计量经济学英语词汇
, 绝对离差
, 绝对数
, 绝对残差
, 加速度立体阵
, 任意方向上的加速度, 法向加速度
, 加速度空间的维数
, 切向加速度
, 加速度向量
, 可接受假设
, 累积
, 准确度
, 实际频数
, 自适应估计量
, 相加
, 加法定理
, 加性噪声
, 可加性
, 调整率
, 校正值
, 容许误差
, 聚集性
,α因子法
, 备择假设
, 组间
, 总量
, 相关分析
, 协方差分析
, 效应分析
, 方差分析
, 回归分析
, 时间序列分析
, 方差分析
, 角转换
（）, 方差分析
, 方差分析模型
, 分组计算方差分析
, 弧弧旋
, 反正弦变换
区域图
, 曲线面积
, 评估从一个时间点到下一个时间点回归相关时的误差
, 季节和非季节性单变量模型的极大似然估计
, 算术格纸
, 算术平均数
, 艾恩尼斯关系
, 拟合的评估
, 结合律
, 非对称分布
, 渐近偏倚
, 渐近效率
, 渐近方差
, 归因危险度
, 属性资料
, 属性
, 自相关
, 残差的自相关
, 平均数
, 平均置信区间长度
, 平均增长率
, 条形图
, 条形图
, 基期
' , 定理
, 钟形曲线
, 伯努力分布
, 最好切尾估计量
, 偏性
, 二元逻辑斯蒂回归
, 二项分布
, 双平方
, 二变量相关
, 双变量正态分布
, 双变量正态总体
, 双权区间
, 双权估计量
, 区组配伍组
( ), 统计软件包
, 箱线图箱尾图
, 崩溃界崩溃点
, 典型相关
, 纵标目
, 病例对照研究
, 分类变量
, 悬链线
, 柯西分布
, 因果关系
, 单元
, 终检
, 对称中心
, 中心化和定标
, 集中趋势
, 中心值
χ , 卡方自动交互检测, 机遇
, 随机误差
, 随机变量
, 特征方程
, 特征根
, 特征向量
, 拟合的切比雪夫准则, 切尔诺夫脸谱图
, 卡方检验χ检验
, 乔洛斯基分解
, 圆图
, 组距
, 组中值
, 组上限
, 分类变量
, 聚类分析
, 整群抽样
, 代码
, 编码数据
, 编码
, 列联系数
, 决定系数
, 多重相关系数
, 偏相关系数
, 积差相关系数
, 等级相关系数
, 回归系数
, 偏度系数
, 变异系数
, 队列研究
, 共线性
, 列
, 列效应
, 列因素
, 合并
, 组合表
, 共性因子
1、什么是计量经济学？ 计量经济学（Econometrics） 意为“经济测量”，它是利用经济理论、数学、统计推断等工具，对经济现象进行分析的一门社会科学。 区别与联系经济理论 计量经济学vs {数理经济学 统计学 2、计量经济学的传统方法论 Step1 理论或假说的陈述经典步骤 →分析经济问题的八个经典步骤 Step5 计量模型的参数估计 Step6 检验模型设定是否正确 Step7 假设检验（检验来自模型的假说） Step8 预测或控制 ◆关于数据 1、数据分类 （1）时间序列数据（Time Series Data）： 对一个变量在不同时间取值的一组观测结果。如每年、每月、每季度等 （2）横截面数据（Cross Section Data）： 对一个变量在同一个时间点上搜集的数据。如同一年的分国别、分省、分厂家数据 （3）混合数据（Pooled Data）： 时序和横截面的混合数据，既有分时，每一时点的观察对象又有不同(多个横截面单元) 广泛运用的一类特殊的混合数据——面板数据/综列数据/合成数据（Panel Data）： 在时间轴上对相同的横截面单元跟踪调查得到的数据。如每年对各省GDP的报告。 2、研究结果永远不可能比数据的质量更好 观测误差、近似进位计量、高度加总、选择性偏误 3、数据来源： 网站、统计年鉴、商业数据库等 （1）统计局、央行、证券交易所、世行、IMF等官方网站 （2）图书馆（纸质、电子版年鉴） （3）商业数据库 ◆两个例子 例1：凯恩斯消费理论 ①人们倾向于随他们收入的增加而增加消费，但消费的增加不如收入的增加那么多。 ②C=a+bI →确定性关系 ③Y=β1+β2X+μ→μ为扰动项，非确定性关系 ④搜集80～91年美国消费及收入数据 ⑤估计参数： 解释：平均而言，收入↑1美元，消费↑72美分 ⑥检验模型设定的正确性：是否应当加入别的可能影响消费额的变量，如就业等。
计量经济学读书笔记 第一章：统计基础 (2) 第二章：计量经济学总论 (7) 第三章：双变量回归分析 (9) 第3.1回归方法 (9) 第3.2结果检验 (10) 第3.3回归参数的分布 (11) 第四章：多变量回归分析 (13) 第五章：OLS的基本假设 (14) 第六章：多重共线性 (16) 第七章：异方差性 (17) 第八章：自相关 (18) 第九章：时间序列分析 (20) 第十章：面板数据分析 (30) 第十一章：其他重要的分析方法 (49) ******加权最小二乘法 (50) ******二阶段最小二乘法TSLS (51) ******非线性最小二乘法 (51) ******多项分布滞后（PDLS） (51) ******广义矩估计 (52) ******logit和probit模型 (52) ******因子分析 (54) ******Granger因果分析 (55) ****** 广义线性回归（Generalized least squares） (55) ******格兰格因果检验 (57) ******误差修正模型（ECM） (57) 第十二章：EVIEWS (58) 第12.1节EVIEWS基本操作 (58) 第12.3节EVIEWS时间序列分析 (60) 第十三章：SPSS (61) 第13.1SPSS基本操作 (61) 第十四章：数据分析实战经验 (70)
