初级计量经济学复习整理.docx

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）=0B同方差假定 Var(u i|X i)=E(u i2)=σ2C无自相关假定 Cov(u i,u j)=0D 随机扰动项与解释变量不相关假定 Cov(u i ,X i )=0E 正态性假定u i ~N(0,σ2)F 无多重共线性假定Rank(X)=k2、估计在古典假设下，经典框架，可以使用OLS方法：OLS 寻找min ∑e i 2＾β1ols = (Y 均值)-＾β2(X 均值)＾β2ols = ∑x i y i /∑x i 23、性质OLS 回归线性质（数值性质）（1）回归线通过样本均值 （X 均值,Y 均值）（2）估计值＾Y i 的均值等于实际值Y i 的均值（3）剩余项e i 的均值为0（4）被解释变量估计值＾Y i 与剩余项e i 不相关 Cov(＾Y i ,e i )=0（5）解释变量X i 与剩余项e i 不相关 Cov(e i ,X i )=0在古典假设下，OLS 的统计性质是BLUE 统计 最佳线性无偏估计4、检验(1)Z 检验Ho:β2=0 原假设 验证β2是否显著不为0标准化： Z=（＾β2-β2）/SE （＾β2）~N （0,1） 在方差已知，样本充分大用Z 检验拒绝域在两侧，跟临界值判断，是否β2显著不为0(2)t 检验——回归系数的假设性检验方差未知，用方差估计量代替 ＾σ2=∑e i 2/(n-k) 重点记忆t =（＾β2-β2）/＾SE （＾β2）~t （n-2）拒绝域：|t|>=t 2/a (n-2)拒绝，认为对应解释变量对被解释变量有显著影响。

计量经济学复习资料一、引言计量经济学是研究经济现象的数量关系和经济变量之间相互影响的学科。

它通过运用统计学和数学方法，以实证的方式分析经济模型和数据，以期为经济理论的验证和决策制定提供科学依据。

计量经济学作为经济学的重要分支，在经济学领域里起着举足轻重的作用。

本文将为大家提供一个关于计量经济学的复习资料，以便大家更好地复习和理解这门学科。

二、计量经济学基础1. 理论基础：回顾计量经济学的理论基础，包括经济学中的基本原理、假设和模型，以及计量经济学方法的发展演变过程。

2. 计量经济学的基本概念：介绍计量经济学中的一些基本概念，如变量、参数、模型、数据等，帮助读者建立对计量经济学基础概念的理解和认知。

三、计量经济模型1. 线性回归模型：介绍线性回归模型的基本原理和假设，包括最小二乘估计法、截距项、解释变量的选择和回归结果的解释等。

2. 多元线性回归模型：介绍多元线性回归模型的基本原理、假设和参数估计方法，包括多重共线性、异方差和自相关等问题的处理方法。

3. 非线性回归模型：介绍非线性回归模型，如对数线性模型、二项式模型和估计方法等。

4. 时间序列模型：介绍时间序列模型的基本原理、假设和参数估计方法，包括平稳性、季节性和趋势性等问题的处理方法。

四、计量经济学常用方法1. 模型诊断：介绍计量经济学中的模型诊断方法，包括残差分析、异方差检验和自相关检验等。

2. 假设检验：介绍计量经济学中的假设检验方法，包括参数显著性检验、模型拟合优度检验和模型比较等。

3. 预测方法：介绍计量经济学中的预测方法，包括时间序列分析、回归分析和面板数据分析等。

4. 因果推断：介绍计量经济学中的因果推断方法，包括工具变量法、自然实验和计量分析的注意事项等。

五、计量经济学在实际应用中的案例研究1. 劳动经济学：介绍计量经济学在劳动经济学领域的实际应用，包括劳动力市场分析、教育回报率和人力资本投资等。

2. 金融经济学：介绍计量经济学在金融经济学领域的实际应用，包括资本市场分析、投资组合选择和风险管理等。

计量经济学复习知识要点1计量经济学定义。

P1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。

是经济理论、统计学和数学三者的结合。

2建立与应用计量经济学模型的主要步骤。

P9-P18一、设定理论模型二、收集样本数据三、估计模型参数四、检验模型3理论模型的设计包含的三部分工作。

P9选择模型所包含变量、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4在确定了被解释变量之后，怎样才能正确地选择解释变量。

