计量经济学重点知识整理
1一般性定义
计量经济学是以经济理论和经济数据的事实为依据，运用数学和统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
研究的主体（出发点、归宿、核心）：
经济现象及数量变化规律
研究的工具（手段）：
模型数学和统计方法
必须明确：
方法手段要服从研究对象的本质特征（与数学不同）,方法是为经济问题服务
2注意：计量经济研究的三个方面
理论：即说明所研究对象经济行为的经济理论——计量经济研究的基础
数据：对所研究对象经济行为观测所得到的信息——计量经济研究的原料或依据
方法：模型的方法与估计、检验、分析的方法——计量经济研究的工具与手段
三者缺一不可
3计量经济学的学科类型
●理论计量经济学
研究经济计量的理论和方法
●应用计量经济学：应用计量经济方法研究某些领域的具体经济问题
4区别：
●经济理论重在定性分析,并不对经济关系提供数量上的具体度量
●计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容
5计量经济学与经济统计学的关系
联系：
●经济统计侧重于对社会经济现象的描述性计量
●经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据
●经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据
6计量经济学与数理统计学的关系
联系：
●数理统计学是计量经济学的方法论基础
区别：
●数理统计学是在标准假定条件下抽象地研究一
般的随机变量的统计规律性；
●计量经济学是从经济模型出发，研究模型参数
的估计和推断，参数有特定的经济意义，标准
假定条件经常不能满足，需要建立一些专门的
经济计量方法
3、计量经济学的特点：
计量经济学的一个重要特点是：它自身并没有固定的经济理论，而是根据其它经济理论，应用计量经济方法将这些理论数量化。
4、计量经济学为什么是一门单独的学科
计量经济学是经济理论、数理经济、经济统计与数理统计的混合物。
1、经济理论所作的陈述或假说大多数是定性性质的，计量经济学对大多数经济理论赋予经验内容。
2、经济统计学的问题主要是收集、加工并通过图或表的形式以展现经济数据，他们不考虑怎样用所收集的数据来检验经济理论。
3、虽然数理统计学提供了这一行业中使用的许多工具，但由于大多数经济数据的独特性，计量经济学家常常需要有特殊的方法。
§2、计量经济学的方法论
1、用计量经济学来分析问题的一般方法;
（1）理论或假说的陈述
（2）理论的数学模型的设定
（3）理论的计量模型的设定
（4）获取数据
（5）计量经济模型的参数估计
（6）模型检验（假设检验）
（7）模型的应用：A、预报或预测B、利用模型进行控制或制定政策
2、应用举例（消费函数）：
（1）理论或假说的陈述：
凯恩斯认为：随着收入的增加，消费也会增加，但是消费的增加不及收入增加的多。即边际消费倾向递减。
（2）理论的数学模型设定：Y = a + bX
其中y为消费支出，x为收入，ａｂ为模型的参数，分别代表截距和斜率系数。斜率系数ｂ就是消费边际倾向MPC的度量。
其中左边的Y称为应变量，方程右边的X称为自变量或解释变量。
该方程表明消费和收入之间存在准确的一一对应关系。
（3）计量模型的设定：
考虑到经济变量间的非准确关系，则消费函数的计量模型可以设定为: Y = a + Bx + μ其中μ被称为干扰项，或误差项，是一个随机变量，它有良好定义的概率性质。
μ是从模型中省略下来的而又集体影响着Y的全部变量的替代物（就是除了收入外，其它可能影响消费的所有因素）。
（4）数据的获得
各种统计年鉴，企业报表和相关职能部门公布的统计数据。（该例中我们可以通过中国统计年鉴获取相关数据）
（5）参数估计（利用各种统计或计量软件来进行如：Eviews）
以美国1980-1991年的数据，通过Eviews5.0的计算，
我们可得如下消费函数方程：y＝-231.8 + 0.7196
其中ａ＝-231.8 ｂ＝0.7196
它表明在1980-1991年间，实际收入每增加一元，美国人的平均消费增加0.72元。（6）模型检验（假设检验）
A、对理论或假说的检验
弗里德曼认为凡是不能通过经验数据检验（实证检验）的理论或假设，都不能作为科学
探索的一部分。
0 ＜0.7196＜1
B、对模型的检验
统计推断检验：模型的拟合优度检验、变量的显著性检验
计量经济学检验：平稳性、多重共线性、自相关、异方差等方面的检验、
（7）预报或预测
（8）利用模型进行控制或制定政策
4.计量经济学模型的应用
一、结构分析
经济学中的结构分析是对经济现象中变量之间相互关系的研究。
结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。
计量经济学模型的功能是揭示经济现象中变量之间的相互关系，即通过模型得到弹性、乘数等。
应用举例
二、经济预测
计量经济学模型作为一类经济数学模型，是从用于经济预测，特别是短期预测而发展起来的。计量经济学模型是以模拟历史、从已经发生的经济活动中找出变化规律为主要技术手段。对于非稳定发展的经济过程，对于缺乏规范行为理论的经济活动，计量经济学模型预测功能失效。
模型理论方法的发展以适应预测的需要。
三、政策评价
政策评价的重要性。
经济政策的不可试验性。
计量经济学模型的“经济政策实验室”功能。
四、理论检验与发展
实践是检验真理的唯一标准。
任何经济学理论，只有当它成功地解释了过去，才能为人们所接受。
计量经济学模型提供了一种检验经济理论的好方法。
对理论假设的检验可以发现和发展理论。
§3 变量数据参数与模型
1、计量经济模型中的变量
（1）从变量的因果关系分：
自变量因（应）变量
解释变量被解释变量
（2）从变量的性质分
内生变量：模型求解的结果
外生变量：
2、计量经济学中应用的数据
（1）时间序列数据
（2）截面数据
（3）混合数据
（4）虚拟变量数据：一些定性的事实，不能直接用一般的数据去计量。
3、参数及其估计准则
（1）无偏性
（2）最小方差性（最优无偏估计） （3）一致性
4、计量模型的基本函数形式 （1）线性模型
（2）非线性模型（可变为线性形式的非线性模型） 双对数模型 半对数模型 倒数变换模型
第二章 一元回归模型概述 回归分析的性质
回归分析的一些基本概念 对线性的几点说明
§2.1 回归分析的性质
一、变量间的关系及回归分析的基本概念 1、变量间的关系
经济变量之间的关系，大体可分为两类：
（1）确定性关系或函数关系：研究的是确定现象非随机变量间的关系。 （2）统计依赖或相关关系：研究的是非确定现象随机变量间的关系。（以一定的统计规律呈现出来的关系） 例如：
函数关系：
统计依赖关系/统计相关关系：
▲注意：
①不线性相关并不意味着不相关；
②有相关关系并不意味着一定有因果关系；
③回归分析/相关分析研究一个变量对另一个（些）变量的统计依赖关系，但它们并不意味着一定有因果关系。
④相关分析对称地对待任何（两个）变量，两个变量都被看作是随机的。回归分析对变量的处理方法存在不对称性，即区分应变量（被解释变量）和自变量（解释变量）：前者是随机变量，后者不是。 回归与因果关系
虽然回归分析研究一个变量对另一（些）变量的依赖关系，但它并不意味着因果关系。Kendall 和Stuart 认为一个统计关系式不管多么强，也不管多么有启发性，却永远不能确立因果方面的联系，对因果关系方面的理念必须来自统计学之外，最终来自这种或那种理论。
从逻辑上说，统计关系式本身不可能意味着任何因果关系。要谈因果关系，必须诉诸先验或理论上的思考。
§2.2回归分析的基本思想：
正相关
线性相关 不相关 相关系数：
统计依赖关系 负相关 11≤≤-XY ρ 有因果关系 正相关 无因果关系 非线性相关 不相关
负相关
()2,半径半径圆面积?==ππf ()
施肥量阳光降雨量气温农作物产量,,,f =
一、利用样本来推断总体
1、总回归函数（PRF）
2、样本回归函数（SRF）
3、样本回归函数对总回归函数的进行拟合：
（1）最小二乘法（OLS）
（2）最小二乘法的基本假定
（3）最小二乘估计的精度或标准误
（4）最小二乘估计量的性质
（5）拟合优度的度量
（6）区间估计或假设检验
4、利用回归方程进行分析、评价及预测。
二、回归分析的基本概念
1、回归分析(regression analysis)是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。
其用意：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。
这里：前一个变量被称为被解释变量或因变量对变量测量尺度的注解：分类尺度（名义尺度）、顺序尺度（序数尺度）、间隔尺度（区间尺度）、比率尺度（比率尺度）