第一章：统计基础 0 常用英文词汇的统计意义 panel data=longitudinal data 是对各个个体进行连续观察的截面数据。回归时的扰动项u=unobserved是影响因变量的其他变量之和,Univariate 单个变量的,如Univariate descriptives 意思是单个变量的统计指标 1 基本概念 统计总体是我们所关心的一些个体组成,如由多个企业构成的集合,统计意义上的总体通常不是一群人或一些物品的集合,而是一组对个体某种特征的观测数据。 参数总体的数值特征描述，如均值、标准差等。 统计量是用样本数据计算出来总体参数的估计值，从一个给定的总体中抽取容量为N的所有可能的样本,对于每一个样本我们可计算出某个统计量的值,不同的样本得到的该统计量的值是不一样的,该统计量的不同的值是不同抽样的结果（根据这些不同抽样计算出的对同一参数进行估计的统计量，可以计算出由各个统计量构成的集体的方差，该方差就是在统计软件中参数后面扩号内的方差），这符合随机变量的定义，因此该统计量也是随机变量，这个统计量的分布称之为抽样分布，它是从同一总体所抽出，同样大小的所有可能样本，其统计量的值的分布，一般情况下是一个正态分布，因为所有的估计值都是对总体参数的近似估计，因而服从以真实值为中心的正态分布，如果总体的分布是已知的则可以根据公式计算统计量 抽样分布的分布参数（均值为总体的均值，标准差为总体的标准差与N的比值）。 4在一个样本之中 包含若干个样本点，各个样本点所对应的个体的某种特征是一个变量，不同个体的该变量的取值相互独立，并且服从某种分布，因此根据样本计算的统计量可以看成是若干个独立变量的函数形式，其分布参数如均值、标准差可用数学公式推导。 时间序列是指同一现象在不同时间的相继观察值排列而成的序列,平稳序列,它的各种统计指标不随着时间而变化，在时间序列的散点图中表现为各点分布在一个以均值为中心的条状带中，同一时间序列的因素分析是指区分时间序列中各种不同因素的影响,确定长期趋势（找一条长期的趋势线）、季节变动（确定季节比率）、循环变动和不规则变动。时间序列分析时一项重要的内容就是根据过去已有的数据来预测未来的结果，利用时间序列数据进行预测时，通常假定过去的变化趋势会延续到未来，这样就可以根据过去已有的形态或模式进行预测。 统计决策是指根据样本的信息对总体的情况做出判断。 点估计是根据样本用与计算总体参数相同的法则（如求平均数）+估计总体参数的具体值,因而叫点估计如用样本的平均身高作为总体的平均身高。 区间估计就是点估计值 边际误差，边际误差是根据显著性水平及统计量的标准差，如大样本时在0.05的水平下边际误差为1.96*标准差。95%置信区间是用样本数据计算出来的对总体参数一个区间估计,保证根据所有样本计算的置信区间中,有95%会把真正的总体参数包含在区间之中，根据不同样本数据对同一总体参数进行估计的相同概率的置信区间不同，根据一个样本计算的对参数进行估计的置信区间是对总体参数的一个区间估计，是总体参数的若干置信区间中的一个，如果继续不断的抽样下去。每个样本会产生一个新的对总体参数的置信区间，如果我们如此不停的抽样下去，所有区间中有95%会包含真正的参数值。区间的概念提醒我们，因为我们只有样本数据，所以我们对于总体的所有叙述都不是确定的。 变量是说明个体的某种特征的概念，如“受教育程度”、“身高”等，说明事物类别的名称叫做分类变量(categorical variable)，如性别就有两个分类变量男、女；说明事物有序类别的一个名称，称为顺序变量(rank variable)，如一等品、二等品、小学、初中、大学等；说明事物数字特征并且有米、或者公
计量经济学所有检验方法 一、拟合优度检验 可决系数 TSS RSS TSS ESS R - ==12 TSS 为总离差平方和，ESS 为回归平方和，RSS 为残差平方和 该统计量用来测量样本回归线对样本观测值的拟合优度。 该统计量越接近于1，模型的拟合优度越高。 调整的可决系数)1/() 1/(12---- =n TSS k n RSS R 其中：n-k-1为残差平方和的自由度，n-1为总体平方 和的自由度。将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响。 二、方程的显著性检验(F 检验) 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 原假设与备择假设：H 0:β1=β2=β3=…βk =0 H 1: βj 不全为0 统计量 )1/(/--= k n RSS k ESS F 服从自由度为(k , n-k-1)的F 分布，给定显著性水平α，可得到临 界值F α(k,n-k-1)，由样本求出统计量F 的数值，通过F>F α(k,n-k-1)或F ≤F α(k,n-k-1)来拒绝或接受原假设H 0，以判定原方程总体上的线性关系是否显著成立。 三、变量的显著性检验（t 检验） 对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。 原假设与备择假设：H0：βi =0 （i=1,2…k ）；H1：βi ≠0 给定显著性水平α，可得到临界值t α/2(n-k-1)，由样本求出统计量t 的数值，通过 |t|> t α/2(n-k-1) 或 |t|≤t α/2(n-k-1) 来拒绝或接受原假设H0，从而判定对应的解释变量是否应包括在模型中。 四、参数的置信区间 参数的置信区间用来考察：在一次抽样中所估计的参数值离参数的真实值有多“近”。 统计量 )1(~1??? ----'--= k n t k n c S t ii i i i i i e e βββββ 在(1-α)的置信水平下βi 的置信区间是 ( , ) ββααββ i i t s t s i i -?+?2 2 ，其中，t α/2为显著性 水平为α、自由度为n-k-1的临界值。 五、异方差检验 1. 帕克(Park)检验与戈里瑟(Gleiser)检验 试建立方程： i ji i X f e ε+=)(~2 或 i ji i X f e ε+=)(|~|