P9-P10（1）需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。

（2）要考虑数据的可得性。

（3）要考虑所有入选变量之间的关系，使得每一个解释变量都是独立的。

5如何恰当地确定模型的数学形式。

P11（1）选择模型数学形式的主要依据是经济行为理论。

（2）也可以根据变量的样本数据作出解释变量与被解释变量之间关系的散点图，作为建立理论模型的依据。

（3）在某种情况下，若无法事先确定模型的数学形式，则就要采用各种可能的形式试模拟，然后选择模拟结果较好的一种。

6常用的样本数据类型。

样本数据质量。

P12,P13时间序列数据、截面数据、虚变量数据。

完整性：即模型中包含的所有变量都必须得到相同容量的样本观测值。

准确性；有两方面含义，一是所得到的数据必须准确反映它所描述的经济因素的状态，即统计数据或调查数据本身是准确的；二是它必须是模型研究中所准确需要的，即满足模型对变量口径的要求。

可比性：也就是数据口径和价格的可比性问题。

一致性：即母体与样本的一致性7虚变量。

带常数项的计量模型引入虚拟变量个数原则。

P13,p145虚变量数据也称为二进制数据，一般取0或1。

虚变量经常被用在计量经济学模型中，以表征政策、条件等因素。

对于含有截距项的计量经济模型，若想将含有m个互斥类型的定性因素引入到模型中，则应该引入虚拟变量个数为m-1 。

8计量经济学模型必须通过四级检验。

P14经济意义检验、统计检验、计量经济学检验、模型预测检验9计量经济模型成功的三要素。

1、建模型的注意事项与步骤、计量经济学功能的评价、影响计量经济学成功建立的要素、模型为什么需引入随机扰动项、计量经济学模型与数学函数之间的区别 功能以及其评价、影响计量经济学成功建立的要素功能：结构分析（定量揭示经济变量之间的相互关系，包括：弹性分析、乘数分析和比较静态分析）2、经济预测（计量经济学模型的预测是寻找出经济变量过去的变化规律，并据此对经济变量未来的值进行预测，如对股票价格、经济增长率的预测）3、政策评价（计量经济学模型具有“经济政策实验室”功能，刺激汽车购买政策的效果评价）4、检验与发展经济理论（计量经济学模型是检验经济理论的有效工具，在对经济学理论的检验过程中推动经济学理论的发展，消费理论的检验与发展） 评价：（1）：四大功能中，检验经济理论与结构分析功能的可靠性强，而政策分析与经济预测功能的可靠性较弱。

（2）：建立模型的理论、估计模型的方法与数据的质量是决定模型能否成功建立的三要素。

建立模型的步骤：1、确定模型包含的变量，被解释变量由问题确定，解释变量确定依据（a.经济学理论和经济学行为分析、b.用统计检验的方法确定）2、确定模型的数学形式：),,...,,(21u X X X f Y k =（加法模型：uX X X Y k k +++++=αααα...22110；乘法模型：u X X X Y kk βββ...2121=）确定解释变量与被解释变量的注意事项：1、现在和未来不能解释过去2、没有特别说明，计量经济学中的变量视为为随机变量 引入随机扰动项：随机扰动项是被解释变量与解释变量一定的条件下，被解释变量条件期望的差。