三、总体回归函数
由于变量间关系的随机性，回归分析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有可能出现的对应值的平均值。
例2.1：一个假想的社区有100户家庭组成，要研究该社区每月家庭消费支出Y与每月家庭可支配收入X的关系。
即如果知道了家庭的月收入，能否预测该社区家庭的平均月消费支出水平。
为达到此目的，将该100户家庭划分为组内收入差不多的10组，以分析每一收入组的家庭消费支出。
分析：（1）由于不确定因素的影响，对同一收入水平X，不同家庭的消费支出不完全相同；（2）但由于调查的完备性，给定收入水平X的消费支出Y的分布是确定的，即以X的给定值为条件的Y的条件分布（Conditional distribution）是已知的，如：P(Y=561|X=800）=1/4。
因此，给定收入X的值Xi，可得消费支出Y的条件均值（conditional mean）或条件期望（conditional expectation）：E(Y|X=Xi)
该例中：E(Y | X=800)=561
描出散点图发现：随着收入的增加，消费“平均地说”也在增加，且Y的条件均值均落在一根正斜率的直线上。这条直线称为总体回归线。
概念：
在给定解释变量Xi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：
称为（双变量）总体回归函数。
含义：回归函数（PRF ）说明被解释变量Y 的平均状态（总体条件期望）随解释变量X 变化的规律。
函数形式：可以是线性或非线性的。
例2.1中，将居民消费支出看成是其可支配收入的线性函数时:
为一线性函数。其中，β0，β1是未知参数，称为回归系数（regression coefficients ）。 。 四、随机扰动项
总体回归函数说明在给定的收入水平Xi 下，该社区家庭平均的消费支出水平。 但对某一个别的家庭，其消费支出可能与该平均水平有偏差。 记：
称μi 为观察值Yi 围绕它的期望值E(Y|Xi)的离，是一个不可观测的随机变量，又称为随机干扰项或随机误差项。
例2.1中，个别家庭的消费支出为：
（*）
即，给定收入水平Xi ,个别家庭的支出可表示为两部分之和:
（1）该收入水平下所有家庭的平均消费支出E(Y|Xi)，称为系统性（systematic ）或确定性（deterministic)部分。
（2）其他随机或非确定性（nonsystematic)部分 i 。
(*)式称为总体回归函数PRF 的随机设定形式。表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。
由于方程中引入了随机项，成为计量经济学模型，因此也称为总体回归模型。 随机误差项主要包括下列因素的影响：
随机误差项是指从模型中省略下来的而又集体地影响着Y 的全部变量的替代物。 1）在解释变量中被忽略的因素的影响； 2）变量观测值的观测误差的影响； 3）其它随机因素的影响。
产生并设计随机误差项的主要原因：
1）理论的含糊性； 2）数据的欠缺（糟糕的替代变量） 3）核心变量与周边变量； 4） 节省原则；
5）人类行为的内在随机性；6）错误的函数形式； 35五、样本回归函数（SRF ） 问题：能从一次抽样中获得总体的近似的信息吗？如果可以，如何从抽样中获得总体的近似信息？
例2.2：在例2.1的总体中有如下一个样本，
总体的信息往往无法掌握，现实的情况只能是在一次观测中得到总体的一个样本。 问：能否从该样本估计总体回归函数PRF ？ 回答：能
)
()|(i i X f X Y E =i
i X X Y E 10)|(ββ+=)
|(i i i X Y E Y -=
μ
核样本的散点图（scatter diagram)：
样本散点图近似于一条直线，画一条直线以尽好
地拟合该散点图，由于样本取自总体，可以该线近似地代表总体回归线。该线称为样本回归线。
记样本回归线的函数形式为：
称为样本回归函数。
注意：这里将样本回归线看成总体回归线的近似替代
则 样本回归函数的随机形式/样本回归模型： 同样地，样本回归函数也有如下的随机形式：
由于方程中引入了随机项，成为计量经济模型，因此也称为样本回归模型。 ▼回归分析的主要目的：根据样本回归函数SRF ，估计总体回归函数PRF 。 即，根据
估计
i
i i X X f Y 10??)(?ββ+==i
i i i i e X Y Y ++=+=10????ββμ式中，i e 称为（样本）残差（或剩余）项（residual ），代表
了其他影响
i Y 的随机因素的集合，可看成是i μ的估计量i μ?。 i
i i i i e X e Y Y ++=+=10???ββi
i i i i X X Y E Y μββμ++=+=10)|(
注意：这里PRF 可能永远无法知道。
§2.3 对线性的几点说明 一、对变量之间关系为线性 二、对参数为线性
三、本身为非线性，但通过变形可以变为线性关系
经典回归分析主要考虑对参数是线性的形式，对变量之间的关系不作线性要求。 第三章 一元回归模型的参数估计 一、参数的普通最小二乘估计（OLS ） 二、最小二乘估计量的数值性质 三、一元线性回归模型的基本假设 四、最小二乘估计量的统计性质 五、参数估计量的概率分布及随机干 扰项方差的估计
六、最小二乘估计（OLS ）的精度或标准误 单方程计量经济学模型分为两大类： 线性模型和非线性模型
线性模型中，变量之间的关系呈线性关系 非线性模型中，变量之间的关系呈非线性关系 一元线性回归模型：只有一个解释变量
i=1,2,…,n
Y 为被解释变量，X 为解释变量，β0与β1为待估参数，μ为随机干扰项 回归分析的主要目的是要通过样本回归函数（模型）SRF 尽可能准确地估计总体回归函数（模型）PRF 。
估计方法有多种，其中最广泛使用的是普通最小二乘法。因为OLS 具有良好的数值性质和统计性质。同时，在一系列假定下OLS 估计量具有BLUE 性质，能满足我们用样本推断总体的要求。
注：实际这些假设与所采用的估计方法紧密相关。 一、参数的普通最小二乘估计（OLS ） 给定一组样本观测值（Xi, Yi ）（i=1,2,…n ）要求样本回归函数尽可能好地拟合这组值. 离差
要求样本函数仅可能好的拟合这组数值，我们可以考虑 使观测值Yi 与样本回归值之差(残差ei)尽可能的小， 使之尽可能的接近PRF,即：
注：在统计分析中，如没有特殊说明，离差一般是指观测值与其均值的差，即
i
i i X Y μββ++=10∑
-)?(min Y Y i Y
Y i -
这种方法尽管有直观上的说服力，却不是一个很好的准则，如果采用
即min ∑ei
那么在总和（e1+e2+e3+e4+……ei )中，无 论残差离样本回归函数SRF 远还是近，都 得到同样的权重。结果很可能ei 离开SRF 散布得很远，但代数和很小甚至为零。
普通最小二乘法给出的判断标准是：二者之差的平方和
最小。
为什么要用两者之差平方和最小：
1、它根据各观测值离SRF 的远近不同分别给予不同的权重。从而ei 越大，∑ei2也越大。
2、 ∑ei2＝f(β0 , β1 )，即残差平方和是估计量β0 ,β1 的某个函数。 ^ ^
3、用OLS 原理或方法选出来的β0 ,β1，将使得对于给定的样本或数据残差平方和尽可能的小。
方程组（*）称为正规方程组（normal equations ）。
记
上述参数估计量可以写成：
称为OLS 估计量的离差形式
由于参数的估计结果是通过最小二乘法得到的，故称为普通最小二乘估计量。 二、OLS 估计量的数值性质
OLS 数值性质是指运用最小二乘法而得以成立的那些性质，而不管这些数据是怎样产生的。 1、OLS 估计量纯粹是用可观测的量（即样本）来表达的，因此这些量是容易计算的。 2、这些量是点估计量。
3、一旦从样本数据得到OLS 估计值，便容易画出样本回归线，这样得到的回归线有如下性质：
（1）它通过Y 和X 的样本均值。即
（2）估计的Y 均值等于实测的Y 均值。即
（3）残差ei 的均值为零。即∑ei=0。据此，我们可以
推出样本回归函数的离差形式。即
注意：在计量经济学中，往往以小写字母表示对均值的离差。 记
∑∑+-=-=n
i
i i n i X Y Y Y Q 1
21021
))??(()?(β
β()22221
)(∑∑∑∑-
=-=i i i i
X n X X X x ????
?-=∑∑=
X
Y x y x i i i 1021???
βββi i x y 1??β=Y Y y i
i -=??∑
-)?(min Y Y i ∑∑∑∑∑-=--=i
i i i i i i i Y X n Y X Y Y X X y x 1
))((X Y 10??ββ+=Y Y =?
