设检验简洁做出错误的推断；4当多重共线性严峻时，可能造成可决系数较高，经F检验的参数联合性显著性也较高，但对各个参数单独的t检验可能不显著，甚至可能使估计的回来参数符号相反，得出完全相反的结论。 5、多重共线性的检验： 1简洁相关系数检验法：大于0.8，则存在共线问题。 2方差膨胀因子法：VIF=1VIF大于10，就认为存在严峻多重共线性。1-R2j3直观推断法；4逐步回来检测法 * 6、多重共线性的补救措施： 1阅历方法：剔除变量法；增大样本容量；变换模型形式(差分)；利用非样本先验信息；横截面数据与时序数据并用；变量变换(计算相对指标；将名义数据转换为实际数据；将小类指标合并为大类指标；将总量指标进行对数变换)。 2逐步回来 补充：t检验与F检验结果相冲突可能是由于多重共线性造成的。根据阅历，假如一个变量的值在样本期间没有很大的转变，则它对被说明变量的影响就不能很好地被度量。 Page 4 of 6 多重共线性往往表现的是说明变量间的样本相关现象，在不存在完全共线性的状况下，近似共线并不意味着基本假定的任何变更，所以OLS估计量的无偏性、一样性和有效性照旧成立，但共线性会导致参数估计值的方差大于不存在多重共线性的状况。 3岭回来 第五章 异方差 1、异方差：指被说明变量观测值的分散程度是随说明变量的转变而转变的。进一步可以把异方差看成是由于某个说明变量的转变引起的。 2、产生缘由：1模型设定误差；2测量误差的转变；3截面数据中总体各单位的差异。 3、异方差后果： 1对参数估计式的统计特性的影响：参数的OLS估计照旧具有无偏但非有效；参数OLS估计式的方差不再是最小； 2对模型假设检验的影响：只要存在异方差性，在古典假定下用来检验假设的统计量可能不再成立。 3对意料的影响：尽管参数的OLS估计量仍