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依据，运用数学、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。研究主体是经济现象及其发展变化的规律。 2、运用计量分析研究步骤： 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——检验所得结论的可靠性 模型应用——做经济分析和经济预测 3、模型 变量:解释变量:表示被解释变量变动原因的变量，也称自变量，回归元。 被解释变量:表示分析研究的对象，变动结果的变量，也成应变量。 内生变量:其数值由模型所决定的变量，是模型求解的结果。 外生变量:其数值由模型意外决定的变量。 外生变量数值的变化能够影响内生变量的变化，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，不受本模型研究范围的内生变量的影响，但能够影响我们所研究的本期的内生变量。 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：按照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（＾β）=β 随机变量，变量的函数？ 有效：最小方差性 一致：N趋近无穷时，β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 预测检验：将模型预测的结果与经济运行的实际对比 CH2 CH3 线性回归模型 模型（假设）——估计参数——检验——拟合优度——预测 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。 Y i=β1+β2lnX i+u i 线性影响随机影响 Y i=E（Y i|X i）+u i E（Y i|X i）=f(X i)=β1+β2lnX i 引入随机扰动项， （3）古典假设 A零均值假定 E（u i|X i）=0 B同方差假定 Var(u i|X i)=E(u i2)=σ2 C无自相关假定 Cov(u i,u j)=0
学习好资料欢迎下载 计量经济学读书笔记 第一部分基础内容 一、计量经济学与相关学科的关系 经济统计学经济学数理经济学 计量经 济学 统计学数学 数理统计学 二、古典假设下计量经济学的建模过程 1.依据经济理论建立模型 2.抽样数据收集 3.参数估计 4.模型检验 （1）经济意义检验（包括参数符号、参数大小等） （2）统计意义检验（拟合优度检验、模型显著性检验、参数显 著性检验） （3）计量经济学检验（异方差检验、自相关检验、多重共线性 检验） （4）模型预测性检验（超样本特性检验） 5.模型的应用（结构分析、经济预测、政策评价、检验和发展经济理论）
三、几个重要的“变量” 1.解释变量与被解释变量 2.内生变量与外生变量 3.滞后变量与前定变量 4.控制变量 四、回归中的四个重要概念 1. 总体回归模型（ Population Regression Model ，PRM) y t b b 1 x t u t--代表了总体变量间的真实关系。 2. 总体回归函数（ Population Regression Function ，PRF ）E( y t ) b0 b1 x t--代表了总体变量间的依存规律。 3. 样本回归函数（ Sample Regression Function ，SRF ） y t ? ? e t--代表了样本显示的变量关系。b0 b1x t 4. 样本回归模型（ Sample Regression Model ，SRM ） ? ? ? b0 b1 x t---代表了样本显示的变量依存规律。 y t 总体回归模型与样本回归模型的主要区别是：①描述的对象不同。总体回归模型描述总体中变量y 与 x 的相互关系，而样本回归模型描述所关的样本中变量y 与 x 的相互关系。②建立模型的依据不同。总体回归模型是依据总体全部观测资料建立的，样本回归 模型是依据样本观测资料建立的。③模型性质不同。总体回归模 型不是随机模型，而样本回归模型是一个随机模型，它随样本的 改变而改变。
1. 计量经济分析的步骤 2）建立计量经济模型。 ①确定模型包含的变量；②确定模型的数学形式；③拟定模型中待估计参数的理论期望值区间 3）收集数据。数据质量: 完整性、准确性、可比性、一致性 4）估计参数。参数估计为经济理论提供了实际经验的内容，并验证经济理论。 5）假设检验。①经济意义检验：根据拟定的符号、大小、关系②统计检验③计量经济学检验 ④模型预测检验 6）预测和政策分析。①结构分析②经济预测③政策评价④实证分析（理论检验与发展 经典线性回归模型 2.统计假设 ②E(ui uj)=0,③E(ut 2)=σ2④Xjt 是非随机量，⑤（K+1）< n; ⑥各解释变量之间不存在严格的线性关系。 2）A1. E(u)=0 A2. A3. X 是一个非随机元素矩阵 A4. Rank(X) = (K+1) < n 3.β的统计值及其分布 ~ 4.拟合优度（决定系数、修正决定系数） 使用修正决定系数原因：决定系数是一个与解释变量的个数有关的量，解释变量个数增加，RSS 减小，从而使R 2 增大。