计量经济学复习提纲—庞皓版

第二章简单线性回归模型第一节回归分析与回归函数P15（一）相关分析与回归分析1、相关关系2、相关系数3、回归分析（二）总体回归函数（条件期望）（三）随机扰动项（四）样本回归函数第二节简单线性回归模型参数的估计P26（一）简单线性回归的基本假定（二）普通最小二乘法求样本回归函数（三）OLS回归线的性质（四）最小二乘估计量的统计性质1、参数估计量的评价标准（无偏性、有效性、一致性）2、OLS估计量的统计特性（线性特性、无偏性、有效性、高斯-马尔可夫定理）第三节拟合优度的度量（RSS、ESS、TSS）P35（一）总变差的分解（二）可决系数（三）可决系数与相关系数的关系第四节回归系数的区间估计与假设检验P38（一）OLS估计的分布性质（二）回归系数的区间估值（三）回归系数的假设检验1、Z检验2、t检验第五节回归模型预测P43第六节案例分析P48第三章多元线性回归模型第一节多元线性回归模型及古典假定P64一、多元线性回归模型二、多元线性回归模型的矩阵形式三、多元线性回归模型的古典假定第二节多元线性回归模型的估计P68一、多元线性回归性参数的最小二乘估计二、参数最小二乘估计的性质（线性特性、无偏性、有效性）三、OLS估计的分布性质四、随机扰动项方差的估计五、多元线性回归模型参数的区间估计第三节多元线性回归模型的检验P74一、拟合优度检验（多重可决系数、修正的可决系数）二、回归方程的显著性检验（F-检验）三、回归参数的显著性检验（t-检验）第四节多元线性回归模型的预测P79第五节案例分析P81第四章多重共线性第一节什么是多重共线性P94第二节多重共线性产生的后果第三节多重共线性的检验第四节多重共线性的补救措施第五节案例分析P109。

复习题（1）答案一、 单项选择题1、全对数模型 u X Y ++=ln ln ln 21ββ 中，参数2β的含义是（ C ）。

A. X 对于 Y 的增长率；B. X 对于 Y 的发展速度；C. X 对于 Y 的弹性；D. X 对于 Y 的边际变化；2、回归分析中的最小二乘法（OLS ）准则是（ D ）。

D. *E.使∑=-ni iiY Y 1)ˆ(达到最小值； B. 使 iiY Y ˆmin -达到最小值；C. 使 ii Y Y ˆmax -达到最小值； D. 使 21)ˆ(∑=-ni iiY Y 达到最小值；3、回归模型中具有异方差性时，仍然采用 OLS 估计模型，则以下说法正确的是（ A ）。

A. 参数估计量无偏、方差非最小;B. 参数估计量无偏、方差最小;C. 常用 F 检验失效;D. 参数的估计量有偏.4、 在一元线性回归模型中，样本回归方程可表示为（ C ）。

《A ． i i i u X Y ++=10ββ B. i i i u X Y E Y +=)|(C. ii X Y 10ˆˆˆββ+= D. i i X X Y E 10)|(ββ+=5、 最容易产生异方差的数据为 ( C )。

A. 时序数据;B. 混合数据；C. 截面数据D. 年度数据6、 White 检验法可用于检验( A )。

A. 异方差性B. 多重共线性C. 序列相关D. 设定误差、7、在模型 t t t t u X X Y +++=2110ββ的回归分析结果报告中，有F ， F 的p 值= ，则表明（ C ）A. 解释变量t X 1对t Y 的影响是显著的；B. 解释变量t X 2对t Y 的影响是显著的；C. 解释变量t X 1和t X 2对t Y 的联合影响是显著的；D. 解释变量t X 1和t X 2对t Y 的影响均不显著；8、多元线性回归模型中，发现各参数估计量的 t 值很小，但模型的 R 和F 值很大，这说明模型存在（ A ）。

计量经济学复习重点总结任课老师：姜婷By fantasy题型：单选20*2 多选5*3 判断5*3 计算3*10第一章导论计量经济学数据类型：时间序列数据：把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔（如月度.季度.年度）排列起来，这样的统计数据称为时间序列数据。