则有
可得 （**）
（**）式为样本回归函数的离差形式。 （4）残差ei 和预测的Yi 值不相关。即 （5）残差ei 和Xi 不相关。即 ∑eiXi=0 三、线性回归模型的基本假设 为什么要做出假定：
1、虽然通过OLS ，我们可以获得
,
的估计值，但我们的目的不仅仅是为了得到它们
的值。
2、更为重要的是对β0 , β1与真实的β0 , β1 之间的替代性进行推断。
3、对Yi 与E(Y|X=Xi)之间的差距到底有多大进行推断。
4、在模型 中， ei
是一随机变量，如果我们不知道xi 、ei 是怎样产生的，就无法对Yi 做出任何推断，也无法对β0 , β1 做出任何推断。
5、在一系列假定下，OLS 具有良好的统计性质，能够满足我们对 β0 , β1 作出推断的要求。
线性回归模型的基本假设
假设1、线性回归模型，回归模型对参数而言是线性的； 假设2、解释变量X 是确定性变量，不是随机变量；
假设3、随机误差项 具有零均值、同方差和不序列相关性： E(μi)=0 i=1,2, …,n Var(μi)= σμ2 i=1,2, …,n
Cov(μi, μj)=0 i ≠j i,j= 1,2, …,n
假设4、随机误差项 与解释变量X 之间不相关：
Cov(Xi, μi)=0 i=1,2, …,n
假设5、 服从零均值、同方差、零协方差的正态分布 μi~N(0, σ2 ) i=1,2, …,n
假设6、观测次数n 必须大于待估的参数个数； 假设7、X 值要有变异性；
假设8、正确的设定了回归模型；也被称为模型没有设定偏误（specification error ） ； 假设9、在多元回归模型中没有完全的多重共线性。 注意：
1、如果假设
2、3满足，则假设4也满足; 2、如果假设5满足，则假设3也满足。
以上假设也称为线性回归模型的经典假设或高斯（Gauss ）假设，满足该假设的线性回归模型，也称为经典线性回归模型。
另外，在进行模型回归时，还有一个暗含的假设：
假设10：随着样本容量的无限增加，解释变量X 的样本方差趋于一有限常数。即
∑--=++-+=i
n i i i e X X e X X y 111010)(?)??()??(?βββββi i x y 1??
β=i i i i i e X Y Y ++=+=10???
?ββμ0
)?(=∑i i Y e
假设5旨在排除时间序列数据出现持续上升或下降的变量作为解释变量，因为这类数据不仅使大样本统计推断变得无效，而且往往产生所谓的伪回归问题。 四、假定条件下的最小二乘估计量的统计性质
当模型参数估计出后，需考虑参数估计值的精度，即是否能代表总体参数的真值，或者说需考察参数估计量的统计性质。
一个用于考察总体的估计量，可从如下几个方面考察其优劣性： （1）线性性，即它是否是另一随机变量的线性函数；
（2）无偏性，即它的均值或期望值是否等于总体的真实值； （3）有效性，即它是否在所有线性无偏估计量中具有最小方差。
（4）渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值； （5）一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值；
（6）渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。
这三个准则也称作估计量的小样本性质。
拥有这类性质的估计量称为最佳线性无偏估计量（best liner unbiased estimator, BLUE ）。 当不满足小样本性质时，需进一步考察估计量的大样本或渐近性质： 高斯—马尔可夫定理
在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。
证
证：
易知
故
同样地，容易得出
∞
→→-∑n Q n X X
i
,/)(
22、无偏性，即估计量0?β、1?β的均值（期望）等于总体回归参数真值β0与β1
∑∑∑∑∑++=++==i i i i i i i i i i k X k k X k Y k μββμβββ10101
)(?0
2==
∑∑∑i
i
i
x
x
k
∑=1
i
i
X
k ∑+=i i k μββ1
1?∑∑=+=+=1
111)()()?(βμβμββi i i i E k k E E ∑∑∑∑∑∑∑∑
-=-=
=2222
)(1i
i
i
i
i i
i i
i
i
i x
x Y x Y x x Y Y x x y x β
（2）证明最小方差性
其中，ci=ki+di ，di 为不全为零的常数 则容易证明
普通最小二乘估计量称为最佳线性无偏估计量
由于最小二乘估计量拥有一个“好”的估计量所应具备的小样本特性，它自然也拥有大样本特性。
五、参数估计量的概率分布及随机干扰项方差的估计
2、随机误差项μ的方差σ2的估计
∑∑=+=+=0
000)()()()?(βμβμββi i i i E w E w E E 假设*1?β是其他估计方法得到的关于β1
的线性无偏估计量：
∑=i
i Y c *1
?β)?
var()?var(1*1ββ≥∑∑∑∑∑+
=+=+=)
/lim()
/lim()lim(
)lim()lim()?lim(21
1
1
1
n x P n x P x
x P P k P P i
i
i
i
i
i
i
i
μβμβμββ1
110),(ββμβ=+=+=Q Q X Cov
由于随机项μi 不可观测，只能从μi 的估计——残差ei 出发，对总体方差进行估计。 2又称为总体方差。
可以证明，σ2的最小二乘估计量为
它是关于σ2的无偏估计量。
第四
章一元线性回归模型的统计检验 一、拟合优度检验
二、变量的显著性检验 三、参数的置信区间
回归分析是要通过样本所估计的参数来代替总体的真实参数，或者说是用样本回归线代替总体回归线。
尽管从统计性质上已知，如果有足够多的重复抽样，参数的估计值的期望（均值）就等于其总体的参数真值，但在一次抽样中，估计值不一定就等于该真值。
那么，在一次抽样中，参数的估计值与真值的差异有多大，是否显著，这就需要进一步进行统计检验。
主要包括拟合优度检验、变量的显著性检验及参数的区间估计。 一、拟合优度检验
拟合优度检验：对样本回归直线与样本观测值之间拟合程度的检验。
度量拟合优度的指标：判定系数（可决系数）r2（二元回归）或R2（多元回归）
问题：采用普通最小二乘估计方法，已经保证了模型最好地拟合了样本观测值，为什么还要检验拟合程度？
1、总离差平方和的分解
已知由一组样本观测值（Xi,Yi ），i=1,2…,n 得到如下样本回归直线
2?22
-=
∑n e
i
σ
如果Yi=?i 即实际观测值落在样本回归“线”上，则拟合最好。
可认为，“离差”全部来自回归线，而与“残差”无关。
对于所有样本点，则需考虑这些点与样本均值离差的平方和。
我们可以得到：
方程两边同时平方，求和得：
TSS=ESS+RSS
Y的观测值围绕其均值的总离差(total varia可分解为两部分：一部分来自回归线(ESS)，另一部分则来自随机势力(RSS)。
在给定样本中，TSS不变，
如果实际观测点离样本回归线越近，则ESS在TSS中占的比重越大，因此,拟合优度：回归平方和ESS/Y的总离差TSS
2、可决系数R2统计量
称R2 为（样本）可决系数/判定系数（coefficient of determination)。
可决系数的取值范围：[0，1]
R2越接近1，说明实际观测点离样本线越近，拟合优度越高。
二、回归系数的区间估计
如果存在这样一个区间，称之为置信区间; 1-α称为置信系数（置信度），α称为显著性水平；置信区间的端点称为置信限或临界值。
从定义我们可以看出，区间估计量是一个构造出来的区间，要使得它把参数的真值包括在区间的界限内有一个特定的概率：1－α
在给定α＝0.05或5%的情况下,置信(随机)
区间包含真实β的概率为0.95或95%。
它表示使用我们所描述的方法构造出来的
众多区间中包含β真值的概率为0.95或95%。
我们能不能构造出这样的区间呢？？
依据什么来构造呢？？？
依据概率知识我们知道，如果估计量的抽样或概率分布已知，我们就可以构造出以一定概率包含真实β值的区间。
对回归系数β的区间估计可归纳为三种情况
α＝0.05，即1－α＝0.95
α＝0.01，即1－α＝0.99
α＝0.001，即1－α＝0.999
例如：取α＝0.05，即1－α＝0.95，查标准正态分布表可知
Z值在（－1.96，1.96）区间的概率为0.95。即P（－1.96＜Z＜1.96）＝0.95
三、假设检验：
回归分析是要判断解释变量X 是否是被解释变量Y 的一个显著性的影响因素。
在一元线性模型中，就是要判断X 是否对Y 具有显著的线性性影响。这就需要进行变量的显著性检验。
变量的显著性检验所应用的方法是数理统计学中的假设检验。
计量经计学中，主要是针对变量的参数真值是否为零来进行显著性检验的。 1、假设检验 所谓假设检验，就是事先对总体参数或总体分布形式作出一个假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定是否接受或否定原假设。
当我们拒绝原假设（虚拟假设）时，我们说发现统计上是显著的。当我们不拒绝原假设时，我们说发现不是统计上显著的。
假设检验采用的逻辑推理方法是反证法。
先假定原假设正确，然后根据样本信息，观察由此假设而导致的结果是否合理，从而判断是否接受原假设。
判断结果合理与否，是基于“小概率事件不易发生”这一原理的 2、变量的显著性检验
检验步骤：
（1）对总体参数提出假设
H0： β1=0， H1：β1≠0
（2）以原假设H0构造t 统计量，并由样本计算其值 （3）给定显著性水平 ，查t 分布表，得临界值t α/2(n-2) (4) 比较，判断
若 |t|> t α/2(n-2)，则拒绝H0 ，接受H1 ；
)?(?)?(?1
1
111βββββSe Se t =
-=
若|t|≤ t α/2(n-2)，则拒绝H1 ，接受H0 ；
t统计量的计算结果分别为：
给定显著性水平α=0.05，查t分布表得临界值t 0.05/2(8)=2.306
|t1|>2.306，说明家庭可支配收入在95%的置信度下显著，即是消费支出的主要解释变量；
|t2|<2.306,表明在95%的置信度下，无法拒绝截距项为零的假设。
3、变量的置信区间检验
要判断样本参数的估计值在多大程度上可以“近似”地替代总体参数的真值，往往需要通过构造一个以样本参数的估计值为中心的“区间”，来考察它以多大的可能性（概率）包含着真实的参数值。这种方法就是参数检验的置信区间估计。
在置信区间检验程序中，我们试图建立一个以某种概率包含有真实，但未知的β的一个范围区间；而在显著性检验步骤中，我们假设β为某值，然后看所计算的值,是否位于该假设
值周围某个合理的范围内。
β?
