当前位置：文档之家› 研究生计量经济学考点精要李子奈.doc

研究生计量经济学考点精要李子奈.doc

计量经济学（2012-1-6）

1.计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科。

2.区分数理经济模型和计量经济模型：（1）数理经济模型揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。（2）计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。

3.计量经济学的内容体系分类

（1）计量经济学有广义和狭义之分：

广义计量经济学：是利用经济理论、数学以及统计学定量研究经济现象的经济计量方法的统称。包括回归分析方法、投入产出分析方法、时间序列分析方法等。

狭义计量经济学：也就是我们通常所说的计量经济学，以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。

（2）根据研究对象和内容侧重面不同，可以分为理论计量经济学和应用计量经济学。

（3）按数据类型划分为：截面(cross-section)分析；时间序列(time-series)分析；平行数据(panel data)分析；离散数据(discrete data)分析；模糊数据(fuzzy data)分析。

（4）按模型类型划分：单方程模型与联立方程模型（单方程模型的研究对象是单一经济现象，揭示存在其中的单向因果关系。联立方程模型的研究对象是一个经济系统，揭示存在其中的复杂的因果关系。）；线性模型与非线性模型；静态模型与动态模型；参数模型与非参数模型。

（5）按估计方法划分：从最小二乘原理出发的估计方法；从最大似然原理出发的估计方法；矩估计方法；非样本信息估计方法。

4.建立计量经济学模型的步骤：

（1）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）

（2）样本数据的收集；（样本数据的质量问题大体上可以概括为完整性、准确性、可比性和一致性）

（3）模型参数的估计；（模型参数的估计方法，是计量经济学的核心内容）

（4）模型的检验。（经济意义检验、统计学检验、计量经济学检验和预测检验）

5.计量经济学模型成功的三要素：理论、方法和数据。

理论：即经济理论，所研究的经济现象的行为理论，是计量经济学研究的基础。

方法：主要包括模型方法和计算方法，是计量经济学研究的工具与手段，是计量经济学不同于其它经济学分支学科的主要特征。

数据：反映研究对象的活动水平、相互间联系以及外部环境的数据，或更广义讲是信息，是计量经济学研究的原料。

6.经典计量经济学方法的核心是采用回归分析的方法揭示变量之间的因果关系。

7.计量经济学模型的应用大体可以被概括为四个方面：结构分析、经济预测、政策评价、检验与发展经济理论。

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。

8.经济变量之间的关系，大体可分为两类：

确定性关系或函数关系：研究的是确定性现象非随机变量间的关系。

统计依赖关系或相关关系：研究的是非确定性现象随机变量间的关系。

9. 回归分析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。其中：前一个变量被称为被解释变量（Explained V ariable ）或因变量（Dependent Variable ）。后一个（些）变量被称为解释变量（Explanatory Variable ）或自变量（Independent Variable ）。

10.总体回归函数：

给定解释变量X 的某个确定值Xi ，与之统计相关的被解释变量Y 的总体均值（期望值）可以表示为：上式说明了被解释变量Y 平均地说随解释变量X 变化的规律，一般称为

()()i i E Y X f X

总体回归函数或总体回归方程。总体回归模型：若总体回归函数（方程）为：()()i i E Y X f X = ，则()i i i Y E Y X μ=-可以变形为()i i i Y E Y X μ=+ ，()i

i i Y f X μ=+后者在总体回归函数（方程）的基础上引入了随机项，称为总体回归模型。

11.随机误差项包括了哪些因素的影响？

（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）模型关系的设定误差的影响；（设定误差：指设定方程偏离了真实方程，如遗漏了某些重要的解释变量，或引入了不相干的解释变量，或者模型形式设定有问题。）（4）其它随机因素的影响。

产生并设计随机误差项的主要原因：理论的含糊性；数据的欠缺；节省原则。

12.样本回归函数：

利用样本数据，采用适当的方法估计得到的总体回归函数的近似形式，就叫做样本回归函数或样本回归方程（sample regression function ，SRF ）。对应的曲线称为样本回归线（sample regression curves ）例：若总体回归函数为如下线性形式：