随机扰动项的引入：代表影响被解释变量的未知因素；代表众多对被解释变量有微小作用的变量的综合；代表数据观测误差。

计量经济学与数学函数的区别： 因果关系与相关关系的区别与联系相关关系：两变量之间线性关系，相关系数反映两变量之间的相关关系，定义: 设D(X)>0, D(Y)>0,称)()(),(Y D X D Y X Cov XY =ρ为变量x y 的相关系数相关性分析与回归分析的差异相关性分析：通过样本相关系数推断总体的相关性。

计量经济学复习要点164590(总20页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--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 ）tt t e x y ++=10ˆˆββ--代表了样本显示的变量关系。

4. 样本回归模型（Sample Regression Model ，SRM ）tt x y 10ˆˆˆββ+=---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”。

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。

计量经济学学⽣复习资料计量经济学复习资料⼀、单项选择题(15×2=30分)1、在⼆元线性回归模型中，回归系数的显著性检验( t 检验)的⾃由度为 ( )A. nB. n-1C. n-2D. n-32、DW 检验法适⽤于检验（）A ．异⽅差B ．序列相关C ．多重共线性D ．设定误差3、当DW>4-dL ，则认为随机误差项ui （）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4、对于⼤样本，德宾-⽡森（DW ）统计量的近似计算公式为（）A ．DW ≈2（2-ρ）B ．DW ≈2（2+ρ）C ．DW ≈2（1- ρ）D ．DW ≈2（1+ρ）5、常⽤的检验⽅差⾮齐性的⽅法不包括（）A ．⼽⾥瑟检验B ．⼽德菲尔德-匡特检验C ．怀特检验D ．⽅差膨胀因⼦检测6、常⽤的异⽅差修正⽅法是( )A.最⼩⼆乘法B. 加权最⼩⼆乘法C.差分法D. ⼴义差分法7、回归分析中，⽤来说明拟合优度的统计量为（）A ．相关系数B ．回归系数C ．判定系数D ．标准差8、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（）A ．减少B ．增加C ．不变D ．变化不定9、如果回归模型中的随机误差项存在异⽅差，则模型参数的普通最⼩⼆乘估计量（ B ）。