由于置信区间一定程度地给出了样本参数估计值与总体参数真值的“接近”程度，因此置信区间越小越好。
要缩小置信区间，需
（1）增大样本容量n，因为在同样的置信水平下，n越大，t分布表中的临界值越小；同时，增大样本容量，还可使样本参数估计量的标准差减小；
（2）提高模型的拟合优度，因为样本参数估计量的标准差与残差平方和呈正比，模型拟合优度越高，残差平方和应越小。
第六章双变量线性回归模型的延伸
6.1 过原点的回归
过原点的回归
例1: 资本资产定价模型(CAPM) 证券期望风险溢价=期望市场风险溢价
例
尺度和单位变化的影响
i, SEE, RSS 的值会受到影响
6.3 回归模型的函数形式
第一章:1计量经济学研究方法:模型设定,估计参数,模型检验,模型应用 2.计量经济模型检验方式:①经济意义:模型与经济理论是否相符②统计推断:参数估计值是否抽样的偶然结果③计量经济学:是否复合基本假定④预测:模型结果与实际杜比 3.计量经济学中应用的数据类型:①时间序列数据(同空不同时)②截面数据(同时不同空)③混合数据(面板数据)④虚拟变量数据(学历,季节,气候,性别) 第二章:1.相关关系的类型:①变量数量:简单相关/多重相关(复相关)②表现形式:线性相关(散布图接近一条直线)/非线性相关(散布图接近一条直线)③变化的方向:正相关(变量同方向变化,同增同减)/负相关(变量反方向变化,一增一减不相关) 2.引入随机扰动项的原因:①未知影响因素的代表(理论的模糊性)②无法取得数据的已知影响因素的代表(数据欠缺)③众多细小影响因素综合代表(非系统性影响)④模型可能存在设定误差(变量,函数形式设定)⑤模型中变量可能存在观测误差(变量数据不符合实际)⑥变量可能有内在随机性(人类经济行为的内在随机性) 3.OLS回归线数学性质:①剩余项的均值为零②OLS回归线通过样本均值③估计值的均值等于实际观测值的均值④被解释变量估计值与剩余项不相关⑤解释变量与剩余项不相关 4.OLS估计量”尽可能接近”原则:无偏性,有效性,一致性 5.OLS估计式的统计性质/优秀品质:线性特征,无偏性特征,最小方差性特征 第三章:1.偏回归系数:控制其他解释变量不变的条件下,第j个解释变量的单位变动对被解释变量平均值的影响,即对Y平均值直接或净的影响 2.多元线性回归中的基本假定:①零均值②同方差③无自相关④随机扰动项与解释变量不相关⑤无多重共线性⑥正态性…一元中有12346 3. OLS回归线数学性质:同第二章3 4. OLS估计式的统计性质:线性特征,无偏性特征,最小方差性特征 5.为什么用修正可决系数不用可决系数?可决系数只涉及变差没有考虑自由度,如果用自由度去校正所计算的变差,可纠正解释变量个数不同引起的对比困难 第四章:1.多重共线性背景:①经济变量之间具有共同变化趋势②模型中包含滞后变量③利用截面数据建立模型可出现..④样本数据自身原因 2.后果:A完全①参数估计值不确定②csgj值方差无限大B不完全①csgj量方差随贡献程度的增加而增加②对cs区间估计时,置信区间区域变大③假设检验用以出现错误判断④可造成可决系数较高,但对各cs估计的回归系数符号相反,得出错误结论 3.检验:A简单相关系数检验法:COR 解释变量.大于0.8,就严重B方差膨胀因子法:因子越大越严重;≥10,严重C直观判断法:增加或剔除一个解释变量x,估计值y发生较大变化,则存在;定性分析,重要x标准误差较大并没通过显著性检验时,则存在;x回归系数所带正负号与定性分析结果违背,则存在;x相关矩阵中,x之间相关系数较大,则存在D逐步回归检验法:将变量逐个引入模型,每引入一个x,都进行F检验,t检验,当原来引入的x由于后面引入的x不显著是，将其剔除.以确保每次引入新的解释变量之前方程种植包含显著变量. 4.补救措施:①剔除变量法②增大样本容量③变换模型形式:自相关④利用非样本先验信息⑤截面数据与时序数据并用:异方差⑥变量变换 第五章:1.异方差产生原因:①模型中省略了某些重要的解释变量②模型设定误差③数据测量误差④截面数据中总体各单位的差异 2.后果:A参数估计统计特性:参数估计的无偏性仍然成立;参数估计方差不再是最小B参数显著性检验:t统计量进行参数检验失去意义C预测影响:将无效 3检验:A图示①相关图形分析data x y,看散点图,quick→graph→x,y→OK→scatter diagram→
文献学概要（大一下） 题型：填空题、名词解释、简答题、论述题 第一章：文献与文献学 1、文献的概念 文献：“文献”一词首见于《论语·八佾》。最初郑玄、朱熹把文献分解成两部分，“文”指文章、典籍，即书面材料；“献”指贤人、贤才，实质指贤人所讲述的口头材料。后来概念发生了变化，从指“典籍和贤才”的并列结构转向专指“典籍的偏义结构”，单指历史上又价值的文字资料。随着科学、技术的发展，文献学的内涵不断丰富和扩大，现在所谓的文献，就是指任何具有一定历史或科学价值的含有知识信息的物质载体，它可以是文字的、图像的、也可以是视觉的、听觉的。 2、文献学研究的范围： 文献本体的研究、文献的实证、整序与典藏、编纂、传播。即研究文献的产生、发展、整理和利用。包括对文献的载体材料、形制、传抄和印制方式、文献类型的研究、解决文献内容的可靠性（版本、校勘）、真实性（辨伪）、完整性（辑佚）问题。辨章学术，考镜源流，对藏书的鉴别、购求、收藏、装补、曝书、流通等。也包括藏书史研究、书评学等。 （文献学的研究范围主要是研究文献的形态、文献的整理方法、文献的鉴别、文献的分类与编目、文献的收藏、文献形成发展的历史、各种文献的特点与用途、文献的检索等等。） 对文献的载体材料的研究。（甲骨、金石、竹简、绢帛、纸张等） 对文献的形制（卷轴装、梵夹装、经折装、蝴蝶装、包背装、线装）的研究。 对文献的传抄和印制方式（写本、拓本、刻本、活字本）的研究。 对文献的类型（经学、宗教、总集、别集、地方志、丛书、宗谱等）的研究等。 文献实证研究: 文献实证研究:解决文献内容的可靠性问题：版本、校勘;解决文献内容的真实性问题：辨伪;解决文献内容的完整性问题：辑佚 △文献学的任务 一般任务：文献整理 最终任务：学术思想史和文化史的整理 意义：全面认识文献，快速筛选文献，能够对不同版本进行鉴别，有能力对原始文献做加工整理供自己和他人使用。对史实和历史常识有更多了解，为历史、文学的专业研究提供技术
联立方程模型 一、概念： 联立方程模型系统将变量分为内生变量和外生变量两大类。 由系统决定的，同时也对模型系统产生影响，它会受到随机项的影 响。一般都是经济变量。每一个内生变量的值都要利用模型中的全 部方程才能决定。 外生变量：是不由系统决定的变量，是系统外变量，取值由系统外决定。一般是确定性变量，或者是具有临界概率分布的随机变量，其参数不是 模型系统研究的元素。外生变量影响系统，但本身不受系统的影响。 外生变量一般是经济变量、条件变量、政策变量、虚变量。 先决变量：外生变量和滞后内生变量 注：联立方程模型中有多少个内生变量就必定有多少个方程 ：根据经济理论和行为规律建立的描述经济变量之间直接结构关系 的计量经济学方程系统称为结构式模型。 结构方程的正规形式：将一个内生变量表示为其他内生变量、先 决变量和随机干扰项的函数形式 完备的结构式模型：g个内生变量、k个先决变量、g个结构方程 行为方程：描述变量之间经验关系的方程，含有未知的参数和随 机扰动项。例如：凯恩斯收入决定模型中的消费函数 制度方程：由法律、制度、政策等制度性规定的经济变量之间的 函数关系，如税收方程。 恒等式：定义方程式和平衡方程。 简化式模型：用所有先决变量作为每个内生变量的解释变量所形成的模型。 参数关系体系：描述简化式参数与结构式参数之间的关系。
二、识别 方程之间的关系有严格的要求，一个方程模型想要能估计，必须可识别。 ∴进行模型的估计之前需要判断模型是否可以识别（即是否能被估计）。 1、识别的基本定义：是否具有确定的统计形式。 注：识别的定义是针对结构方程而言的。 模型中每个需要估计其参数的随机方程都存在识别问题。 如果一个模型中的所有随机方程都是可以识别的，则认为该联立方程模型 系统是可以识别的。反之不识别。 恒等方程由于不存在参数估计问题，所以也不存在识别问题。但是，在判 断随机方程的识别性问题时，应该将恒等方程考虑在内。 恰好识别：某一个随机方程只有一组参数估计量 过度识别：某一个随机方程具有多组参数估计量 方程的线性组合是否得到的新方程具有与消费方程相同的统计形式，决定了方程也是否是可以识别的。 2、如何修改模型使不可识别的方程变成可以识别 （1）或者在其它方程中增加变量； （2）或者在该不可识别方程中减少变量。 （3）必须保持经济意义的合理性。 3、识 别条件 结构式: B ΓN Y X +=