01()i i E Y X X ββ=+，则对应的样本回归函数一般表示为：01???i i Y X ββ=+

13.样本回归模型：若样本回归函数为01???i i Y X ββ=+，?i i i e Y Y =- ，则?i i i Y Y e =+，

01??i i i Y X e ββ=++后者在样本回归函数的基础上引入了残差项ei ，称为样本回归模型。

14.回归分析构成计量经济学的方法论基础，其主要内容包括：

（1）根据样本观察值对计量经济模型（属于回归模型）参数进行估计，求得回归方程；

（2）对回归方程及其参数进行检验；

（3）利用回归方程进行分析、评价及预测。

15.线性回归模型的特征：（1）通过引入随机误差项，将变量之间的关系用一个线性随机方程来描述，并用随机数学的方法来估计方程中的参数；（2）在线性回归模型中，被解释变量的特征由解释变量与随机误差项共同决定。

16.单方程线性回归模型的一般形式

总体回归模型：

01122...i i i k ki i Y X X X ββββμ=+++++ 总体回归方程：01122()...i i i k ki

E Y X X X X ββββ=++++ 样本回归模型：

01122????...i i i k ki i Y X X X e ββββ=+++++ 样本回归方程：

01122?????...i i i k ki Y X X X ββββ=++++ 17.将非线性关系化为线性关系的数学处理方法：（1）直接置换法；（2）对数变换；（3）级数展开。

18.线性回归模型的基本假设

（1）解释变量X 是确定性变量，不是随机变量；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： E(μi)=0 i=1,2, …,n Var (μi)=σμ2 i=1,2, …,n

（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： Cov(μi, μj)=0 i ≠j i 、j= 1,2, …,n

（4）随机误差项与解释变量之间不相关： Cov(Xji, μi)=0 i=1,2, …,n ；j= 1,2, …,k

（5）随机误差项服从０均值、同方差的正态分布： μi~N(0, σμ2 ) i=1,2, …,n

19.最小二乘法给出的判断标准是：二者之差的平方和最小，即

220111???()(())n n i i i i

i i Q Y Y Y X ββ===-=-+∑∑最小。

20.最小二乘估计量：

最小二乘参数估计量的离差形式：

随机误差项方差的估计量为：

21.普通最小二乘参数估计量具有线性性、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。（高斯—马尔可夫定理：在给定经典线性回归的

假定下，最小二乘参数估计量是具有最小方差的线性无偏估计量。）

22.最小样本容量：是指从最小二乘原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。样本容量必须不少于模型中解释变量的数目（包括常数项），这就是最小样本容量： n k ≥+1

满足基本要求的样本容量：虽然当n ≥k+1时，可以得到参数估计量，但除了参数估计量质量不好以外，一些建立模型所必须的后续工作也无法进行。一般经验认为，当n ≥30或者至少n ≥3(k+1)，才能说满足模型估计的基本要求。

23.偏回归系数，是指多元线性回归模型中解释变量前的系数。

偏相关系数：是指在控制或消除其他变量影响的情况下，衡量多个变量中的某两个变量之间线性相关程度的指标。

24. 计量经济学模型的统计检验主要包括：拟合优度检验；方程的显著性检验；变量的显著性检验。拟合优度检验：就是检验模型对样本观测值的拟合程度。

222)?()?()(i i i i Y Y RSS Y Y ESS Y Y TSS -∑=-∑=-∑= TSS=ESS+ RSS

TSS 为总体平方和（Total Sum of Squares ），反映样本观测值总体离差的大小；

ESS 为回归平方和（Explained Sum of Squares ），反映由模型中解释变量所解释的那部分离差的大小； RSS 为残差平方和（Residual Sum of Squares ），反映样本观测值与估计值偏离的大小，也是模型中解释变量未解释的那部分离差的大小。

R 2和调整后的R 2

25.用以进行方程的显著性检验的方法主要有三种：F 检验、t 检验、r 检验。

方程显著性的F 检验：

F ESS k

RSS n k =--()1)1/()?(/)?(22----=∑∑k n Y Y k Y Y i i i )1,(~--k n k F

变量显著性的t 检验：

)1(~)?(???1?)1(?222---=-=--'-=--'-=k n t Se c k n c k n e e c t j j j jj j

j jj j j jj j

j βββσββββσσββμμμe e

26.区间估计：用一个取值区间来表达对总体参数的估计。该数值区间称为总体参数的置信区间。该数值区间将总体参数包含在内的概率称为置信水平。

※参数的区间估计：

)1(~)?(?---=k n t Se t j j j βββ

αβββββαα

-=?+<

βββαα-=<-<

-1))?(?(22t Se t P j j j

22()1P t t t ααα-<<=-

从而得到：在)1(α-的置信水平下j β的置信区间为 ))?(?),?(?(22j

j j j Se t Se t ββββαα?+?-

27.如何缩小参数的置信区间：（1）增大样本容量；（2）更主要的是提高模型的拟合优度；（3）提高样本观测值的分散度。

28.异方差：对于模型i ki k i i i X X X Y μββββ+++++=Λ22110 （i=1,2,…,n ），同方差性假设为Var i ()μσμ=2（i=1,2,…,n ），如果出现（i=1,2,…,n ），即对于不同的样本点i 随机误差项的方差不再是常数，则认为出现了异方差性。