A.⽆偏且有效B.⽆偏但⾮有效C.有偏但有效D.有偏且⾮有效9、存在多重共线性时，若使⽤普通最⼩⼆乘法估计线性回归⽅程，则回归系数的估计是（ A ）A. 有偏且⾮有效B. ⽆偏但⾮有效C. 有偏但有效D. ⽆偏且有效9、当随机误差项存在⾃相关时，若使⽤普通最⼩⼆乘法估计线性回归⽅程，则回归系数的估计是（ C ）A. 有偏且⾮有效B. 有偏但有效C. ⽆偏但⾮有效D. ⽆偏且有效34、假设回归模型Y=β1+β2X+u i 当中，X 与u i 相关，则的普通最⼩⼆乘估计量( D )A.⽆偏且⼀致B.⽆偏但不⼀致C.有偏但⼀致D.有偏且不⼀致10、经济计量分析的⼯作程序( B )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11、回归分析中要求（）A. 因变量是随机的，⾃变量是⾮随机的B. 两个变量都是随机的C. 两个变量都不是随机的D. 因变量是⾮随机的，⾃变量是随机的12、按照经典假设，线性回归模型中的解释变量应是⾮随机变量，且（）A. 与随机误差 ui 不相关B. 与残差 ei 不相关C. 与被解释变量 yi 不相关D. 与参数估计量不相关13、X 与 Y 的样本回归直线为（）A. i i X Y 21ββ+=B. i i i e X Y ++=21ββC. i i i e X Y ++=21??ββD. ii X Y 21??ββ+= 14、将总体被解释变量Y 的条件均值表现为解释变量X 的函数，称为（）A ．样本回归函数B ．总体回归函数C ．样本回归线D ．线性模型15、⽅差膨胀因⼦检测法⽤于检验（）A. 是否存在异⽅差B. 是否存在序列相关C. 是否存在多重共线性D. 回归⽅程是否成⽴16、设有样本回归线，则它（）A. 不⼀定在总体回归线上B. ⼀定不在总体回归线上C. ⼀定在总体回归线上D. 在总体回归线的上⽅17、在双对数线性模型lnYi=ln β0+β1lnXi+ui 中,β1的含义是（）A ．Y 关于X 的增长量B ．Y 关于X 的发展速度C ．Y 关于X 的边际倾向D ．Y 关于X 的弹性18、在⼆元线性回归模型：Yi=β1+β2X2i+β3X3i +ui 中，偏回归系数β3 表⽰（）A ．当X3不变、X2变动⼀个单位时，Y 的平均变动B ．当X2不变、X 3变动⼀个单位时，Y 的平均变动C ．当X3变动⼀个单位时，Y 的平均变动D ．当X2和X3都变动⼀个单位时， Y 的平均变动19、如果解释变量Xi 与随机误差项ui 相关，即有Cov(Xi ，ui)≠0，则普通最⼩⼆乘估计是（）A ．有偏的、⼀致的B ．有偏的、⾮⼀致的C ．⽆偏的、⼀致的D ．⽆偏的、⾮⼀致的20、设某商品需求模型为Yt=β0+β1Xt+ ut ，其中Y 是商品的需求量，X 是商品价格，为了考虑全年4个季节变动的影响，假设模型中引⼊了4个虚拟变量，则会产⽣（）A ．异⽅差 B.⾃相关 C ．完全的多重共线性 D. 不完全的多重共线性21、根据样本资料已估计得出⼈均消费⽀出Y 对⼈均收⼊X 的回归模型为Ln Y=5+0.75L nX,这表明⼈均收⼊每增加1%，⼈均消费⽀出将预期增加（）A ．0.2%B ．0.75%C ．5%D ．7.5%22、对样本相关系数r ，以下结论中错误的是（）A ．r 越接近于1，Y 与X 之间线性相关程度越⾼B ．r 越接近于0，Y 与X 之间线性相关程度越弱C ．-1≤r ≤1D ．若r=0,则X 与Y 独⽴23、下⾯关于内⽣变量的表述，错误的是（）A ．内⽣变量都是随机变量B ．内⽣变量受模型中其它内⽣变量的影响，同时⼜影响其它内⽣变量C ．联⽴⽅程模型中，解释变量可以是前定变量，也可以是内⽣变量D ．滞后内⽣变量与内⽣变量具有相同性质24、指出下列哪⼀变量关系是函数关系 ?( )A. 商品销售额与销售价格B. 学习成绩总分与各门课程成绩分数C. 物价⽔平与商品需求量D. ⼩麦亩产量与施肥量25、对模型 Yi= β 0 + β 1 X1i+ β 2 X2i+ µ i 进⾏总体显著性 F 检验，检验的零假设是 ( )A. β 1 = β 2 =0B. β 1 =0C. β 2 =0D. β 0 =0 或β 1 =026、多元线性模型中，⽤来测度多重共线性程度的⽅差膨胀因⼦VIFj 的取值范围是( )A. -1 ≤VIFj ≤ Rj2B. 1 ≤VIFj ≤ Rj2C. VIFj ≥1D. 0 ≤VIFj ≤ Rj227、⽤于检验随机误差项序列相关的⽅法正确的是 ( )A. ⼽⾥瑟检验B. ⼽德菲尔德——匡特检验C. 德宾——⽡森检验D. ⽅差膨胀因⼦检验28、产量（X ，台）与单位产品成本（Y ，元/台）之间的回归⽅程为X Y 5.1356?-=，这说明（）。

1、简述计量经济学：是以经济理论和经济数据为事实依据，运用数学统计学的的方法建立数学模型，来研究经济数量关系和和规律的一门经济学科。

2、计量经济模型有哪些应用：①结构分析。

②经济预测。

③政策评价。

④检验和发展经济理论。

3、计量经济学研究的主要步骤：①确定变量和数学关系式——模型设定；②分析变量间具体的数量关系式——估计参数；③检验所的结论的可靠性——模型检验；④作经济分析和经济预测——模型应用。