1 .经济变量：经济变量是用来描述经济因素数量水平的指标。（3分） 2. 解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。（2分）它对因变量的变动做出解释，表现为方程所描述的因果关系中的因”。1 分） 3. 被解释变量：是作为研究对象的变量。（1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。（2分） 4. 内生变量：是由模型系统内部因素所决定的变量，（2分）表现为具有一定概率分布的随机变量，是模型求解的结果。（1分） 5. 外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。（2分）它影响模型中的内生变量，其数值在模型求解之前就已经确定。（1分） 6?滞后变量：是滞后内生变量和滞后外生变量的合称，（1分）前期的内生变量称为滞后 内生变量；（1分）前期的外生变量称为滞后外生变量。（1分） 7.前定变量：通常将外生变量和滞后变量合称为前定变量，（1分）即是在模型求解以前 已经确定或需要确定的变量。（2分） &控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条 件和状态等方面的变量，（2分）它一般属于外生变量。（1分） 9?计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模 型，（2分）是以数学形式对客观经济现象所作的描述和概括。（1分） 10 .函数关系：如果一个变量y的取值可以通过另一个变量或另一组变量以某种形式惟一
地、精确地确定，则y与这个变量或这组变量之间的关系就是函数关系。（3分） 11 .相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们 惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。（3分） 12 .最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法，称为最小 二乘法。（3分） 13 .高斯-马尔可夫定理：在古典假定条件下，OLS估计量是模型参数的最佳线性无偏估计量，这一结论即是高斯—马尔可夫定理。（3分） 14 ?总变差（总离差平方和）：在回归模型中，被解释变量的观测值与其均值的离差平方 和。（3分） 15 ?回归变差（回归平方和）：在回归模型中，因变量的估计值与其均值的离差平方和，（2分）也就是由解释变量解释的变差。（1分） 16 ?剩余变差（残差平方和）：在回归模型中，因变量的观测值与估计值之差的平方和，（2分）是不能由解释变量所解释的部分变差。（1分） 17 ?估计标准误差：在回归模型中，随机误差项方差的估计量的平方根。（3分） 18 .样本决定系数：回归平方和在总变差中所占的比重。（3分） 19 ?点预测：给定自变量的某一个值时，利用样本回归方程求出相应的样本拟合值,以此 作为因变量实际值和其均值的估计值。（3分） 20 ?拟合优度：样本回归直线与样本观测数据之间的拟合程度。（3分） 21 ?残差：样本回归方程的拟合值与观测值的误差称为回归残差。（3分） 22 ?显著性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。（3分） 23 ?回归变差：简称ESS表示由回归直线（即解释变量）所解释的部分（2分），表示x 对y的线
计量经济学重点知识整理 1一般性定义 计量经济学是以经济理论和经济数据的事实为依据,运用数学和统计学的方法,通过建立数学模型来研究经济数量关系和规律的一门经济学科。 研究的主体（出发点、归宿、核心）: 经济现象及数量变化规律 研究的工具（手段）: 模型数学和统计方法 必须明确: 方法手段要服从研究对象的本质特征（与数学不同),方法是为经济问题服务 2注意:计量经济研究的三个方面 理论：即说明所研究对象经济行为的经济理论——计量经济研究的基础 数据:对所研究对象经济行为观测所得到的信息——计量经济研究的原料或依据 方法：模型的方法与估计、检验、分析的方法——计量经济研究的工具与手段 三者缺一不可 3计量经济学的学科类型 ●理论计量经济学 研究经济计量的理论和方法 ●应用计量经济学：应用计量经济方法研究某些领域的具体经济问题 4区别: ●经济理论重在定性分析,并不对经济关系提供数量上的具体度量 ●计量经济学对经济关系要作出定量的估计,对经济理论提出经验的内容 5计量经济学与经济统计学的关系 联系: ●经济统计侧重于对社会经济现象的描述性计量 ●经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据 ●经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据 6计量经济学与数理统计学的关系 联系: ●数理统计学是计量经济学的方法论基础 区别： ●数理统计学是在标准假定条件下抽象地研究一 般的随机变量的统计规律性; ●计量经济学是从经济模型出发，研究模型参数 的估计和推断,参数有特定的经济意义,标准 假定条件经常不能满足，需要建立一些专门的 经济计量方法 ３、计量经济学的特点：
文献学复习 文档编制序号：[KK8UY-LL9IO69-TTO6M3-MTOL89-FTT688]
文献学 填空题 1、“版本”之称，始于唐五代雕版印刷书之后，是相对于“写本”而言，所以前人论及版本学，多称始自宋人尤袤（读若“冒”，南北曰袤，东西曰广）的《遂初堂书目》。 2、《易.系辞下》：“上古结绳而治，后世圣人易之以书契。”《隋书.突厥传》突厥人“无文字，刻木为契。” 3、现在能见到的最早的石刻文字，是唐代初年在陕西凤翔县发现的“石鼓文”，现藏于北京故宫博物馆。 4、最长的简是二尺四寸，用来书写经史、法律。木制的版牍多写公文或画地理图，故称国土为“版图”。又常有用版牍（长一尺）写书信，故有称书信为“尺牍”。 5、《汉书.赵飞燕传》说，赵飞燕用名叫“赫蹄”的小薄纸包药丸，其实这种纸也是缣帛。 6、宋代最为流行的装订方式是“蝴蝶装”（亦作“蝶装”）。 7、所谓建本，是就地域而言，指福建建阳县的麻沙、崇化两镇书坊所刻之书。 8、宋代刻书最精者是杭州刻本，即“浙本”。 9、元代地方官刻，由各路儒学和书院刻印，其中书院最优。 10、善本八字标准“精校精注、不缺不讹”。而版本鉴别八字经验则是“眼别真赝，心识古今”。 11、“凡读书最切要者，目录之学。目录明，方可读书；目录不明，终是乱读。” 王鸣盛《十七史商榷》 12、宋人马端临《文献通考·经籍考》；清人朱彝尊撰写《经义考》仿照马端临的目录体例；章学诚《史籍考》；谢《小学考》。 13、马端临的目录学体例——自序、总序、大序、小序。 14、古人写字都带着刀和笔，故有“刀笔”一词，《史记》称萧何为秦之“刀笔吏”，后来“刀笔吏”贬称从事文字记录工作的小官。
第1章 绪论 计量经济学的含义：一定的经济理论和实际统计资料为依据，运用数学、统计学方法和计算机技术，通过建立计量经济模型，定量的分析经济变量之间的随即因果关系。 计量经济学研究的经济关系具有两个特征：一是随机关系，产出与生产要素投入、消费与收入、投资与收入和利率之间都不是精确的函数关系。二是因果关系，计量经济模型中的每一个（随机）方程都是反映某个经济变量与其影响因素之间的因果关系。 计量经济学的研究步骤：建立理论模型、估计模型中的参数、检验估计的模型和应用模型进行定量分析。 1. 建立理论模型 其任务是依据经济理论和对所研究经济系统的认识，将系统内各经济变量之间的相互关系用一组（或一个）数学方程表示出来。这一阶段的工作又称为模型设定。模型设定一般包括总体设定和个体设定。总体设定的目标是能正确反映经济系统的运行机制。个体设定的目标是能正确反映经济变量之间的因果关系。 ①确定模型中的变量 计量经济学中一般将方程中的变量分为两类，方程等号左端的变量称为被解释变量，有端的变量称为解释变量，即用这些变量来解释或说明被解释变量的变化情况（回归分析中称为因变量和自变量）。建立理论模型时，主要是确定模型中的解释变量，一般时根据经济理论和经验确定被解释变量的主要影响因素。 ②确定模型中的函数形式 确定模型中的函数形式一般有两种方式，一种方式是根据经济行为理论，运用数理经济学的研究方法推导出模型的具体数学形式。另一种方式是根据实际统计资料绘制被解释变量和解释变量的相关图，由相关图显示的变量之间的相关关系确定模型的数学形式，这也是目前经常采用的方式。 ③确定统计指标并搜集整理数据 需要根据模型中变量的含义和统计数据的可得性，模型的研究目的，以及统计数据的可比性和一致性等因素进行综合考虑，以确定适当的统计指标。 建立计量经济模型的统计数据主要有三种类型：时间序列数据，即按时间先后顺序排列的数据，时间频率可以是年、季、月、日等；横截面数据，即某一时点上的数据；合并数据，即时间序列与横截面数据的