（一）异方差一般可归结为三种类型：（1）单调递增型：σi 2随X i 的增大而增大；（2）单调递

减型：σi 2随X i 的增大而减小；（3）复杂型：σi 2与X i 的变化呈复杂形式。

（二）异方差性的后果：（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。

（三）检验方法的共同思路：检验异方差性，也就是检验随机误差项的方差与解释变量观测值之间的相关性及其相关的形式。

检验方法：（1）图示检验法；（2）解析法：G-Q （戈德菲尔德-匡特）检验、戈里瑟（Gleiser ）检验与帕克（Park ）检验

（四）解决异方差性的办法——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。

加权最小二乘法的具体步骤：

① 选择普通最小二乘法估计原模型，得到随机误差项

的近似估计量i e ~；

② 建立i e ~1的数据序列； ③ 选择加权最小二乘法，以i

e ~1序列作为权，进行估计得到参数估计量。

29. 对于模型i ki k i i i

X X X Y μββββ+++++=Λ22110，（i=1,2,…,n ），随机误差项互相独立的基本假设表现为：(,)0i j Cov μμ= i ≠j ，i,j=1,2,…,n ，如果出现(,)0i j Cov μμ≠ i ≠j ，i,j=1,2,…,n ，即对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性，则认为存在序列相关。

如果仅存在E i i ()μμ+≠10（i=1,2,…,n-1），则称为一阶序列相关，或自相关（autocorrelation ）。

（一）序列相关产生的原因：（1）惯性；（2）设定误差：模型中遗漏了显著的变量；（3）设定误差：不正确的函数形式；（4）蛛网现象；（5）数据的“编造”。

（二）序列相关性的后果：（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。

（三）序列相关性的检验：

序列相关性检验方法有多种，但基本思路是相同的：首先，采用普通最小二乘法估计模型，以求得随机误差项的“近似估计量”： 0?()i i i ls e Y Y =- 然后，通过分析这些“近似估计量”之间的相关性，以达到判断随机误差项是否具有序列相关性的目的。

检验方法：（1）图示法；（2）解析法：:回归检验法、杜宾-瓦森（Durbin-Watson ）检验法。杜宾-瓦森（Durbin-Watson ）检验法：

212

21()..n

i i i n

i i e e DW e -==-=∑∑

D.W.统计量：

若 0

Var i i ()μσ=2

4-dU

4-dL

可以看出，当D.W.值在2左右时，模型不存在一阶自相关。

（四）具有序列相关性模型的估计：最常用的方法是广义最小二乘法（GLS ）、一阶差分法和广义差分法。

随机误差项相关系数ρ的估计：常用的方法有：

（1）科克伦-奥科特（Cochrane-Orcutt ）迭代法；

（2）杜宾（durbin ）两步法。

应用软件中的广义差分法：在Eview/TSP 软件包下，广义差分采用了科克伦-奥科特迭代法估计ρ。在解释变量中引入AR(1)、AR(2)、…，即可得到参数和ρ1、ρ2、…的估计值。其中AR(m)表示随机误差项的m 阶自回归。在估计过程中自动完成了ρ1、ρ2、…的迭代.

30.多重共线性：如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。

如果存在c 1X 1i +c 2X 2i +…+c k X ki =0 ，i=1,2,…,n 其中：ci 不全为0，即某一个解释变量可以用其它解释变量的线性组合表示，则称为解释变量间存在完全共线性。

如果存在c 1X 1i +c 2X 2i +…+c k X ki +v i =0，i=1,2,…,n 其中ci 不全为0，vi 为随机误差项，则称为一般共线性(近似共线性)或交互相关(intercorrelated)。

（一）多重共线性的后果：（1）完全共线性下参数估计量不存在；（2）近似共线性下OLS 法参数估计量非有效；（3）参数估计量的经济含义不合理；（4）变量的显著性检验失去意义；（5）模型的预测功能失效。