时间序列数据可以是时期数据，也可以是时点数据。

如逐年的GDP CPI截面数据：同一时间（时期或时点）某个指标在不同空间的观测数据。

如某一年各省GDP 面板数据：指时间序列数据和截面数据相结合的数据。

如在居民收支调查中收集的对各个固定调查户在不同时期的调查数据。

虚拟变量数据：某些客观存在的定性现象，如政策、自然灾害、战争等等第二章简单线性回归模型总体回归函数的表示形式：条件期望形式：个别值形式：样本回归函数的表示形式：条件均值形式个别值形式随机扰动项和残差项的区别和联系：区别：随机扰动项代表总体的误差，反应了未知因素、模型设定误差、变量观测误差；残差代表样本的误差，残差=随机误差项+参数估计误差。

随机扰动项无法直接观测；残差的数值可以求出。

联系：残差概念上类似于随机扰动项，将残差引入样本回归函数和随机引入总体回归函数的理由是相同的。

简单线性回归的基本假定：P31随机扰动项和解释变量不相关假定，零均值假定：同方差假定：正态性假定：无自相关假定：采用普通最小二乘法拟合的样本回归线的性质：P34回归线通过样本均值：Yi估计值的均值等于实际值的均值：剩余项的均值为零：被解释变量估计值与剩余项不相关：解释变量与剩余项不相关：OLS估计式的统计性质：P36（BLUE最佳线性无偏估计量）线性特性：无偏性：最小方差性：可决系数：R 2=ESS/TSS=1-RSS/TSS回归系数的假设检验：t 检验选取的统计量及其服从的分布 P48回归模型结果的经济含义分析： 练习题：2.7和2.92.7 设销售收入X 为解释变量，销售成本Y 为被解释变量。

第三章 多元线性回归模型学习辅导一、本章的基本内容(一)基本内容图3.1 第三章基本内容(二)本章的教学目标在现实的计量经济分析中，事实上影响被解释变量的因素不止一个，通常会有多个影响因素；另外，即使我们的分析目的是仅考察某一个因素对被解释变量的影响，但为了得到该因素对被解释变量的“净”影响，也需要将其他影响因素作为“控制变量”，使其以显性形式出现在模型中，以提高模型估计精度。

因此，在对现实经济问题进行计量经济分析时，通常需要建立包含两个及两个以上解释变量的计量模型，此类模型称为多元回归模型。

多元回归模型是在简单回归模型理论基础上的扩展，其建模的理论基础、基本思路、模型估计等与一元回归模型基本一致，只是因解释变量增多，从而带来一些新的内容，比如模型整体显著性检验（F 检验）、修正的可决系数（2R ）以及解释变量之间多重共线性等问题。

本章的教学目标是：深刻理解建立多元回归模型的目的；掌握多元线性回归模型估计、检验的理论与方法；熟练掌握多元线性回归EViews 输出结果的解释。

二、重点与难点分析1.对多元线性回归模型参数意义的理解多元线性回归模型的参数与简单线性回归模型的参数有重要区别。

在多元线性回归模型中，解释变量对应的参数是偏回归系数，表达的是控制其他解释变量不变的条件下，该解释变量的单位变动对被解释变量平均值的“净”影响。

为了更深刻理解偏回归系数，可以两个解释变量的多元线性回归模型为例加以说明1。

例如，被解释变量Y 与解释变量2X 和3X 都有关，如果分别建立模型:多元线性回归: 12233i i i i Y X X u b b b =+++简单线性回归 : 1221i i i Y a a X u =++由于Y 与3X 有关，可以作回归:1332i i i Y b b X u =++，若用OLS 估计其参数，并计算残差213333ˆˆˆi i i i i e Y b b X y b x =--=-，这里的2i e 表示除去3i X 影响后的i Y 。

