2022年计量经济学期末复习总结.docx

《2022年计量经济学期末复习总结.docx》由会员分享，可在线阅读，更多相关《2022年计量经济学期末复习总结.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选学习资料 - - - - - - - - - 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依据,运用数学、统计学的方法,通过建立数学模型来讨论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 、计量经济学的讨论步骤：（1）确定变量和数学关系式模型假定；（2）分析变量间详细数量关系估量参数；（3）检验所得结论的牢靠性模型检验；（4）作经济分析和经济猜测模型应用*4 计量经济学中常用的数据类型：依据 （生成过程） 和（结构方面） 的差异,可

2、分为：（1）时间序列数据：把反映某一总体特点的同一指标的数据,依据肯定的时间次序和时间间隔排列起 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？经济意义体会、统计推断检验、计量经济学检验、模型猜测检验四个方面；6 从变量的因果关系上,可分为被说明变量和说明变量；依据变量的性质,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

3、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、相互影响关系、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？相关分析是讨论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 系的散点图和运算变量之间的相关系数进行；回来分析是讨论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讨论,都能测度线性相关程度的大小,都能判定线性相关关系是正相关仍是负相关；区

4、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,因而变量的位置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,变量的位置是不对 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EYi|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,也是由于引入了随机误差 项,成为计量经济学模型,称为总体回来模型 样本回来模型： 依据样本数据对总体回来函数作出的估量称

5、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量方法许多,但估量方法都是建立在肯定的假设前提之下的,只有满意假设,才能保证参数估量结果的牢靠性；名师归纳总结 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iu 统计分第 1 页,共 6 页- - - - - - -精选学习资料 - - - - - - - - - 布的假定；其中对随机扰动项 iu 的假定有：（1）iu 的期望为 0,即 E u i 0；2（2）的方差为一常数,即 Var u i

6、 ；（3）iu 与 u 相互独立,即 Cov u u j 0, i j；（4）随机误差项 iu 与自变量 X 不相关,即 Cov X j , u i 0, i j ；（5）iu 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、相关系数的运算：r XYnXnX Y ii2XiYYiY i22Xn2i6、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

7、参数的一般最小二乘估量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归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量值与实际观看值的偏差总体上最小,称为最小二乘准就；*8 、OLS 回来线的性质？（1）样本回来线过样本均值点,即样本回来线必过点（X,Y）；-Y ；（2）估量值 Y 的均值Yi等于实际值iY 的均值n（3）剩余项ie 的均值为零,即ne i0；（4）被说明变量估量值 i 1Y 与剩余项ie 不相关；（5）说明变量X 与剩余项ie 不相关；*9 、参数估量量的评判标准： （ 1）无偏性；（2）有效性；（

8、3）一样性*10、OLS 估量量的统计特性？（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成效的指标,残差平方和越大,说明拟合成效越差；残差平方和越小,说明拟合成效越好；但残差平方和是一个肯定指标,不具有横向可比性,不能作为度量拟合优度的统计量；名师归纳总结 2 RESS= YY21RSS12 e i第 2 页,共 6 页YY22 y iTSST

9、SS- - - - - - -精选学习资料 - - - - - - - - - 与残差平方和不同,可决系数 12、OLS 估量分布的性质：2 R 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；1N1,nX2 i22 ieOLS 估量量1和2是总体参数1和2的正确线性无2 x i2N2,2n22 x i在古典假定条件下,* 13、高斯 -马尔可夫定理：偏估量量；14、一元线性回来的检验：（1）经济检验,就是检验估量出来的参数的符号、大小是否与经济理论和实际体会相符合,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 R ；对回来 2方程的

10、显著性检验（F 检验）；（3）经济计量检验,随机误差项 iu 的序列相关检验DW 检验15、猜测： Y 的平均值的点猜测与区间猜测：Y 的平均值的点猜测与区间猜测：（ Y ft21XfX2,Y f+ t21XfX2）n2 x in2 x第三章多元线性模型*1 、偏回来系数：表示在掌握其他说明变量不变的情形下,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 0 （2）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：

11、 （1）线性性质；（2）无偏性；（3）有效性；*4 、随机扰动项方差的估量：2n2 iek*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,总离差平方和不会转变,而说明变量的平方和可能增大,多重可决系数的值可能会变大；名师归纳总结 2 R12 e i/ nk11n1 Y i2 e2第 3 页,共 6 页Y2 / nY nkY2 R1 12 Rn1nk*6 、回来方程的F 检验：- - - - - - -精选学习资料 - - - - - - - - - FESS/ k1 k F k1,nkTSS/ n在一元回来的情形下,对参数 2的显著性检验 （t 检验） 与对回来整体上的显著