5．计量经济学数据的分类：①时间序列数据；②截面数据；③面板数据；④虚拟变量数据。

6.在计量经济模型中，为什么会存在随机误差项：随机误差项是计量经济模型中不可缺少的一部分。

产生随机误差项的原因有以下几个方面：①模型中被忽略掉的影响因素造成的误差；②模型的设定误差；③变量的测量误差；④随机因素。

7、总体回归函数中，引进随机误差想的原因：①作为位置影响因素的代表；作为无法取得数据的已知因素的代表；作为众多细小影响因素的综合代表；②模型设定的误差；③变量测定的误差；③经济现象内在的随机性。

8、古典线性回归模型的基本假定：①零均值假定。

即在给定xt的条件下，随机误差项的数学期望为0；②同方差假定。

误差项的方差与t无关，为一个常数。

③无自相关假定。

即不同的误差项相互独立。

④解释变量与随机误差项不相关假定。

（1分）⑤正态性假定，即假定误差项服从均值为0，方差为的正态分布。

9、总体回归模型与样本回归模型的区别：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观测的样本中变量y与x的相互关系。

②建立模型的不同。

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，样本回归模型是随机模型，它随着样本的改变而改变。

联系：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。

10．在满足古典假定条件下，一元线性回归模型的普通最小二乘估计量的统计性质：①线性，是指参数估计量和分别为观测值和随机误差项的线性函数或线性组合。

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。

第一章1、建立与应用计量经济学模型的主要步骤有哪些？(１)根据经济理论建立计量经济模型；(２)样本数据的搜集；(３)估计参数；(４)模型的检验；(５)模型的应用。

2、模型的检验包括几个方面？具体含义？（１）经济意义检验。

即观测模型参数的符号在经济意义上是否合理；（２）统计准则检验。

从数学上证明所建立的模型是否成立，即评定建立在样本观察值基础上的参数估计值的可靠性和精确度；（３）计量经济准则检验。

是从参数估计的条件上证明所建立的模型是否成立；（４）模型预测检验。

主要是检验模型参数估计值的稳定性和相关样本容量变化的灵敏度。

第二章1、经典假设条件的内容是什么？（１）零均值假定。

即在给定ｘｔ的条件下，随机误差项ｕｔ的数学期望为零，即Ｅ(ｕｔ)＝０；（２）同方差假定。

误差项ｕｔ的方差与ｔ无关，为一个常数，即Ｖａｒ（ｕｔ）＝（３）无自相关假定。

即不同的误差项ｕｔ和ｕｓ相互独立，即Ｃｏｖ（ｕｔ，ｕｓ）＝０（４）解释变量ｘｔ与随机误差项ｕｔ不相关假定，即Ｃｏｖ（ｘｔ，ｕｓ）＝０（５）正态性假定。

即随机误差项ｕｔ服从均值为零，方差为的正太分布，即Ｙｔ～Ｎ(０,)2、最小二乘估计量有哪些特性？（１）线性。

是指参数估计值ｂ０和ｂ１分别为观测值ｙｔ和随机误差项ｕｔ的线性函数；（２）无偏性。

是指参数估计量ｂ０和ｂ１的均值分别等于总体参数值ｂ０和ｂ１。

（３）有效性。

是指在所有的线性＼无偏估计量中，最小二乘估计量ｂ０和ｂ１的方差是最小的。

既是无偏的，同时又是最小方差的估计量，称为最佳无偏估计量。

在古典假定条件下，ＯＬＳ估计量ｂ０和ｂ１是参数ｂ０和ｂ１的最佳线性无偏估计量，这一结论就是高斯马尔可夫定理。

第四章重要1、样本分段法检验异方差性的基本步骤及其适用条件?（1）将观察值按解释变量的大小顺序排列，被解释变量和解释变量保持原来的对应关系；（2）将排列在中间的约四分之一的观察值删除掉，除去的观察值记为c,则余下的观察值分为两个部分，每部分的观察值为（n-c）/2 .（3）提出假设检验。