计量经济学复习提纲—庞皓版1.计量分析的四个步骤：模型设定——参数估计——模型检验——模型应⽤2.计量模型检验：经济意义检验——统计推断检验——计量经济学检验——模型预测检验3.计量模型的应⽤：结构分析——经济预测——政策评价——检验与发展经济理论4.正确选择解释变量的原则：符合理论、规律——忽略众多次要因素，突出主要经济变量——数据可得性——每个解释变量之间是独⽴的5.参数的数据类型：时间序列数据——截⾯数据——⾯板数据——虚拟变量数据第⼆章1.总体相关系数：ρ=Cov(X,Y)/√Var(X)√Var(Y)2.样本相关系数：rxy=Σ(Xi-X_)(Yi-Y_)/√Σ(Xi-X_)^2√Σ(Yi-Y_)^23.总体回归函数中引⼊随机扰动项的原因：作为未知影响因素的代表——作为⽆法取得数据的已知因素代表——作为众多细⼩影响因素的综合代表——模型的设定误差——变量的观测误差——经济现象的内在随机性4.简单线性回归模型的基本假定：1、对变量和模型的假定；2、对随机扰动项ui统计分布的假定（古典假定）：零均值假定——同⽅差假定——⽆⾃相关假定——随机扰动项ui与解释变量Xi不相关——正态性假定5.违反零均值假定：影响截距上的估计（影响⼩）6.违反正态性假定：不影响OLS估计是最佳⽆偏性，但会使t检验F检验失真（影响⼤）7.样本回归函数的离差形式：yi^=β2^*xi8.OLS估计值的离差表达式：β2^=Σ(Xi-X_)(Yi-Y_)/Σ(Xi-X_)^2=Σxiyi/Σxi^2β1^=Y_-β2^*X_9.OLS回归线的性质：样本回归线过（X_,Y_）——估计值均值等于实际值均值——剩余项ei的均值为零——Cov(Yi^,ei)=0——Cov(Xi,ei)=010.β^的评价标准：⽆偏性——有效性——⼀致性11.β^的统计性质：线性——⽆偏性——有效性12.Var(^β1)=?^2/Σxi^2——Var(^β2)=ΣXi^2/n*?^2/Σxi^213.^?^2=Σei^2/(n-2)14.总变差平⽅和：Σ(Yi-Y_)^2=Σyi^2……TSS……n-1回归平⽅和：Σ(Yi^-Y_)^2=Σ^yi^2……ESS……k-1残差平⽅和：Σ(Yi-Yi^)^2=Σei^2……RSS……n-k15.可决系数：R^2=ESS/TSS16.SE(^β1)=√(?^2ΣXi^2)/(nΣxi^2)SE(^β2)=√?^2/Σxi^217.t=(^β1-β1)/^SE(^β1)~t(n-2)t=(^β2-β2)/^SE(^β2)~t(n-2)18.区间估计：1.当总体⽅差?^2已知，α=0.1—±1.645,α=0.05—±1.96,α=0.01—±2.33，P[-tα2.当总体⽅差?^2未知，样本容量⼤，可⽤^?^2=Σei^2/(n-2)代替?^2，z=(^β2-β2)/(^?/√Σxi^2)3.当总体⽅差?^2未知，样本容量⼩，P[-tα/219.对Y平均值的区间预测：SE(^Yf)=?√{1/n+[(Xf-X_)^2/Σxi^2]}，置信度1-α的预测区间[^Yf-tα/2*SE(^Yf),^Yf+tα/2* SE(^Yf)]20.对Y个别值预测区间：Yf=^Yf±tα/2*^?√{1+1/n+[(Xf-X_)^2/Σxi^2]}1.多元线性回归模型的古典假定：零均值假定——同⽅差和⽆⾃相关假定——随机扰动项与解释变量不相关——⽆多重共线性假定——正态性假定2.修正的可决系数：_R^2=1-(1-R^2)(n-1)/(n-k)……k是待估参数个数，R^2必定为正，但修正的可决系数可能为负，这是规定其为0，随着k的增加，_R^2越来越⼩于R^23.F=ESS(k-1)/RSS(n-k)=R^2/(1-R^2)*(n-k)/(k-1)4.S.E. of regression：?^2=Σei^2/(n-k)——?=5.t-statistic=coefficient/std.error6.TSS=(n-1)*(S.D.dependentvar)^2第四章1.多重共线性产⽣的原因：经济变量之间具有共同变化趋势——模型中包含滞后变量——利⽤截⾯数据建⽴模型也可能出现多重共线性——样本数据⾃⾝的原因2.完全多重共线性产⽣的后果：参数的估计值不确定——参数估计值得⽅差⽆限⼤3.不完全多重共线性后果：参数估计值的⽅差和协⽅差增⼤——对参数区间估计时，置信区间趋于变⼤——严重多重共线性时，假设检验容易作出错误判断——参数估计经济含义不合理。

