一分钟看完计量经济学!!!------开学后的计量笔记

计量经济学读书笔记通过学习李子奈的“计量经济学应用研究的总体回归模型设定”这篇文章，我对计量经济学有了更深刻的认识，结合已学习的计量经济学知识，对真实总体回归模型的唯一性有了自己独到的见解。

一、真实总体回归模型的唯一性是否存在？对于这个问题，我认为这主要由人们所遵循的哲学观念来决定的。

如果人们遵循唯物主义哲学观，相信事物是客观存在的，那么就会认同我们目前所处的经济系统是客观存在的，则反映该经济系统变化的真实总体回归模型也是唯一的。

我同意李子奈所提出的真实总体回归模型应该具有唯一性的观点，因为这符合我们认识和研究世界的基本哲学观念。

当然，对于唯心主义者而言，由于每个人心目中的真实经济系统是不一样的，所以真实总体回归模型相应的也就不具有唯一性了。

现实中，人们在用计量经济学来研究客观现实世界时，一直在探求能够真实反映客观世界的真实总体回归模型。

目前主要从两方面进行探求:一是对于真实总体回归模型的形式的不断逼近，其中包括对影响因素的探求；二是对于其扰动项的真实分布形态的探求。

当然，人们对于真实总体回归模型的不断逼近，会受当时计量经济学研究的技术条件和人们对现实经济系统认识能力的限制，并随着它们的发展而不断发展。

由于我们对于客观存在的真实经济系统的认识总是有限的，而且该经济系统本身也受人类自身行为以及自然环境因素（如地震、海啸、疾病等）的影响，因此会表现出动态变化的一面。

所以，我认为，真实经济系统是不可知的（至少目前来说是不可知的），因为它本身的变化在很大程度上是人的行为活动作用的结果，因而我们前面所提出的唯一的真实总体回归模型事实上也是不可知的。

假定真实经济系统不受任何其他外在因素影响，仅受人自身行为因素的影响，也就是说该经济系统的变化是由处在系统中所有人的行为相互影响和相互作用结果的表现。

假定我们已经观测到唯一的真实总体回归模型，依此建立相应的回归模型用来刻画真实经济系统的变化，那么就会得出一个奇怪的结果！我们知道人是具有自我学习能力的，当我们发现能用一种真实总体回归模型来刻画现实经济时，所有人都会运用该计量模型来为自己谋利，那么这种行为往往会使经济系统表现得比以前更为复杂，从而使原有的真实总体回归模型变得不真实了。

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 总复习第一部分：统计基础知识均值的概念：通常人们所说的均值就是“平均数”，统计意义上的均值是“期望值”。

方差：变量的每个样本与均值的距离大小的概念。

标准差：对方差开根号就是标准差。

数学期望值与方差的数学性质总体方差： 1.常量aE （a ）=a 2σ(a)=0抽样方差： 2.变量 y=a+bxE(y)=a+bE(x)总体标准偏差： 2σ(y)=b^2 * 2σ(x)抽样标准偏差：假设检验的定义：事先做一个假设，然后再用统计方法来检验这个假设是否有统计意义。

假设检验的步骤：第一步，设定假设条件。

原定假设，H0:u=u0，和替代假设，Ha:u ≠u0。

第二步，决定用哪种检验， 如果n ≥30,用Z 检验，如果n<30, 用t 检验。

第三步，找出临界值， 根据给定的定义域的大小，即α=1%、α=5%、或 α=10% 从概率分布表中查出Zc 值，或tc 值。

第四步，计算统计值， 或者第五步，比较统计值与临界值而得出结论。

如果统计值的绝对值大于临界值，那么我们就否定原定假设； 如果统计值的绝对值小于临界值，那么我们就不能否定原定假设。

第二部分 最小二乘法最小二乘法的假设条件：（1） （2） （3） （4） （5） 文字解释：Nu x Ni ∑-=22)(σ1)(22--=∑n x xs ni2σσ=2s s =nux Z σ0*-=n s u x t 0*-=)(=X E i ε∞<=22,)(σσεi Var 0),(=j i Cov εε0),(=i i X Cov ε1),(±≠j i X X Cov(1)每个误差必须是随机的，其误差的期望值是零；(2)误差都是雷同的，其方差相等，同时其方差的变化量必须是有限的； (3)每个误差之间必须是相互独立的； (4)误差项与方程式中的自变量是无关的； (5)自变量之间无直接的线性关系。

通用最小二乘法的步骤：第一步：求出误差项：第二步：求误差的平方和最小。

一分钟看完计量经济学！！！------开学后的计量笔记建模是计量的灵魂，所以就从建模开始。

一、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，差分法或使用额外信息，增大样本容量可以修正。

4，随机解释变量问题：随机解释变量与随机干扰项独立----------对OLS没有坏影响。

随机变量与随机干扰项同期相关：有偏但一致-----扩大样本容量可以克服。