人们总是可以通过增加模型中解释变量的方法来增大 R2 的值。 5.假设检验 1）单个系数显著性检验 2）若干个系数的显著性检验（联合假设检验） ～t(n-k-1) ～F(g,n-k-1) 3）全部斜率系数为0的检验 4）检验其他形式的系数约束条件（同联合检验） ～F(g,n-k-1) 6. 回归结果的提供和分析： DW 检验值说明是否存在扰动项的自相关。 7. 斜率和截距都变动（分别检验β2和β4的显著性即可） n I u u E 2)(σ='?''-1β=(X X)X Y )6(??)5()()())((?2222X Y x y x X X n Y X Y X n X X Y Y X X t t t t t t t t t t t t βαβ-==--=---=∑∑∑∑∑∑∑∑∑β?),(22∑t x N σβ2?~(,)j j jj N c ββσ()TSS RSS TSS ESS R Y Y e R -==--==∑∑112222或总变差解释变差()∑∑-----=22)1()1(1Y Y K n e n ())1()1(1222-----=∑∑n Y Y K n e R 1)1)(1(12-----=K n R n /2?(1)j t n k αβ±--σ)?(?)?(?j j j j ββββVar Se t ==())1(---=K n S g S S F R )1()1(22---=K n R K R u DX X D Y u X D D Y ++++=++++=)()()(43214321ββββββββ即：
建模是计量的灵魂，所以就从建模开始。 建模步骤：A，理论模型的设计：a ,选择变量b ,确定变量关系c,拟定参数范围 B,样本数据的收集：a，数据的类型b，数据的质量 C，样本参数的估计：a，模型的识别b，估价方法选择 D，模型的检验 a , 经济意义的检验1 正相关 2反相关等等 b,统计检验：1 检验样本回归函数和样本的拟合优度, R 的平方即其修正检验 2 样本回归函数和总体回归函数的接近程度：单个解释变量显著性即t 检验,函数显著性即F 检验,接近程度的区间检验 c,模型预测检验1 解释变量条件条件均值与个值的预测 2 预测置信空间变化 d,参数的线性约束检验：1 参数线性约束的检验 2 模型增加或减少变量的检验 3参数的稳定性检验：邹氏参数稳定性检验,邹氏预测检验------------ 主要方法是以F 检验受约束前后模型的差异 e,参数的非线性约束检验：1 最大似然比检验 2沃尔德检验 3拉格朗日乘数检验------ 主要方法使用X 平方分布检验统计量分布特征 f , 计量经济学检验 1, 异方差性问题：特征：无偏,一致但标准差偏误。检测方法：图示法, Park 与Gleiser 检验法, Goldfeld-Quandt 检验法, White 检验法----- 用WLS 修正异方差 2, 序列相关性问题：特征：无偏,一致,但检验不可靠,预测无效。检测方法：图示法, 回归检验法, Durbin-Waston 检验法, Lagrange 乘子检验法------ 用GLS 或广义差分法修正序列相关性 3 ，多重共线性问题：特征：无偏，一致但标准差过大，t 减小，正负号混乱。检测方法：先检验多重共线性是否存在，再检验多重共线性的范围 ------------------- 用逐步回归法，差分法或
最全计量经济学检验汇总 现代计量经济学的检验包括以下三个大类： §1.1 系数检验 一、Wald 检验——系数约束条件检验 Wald 检验没有把原假设定义的系数限制加入回归，通过估计这一无限制回归来计算检验统计量。Wald 统计量计算无约束估计量如何满足原假设下的约束。如果约束为真，无约束估计量应接近于满足约束条件。 考虑一个线性回归模型：εβ+=X y 和一个线性约束：0:0=-r R H β，R 是一个已知的k q ?阶矩阵，r 是q 维向量。Wald 统计量在0H 下服从渐近分布)(2q χ，可简写为： )())(()(112r Rb R X X R s r Rb W -'''-=-- 进一步假设误差ε独立同时服从正态分布，我们就有一确定的、有限的样本F-统计量 q W k T u u q u u u u F /) /(/)~~(=-''-'= u ~是约束回归的残差向量。F 统计量比较有约束和没有约束计算出的残差平方和。如果约束有效，这两个残差平方和差异很小，F 统计量值也应很小。EViews 显示2χ和F 统计量以及相应的p 值。 假设Cobb-Douglas 生产函数估计形式如下： εβα+++=K L A Q log log log （1） Q 为产出增加量，K 为资本投入，L 为劳动力投入。系数假设检验时，加入约束1=+βα。 为进行Wald 检验，选择View/Coefficient Tests/Wald-Coefficient Restrictions ，在编辑对话框中输入约束条件，多个系数约束条件用逗号隔开。约束条件应表示为含有估计参数和常数（不可以含有序列名）的方程，系数应表示为c(1)，c(2)等等，除非在估计中已使用过一个不同的系数向量。 为检验规模报酬不变1=+βα的假设，在对话框中输入下列约束：c(2)+c(3)=1 二、遗漏变量检验 这一检验能给现有方程添加变量，而且询问添加的变量对解释因变量变动是否有显著作用。原假设 0H 是添加变量不显著。 选择View/Coefficient Tests/Omitted Variables —Likehood Ration ，在打开的对话框中，列出检验统计量名，用至少一个空格相互隔开。