（二）多重共线性的检验

用于多重共线性的检验方法主要是统计方法，如判定系数检验法、逐步回归检验法等。

多重共线性检验的任务是：（1）检验多重共线性是否存在；（2）估计多重共线性的范围，即判断哪些变量之间存在共线性。

（三）克服多重共线性的方法：（1）第一类方法：排除引起共线性的变量；（2）第二类方法：差分法；（3）第三类方法：减少参数估计量的方差。

31.随机解释变量问题：对于模型

i ki k i i i X X X Y μββββ+++++=Λ22110 i=1，2，…，n ，其基本假设之一是解释变量X1，X2，…，Xk 是确定性的变量。如果存在一个或多个随机变量作为解释变量，则称原模型

存在随机解释变量问题。

（一）随机解释变量问题的三种情况：

⑴随机解释变量与随机误差项不相关，即E （X 2μ）=0

⑵ 随机解释变量与随机误差项在小样本下相关，在大样本下渐近无关，即

在小样本下E （X 2μ）10

在大样本下P lim （∑X 2i μi /n ）=0 或： P (lim (∑X 2i μi /n)=0)=1

⑶ 随机解释变量与随机误差项高度相关，且P lim （?X 2i μi /n ）10

（二）随机解释变量的后果

32.工具变量：在模型估计过程中被作为工具使用，以替代模型中与随机误差项相关的随机解释变量。

33.选择为工具变量的变量必须满足以下条件：

（1）与所替代的随机解释变量高度相关；

（2）与随机误差项不相关；

（3）与模型中其它解释变量不相关，以避免出现多重共线性。

34. 计量经济学方法中的联立方程问题：

如果用单方程模型的方法估计联立方程模型中的每个方程，问题是存在的，主要表现在以下三个方面： 1．随机解释变量问题；2．损失变量信息问题；3．损失方程之间的相关性信息问题

35. 对于联立方程模型系统，通常将变量分为内生变量和外生变量两大类，外生变量与滞后内生变量又被统称为先决变量。

内生变量：是具有某种概率分布的随机变量。它是由模型系统决定的，同时又对模型系统产生影响。内生变量一般都是经济变量。

外生变量：一般是确定性变量，或者是具有临界概率分布的随机变量。它影响系统，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：外生变量与滞后内生变量的统称。（先决变量只能作为解释变量）

滞后内生变量：是联立方程计量经济学模型中重要的不可缺少的一部分变量，用以反映经济系统的动态性与连续性。

36.结构式模型：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。

结构方程的正规形式：将一个内生变量表示为其它内生变量、先决变量和随机误差项的函数形式。

结构方程的方程类型：（1）随机方程：行为方程、技术方程、制度方程、统计方程；（2）恒等方程：定义方程、平衡方程、经验方程。

完备的结构式模型：具有g个内生变量、k个先决变量、g个结构方程的模型被称为完备的结构式模型。

37.简化式模型：将联立方程模型的每个内生变量表示成所有先决变量和随机误差项的函数，即用所有先决变量作为每个内生变量的解释变量，所形成的模型称为简化式模型。

38.参数关系体系：描述了简化式参数与结构式参数之间的关系，称为参数关系体系。

参数关系体系作用：（1）利用参数关系体系，首先估计简化式参数，然后可以计算得到结构式参数。（2）从参数关系体系还可以看出，简化式参数反映了先决变量对内生变量的直接与间接影响之和。

39.识别：是指判断联立方程计量经济学模型中某个结构方程是否具有确定的统计形式。

如果某一个随机方程只具有一组参数估计量，称其为恰好识别；

如果某一个随机方程具有多组参数估计量，称其为过度识别。

40. 结构式识别条件&简化式识别条件

41. 联立方程计量经济学模型的估计方法分为两大类：单方程估计方法与系统估计方法。

所谓联立方程模型的单方程估计方法，是指每次只估计模型系统中的一个方程，依次逐个估计。如间接最小二乘法、狭义的工具变量法、二阶段最小二乘法、有限信息最大似然法、最小方差比方法等。

所谓联立方程模型的系统估计方法，是指同时对全部方程进行估计，同时得到所有方程的参数估计量。如三阶段最小二乘法、完全信息最大似然法等。

42.狭义的工具变量法：是指对于联立方程模型BY+ X=N中的第i个结构方程，为克服随机解释变量问题，选择该方程中没有包含的（k-ki）个先决变量作为方程中包含的（gi-1）个内生解释变量的工具变量。

43.间接最小二乘法：是指先对关于内生变量的简化式方程采用OLS法估计简化式参数，得到简化式参数估计量，然后通过参数关系体系，计算得到结构式参数的估计量。

44. 二阶段最小二乘法(2SLS)