计量经济学复习资料计量经济学复习资料计量经济学框架（⽅法论）◆古典线性回归模型假设（assumptions on CLRM）1.回归模型对参数线性2.在重复抽样中，xi是给定的3.残差的平均数为0（E（ui）=0）4.残差的⽅差为常量（同⽅差性）5.残差之间是独⽴的（cov（ui，uj）=0）即没有⾃相关性和序列相关性6.残差和xi之间不能有关联性（cov（xi，ui）=0）7.xi和xj没有完全的多重共线性8.模型是可识别的9.xi是可变的10.n⼤于变量的个数◆模型结构检验Ho：c=0，t-test，p-value，即yi与xi是否有关T绝对值越⼤，得到这样⼀个t值的p值因⽽就很⼩，所以拒绝原假设，yi与xi关系显著。

Ho：c（1）=c（2）=c（3）=0，f-test，p-value，即yi与xi，xj，xk是否关系显著P值越⼩，拒绝原假设出错的概率就越⼩，所以yi与xi，xj，xk关系就显著Ho：c（1）=a，c（2）+c（3）=b，wald-test，p-value对yi和xi进⾏线性回归后，点击view-coefficient test-wald coefficient restrictions Ho：same structure，chow，p-value，即断点检验对yi和xi进⾏线性回归后，点击view-stability tests-chow breakpoint testHo：xi，omitted test，p-value，遗漏变量检验对yi和xi进⾏线性回归后，点击view-coefficient test-omitted variablesHo：xi，rebundant test，p-value，冗余变量检验对yi和袭进⾏线性回归后，点击view-coefficient test-rebundant variablesHo：R2 =0，f-test，p-value做完回归⽅程后，看f值和p值⼤⼩，p值越⼩，即拒绝原假设，表明拟合⽔平越⾼。

计量经济学复习资料1、外生变量与滞后内生变量统称为先决变量，先决变量只能作为解释变量。

2、滞后变量：把过去时期的具有滞后作用的变量叫做滞后变量。

滞后变量是联立方程计量经济学模型中重要的不可或缺的一部分变量，用以反映经济系统的动态性；与连续性。

3、内生变量是具有某种概率分布的随机变量，它的参数是联立方程系统估计的元素，内生变量时有模型系统决定的，同时也对模型系统产生影响，内生变量一般都是经济变量/4、拟合优度：关于模型（样本回归直线）与样本观测值的拟合程度。

5、偏回归系数：自变量变化一个百分点，应变量变化贝塔个百分点。

6、参数：参数是用来描述总体特征的概括性数字度量，它是研究者想要了解的总体某种特征值。

是总体数据特征的概括，它的取值是唯一的、未知的。

7、R的平方=0.9的含义：R平方被称作可决系数，是检验模型拟合优度的一个指标，在总离差平方和中，回归平方和（ESS）所占的比重越大，残差平方和所占的比重就越小，回归直线于样本点拟合的就越好。

所以该统计量越接近1，模型的拟合优度就越高。

所以R的平方=0.9表示被解释变量的90%可由解释变量来解释！8、.残差平方和（RSS=0）等于零：残差平方和是用来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，所以残差平方和等于零的含义就是模型中解释变量未解释的部分离差等于零，即因变量完全由解释变量解释。

9、经济计量学模型：是指通过用随机性数学方程的方法对现实进行描述和模拟，进而揭示经济活动中各个因素之间的定量关系的模型。

1.矩估计法：对于原总体多元回归模型，通过变形求期望得到：，该等式被称作总体回归方程的一组矩条件（表明了原总体回归方程所具有的内在特征），若从原总体中随机抽出一个样本，由该样本估计出的样本方程能够近似代表总体回归方程的话，则应成立，由此得到正规方程组：，解此正规方程组即得样本估计参数，这种估计样本回归方程的方法称为矩估计。