例如：原始回归为 LS log(q) c log(L) log(k) ，输入：K L ，EViews 将显示含有这两个附加解释变量的无约束回归结果，而且显示假定新变量系数为0的检验统计量。 三、冗余变量 冗余变量检验可以检验方程中一部分变量的统计显著性。更正式，可以确定方程中一部分变量系数是否为0，从而可以从方程中剔出去。只有以列出回归因子形式，而不是公式定义方程，检验才可以进行。 选择View/Coefficient Tests/Redundant Variable —likelihood Ratio ，在对话框中，输入每一检验的变量名，相互间至少用一空格隔开。例如：原始回归为： Ls log(Q) c log(L) log(K) K L ，如果输入K L ，EViews 显示去掉这两个回归因子的约束回归结果，以及检验原假设（这两个变量系数为0）的统计量。 §1.2 残差检验 一、相关图和Q —统计量 在方程对象菜单中，选择View/Residual Tests/Correlogram-Q-Statistics ，将显示直到定义滞后阶数的残差自相关性和偏自相关图和Q-统计量。在滞后定义对话框中，定义计算相关图时所使用的滞后数。如果残差不存在序列相关，在各阶滞后的自相关和偏自相关值都接近于零。所有的Q -统计量不显著，并且有大
高级计量经济学复习精要 一、简答题（10分x 2）: （一）多重共线性问题：（主要看修正方法） 1、多重共线性是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系 而使模型估计失真或难以估计准确。完全共线性的情况并不多见，一般岀现的是在一定程度上的 共线性，即近似共线性。 2、产生原因主要有3各方面：（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。 3、造成的后果：（1）完全共线性下参数估计量不存在；（ 2）近似共线性下 OLS估计量非有效；（3）参数估计量经济含义不合理；（ 4）变量的显着性检验失去意义；（ 5）模型的预测功能失效。 4、识别方法：（1）经验识别：对模型估计后，R1 2 3极高，多个变量不显着，出现与理论预期 相悖的情况，有理由怀疑存在多重共线性。（2）相关系数法：计算变量间两两相关系数。只要 其中一个大等于 0.6或0.7，则表明可能存在严重的共线性。（3）膨胀因子法：计算每个解释 变量的VIF，若某一个 VIF > 10,则表明存在严重的共线性。 5、修正方法［（※※※［根据潘老师讲课内容进行整理 共线性的修正方法有很多，按照优劣程度排序，主要有五种方法： 方法1:扩充样本以减弱共线性。主要通过增加自由度来提高精度，如将时序数据或截面数 据变为面板数据，从而将一维数据变为二维。 评价：这种方法最理想，但存在的缺点是：①效果不定；②不可行。 方法2：工具变量法（IV）。主要通过工具变量，运用两阶段最小二乘完成。 评价：这种方法目前最受欢迎，高质量的期刊论文通常都采用该方法。缺点是：①由于相关 关系具有传导性，工具变量S很难找；②用S替代X,有时经济正当性不足。 方法3:变量变换法。可以通过对数变换、绝对转相对和方程变换进行变量变换。 评价：这种方法最简单易行，但存在的缺点是：①简单相关系数描述的是线性关系，而对数 是非线性化过程；②功效不足；③不是所有变量都能用来做变换，必须有明确的经济学指代。 方法4:逐步回归法。主要是通过降维减少变量来减弱共线性。 评价：这种方法要慎用，最大的缺点是：虽然能很好地解决共线性问题，但是却引发了更严 重的内生性问题。 方法5:主成份分析法或因子分析法。具有降维的作用，主要用于多指标评价。 评价：该方法很好地消除了共线性。但这种方法要慎用，最大的缺点是：经济含义伤害过大。 （二）内生性问题 2内生性是指：模型中的解释变量与扰动项相关。通常我们做古典假设①；i为白噪声， _ 2 叮叮 E（；）=0，var （） =；- ，cov（j）=0 :②X是非随机变量（微观可以通过固定抽样得到 解决，宏观则不可），贝U cov （X, ）=0成立。但是当cov （X,'、丰0时上述假设便不再成立，我们称之为内生性，进而导致OLS失效，是非一致性的。 3 内生性产生的原因：①X与丫存在双向因果，即 X影响丫的同时，丫也影响X;如金融发展与经济增长；外商直接投资FDI与经济增长；犯罪率与警备投入。②模型遗漏重要解释变量。无论是缺失重要解释变量导致，还是无法获取数据导致，被遗漏的重要变量进入了残差项， 如果与其他解释变量相关，就会岀现 cov（U t,X t）工0,也就是内生性问题。③度量误差：由于关键变量的度量上存在误差，使其与真实值之间存在偏差，这种偏差可能会成为回归误差的一部分，
杨小凯（1948年10月6日－2004年7月7日），原名杨曦光，澳大利亚经济学家，华人。杨小凯原籍中国湖南省湘潭县，出生于吉林省，在湖南长沙长大。他最突出的贡献是提出新兴古典经济学与超边际分析方法和理论。他已出版的中英文专著包括：《专业化与经济组织》、《经济学：新兴古典与新古典框架》、《发展经济学：超边际与边际分析》，使他获得了世界级的成就和同行的推崇。他曾两次被提名诺贝尔经济学奖（2002年和2003年）2004年于澳洲墨尔本的家中去世，享年55岁。 主要成就：提出新兴古典经济学方法和理论提出超边际分析方法和理论 代表作品：《专业化与经济组织》；《经济学：新兴古典与新古典框架》等重要事件：被两次提名诺贝尔经济学奖 杨小凯，1988年获普林斯顿大学经济学博士学位，曾任哈佛大学国际发展中心(CID)研究员、澳洲莫纳什大学经济学讲座教授、澳洲社会科学院院士。 他的论文见于“美国经济评论”，“政治经济期刊”、“发展经济学期刊”、“经济学期刊”、“城市经济学期刊”等匿名审稿杂志。他和黄有光合著的《专业化和经济组织》一书被权威杂志书评称为“盖世杰作”。财务理论奇才布莱克称此书为“天才著作”。 他的《经济学：新兴古典与新古典框架》被匿名书评人称为“对经济学根基 进行重新梳理，为经济学教学提供了崭新的方法。”该书评人认为“杨正在建立起一个全新的领域。是的，我敢预见，人们对新兴古典经济学的兴趣将迅速兴起，我认为它很可能成为未来的潮流。” 诺贝尔奖得主布坎南认为杨的工作比卢卡斯(Lucas)、罗默(Romer)、克鲁格曼(Krugman)的要好得多。另一位诺贝尔奖得主阿罗称赞杨的研究使亚当·斯密的劳动分工论与科斯的交易费用理论浑为一体。 由于其在经济学上的巨大成就，杨小凯被誉为“离诺贝尔奖最近的华人”。 研究领域：