二阶段最小二乘法的具体步骤：

第一阶段：从结构方程导出简化式方程，用普通最小二乘法进行估计，然后用简化式方程求出结构方程中内生解释变量的估计值。

第二阶段：用所求出的内生解释变量的估计值替换结构方程中该内生解释变量的样本观测值，再对结构方程用普通最小二乘法进行估计，所求出的结构参数估计量即为二阶段最小二乘法参数估计量。

45.分布滞后模型：由于某一原因（如收入）而产生的效果分散在若干时期里的事实，这种模型就称为分布滞后模型。

滞后的原因：（1）心理上的原因。作为一种习惯势力（或惰性）的结果，人们在收入增加或价格上升后，并不马上改变他们的消费习惯，甚至生活方式。（2）技术上的原因。比如，相对于劳动力而言，资本价格下跌会使得用资本代替劳动力较为经济。但是，资本的添置（或这种代替过程）

是需要时间的。（3）制度上的原因。例如，由于受契约的约束，也许会妨碍厂商从一个劳动力或原料来源转向另一个来源。类似的例子还有保险合同。

46. 无约束有限分布滞后模型：在有限分布滞后模型中，模型参数没有任何的样本以外的约束的限制，这种模型可称为无约束有限分布滞后模型。

对于无约束有限分布滞后模型，采用普通最小二乘法估计，经常遇到下列问题：

（1）通常时间序列较短，而模型需要占用较多的自由度；

（2）时间序列数据大多存在序列相关问题（如Xt-1和Xt-2相关），在分布滞后模型中这种序列相关问题则转化成了解释变量之间的多重共线性问题，在滞后长度k较大时，多重共线性问题更严重；（3）随机误差项 t往往是严重自相关的。

解决办法：

对于问题（3），一般通过引入被解释变量的滞后值（AR项）作为解释变量，或引入随机误差项的滞后值（MA项）来解决，即建立自回归分布滞后（ADL：Auto-regressive Distributed Lag）模型。（显然，ARMA模型只是ADL模型的一个特例。）

对于前两个问题（1）和（2），通常是在滞后分布上强加某种约束，以便减少模型中的参数个数。其中，非常流行的一种分布滞后模型是多项式分布滞后（PDL：Polynomial Distributed Lag）或阿尔蒙滞后（Almon lag）。

47. 几何分布滞后模型：就是一种通过假定滞后系数按几何级数衰减，从而减少待估计参数个数的无限分布滞后模型。

48. 因果关系：是指变量之间的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。

Granger因果关系：人们一般把这种从预测的角度定义的因果关系称为Granger因果关系。

49. 时间序列分析有两个大的分支，即平稳时间序列分析与非平稳时间序列分析

平稳随机过程：是指一个随机过程的均值和方差在时间过程上都是常数，并且在任何两个时期之间的协方差仅仅依赖于该两个时期间的距离，而不依赖于计算这个协方差的实际时间。

具有零均值和相同方差的不相关随机过程，称为白噪声（过程）。白噪声是一个纯随机过程。

对于平稳随机过程的描述，可以建立多种形式的时序模型，如自回归（AR）模型、移动平均（MA）模型、自回归移动平均（ARMA）模型等。它们统称为博克斯—詹金斯（Box-Jenkins）方法，用于刻画各种平稳时序变量的路径。

50. 非平稳过程：如果随机过程｛Yt｝的均值、方差等统计特征随时间t而改变，则称此随机过程为非平稳过程。一种比较常见的非平稳过程是随机游走。

51. 单位根过程：是较随机游走更为一般的非平稳过程。

52. 伪回归：如果两个随机过程都是具有明显趋势的单位根过程，即使它们之间本来毫无关系，但是由于用来做回归估计的时间序列数据都具有一定的趋势，这种趋势在回归估计中又起着主要的作用，所得回归系数的估计值总是十分显著，我们称这种现象为伪回归。

53. 单位根检验：迪基—福勒检验（DF检验）、增广的迪基—福勒检验（ADF检验）

54. 协整的含义：一般来讲，如果两个序列是不同阶数的单整序列，则它们的线性组合也将是单整的，且单整阶数等于两个序列中的较高者。但是，对于两个单整阶数相同的单整序列，也可能出现这种情况，即两个时间序列虽然各自都是非平稳的，但它们的某种线性组合却是平稳的，即I（0）序列。如果出现这种情况，则这个线性组合便反映了这两个序列之间长期稳定的均衡关系，称为协整（Cointegration）关系。