绪论 计量经济学：根据理论和观测的事实，运用合适的推理方法使之联系起来同时推导，对实际经济现象进行的数量分析。 计量经济学（定量分析）是经济学（定性分析）、统计学和数学（定量分析）的结合。 目的：把实际经验的内容纳入经济理论，确定变现各种经济关系的经济参数，从而验证经济理论，预测经济发展的趋势，为制定经济策略提供依据。 类型：理论计量经济学和应用计量经济学 计量经济学的研究步骤： （一）模型设定：要有科学的理论依据选择适当的数学形式方程中的变量要具有可观测性 （二）估计参数：参数不能直接观测而且是未知的 （三）模型检验：经济意义的检验、统计推断检验、计量经济学检验、模型预测检验 （四）模型应用：经济分析、经济预测、政策评价和检验、发展经济理论计量经济模型：计量经济模型是为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，是以数学形式对客观经济现象所作的描述和概括。 计量经济研究中应用的数据包括：①时间序列②数据截面③数据面板④数据虚拟变量数据 第二章 简单线性回归模型：只有一个解释变量的线性回归模型 相关系数：两个变量之间线性相关程度可以用简单线性相关系数去度量 总体相关系数：对于研究的总体，两个相互关联的变量得到相关系数。 总体相关系数Var方差Cov协议方差
总体回归函数：将总体被解释函数Y的条件期望表现为解释变量X的函数 总体 个体随机扰动项 引入随机扰动项的原因？ ①作为未知影响因素的代表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。 简单线性回归的基本假定？ （1）零均值假定时，即在给定解释变量Xi得到条件下，随机扰动项Ui的条件期望或条件均值为零。 （2）同方差假定，即对于给定的每一个Xi，随机扰动项Ui的条件方差等于某一常数。 （3）无相关假定，即随机扰动项Ui的逐次值互不相干，或者说对于所有的i和j（I不等于j），ui和uj的协方差为零。 （4）随机扰动项ui与解释变量Xi不想管 （5）正态性假定，即假定随机扰动项ui服从期望为零、方差为的正态分布。 最小二乘准则：用使估计的剩余平方和最小的原则确定杨讷回归函数 最小二乘估计量评价标准：无偏性、有效性、一致性。 统计特性：线性特性、无偏性、有效性。 E（）= P28
一、古代文献学基础知识 1、文献一词首见于《论语·八佾》。 2、传统文献学又叫做校雠学，由西汉末年的刘向、刘歆所开创。 3、古典文献学的传统主干知识包括目录、版本、校勘。 4、目录学在学术研究中最大的功用是“辨章学术，考镜源流”。 5、古典文献按照问世或流传的方式来划分，可以分为两大类：传世文献和出土文献。迄今 为止所能见到的最早的出土文献是商代的甲骨文，最早的传世文献是《易经》《诗经》《尚书》。 6、刘向开始了中国古典文献学史上第一次有政府组织的大规模有计划的文献整理工作，著 有〈别录〉一书。刘歆在刘向〈别录〉的基础上，撮其指要，著为〈七略〉。 7、两汉古典文献学的集大成者是郑玄。 8、魏晋玄学以谈论三玄《周易》《老子》《庄子》为风尚。 9、魏晋南北朝时期在古典文献的传播与发现上两件值得关注的大事是魏正始三体石经的 刊刻和汲冢竹书的发现。 10、单行的文学理论和文学批评著作。如《文心雕龙》《诗品》《沧浪诗话》《词律》。 11、最早的诗文总集是《文选》 12、《百川学海》刻于宋度宗咸淳九年（1273），流传较广，是中国最早刻印的一部丛书。 13、《古今说海》是我国最早的小说专门丛书。 14、《四库全书》，是中国古代最大型的综合性丛书。 15、我国最早的书目是西汉刘向、刘歆父子编撰的《别录》《七略》；中国古代最重要的书 目是《汉书艺文志》《隋书经籍制》《四库全书总目》 16、中国最早的字典和词典分别是《说文解字》《尔雅》；古代最常见的韵书是《广韵》， 它代表了汉语中古语音系统。古代规模最大的词典兼韵书是清人编撰的《佩文韵府》； 收汉字最多的现代字典是《汉语大字典》。 17、类书是我国古代分类式的资料汇编性的工具书。最早的类书是魏文帝曹丕时编的《皇 览》，历代著名的类书有宋代的《太平广记》《太平御览》《册府元龟》《玉海》，明代的《永乐大典》，清代的《古今图书集成》。 18、十通是指杜佑的《通典》、郑樵的《通志》、马端临的《文献通考》（三通） 《清通典》、《清通志》、《清文献通考》《续通典》、《续通志》、《续文献通考》《清续文献通考》 19、.我国最早的一书目录是《易·序卦传》 20.我国现存最早的一部综合性群书目录是《汉书·艺文志》。我国最早的目录书是《别录》。 21.古典文献发生错误的类型有讹、脱、衍、倒。 22.旋风装又叫做龙鳞装。 23．东汉蔡邕的《蔡中郎集》，题“汉左中郎将蔡邕伯喈撰”，“左中郎将”是官职，“伯喈”是字；三国魏曹植的《曹子建集》，题“魏陈思王曹植撰”，“陈”是封地，“陈王”是封爵名，“思”谥号；南宋张炎的《山中白云词》，题“西秦玉田生张炎叔夏”，“西秦”（今甘肃天水）是他的原籍，“玉田生”是号，“叔夏”是字。 24. 正史中只有欧阳修的《新五代史》为私人修撰，其余均是官修。 25.辨伪的核心内容是考证认定图书文献形成的真实年代。 26.纪传本末体创始于南宋袁枢的《通鉴纪事本末》。 27、我国著录甲骨文第一书是刘鹗的《铁云藏龟》 28、金文，又叫铭文、钟鼎文、彝器款识 29、孙诒让是最早研究甲骨文的学者，其《契文举例》是我国第一部考释甲骨文字的专著。
1.普通最小二乘法(Ordinary Least Squares,OLS)：已知一组样本观测值 {}n i Y X i i ,2,1:),(?=，普通最小二乘法要求样本回归函数尽可以好地拟合这组 值，即样本回归线上的点∧ i Y 与真实观测点Yt 的“总体误差”尽可能地小。普通 最小二乘法给出的判断标准是：被解释变量的估计值与实际观测值之差的平方和 最小。 2.广义最小二乘法GLS ：加权最小二乘法具有比普通最小二乘法更普遍的意义， 或者说普通最小二乘法只是加权最小二乘法中权恒取1时的一种特殊情况。从此 意义看，加权最小二乘法也称为广义最小二乘法。 3.加权最小二乘法WLS ：加权最小二乘法是对原模型加权，使之变成一个新的不 存在异方差性的模型，然后采用普通最小二乘法估计其参数。 4.工具变量法IV ：工具变量法是克服解释变量与随机干扰项相关影响的一种 参数估计方法。 5.两阶段最小二乘法2SLS, Two Stage Least Squares ：两阶段最小二乘法是一种既适 用于恰好识别的结构方程，以适用于过度识别的结构方程的单方程估计方法。 6.间接最小二乘法ILS ：间接最小二乘法是先对关于内生解释变量的简化式方程 采用普通小最二乘法估计简化式参数，得到简化式参数估计量，然后过通参数关 系体系，计算得到结构式参数的估计量的一种方法。 7.异方差性Heteroskedasticity ：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。 8.序列相关性Serial Correlation ：多元线性回归模型的基本假设之一是模型的随机 干扰项相互独立或不相关。如果模型的随机干扰项违背了相互独立的基本假设， 称为存在序列相关性。 9.多重共线性Multicollinearity ：对于模型i k i i X X X Y μββββ++?+++=i k 22110i ， 其基本假设之一是解释变量X 1,X 2,…,Xk 是相互独立的。如果某两个或多个解释
一、一些应该掌握的概念（课都上完以后回顾时候提到的应该知道的一些知识，有可能会出简答题） 1、中心极限定理 2、大数定理 3、正态分布 4、契比雪夫不等式 5、方差，期望 6、协方差及其相关系数， 二、一些基本题型 1、随机变量分布，“离散型100%考，图形不会的补考！”（此为他课上威胁性话语，所以重视程度排在第一位了……不知道是不是真考，《北方工业大学》版本有一个其他的数据的例子，供参考） 例：设对任意x，定义F(x)=P{X≤x}=P{w|X(w)≤x} X 1 2 3 P 1/3 1/3 1/3 求F(x)=P(X≤x)的分布 1）x<1时，F(x)= P(X<1)=0 2）1≤x<2时，F(x)= P(X≤1)=P(X=1)=1/3 3）2≤x<3时，F(x)= P(X≤2) =P(X=1)+ P(X=2)=2/3 4）3≤x时，F(x)= P(X≤3) =P(X=1)+P(X=2)+ P(X=3)=1 图形:次图形为右连续 F(x) 0 1 2 3 x 2、需求量，很容易考（原话） P15的例1.5，实在打不出来，留个地，大家自己写上去吧。 3、联合概率密度（简单被积分数，身高、体重作为随机变量） 例：用X表示身高，Y表示体重，（X,Y）为二维随机变量 定义F(l,w)=P{X≤l1, Y≤w1} 当两个事件相互独立时，得出