选择题（单选题1－10 每题1 分，多选题11－15 每题2 分，共20 分） 1、在多元线性回归中，判定系数R2随着解释变量数目的增加而 B A.减少 B．增加 C．不变 D．变化不定 2、在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近1，则表明模型中 存在 C A．异方差性 B．序列相关 C．多重共线性 D．拟合优度低 3、经济计量模型是指 D A.投入产出模型 B.数学规划模 C.模糊数学模型 D.包含随机方程的经济数学模型 4、当质的因素引进经济计量模型时，需要使用 D A.外生变量 B.前定变量 C.生变量 D.虚拟变量 5、将生变量的前期值作解释变量，这样的变量称为 D A.虚拟变量 B.控制变量 C.政策变量 D.滞后变量 6、根据样本资料已估计得出人均消费支出Y对人均收入X的回归模型Ln Y=5+0.75LnX,这表明 人均收入每增加1%，人均消费支出将预期增加 B A．0.2% B．0.75% C．5% D．7.5% 7、对样本相关系数r，以下结论中错误的是 D A．越接近于1，Y与X之间线性相关程度越高 B．越接 近于0，Y与X之间线性相关程度越弱 C．-1≤r≤1
D．若r=0,则X与Y独立 8、当DW>4-d L，则认为随机误差项εi A．不存在一阶负自相关 B．无一阶序列相关 C．存在一阶正自相关D．存在一阶负自相关 9、如果回归模型包含二个质的因素，且每个因素有两种特征，则回归模型中需要引入 A．一个虚拟变量B．两个虚拟变量 C．三个虚拟变量 D．四个虚拟变量 10、线性回归模型中，检验H0: i =0（i=1，2，…,k） 时，所用的统计量t ?i 服从 var(?i ) A.t(n-k+1) B.t(n-k-2) C.t(n-k-1) D.t(n-k+2) 11、对于经典的线性回归模型，各回归系数的普通最小二乘法估计量具有的优良特性有ABC A．无偏性 B．有效性 C．一致性 D．确定性 E．线性特性 12、经济计量模型主要应用于ABCD A．经济预测 B．经济结构分析 C．评价经济政策 D．政策模拟 13、常用的检验异方差性的方法有ABC、 A．戈里瑟检验 B．戈德菲尔德-匡特检验 C．怀特检验 D．DW检验 E．方差膨胀因子检测 14、对分布滞后模型直接采用普通最小二乘法估计参数时，会遇到的困难有BCE A．不能有效提高模型的拟合优度 B．难以客观确定滞后期的长度 C．滞后期长而样本小时缺乏足够自由度 D．滞后的解释变量存在序列相关问题 E．解释变量间存在多重共线性问题
高级计量经济学考试 一、单选题（25 *2分） 1. Which of the following correctly identifies a difference between cross-sectional data and time series data? a. Cross-sectional data is based on temporal ordering, whereas time series data is not. b. Time series data is based on temporal ordering, whereas cross sectional data is not. c. Cross-sectional data consists of only qualitative variables, whereas time series data consists of only quantitative variables. d. Time series data consists of only qualitative variables, whereas cross-sectional data does not include qualitative variables. 2. A stochastic process refers to a: a. sequence of random variables indexed by time. b. sequence of variables that can take fixed qualitative values. c. sequence of random variables that can take binary values only. d. sequence of random variables estimated at the same point of tim e. 3. The model: yt = β0 +β1ct +μ , t = 1,2,……., n is an example of a(n): a. Autoregressive conditional heteroskedasticity model. b. static model. c. finite distributed lag model. d. infinite distributed lag model. 