协整的原因是这两个时间序列具有某种共同的趋势，通过某种线性组合可以将这种共同趋势相互抵消。

协整的效果是变非平稳为平稳。

协整的检验（协整分析）：为检验两个时序变量Xt和Yt是否存在协整关系，Engle和Granger于1987年提出了一种“两步检验法”，现在人们一般称其为EG两步检验法。

计量经济学重点知识整理

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-李子奈-计算题整理集合

计算分析题（共3小题，每题15分，共计45分） 1、下表给出了一含有3个实解释变量的模型的回归结果：方差来源平方和（SS ）自由度（d.f.）来自回归65965 — 来自残差— — 总离差(TSS) 66056 43 （1）求样本容量n 、RSS 、ESS 的自由度、RSS 的自由度（2）求可决系数)37.0(-和调整的可决系数2 R （3）在5%的显著性水平下检验1X 、2X 和3X 总体上对Y 的影响的显著性（已知0.05(3,40) 2.84F =）（4）根据以上信息能否确定1X 、2X 和3X 各自对Y 的贡献？为什么？ 1、（1）样本容量n=43+1=44 （1分） RSS=TSS-ESS=66056-65965=91 （1分） ESS 的自由度为: 3 （1分） RSS 的自由度为: d.f.=44-3-1=40 （1分）（2）R 2=ESS/TSS=65965/66056=0.9986 （1分） 2R =1-(1- R 2)(n-1)/(n-k-1)=1-0.0014?43/40=0.9985 （2分）（3）H 0：1230βββ=== （1分） F=/65965/39665.2/(1)91/40 ESS k RSS n k ==-- （2分） F >0.05(3,40) 2.84F = 拒绝原假设（2分）所以，1X 、2X 和3X 总体上对Y 的影响显著（1分）（4）不能。（1分）因为仅通过上述信息，可初步判断X 1，X 2，X 3联合起来对Y 有线性影响，三者的变化解释了Y 变化的约99.9%。但由于无法知道回归X 1，X 2，X 3前参数的具体估计值，因此还无法判断它们各自对Y 的影响有多大。 2、以某地区22年的年度数据估计了如下工业就业模型 i i i i i X X X Y μββββ++++=3322110ln ln ln 回归方程如下： i i i i X X X Y 321ln 62.0ln 25.0ln 51.089.3?+-+-= （-0.56）(2.3) (-1.7) (5.8) 2 0.996R = 147.3=DW 式中，Y 为总就业量；X 1为总收入；X 2为平均月工资率；X 3为地方政府的

(完整word版)计量经济学知识点总结

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→

计量经济学复习要点1

计量经济学复习要点第1章绪论数据类型：截面、时间序列、面板用数据度量因果效应，其他条件不变的概念习题：C1、C2 第2章简单线性回归回归分析的基本概念，常用术语现代意义的回归是一个被解释变量对若干个解释变量依存关系的研究，回归的实质是由固定的解释变量去估计被解释变量的平均值。简单线性回归模型是只有一个解释变量的线性回归模型。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 y ++=10ββ--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 y E 10)(ββ+=--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 y ++=10??ββ--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 y 10???ββ+=---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归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。线性回归的含义线性：被解释变量是关于参数的线性函数（可以不是解释变量的线性函数）线性回归模型的基本假设简单线性回归的基本假定：对模型和变量的假定、对随机扰动项u 的假定（零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态性假定）普通最小二乘法（原理、推导）最小二乘法估计参数的原则是以“残差平方和最小”。

《计量经济学》复习重点及答案

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 2211i 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

计量经济学复习笔记要点(达莫达尔版)

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。

计量经济学知识点(超全版)