第二章 简单线性回归模型学习辅导一、本章的基本内容（一）基本内容图2.1 第二章的基本内容（二）本章的教学目标在计量经济模型中，只有两个变量且为线性的回归模型是最简单的，称为简单线性回归模型。

简单线性回归模型形式简单，估计和检验的结果表述较为容易，其原理可以直接用代数式和平面坐标图形去直观表述，更容易使初学者理解和接受。

而且先讨论简单线性回归模型，使其对计量经济学的理论和思想有较深刻的认识，然后可以很容易拓展到更一般的多元的情况。

所以，本章从简单线性回归模型入手,讨论计量经济学最基本的理论与方法，为以后各章对计量经济学理论与方法的拓展和深化打下基础。

本章的教学目标是：深刻理解计量经济分析的基本思想；明确估计计量经济模型的基本假定；掌握估计和检验计量经济模型的基本思想和方法；能够运用简单线性回归模型作经济结构分析和经济预测等方面的应用；并要求初步掌握EViews最基本的操作方法。

二、重点与难点分析1. 从条件期望的角度深刻认识回归函数的实质总体回归函数（PRF）是将总体被解释变量Y的条件期望表现为解释变量X的某种函数。

总体回归函数所体现的实际是经济现象或经济变量之间的客观规律性。

由于受种种偶然因素的影响, 经济变量之间的数量规律在经济现象的个别观测值中难以直接观测,只有从变量条件期望的角度才能揭示经济现象数量关系的规律性。

作为经济总体运行的客观规律，总体回归函数是客观存在的，但是在实际的经济研究中总体回归函数通常又是未知的，只能根据经济理论和研究者的实践经验去设定。

在计量经济学研究中,“计量”的根本目的是去揭示客观存在的经济数量规律,也就是要努力寻求总体回归函数。

我们所设定的计量经济模型实际就是在设定总体回归函数的具体形式。

样本回归函数（SRF）是将被解释变量Y的样本条件均值表示为解释变量X的某种函数。

样本回归线会随着抽样波动而变化，每次抽样都能获得一个样本，也就可以拟合出一条样本回归线，所以样本回归函数是不唯一的。

第1章导论1.1 复习笔记考点一：什么是计量经济学★1．计量经济学的产生与发展计量经济学是社会经济发展到一定阶段的客观需要，主要是用来对社会经济问题的数量规律进行研究。

随着世界计量经济学会的成立，计量经济学成为经济学的一门独立学科。

第二次世界大战以后，计量经济学在西方各国得到了广泛的传播，逐渐发展成为经济学中的重要分支。

尤其是在20世纪40～60年代，经典计量经济学逐步完善并得到广泛应用。

目前，计量经济学的理论和应用有了很多突破，形成了众多新的分支学科。

2．计量经济学的性质（1）计量经济学的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、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。

注意：计量经济学研究的主体是经济现象及其发展变化的规律，所运用的数学方法只是工具，数学方法是为经济问题服务的，所以它是一门经济学科。

（2）计量经济学的类型①理论计量经济学理论计量经济学研究如何建立合适的方法，去测定由计量经济模型所确定的经济关系，理论计量经济学要较多地依赖数理统计学方法。

②应用计量经济学应用计量经济学是运用理论计量经济学提供的工具，研究经济学中某些特定领域经济数量问题的学科。

应用计量经济学研究的是具体的经济现象和经济关系，研究它们在数量上的联系及其变动规律性。

3．计量经济学与其他学科的关系计量经济学是与经济学、经济统计学及数理统计学都有关系的交叉学科。

但计量经济学又不是这些学科的简单结合，它与这些学科既有联系又有区别。

计量经济学与其他学科的联系与区别见表1-1。

表1-1 计量经济学与其他学科的联系与区别考点二：计量经济学的研究步骤★★1．模型设定：确定变量和数学关系式经济模型是指对经济现象或过程的一种数学模拟。

建立模型时需要考虑模型中变量的取舍与相互关系形式的设计（线性关系与非线性关系）这两个主要方面，进而把所研究的主要经济因素（表现为经济变量）之间的关系，用适当的数学关系式近似地、简化地表达出来。

第一章 绪论思考题1.1怎样理解产生于西方国家的计量经济学能够在中国的经济理论研究和现代化建设中发挥重要作用？答：计量经济学的产生源于对经济问题的定量研究，这是社会经济发展到一定阶段的客观需要。