（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123463. OLS回归线数学性质:同第二章34. 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→OK,可以看到x,y散点图②残差图形分析data x y,sort x;ls y c x;再回归结果的子菜单点resid,可以看残差分析图Bgoldfeld-quanadt:data x y;sort x;smpl 1 n1;ls y c x(RSS1);smpl n2 n;ls y c x(RSS2);计算F*=RSS2/RSS1,取α=0.05，查F分布表，得F0.05((n-c)/2,(n-c)/2),将F值与此对比.若F*＞F(0.05),拒绝原假设,存在异方差Cwhite:data x y;ls y c x;在回归结果的子菜单中点击view-residual test-white heteroskedasticity,可以看到辅助回归模型的估计结果D arch;E：glejser:data x y;ls y c x;genr E1=resid;genr E2=abs(E1);genr XH=X^h;ls E2 c xh;依次根据XH的T值判断E2与XH之间是否存在异方差4.补救措施:A模型变换法:genr y1=y/根号x^h; genr x2=1/根号x^h ; genr x3=x/根号x^h;ls y1 x2 x3;B加权最小二乘法wls:权数:w1t=1/xt;w2t=1/xt^2;w3t=1/根号xt.电脑操作:genr w1=1/x;genr w2=1/(x^2);genr w3=1/sqr(x);ls (w=w1t) y c x;ls (w2=w2t) y c x;ls (w3=w3t) y c x. 第六章:1.自相关产生原因: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2.表现形式:自相关性质可以用自相关系数符号判断.即ρ＜0为负相关, ρ＞0为正相关.当|ρ|接近1时,表示相关的程度很高.自相关形式:见公式.3.后果:见公式.4.检验:A图示检验:data x y;ls y c x;再回归模型的子菜单点击resids,可以看到模型残差分布图;genr e=resid;data e e(-1);view-graph-scatter-simple scatter.B.DW检验:data x y;ls y c x;根据回归结果得出DW值,然后判断是否自相关.(正相关0~dl,无法判断dl~du,正相关du~2~4-du,无法判断4-du~4-dl,负相关4-dl~4).5.补救:A广义差分法:data x y;ls y c x;根据DW求ρ尖>(ρ尖=1-DW/2);smpl 2 n;genr yi=y-ρ尖*y(-1); genr xi=x-ρ尖*x(-1);ls y1 c x1;运用DW检验判断是否消除了自相关B:Cochrane orcutt迭代法:data x y;la y c x ar(1);运用DW检验判断C其他方法:①一阶差分法:data x y;ls y c x;smpl 2 n;genr y1=y-y(-1); genr x1=x-x(-1);ls y1 c x1; 运用DW检验判断②德宾两步法:data x y;smpl 2 n;ls y c y(-1)根据输出结果看y(-1)前系数,求出ρ尖; genr yi=y-ρ尖*y(-1); genr xi=x-ρ尖*x(-1);ls y1 c x1;运用DW检验判断第七章:1.虚拟变量0和1选取原则:0基期,比较的基础,参照物;1报告期:被比较类型2.虚拟变量数量的设置规则:①若定性因素具有m≥2个相互排斥属性,当回归模型有截距项时,只能引入m-1个变量②当回归模型无截距项时,引入m个变量3.虚拟解释变量的回归:加法截距:①解释变量只有一个分为两种相互排斥类型的定性变量而无定量变量②解释变量包含一个定量变量和一个分为两种类型的定性变量③解释变量包含一个定量变量和一个两种以上类型的定性变量④解释变量包含一个定量变量和两个定性变量.乘法斜率:①截距不变情形②结局斜率均发生变化③分段回归分析描述的精度.。