4. Refer to the following model yt = α0 +β0st +β1st?1 +β2st?2 +β3st?3 +μt This is an example of a(n): a. infinite distributed lag model. b. finite distributed lag model of order 1. c. finite distributed lag model of order 2. d. finite distributed lag model of order 3. 5. Refer to the following model. yt = α0 +β0st +β1st?1 +β2st?2 +β3st?3 +μtβ0+ β1 + β2 + β3 represents: a. the short-run change in y given a temporary increase in s. b. the short-run change in y given a permanent increase in s. c. the long-run change in y given a permanent increase in s. d. the long-run change in y given a temporary increase in s. 6. Which of the following is an assumption on which time series regression is based? a. A time series process follows a model that is nonlinear in parameters. b. In a time series process, no independent variable is a perfect linear combination of the others. c. In a time series process, at least one independent variable is a constant. d. For each time period, the expected value of the error ut, given the explanatory variables for all time periods, is positiv e.
计量经济学 三、课程大致安排 1、内容框架 2、参考书目：
初、中级教程： 计量经济学 王维国 东北财经大学出版社 计量经济学/Basic Econometrics （印度）古扎拉蒂 中国人民大学 计量经济学 赵国庆 中国人民大学出版社 计量经济学 李子奈 潘文卿 高等教育出版社 高级教程： 计量经济模型与经济预测 平耿克 钱小军译 机械工业出版社 《经济计量分析》( Econometric Analysis ) 3、安装eview ，数据（演算一下）OLS 法（缺少数据） 4、安装pdf 第二部分 数学预备知识 概率论
第一章随机变量及其分布 一、随机变量的定义 设随机试验Ed样本空间为{} π=，如果对两个？？？，都有唯一 w 的实数() x w与之对应，并且对任意实数X，？？是随机事件，则称事件，则称定义在π上的实单值函数() x w为随机变量。 通俗的说，在实验结果能取得不同数值的量，称为随机变量它的数值是随机试验结果而它由于试验的结果是随机的，所以它的值也是随机的。 二、分类（连续型和离散型）
例子：在一个箱子里放着t个数字球，-2，1，1，3，3，3，3从中取一个球，取到球上面的数字是随着试验结果不同而变化。 又如：考四、六级，考过记为1，不过记为0。 再如：抛硬币，正面记为1，反面记为0。 引入话题：举一些现实中的例子，如考试，在公交场等车 随机变量-事件-概率-频率-分布率-分布函数-连续随机变量 上面我们讲的是一种事件有很多种不同的结果，但在现实中这些出现的结果的可能性并不是相同的。 例子：考六级出现的结果不同，大多数分数集中在50-60和60-70之间，也就是说出现2和3的可能性更大。 =0（0-50），1（50-60），2（60-70），3（70-80），4（80-100） 问题：用什么衡量可能性呢？（概率） 我们用的概率都是古典概型，即用事件发生概率来表示概率。 频率的定义：一随机事件的n个结果互斥且两个结果等可能发生，并且事件A会有m个基本结果，则事件A发生的概率即是() p A，就是 () p A= m n =事件发生的总数/结果总数 两点需要注意：1、试验结果互斥；2、等可能性相当。
计量经济学读书笔记 第一部分基础内容 一、计量经济学与相关学科的关系 二、古典假设下计量经济学的建模过程 1.依据经济理论建立模型 2.抽样数据收集 3.参数估计 4.模型检验 （1）经济意义检验（包括参数符号、参数大小等） （2）统计意义检验（拟合优度检验、模型显著性检验、参数显 著性检验） （3）计量经济学检验（异方差检验、自相关检验、多重共线性 检验） （4）模型预测性检验（超样本特性检验） 5.模型的应用（结构分析、经济预测、政策评价、检验和发展经济理论）