计量经济学的发展是与现代科学技术成就结合在一起的，它反映了社会化大生产对各种经济因素和经济活动进行数量分析的客观要求。

经济学从定性研究向定量分析的发展，是经济学逐步向更加精密、更加科学发展的表现。

我们只要坚持以科学的经济理论为指导，紧密结合中国经济的实际，就能够使计量经济学的理论与方法在中国的经济理论研究和现代化建设中发挥重要作用。

1.2理论计量经济学和应用计量经济学的区别和联系是什么？答：计量经济学不仅要寻求经济计量分析的方法，而且要对实际经济问题加以研究，分为理论计量经济学和应用计量经济学两个方面。

理论计量经济学是以计量经济学理论与方法技术为研究内容，目的在于为应用计量经济学提供方法论。

所谓计量经济学理论与方法技术的研究，实质上是指研究如何运用、改造和发展数理统计方法，使之成为适合测定随机经济关系的特殊方法。

应用计量经济学是在一定的经济理论的指导下，以反映经济事实的统计数据为依据，用计量经济方法技术研究计量经济模型的实用化或探索实证经济规律、分析经济现象和预测经济行为以及对经济政策作定量评价。

1.3怎样理解计量经济学与理论经济学、经济统计学的关系？答：1、计量经济学与经济学的关系。

联系：计量经济学研究的主体—经济现象和经济关系的数量规律；计量经济学必须以经济学提供的理论原则和经济运行规律为依据；经济计量分析的结果：对经济理论确定的原则加以验证、充实、完善。

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。

2、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。

计量经济学复习重点总结任课老师：姜婷By fantasy题型：单选20*2 多选5*3 判断5*3 计算3*10第一章导论计量经济学数据类型：时间序列数据：把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔（如月度.季度.年度）排列起来，这样的统计数据称为时间序列数据。

时间序列数据可以是时期数据，也可以是时点数据。

如逐年的GDP CPI截面数据：同一时间（时期或时点）某个指标在不同空间的观测数据。

如某一年各省GDP 面板数据：指时间序列数据和截面数据相结合的数据。

如在居民收支调查中收集的对各个固定调查户在不同时期的调查数据。

虚拟变量数据：某些客观存在的定性现象，如政策、自然灾害、战争等等第二章简单线性回归模型总体回归函数的表示形式：条件期望形式：个别值形式：样本回归函数的表示形式：条件均值形式个别值形式随机扰动项和残差项的区别和联系：区别：随机扰动项代表总体的误差，反应了未知因素、模型设定误差、变量观测误差；残差代表样本的误差，残差=随机误差项+参数估计误差。

随机扰动项无法直接观测；残差的数值可以求出。

联系：残差概念上类似于随机扰动项，将残差引入样本回归函数和随机引入总体回归函数的理由是相同的。

简单线性回归的基本假定：P31随机扰动项和解释变量不相关假定，零均值假定：同方差假定：正态性假定：无自相关假定：采用普通最小二乘法拟合的样本回归线的性质：P34回归线通过样本均值：Yi估计值的均值等于实际值的均值：剩余项的均值为零：被解释变量估计值与剩余项不相关：解释变量与剩余项不相关：OLS估计式的统计性质：P36（BLUE最佳线性无偏估计量）线性特性：无偏性：最小方差性：可决系数：R 2=ESS/TSS=1-RSS/TSS回归系数的假设检验：t 检验选取的统计量及其服从的分布 P48回归模型结果的经济含义分析： 练习题：2.7和2.92.7 设销售收入X 为解释变量，销售成本Y 为被解释变量。

第1章　导论一、选择题1．在计量经济模型中，入选的每一个解释变量之间都是（ ）。

A．函数关系B．非线性相关关系C．简单相关关系D．独立的【答案】D【解析】计量经济学模型的所有解释变量共同对被解释变量起到解释作用，所有的解释变量之间应为相互独立的。

若解释变量之间存在相关关系，这将会导致模型出现多重共线性问题，参数估计将会出现偏误。

2．下列各项中，属于截面数据的是（ ）。

A．1990～2018年我国居民的收入B．1990～2018我国的出口额C．2018年第一季度15个重点调查的煤炭行业各种产品的产量D．2018年第一季度15个重点调查的煤炭企业的产量【答案】D【解析】截面数据是一批发生在同一时间截面上的调查数据，用截面数据作为计量经济学模型的样本数据，需要注意两个问题：①样本与母体的一致性问题。