F(l,w)=F X(l) * F Y(w) 即同时满足身高、体重条件的概率为满足身高事件的概率与满足体重的概率乘积。 4、古典概型例子 例一：有藏品100个，其中5个次品，求取8个里面最多2个次品的概率？解：书上p6，例1.1 其中应注意公式： n! C m n =---------------------- m!(n-m)! (公式打得难看了一点，但是很有用) 例二：黑球a个，白球b个，放在一起抓阄。1≤k≤a+b，求在第k个位置抓到黑球的概率？ 解： a*(a+b-1)! / (a+b)! =a/(a+b) 此用来证明第k次抽签时与前面抽到的概率都相等，（本人认为考的可能性小，哈哈） 例三：n个人坐一圈，求其中2个熟人坐一起的概率 解： P=2/(n-1) 即为，把两个人看作一个整体，与其他n-1个人排列，有n-1种方法，他们之间的座位左右更换，有两个，所以得出上式。太简单了，估计不会考吧？ 例四：n个人，至少2个人同生日的概率 如p6，例1.2 P=1 - 365*364*…（365-n+1）/365n 例五：n双不同的鞋，取2k只，（2k 文献学概要 题型：填空题、名词解释、简答题、论述题 第一章：文献与文献学 1、文献的概念 文献：“文献”一词首见于《论语·八佾》。最初郑玄、朱熹把文献分解成两部分，“文”指文章、典籍，即书面材料；“献”指贤人、贤才，实质指贤人所讲述的口头材料。后来概念发生了变化，从指“典籍和贤才”的并列结构转向专指“典籍的偏义结构”，单指历史上又价值的文字资料。随着科学、技术的发展，文献学的内涵不断丰富和扩大，现在所谓的文献，就是指任何具有一定历史或科学价值的含有知识信息的物质载体，它可以是文字的、图像的、也可以是视觉的、听觉的。 2、文献学研究的范围： 文献本体的研究、文献的实证、整序与典藏、编纂、传播。即研究文献的产生、发展、整理和利用。包括对文献的载体材料、形制、传抄和印制方式、文献类型的研究、解决文献内容的可靠性（版本、校勘）、真实性（辨伪）、完整性（辑佚）问题。辨章学术，考镜源流，对藏书的鉴别、购求、收藏、装补、曝书、流通等。也包括藏书史研究、书评学等。 （文献学的研究范围主要是研究文献的形态、文献的整理方法、文献的鉴别、文献的分类与编目、文献的收藏、文献形成发展的历史、各种文献的特点与用途、文献的检索等等。） 对文献的载体材料的研究。（甲骨、金石、竹简、绢帛、纸张等） 对文献的形制（卷轴装、梵夹装、经折装、蝴蝶装、包背装、线装）的研究。 对文献的传抄和印制方式（写本、拓本、刻本、活字本）的研究。 对文献的类型（经学、宗教、总集、别集、地方志、丛书、宗谱等）的研究等。 文献实证研究: 文献实证研究:解决文献内容的可靠性问题：版本、校勘;解决文献内容的真实性问题：辨伪;解决文献内容的完整性问题：辑佚 △文献学的任务 一般任务：文献整理 最终任务：学术思想史和文化史的整理 意义：全面认识文献，快速筛选文献，能够对不同版本进行鉴别，有能力对原始文献做加工整理供自己和他人使用。对史实和历史常识有更多了解，为历史、文学的专业研究提供技术 1．经济变量：经济变量是用来描述经济因素数量水平的指标。（3分） 2．解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。（2分）它对因变量的变动做出解释，表现为方程所描述的因果关系中的“因”。（1分）3．被解释变量：是作为研究对象的变量。（1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。（2分） 4．内生变量：是由模型系统内部因素所决定的变量，（2分）表现为具有一定概率分布的随机变量，是模型求解的结果。（1分） 5．外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。（2分）它影响模型中的内生变量，其数值在模型求解之前就已经确定。（1分） 6．滞后变量：是滞后内生变量和滞后外生变量的合称，（1分）前期的内生变量称为滞后内生变量；（1分）前期的外生变量称为滞后外生变量。（1分） 7．前定变量：通常将外生变量和滞后变量合称为前定变量，（1分）即是在模型求解以前已经确定或需要确定的变量。（2分） 8．控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量，（2分）它一般属于外生变量。（1分） 9．计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，（2分）是以数学形式对客观经济现象所作的描述和概括。（1分） 10．函数关系：如果一个变量y的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定，则y与这个变量或这组变量之间的关系就是函数关系。（3分） 11．相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。（3分） 12．最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法，称为最小二乘法。（3分） 13．高斯－马尔可夫定理：在古典假定条件下，OLS估计量是模型参数的最佳线性无偏估计量，这一结论即是高斯－马尔可夫定理。（3分） 14．总变差（总离差平方和）：在回归模型中，被解释变量的观测值与其均值的离差平方和。（3分） 15．回归变差（回归平方和）：在回归模型中，因变量的估计值与其均值的离差平方和，（2分）也就是由解释变量解释的变差。（1分） 16．剩余变差（残差平方和）：在回归模型中，因变量的观测值与估计值之差的平方和，（2分）是不能由解释变量所解释的部分变差。（1分） 17．估计标准误差：在回归模型中，随机误差项方差的估计量的平方根。（3分） 18．样本决定系数：回归平方和在总变差中所占的比重。（3分） 19．点预测：给定自变量的某一个值时，利用样本回归方程求出相应的样本拟合值，以此作为因变量实际值和其均值的估计值。（3分） 20．拟合优度：样本回归直线与样本观测数据之间的拟合程度。（3分） 21．残差：样本回归方程的拟合值与观测值的误差称为回归残差。（3分） 22．显著性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。（3分）23．回归变差：简称ESS,表示由回归直线（即解释变量）所解释的部分（2分），表示x对y的线性影响（1分）。 24．剩余变差：简称RSS，是未被回归直线解释的部分（2分），是由解释变量以外的因素造成的影响（1分）。 25．多重决定系数：在多元线性回归模型中，回归平方和与总离差平方和的比值（1分）， 一、名词解释（5*3分=15分）(斜体表明仅供参考) 计量经济学：以经济理论和经济数据的事实为依据，运用数学和统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。 最小二乘法：指在满足古典假设的条件下，用使估计的剩余平方和最小的原则确定样本回归函数的方法，简称OLS 随机扰动项：总体回归函数中，各个Y值与条件期望的Y值的偏差，又称随机误差项。是代表那些对Y有影响但又未纳入模型的诸多因素的影响。 总体回归函数：在给定解释变量X i条件下，总体被解释变量Y i的期望轨迹，函数式表示为E（Y i∣X i）=f(Xi)= β0+β1X i 样本回归函数：在总体中抽取若干个样本构成新的总体，然后在新的总体下，给定解释变量X i，被解释变量Y i的期望轨迹，函数式表示为E（Y i∣X i）=Y i^= β0^+β1^X i 系数显著性检验:（t检验）对回归系数对应的解释变量是否对被解释变量有显著影响的统计学检验方法 方程显著性检验:（F检验）对模型的被解释变量与所有解释变量之间的线性关系在整体上是否显著的统计学检验方法高斯-马尔可夫定理：在古典假设的条件下，OLS估计量是总体参数的最佳线性无偏估计量，即BULE。 拟合优度：为说明多元线性回归模型中对观测值的拟合情况，可以考察在Y的总变差中能由解释变量所解释的那部分变差的比重，即回归平方和与总体平方和的比值，R2=ESS/TSS=1-RSS/TSS. 调整的可决系数:是一个用于描述多个解释变量对被解释变量的联合影响程度的统计量，相对可决系数而言，克服了随解释变量的增加而变大的缺陷。表达式为R—2=1-(n-1)RSS/(n-k)TSS 多重共线性:指解释变量之间存在的完全或近似的线性关系 异方差：模型中随机误差项不再满足经典假设的同方差假定，其方差随观测个体的变化而变化，即D（εi）=σi2 加权最小二乘法：在拟合存在异方差的模型中，对不同的σi2区别对待（重小轻大原则）,构造权数W i=1/σi2，根据最小二乘原理，使加权的残差平方和最小，从而估计参数，这种求解参数估计式的方法为加权最小二乘法。 自相关：又称序列相关，是指在总体回归模型的随机误差项u i之间存在相关关系就，即cov(u i, u j)≠0.(i≠j) 判断题（10*1分=10分） 1、随机误差项u i与残差项e i是一回事。（乂） 2、总体回归函数给出了对应于每一个自变量的因变量的值。（乂） 3、线性回归模型意味着因变量是自变量的线性函数。（乂） 4、在线性回归模型中，解释变量是原因，被解释变量是结果。（√） 5、在实际中，一元回归没什么用，因为因变量的行为不可能仅由一个解释变量来解释。(乂) 6、尽管有完全的多重共线性，OLS估计量仍然是最优线性无偏估计量。（乂） 7、在高度多重共线的情形中，要评价一个或多个偏回归系数的个别显著性是不可能的。（乂） 8（√） 9、变量的两两高度相关并不表示高度多重共线性。（乂） 10、如果分析的目的仅仅是预测，则多重共线性是无害的。 ( √ ) 11、在多元回归中，根据通常的t ( 乂 ) 12、变量不存在两两高度相关表示不存在高度多重共线性。 ( 乂 ) 13、当异方差出现时，最小二乘估计是有偏的和不具有最小方差特性。（乂） 14、当异方差出现时，常用的t检验和F检验失效。（√） 15、在异方差情况下，通常OLS估计一定高估了估计量的标准差。