三、 几个重要的“变量” 1. 解释变量与被解释变量 2. 内生变量与外生变量 3. 滞后变量与前定变量 4. 控制变量 四、 回归中的四个重要概念 1. 总体回归模型（Population Regression Model ，PRM) t t t u x b b y ++=10--代表了总体变量间的真实关系。 2. 总体回归函数（Population Regression Function ，PRF ） t t x b b y E 10)(+=--代表了总体变量间的依存规律。 3. 样本回归函数（Sample Regression Function ，SRF ） t t t e x b b y ++=10??--代表了样本显示的变量关系。 4. 样本回归模型（Sample Regression Model ，SRM ） t t x b b y 10???+=---代表了样本显示的变量依存规律。 总体回归模型与样本回归模型的主要区别是：①描述的对象不同。总体回归模型描述总体中变量y 与x 的相互关系，而样本回归模型描述所关的样本中变量y 与x 的相互关系。②建立模型的依据不同。总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。③模型性质不同。总体回归模型不是随机模型，而样本回归模型是一个随机模型，它随样本的改变而改变。 总体回归模型与样本回归模型的联系是：样本回归模型是总体回
计量经济学考试重点整理 第一章： P1：什么是计量经济学？由哪三组组成？ 定义：“用数学方法探讨经济学可以从好几个方面着手，但任何一个方面都不能和计量经济学混为一谈。计量经济学与经济统计学绝非一码事；它也不同于我们所说的一般经济理论，尽管经济理论大部分具有一定的数量特征；计量经济学也不应视为数学应用于经济学的同义语。经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说，都是必要的，但本身并非是充分条件。三者结合起来，就是力量，这种结合便构成了计量经济学。” P9：理论模型的设计主要包含三部分工作，即选择变量，确定变量之间的数学关系，拟定模型中待估计参数的数值范围。 P12：常用的样本数据：时间序列，截面，虚变量数据 P13：样本数据的质量（4点） 完整性；准确性；可比性；一致性 P15-16：模型的检验（4个检验） 1、经济意义检验 2、统计检验 拟合优度检验 总体显著性检验 变量显著性检验 3、计量经济学检验 异方差性检验 序列相关性检验 共线性检验 4、模型预测检验 稳定性检验：扩大样本重新估计 预测性能检验：对样本外一点进行实际预测 P16计量经济学模型成功的三要素：理论、方法和数据。 P18-20：计量经济学模型的应用 1、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。 2、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。
第一讲作业题 为分析不同州的公共教育支出花费在学生身上的教育经费，估计了如下的回归方程： 式中，S代表第i个州花费在每个公立学校学生身上的教育经费；Y代表第i个州的资本收入；G代表第i个州公立学校学生的增长率。 1A 说明变量Y与变量G的参数估计值的经济意义。 作业题2 1B 你预期变量Y和G的参数符号各是什么请说明理由。估计结果与你的预期一致吗 作业题3 1C 变量G是用小数来衡量的，因此，当一个州的招生人数增加了10%时，G等于。如果变量G用百分比的形式来衡量，那么当一个州的招生人数增加了10%时，G等于10。此时，方程的参数估计值会如何变化（文字说明即可） 作业题4 Jaime Diaz发表在《体育画报》上的一篇论文研究了美国职业高尔夫球协会（PGA）巡回赛中不同距离的推杆次数。论文中建立了推杆进洞次数百分比（P）关于推杆距离（L，英尺）的关系式。推杆距离越长，进洞的可能性越小。可以预测，L的参数估计值为负。回归方程如下： 2A 说明L的参数估计值的经济意义。 作业题5 2B 利用该方程估计一个PGA高尔夫球员10英尺推杆进球的次数百分比。再分别估计1英尺和25英尺的情况。结果是否符合现实 作业题6 2C 上一题的答案说明回归分析时存在什么问题 第二讲作业题 作业题1 1 查尔斯·拉弗（Charles Lave）发表了一篇驾驶员交通事故率的研究报告。他的总体结论是驾驶速度的方差（同一公路上汽车驾驶速度差异的程度）是交通事故率的重要决定因素。在他的分析中，采用两年的全美数据分别估计，得出的回归方程为： 第一年： 第二年：
式中，代表第i个州州际公路上的交通事故数量（单位：车辆每行驶一亿英里的交通事故数）；代表一个不确定的估计截距；代表第i个州的驾驶速度的方差；代表第i个州每名驾驶员的平均罚单数量；代表第i个州内每平方英里医院的数量。 1a.考察变量的理论依据，给出其参数符号的预期。 作业题2 1b.这两年的参数估计的差异是否值得重视请说出你的理由。在什么情况下，应该关注这些差异呢 作业题3 1c.通过比较两个方程的调整的判定系数，哪一个方程具有更高的判定系数调整的判定系数越高，回归方程越好吗为什么 作业题4 假定你决定建一个离你学校最近的冷冻酸奶商店的销售量模型。店主很乐意帮助收集数据，因为她相信你们学校的学生是她的主要顾客。经过长时间的数据收集以及无限量的冷冻酸奶供给之后，你估计得到以下回归方程： 式中，代表第t个两周内冷冻酸奶的销售总量；代表t期的平均温度（单 位：华氏温度）；代表t期该商店冷冻酸奶价格（单位：美元）；代表反 映是否在学校报纸发布广告的虚拟变量（1=店主在学校报纸上做了广告）； 代表反映是否为学校学期时间的虚拟变量（1=t期是学校学期时间，即9月初到12月初、1月初到5月底）。 2a.为什么要假定“无限量的冷冻酸奶供给”（提示：考虑模型是否满足经典假设） 作业题5 2b.说明变量和变量的参数估计值的经济含义。