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

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

计量经济学要点

第一章导论 1、什么是计量经济学模型？它有哪些要素？要素的内容是什么？计量经济模型就是经济变量之间所存在的随机关系的一种数学表达式，其一般形式为：模型由经济变量（x,y ），随机误差项（u ），参数（β）和方程的形式 f (?)等四个要素构成。经济变量（x,y ）——用于描述经济活动水平的各种量，是经济计量建模的基础随机误差项（u ）——表示模型中尚未包含的影响因素对因变量的影响，一般假定其满足一定条件。参数（β）——是模型中表示变量之间数量关系的系数，具体说明解释变量对解释变量的影响程度。方程的形式 f (?) ——是将计量经济模型的三个要素联系在一起的数学表达式，分为线性模型和非线性模型。 2、经典计量经济学模型的建模步骤及主要内容是什么？经典计量建模可分为四个连续的阶段：模型设定，参数估计，模型检验，模型应用。模型设定阶段需研究有关经济理论并确定变量以及函数形式，进行样本数据的收集与整理；模型的参数估计阶段要用到统计推断、回归分析方法，经常需要借助于统计软件的帮助得到参数的估计结果，参数一经确定，模型中各变量之间的关系就确定了，模型也就随之确定了。参数估计的主要方法有最小平方法（OLS ）及其拓展形式（GLS 、WLS 、2StageLS 等）、最大似然估计法、数值计算法等；模型检验包括经济意义检验、统计检验、计量经济检验；模型可应用于验证与发展经济理论、结构分析、经济预测、政策评价等方面。 3、数据及数据类型变量的具体取值称为数据(Data)。数据是经济计量分析的原材料，根据形式不同，数据分为时间序列数据、横截面数据和合并数据。 1.时间序列数据（Time series data ）是按时间顺序排列而成的数据。 2.截面数据（Cross sectional data ）又称横断面数据，是指在同一时间，不同统计单位的相同统计指标组成的数据列。 3.合并数据（Pooled data ）是指既有时间序列数据又有横截面数据。 4、试题举例 1、在同一时间不同统计单位的相同统计指标组成的数据列，是（）。 A 、原始数据 B 、合并数据 C 、时间序列数据 D 、横截面数据 2、既有时间序列数据又有横截面数据的数据是( )。 A 、原始数据 B 、时间序列数据 C 、合并数据 D 、截面数据第二章一元线性回归一、主要内容： 1为什么计量经济学模型的理论方程中必须包含随机干扰项？（或：随机误差项包含哪些内容？）在总体回归函数中引进随机扰动项，主要有以下几方面的原因： (,,) y f x u β=

计量经济学李子奈(第3版)例题+习题数据

计量经济学（第3版）例题和习题数据表表2.1.1 某社区家庭每月收入与消费支出统计表

表2.3.1 参数估计的计算表

表2.6.1 中国各地区城镇居民家庭人均全年可支配收入与人均全年消费性支出（元）资料来源：《中国统计年鉴》（2007）。

表2.6.3 中国居民总量消费支出与收入资料单位：亿元年份GDP CONS CPI TAX GDPC X Y 19783605.6 1759.1 46.21519.28 7802.5 6678.83806.7 19794092.6 2011.5 47.07537.828694.2 7551.64273.2 19804592.9 2331.2 50.62571.70 9073.7 7944.24605.5 19815008.8 2627.9 51.90629.899651.8 8438.05063.9 19825590.0 2902.9 52.95700.02 10557.3 9235.25482.4 19836216.2 3231.1 54.00775.5911510.8 10074.65983.2 19847362.7 3742.0 55.47947.35 13272.8 11565.06745.7 19859076.7 4687.4 60.652040.79 14966.8 11601.77729.2 198610508.5 5302.1 64.572090.37 16273.7 13036.58210.9 198712277.4 6126.1 69.302140.36 17716.3 14627.78840.0 198815388.6 7868.1 82.302390.47 18698.7 15794.09560.5 198917311.3 8812.6 97.002727.40 17847.4 15035.59085.5 199019347.8 9450.9 100.002821.86 19347.8 16525.99450.9 199122577.4 10730.6 103.422990.17 21830.9 18939.610375.8 199227565.2 13000.1 110.033296.91 25053.0 22056.511815.3 199336938.1 16412.1 126.204255.30 29269.1 25897.313004.7 199450217.4 21844.2 156.655126.88 32056.2 28783.413944.2 199563216.9 28369.7 183.416038.04 34467.5 31175.415467.9 199674163.6 33955.9 198.666909.82 37331.9 33853.717092.5 199781658.5 36921.5 204.218234.04 39988.5 35956.218080.6 199886531.6 39229.3 202.599262.80 42713.1 38140.919364.1 199991125.0 41920.4 199.7210682.58 45625.8 40277.020989.3 200098749.0 45854.6 200.5512581.51 49238.0 42964.622863.9 2001108972.4 49213.2 201.9415301.38 53962.5 46385.424370.1 2002120350.3 52571.3 200.3217636.45 60078.0 51274.026243.2 2003136398.8 56834.4 202.7320017.31 67282.2 57408.128035.0 2004160280.4 63833.5 210.6324165.68 76096.3 64623.130306.2 2005188692.1 71217.5 214.4228778.54 88002.1 74580.433214.4 2006221170.5 80120.5 217.6534809.72 101616.3 85623.136811.2资料来源：根据《中国统计年鉴》（2001，2007）整理。