截面数据很难用于一些总量模型的估计；②模型随机干扰项的异方差问题。

AB两项是时间序列数据；C项3．对模型中参数估计量的符号、大小、相互之间的关系进行检验，属于（ ）。

A．经济意义检验B．计量经济学检验C．统计检验D．稳定性检验【答案】A【解析】经济意义检验主要检验模型参数估计量在经济意义上的合理性，主要方法是将模型参数的估计量与预先拟定的理论期望值进行比较，包括参数估计量的符号、大小、相互之间的关系；计量经济学检验主要检验模型的计量经济学性质，主要有自相关检验、异方差检验、多重共线性检验等；统计检验主要检验模型参数估计值的可靠性，主要有F 检验、t检验、拟合优度检验等；稳定性检验主要检验模型参数的稳定性，主要方法包括Chow检验、LR检验、随机系数法等。

二、判断题1．计量经济学是一门应用数学学科。

（ ）【答案】×【解析】计量经济学是经济学的一个分支学科，即它是一门经济学科，而不是应用数学或其他学科。

2．人口普查数据属于时间序列数据。

（ ）【解析】时间序列数据是一个或多个变量按照时间先后排列的统计数据，而“人口普查数据”是一个或多个变量发生在同一时间截面上的调查数据，即属于截面数据。

计量经济学第三版复习知识要点庞皓(总37页)-CAL-FENGHAI.-(YICAI)-Company One1-CAL-本页仅作为文档封面，使用请直接删除第一章导论第一节计量经济学的涵义和性质计量经济学是以一定的经济理论和实际统计资料为依据，运用数学、统计学方法和计算机技师，通过建立计量经济模型，定量分析经济变量之间的随机因果关系。

计量经济学是经济学的一个重要分支，以揭示经济活动中客观存在的数量关系的理论与方法为主要内容，其核心是建立计量经济学模型。

第二节计量经济学的内容体系及与其他学科的关系一、计量经济学与经济学、统计学、数理统计学学科间的关系计量经济学是经济理论、统计学和数学的综合。

经济学着重经济现象的定性研究，而计量经济学着重于定量方面的研究。

统计学是关于如何惧、整理和分析数据的科学，而计量经济学则利用经济统计所提供的数据来估计经济变量之间的数量关系并加以验证。

数量统计各种数据的惧、整理与分析提供切实可靠的数学方法，是计量经济学建立计量经济模型的主要工具，但它与经济理论、经济统计学结合而形成的计量经济学则仅限于经济领域。

计量经济模型建立的过程，是综合应用理论、统计和数学方法的过程。

因此计量经济学是经济理论、统计学和数学三者的统一。

二、计量经济学的内容体系1、按范围分为广义计量经济学和狭义计量经济学。

2、按研究内容分为理论计量经济学和应用计量经济学。

理论计量经济学的核心内容是参数估计和模型检验。

应用计量经济学的核心内容是模型设定和模型应用。

第三节基本概念(4、5、7、8了解即可)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。

2.解释变量：解释变量也称自变量，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。

它对因变量的变动作出解释，表现为议程所描述的因果关系中的“因”。

3.被解释变量：被解释变量也称因变量或应变量，是作为研究对象的变量。

它的变动是由解释变量作出解释的，表现为议程所描述的因果关系的果。

计量经济学第一章导论一节什么是计量经济学统计学，经济学，数学的结合二节研究步骤一、模型假定估计解释变量与被解释变量的关系，设置随机扰动项μ二、估计参数通过变量的样本观测值合理的估计总体模型的参数，是计量经济学的核心内容三、模型检验（1）经济意义检验，检验所估计的模型与经济理论是否相符（2）统计推断信息，检验参数估计值是否是抽样的偶然结果，需要运用数理统计中统计推断方法对模型及参数的统计可靠性作出说明（3）计量经济学检验，t检验和F检验检验模型是否符合计量经济学假定，如多重共线性，随机扰动项的自相关和异方差性（4）模型预测检验四、模型应用三节变量参数数据与模型一、变量经济变量：在不同的时间或空间有不同状态，回去不同的数值且可观测eg.居民家庭收入X和居民消费支出Y分类：（1）流量与存量（2）解释变量/自变量与被解释变量/因变量（3）内生变量（由模型所决定的变量，是模型求解的结果）和外生变量（由模型以外决定的变量）二、参数的估计所得到的参数估计值迎“尽可能接近总体参数真实值”原则三、计量经济学中应用的数据（1）时间序列数据（2）截面数据（3）面板数据（4）虚拟变量数据二章简单线性回归模型一节回归分析与回归函数一、相关分析与回归分析（一）经济变量之间的相关关系经济变量之间有两种关系，一种是确定性的函数关系，另一种是不确定的统计关系，也叫相关关系。