12、性检验（ F 检验）是等价的；对方程联合显著性 检验的 F 检验,实际上也是对 R 的显著性检验；2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： 如果存在不全为0 的数1,2 k,使得12X2i3X3i +kXki0,就称说明变量X1,X2, ,X k完全的多重共线性*2 、产生缘由（1）经济变量之间具有共同变化趋势；（ 2）模型中包含滞后项； （3）利用截面数据建立模型也可能显现多重共线性； （4）样本数据自身的缘由*3 、完全多重共线后果：（1）参数的估量值不确定； （2）参数估量值的方差无限大*4 、不

13、完全多重共线的后果：（1）参数估量值的方差与协方差无限大；（2）对参数进行区间估量时,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判定； （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,甚至可能使估量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,就存在共线问题；）（2）方差膨胀因子法：VIF11 2 R j（VIF 大于 10,就认为存在严峻多重共线性；（3）直观判定法；（ 4）逐步回来检测法*6 、多重共线性的补救措施：（1）体会方法：

14、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 运算相对指标； 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；依据体会,假如一个变量的值在样本期间没有很大的变化,就它对被说明变量的影响就不能很好地被度量；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情形下,近似共线并不意味着基本假定的任何转变,所以OLS 估量量的无偏性、一样性和有效性仍旧成立,但共线性会导致参数估量值的方差大于不存在多重共线性的情形；

15、（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变化而变化的；进一步可以把异方差看成名师归纳总结 - - - - - - -第 4 页,共 6 页精选学习资料 - - - - - - - - - 是由于某个说明变量的变化引起的；2、产生缘由：（1）模型设定误差； （2）测量误差的变化； （3）截面数据中总体各单位的差异；3、异方差后果：（1）对参数估量式的统计特性的影响：参数的 OLS 估量仍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：成立；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（3）对猜测的影响：

16、尽管参数的 OLS 估量量仍是无偏,并且基于此的猜测也是无偏的,但会由于参数估量量不是有效的,从而对 Y 的猜测也将不是有效的4、异方差检验：（1）图示检验法（2）Goldfeld-Quandt 检验适用条件： 只适用于大样本；除了同方差假定不满意外,其他假定都满意；步骤： 排序；将在中间的c 个观测值去掉,再分成两部分；提出假设,原假设：同方差；构造 F 统计量,后一部分的残差平方和除以前一部分的；（3）White 检验 对 Y 和全部说明变量 X 进行 OLS 回来； 将得到的残差平方 2.ie 作为被说明变量,对其他说明变量进行帮助回来； 依据得到的可决系数运算 nR 值 2 依据显著性

17、水平, 确定临界值, 判定 nR 是否大于临界值； 假如 2nR 大于临界值, 就存在异方差；2*5 、异方差的 补救措施：（1）对模型进行变换； （2）加权最小二乘 当存在异方差时,方差越小,其样本值偏离均值的程度越小,其观测值应受到重视；即方差越小,在确定回来线时的作用应越大,赐予的权重越大 ；（3）模型的对数变换；第六章 自相关*1 、自相关： 又称序列相关,是指总体回来模型的随机误差项 *2 、产生缘由iu 之间存在相关关系（1）经济系统的惯性； （ 2）经济活动的滞后效应； （3）数据处理造成的相关； （4）蛛网现象； （5）模 型设定偏误；自相关主要存在于时间序列数据中,但横截面数

18、据中也可能会显现,此时称为空间相关；*3 、自相关后果：（1）一阶自相关形式时：差假定；（2）对参数估量的影响：在iu 为一阶自回来形式的自相关时随机误差项tu 依旧满意零均值、同方当随机误差项tu 存在自相关时, 2依旧是无偏的,即E22；因为一般最小二乘无偏性的证明中并不要求tu 满意无自相关的假定；当存在自相关时,一般最小二乘估量量不再是正确线性无偏估量量,即它在线性无偏估量量中不是方差最小的；（会导致低估真实的方差）；（3）对模型检验的影响：当存在自相关时,会低估真实的方差,更会低估参数估量值的方差,从而过高估量 t 统计量的值,会夸大所估量参数的显著性,对原先本不重要的说明变量可能误

19、认为重要而保留；类似的,使得 F 检验也是不行靠的；（4）对模型猜测的影响：在自相关情形下,j方差的最小二乘估量变得不行靠,因此必定加大抽名师归纳总结 - - - - - - -第 5 页,共 6 页精选学习资料 - - - - - - - - - 样误差,猜测精度降低；*4 、自相关的检验（1）图示法（绘制te1与te 的散点图）（2）杜宾 -沃森检验（ DW 检验）条件：a.说明变量是非随机的；b.随机误差项是一阶自回来形式；c.截距项不为零； d.回来模型不包含滞后的被说明变量,即说明变量中不能显现 tY 1；e.没有缺失数据； 原假设：t不存在一阶自相关 统计量 判定：（3）BG 检验（ LM 检验或拉格朗日乘子检验）5、自相关的补救：广义差分法名师归纳总结 自相关系数的确定：依据DW 统计量；科克伦-奥科特迭代法；德宾两步法第 6 页,共 6 页- - - - - - -