计量经济学重点知识归纳整理

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

计量经济学整理重点

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。（√）

计量经济学考试重点整理

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。

计量经济学知识点重点总结

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

计量经济学李子奈第七版复习题

计量经济学复习题一、单选题 1、怀特检验法可用于检验（）。 A.异方差性 B.多重共线性 C.序列相关 D.模型设定误差 2、计量经济学分析问题的工作程序是（）。 A.设定模型，检验模型，估计模型，改进模型 B.设定模型，估计参数，检验模型，应用模型 C.估计模型，应用模型，检验模型，改进模型 D.搜集资料，设定模型，估计参数，应用模型 3、对下列模型进行经济意义检验，哪一个模型是没有实际意义的（）。 A.i C （消费）i I 8.0500+=（收入） B.di Q （商品需求）i I 8.010+=（收入）i P 9.0+（价格） C.si Q （商品供给）i P 75.020+=（价格） D.i Y （产出量）6.065.0i K =（资本）4 .0i L （劳动） 4、戈德菲尔德—匡特检验法可用于检验模型的（）。 A.异方差性 B.多重共线性 C.序列相关 D.设定误差 5、在满足基本假定的情况下，对单方程计量经济学模型而言，下列有关解释变量和被解释变量的说法中正确的有（）。 A.被解释变量和解释变量均为随机变量 B.被解释变量和解释变量均为非随机变量 C.被解释变量为随机变量，解释变量为非随机变量 D.被解释变量为非随机变量，解释变量为随机变量 6、根据样本资料估计得到人均消费支出Y 对人均收入X 的回归方程为 X Y ln 75.000.2ln += ，这表明人均收入每增加１％，人均消费支出将增加（）。 A.2% B.0.75 C.0.75% D.7.5% 7、设k 为回归模型中的解释变量个数，n 为样本容量，则对总体回归模型进行显著性检验(F 检验)时构造的F 统计量为( )。 A.)1/()/(--=k n RSS k ESS F B. )k n /(RSS )1k /(ESS 1F ---=

计量经济学重点简答论述题

计量经济学重点（简答题）一、什么是计量经济学计量经济学，又称经济计量学，它是以一定的经济理论和实际统计资料为依据，运用数学、统计学和计算机技术，通过建立计量经济学模型，定量分析经济变量之间的随机因果关系.。二、计量经济学的研究的步骤是什么 1)理论模型的设计 A.理论或假说的陈述； B.理论的数学模型的设定； C.理论的计量经济模型的设定。 i.把模型中不重要的变量放进随机误差项中； ii.拟定待估参数的理论期望值。 2)获取数据数据来源：网络、统计年鉴、报纸、杂志数据类别：时间序列数据、截面数据、混合数据、虚变量数据。数据要求：完整性、准确性、可比性、一致性 i.完整性：模型中包含的所有变量都必须得到相同容量的样本观察值。 ii.准确性：统计数据或调查数据本身是准确的。 iii.可比性：数据口径问题。 iv.一致性：指母体与样本的一致性。 3)模型的参数估计：普通最小二乘法。 4)模型的检验：经济学检验；统计学检验；计量经济学检验；模型的预测检验。 5)模型的应用：结构分析；经济预测；政策评价；经济理论的检验与发展。三、简述统计数据的类别时间序列数据、截面数据、混合数据、虚变量数据。 1)时间序列数据：按时间先后排列收集的数据。采纳时间序列数据的注意事项：

A.所选择的样本区间的经济行为一致性问题。 B.样本数据在不同样本点之间的可比性问题。 C.样本数据过于集中的问题。不能反映经济变量间的结构关系，应增大观察区间。 D.模型的随机误差项序列相关问题。 2)截面数据：又称横向数据，是一批发生在同一时间截面上的调查数据。研究某时点上的变化情况。采纳截面数据的注意事项： A.样本与母体的一致性问题。 B.随机误差项的异方差问题。 3)混合数据：也称面板数据，既有时间序列数据，又有截面数据。 4)虚变量数据：又称二进制数据，只能取0和1两个值，表示的是某个对象的质量特征。四、模型的检验包括哪几个方面具体含义是什么 1)经济学检验：参数的符合和大致取值。 2)统计学检验：拟合优度检验；模型的显着性检验；参数的显着性检验。 3)计量经济学检验：序列相关性；异方差检验；多重共线性检验。 4)模型的预测检验：a，扩大样本容量或变换样本重新估价模型；b，利用模型对样本期以外的某一期进行预测。

计量经济学(李子奈)第三版书中表格数据

计量经济学（第3版）例题和习题数据表

P24-25 表2.1.1 某社区家庭每月收入与消费支出统计表