（乂） 16、如果OLS回归的残差表现出系统性，则说明数据中有异方差性。（√） 17、如果回归模型遗漏一个重要的变量，则OLS残差必定表现出明显的趋势。（√） 18、在异方差情况下，通常预测失效。（√） 19、当模型存在高阶自相关时，可用D-W法进行自相关检验。（乂） 20、当模型的解释变量包括内生变量的滞后变量时，D-W检验就不适用了。（√） 第一章：绪论 1．计量经济学的学科属性、计量经济学与经济学、数学、统计学的关系； 2．计量经济研究的四个基本步骤 （1）建立模型（依据经济理论建立模型，通过模型识别、格兰杰因果关系检验、协整关系检验建立模型）； （2）估计模型参数（满足基本假设采用最小二乘法，否则采用其他方法：加权最小二乘估计、模型变换、广义差分法等）； （3）模型检验：经济意义检验（普通模型、双对数模型、半对数模型中的经济意义解释，见例1、例2），统计检验（T 检验，拟合优度检验、F 检验，联合检验等）；计量经济学检验（异方差、自相关、多重共线性、在时间序列模型中残差的白噪声检验等）； （4）模型应用。 例1：在模型中，y 某类商品的消费支出，x 收入，P 商品价格，试对模型进行经济意义检验，并解释21,ββ的经济学含义。 t t t P x y 31.0ln 25.0213.0ln -+=∧, 其中参数21,ββ都可以通过显著性检验。 经济意义检验可以通过（商品需求与收入正相关、与商品价格负相关）。 商品消费支出关于收入的弹性为0.25（)/ln(25.0)/ln(11-∧ -=t t t t x x y y ）； 价格增加一个单位，商品消费需求将减少31%。 例2：研究金融发展与贫富差距的关系，认为金融发展先使贫富差距加大（恶化），尔后会使贫富差距降低（好转），成为倒U 型。 贫富差距用GINI 系数表示，金融发展用（贷款余额/存款总额）表示。回归结果 为： 229.164.034.2t t t x x GINI -+=∧， 模型参数都可以通过显著性检验。 在x 的有意义的变化范围内，GINI 系数的值总是大于1，细致分析后模型变的毫无意义； 同样的模型还有：GINI 系数的值总是为负 231.1412.734.13t t t x x GINI -+-=∧。 3．计量经济学中的一些基本概念 数据的三种类型：横截面数据、时间序列数据、面板数据； 线性模型的概念；模型的解释变量与被解释变量，被解释变量为随机变量（如 果一个变量为随机变量，并与随机扰动项相关，这个变量称为内生变量），被解释变量为内生变量，有些解释变量也为内生变量。 第二章：回归模型 1．两个变量的相关关系，相关关系与随机因果关系的区别； 2．总体回归函数与线性总体回归函数； 3．一元与多元线性回归模型，回归模型的基本假设； 4．最小二乘估计的基本原理与最小二乘估计量的具体表达式，随机扰动项的方差的估计方法； 5．最小二乘估计的数值性质与最小二乘估计的统计性质，样本容量变化对统计性质的影响； 6．在回归模型中（包括对数模型）计量单位变化对模型参数估计的影响（例3）； 7．样本回归直线及其性质； 各位同学：请大家按照这个复习重点进行认真复习，考试时请大家带上计算器，平时成绩占30%，期末占70%。 考试题型： 一、名词解释题(每小题4分，共20分) 计量经济学：一门由经济学、统计学和数学结合而成的交叉学科. 经济学提供理论基础,统计学提供资料依据,数学提供研究方法 总体回归函数：被解释变量的均值同一个或者多个解释变量之间的关系 样本回归函数：是总体回归函数的近似 — OLS 估计量 ：以残差平方和最小的原则对回归模型中的系数进行估计的方法。普通最小二乘法估计量 OLS 估计量可以由观测值计算 OLS 估计量是点估计量 一旦从样本数据取得OLS 估计值，就可以画出样本回归线 BLUE 估计量、BLUE ：最优线性无偏估计量, 其估计量是无偏估计量，且在所有的无偏估计量中其方差最小。 、 拟合优度、衡量了解释变量能解释的离差占被解释变量的百分比。 拟合优度R 2(被解释部分在总平方和(SST)中所占的比例) 虚拟变量陷阱、 带有截距项的回归模型，如果有m 个定性变量，只能引入m-1个虚拟变量。如果引入了m 个，就将陷入虚拟变量陷阱。既模型中存在完全共线性，使得模型无法估计 方差分析模型、解释变量仅包含定性变量或虚拟变量的模型。 协方差分析模型、回归模型中的解释变量有些是定性的有些是定量的。 , 多重共线性 多重共线性是指解释变量之间存在完全的线性关系或近似的线性关系. 分为完全多重共线性和不完全多重共线性 ??)X |E(Y ?) )X |E(Y ( ??? :SRF 221 1i 21i 21的估计量。是的估计量；是的估计量；是其中相对于ββββββββi i i i Y X X Y +=+=∑∑==2 22?i i y y TSS ESS R 2 ?解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量 动做出解释，表现为方程所描述的因果关系中的“因” 。（1分） 3 ?被解释变量：是作为研究对象的变量。 （1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系 的果。（2分） 4 ?内生变量：是由模型系统内部因素所决定的变量， （2分）表现为具有一定概率分布的随机变量，是模型求解的结 果。（1分） 5 ?外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。 （2分）它影响模型中的内生变量，其数值 在模型求解之前就已经确定。（1分） 6?滞后变量：是滞后内生变量和滞后外生变量的合称， （1分）前期的内生变量称为滞后内生变量； （1分）前期的外 生变量称为滞后外生变量。（1分） 7 ?前定变量：通常将外生变量和滞后变量合称为前定变量， （1分）即是在模型求解以前已经确定或需要确定的变量。 （2分） 8 ?控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量， （2 分）它一般属于外生变量。（1分） 9 ?计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型， （2分）是以数学形式 对客观经济现象所作的描述和概括。 （1分） 10 ?函数关系：如果一个变量 y 的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定，则 y 与这 个变量或这组变量之间的关系就是函数关系。 （3分） 11 ?相关关系：如果一个变量 y 的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则 y 与这个变量 或这组变量之间的关系就是相关关系。 （3分） 19?点预测：给定自变量的某一个值时，利用样本回归方程求出相应的样本拟合值，以此作为因变量实际值和其均值 的估计值。（3分） 20 ?拟合优度：样本回归直线与样本观测数据之间的拟合程度。 （3分） 21 ?残差：样本回归方程的拟合值与观测值的误差称为回归残差。 （3分） 22?显着性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。 （3分） 23 ?回归变差：简称ESS,表示由回归直线（即解释变量）所解释的部分（ 2分），表示x 对y 的线性影响（1分）。 24 ?剩余变差：简称 RSS 是未被回归直线解释的部分（2 分）,是由解释变量以外的因素造成的影响（ 1分）。 25?多重决定系数：在多元线性回归模型中，回归平方和与总离差平方和的比值（ 1分），也就是在被解释变量的总变 差中能由解释变量所解释的那部分变差的比重，我们称之为多重决定系数，仍用 氏表示（2分）。 2 26 ?调整后的决定系数：又称修正后的决定系数，记为 R ，是为了克服多重决定系数会随着解释变量的增加而增大 （2分）它对因变量的变 12 ?最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法，称为最小二乘法。 13. 高斯-马尔可夫定理：在古典假定条件下， 马尔可夫定理。（3分） OLS 估计量是模型参数的最佳线性无偏估计量, （3分） 这一结论即是高斯- :在回归模型中, :在回归模型中, 被解释变量的观测值与其均值的离差平方和。 （3 分） 15. 回归变差（回归平方和） 释的变差。（1分） 16. 剩余变差（残差平方和） 解释的部分变差。（1分） 17 ?估计标准误差：在回归模型中，随机误差项方差的估计量的平方根。 18?样本决定系数：回归平方和在总变差中所占的比重。 （3分） 因变量的估计值与其均值的离差平方和, （2分）也就是由解释变量解 :在回归模型中, 因变量的观测值与估计值之差的平方和, （2分）是不能由解释变量所 （3 分）杜泽逊·文献学-重点知识整理word版本
(完整版)计量经济学知识点(超全版)
计量经济学整理重点
(完整word版)《计量经济学》各章主要知识点
《计量经济学》复习重点及答案
计量经济学知识点超全版
相关主题
文本预览