当一个或若干个变量x取一定值时，与之对应的另一个变量Y的值虽然不确定，但按照某种规律在一定范围内变化，称这种变量之间的关系为不确定的统计关系或相关关系。

分类（1）简单相关关系/多重相关关系（2）线性相关/非线性相关（3）正相关/负相关（4）完全相关/不相关（二）简单线性相关关系的度量1简单线性相关系数总体相关系数ρρ反应了总体两个变量X和Y的线性相关程度。

变量X和Y的样本相关系数通常用表示2相关系数特点（1）（2）相关系数至反应变量间线性相关程度，不能说明非线性关系（3）样本相关系数不是确定的值，二是随抽样变动的随机变量（三）回归分析相关分析：（1）分析是否存在相关关系（2）明确相关关系类型（3）激浪祥光关系密切程度回归分析用于具体测定变量之间相关关系的数量形式，是关于一个变量（被解释变量）对另一个变量（解释变量）依存关系的研究，用适当的数学模型近似的表达或估计变量之间平均变化关系二、总体回归函数将总体被解释变量Y的条件期望表现为解释变量X的函数，这个函数称为总体回归函数：若Y的总体条件期望是解释变量X的线性函数，可表示为关于线性的解释（1）模型就变量而言是线性的（2）模型就参数而言是线性的一般指第二个三、随机扰动项μ个别值总是分布在条件期望周围，而不是全在代表平均值轨迹的回归线上，零各个与条件期望的偏差为μ（表示对Y有影响但是没有纳入模型的诸多因素的综合影响）若总体回归函数是只有一个解释变量的线性函数，有有等式暗含的假设条件，也就是假设回归线通过Y的天健期望或条件均值引入随机扰动项的原因：（1）作为未知影响因素的代表（2）（3）（4）（5）（6）四、样本回归函数对于实际经济问题，由于总体包含的单位数太多，无法掌握所有单位的数值，总体回归函数虽然存在但往往未知，能做到的只是通过对样本观测获得的信息去顾及总体回归函数。

第6章 自相关6.1 复习笔记考点一：什么是自相关 ★★★1．自相关的概念自相关又称序列相关，是指总体回归模型的随机误差项u i 之间存在相关关系的一种现象。

在古典假定中假设随机误差项是无自相关的，即：Cov （u i ，u j ）＝E （u i u j ）＝0（i ≠j ）。

如果该假定不能满足，就称u i 与u j 存在自相关，即不同观测点上的误差项彼此相关。

自相关系数可用来表示自相关的程度。

随机误差项u t 与滞后一期的u t －1的自相关系数ρ的计算公式为：1nt t u uρ-=∑式中u t －1是u t 滞后一期的随机误差项，因此上式计算的自相关系数ρ称为一阶自相关系数。

自相关系数ρ的取值范围为－1≤ρ≤1。

如果ρ＜0，则u t 与u t －1间存在负相关关系；如果ρ＞0，则u t 与u t －1间存在正相关关系；如果ρ＝0，则u t 与u t －1不相关。

2．自相关产生的原因（见表6-1）表6-1 自相关产生的原因自相关关系主要存在于时间序列数据中，但是在横截面数据中也可能会出现，通常称横截面数据中出现的自相关为空间自相关。

多数经济时间序列在较长时间内都表现为上升或下降的趋势，因此大多表现为正自相关。

但就自相关本身而言，既有正相关也有负相关。

3．自相关的表现形式（1）一阶自相关随机误差项的一阶自相关形式为：u t＝ρu t－1＋v t（－1＜ρ＜1）。

其中，ρ为自相关系数；v t为满足古典假定的误差项，即E（v t）＝0，Var（v t）＝σ2，Cov（v t，v t＋s）＝0，s ≠0。

一阶自回归形式记为AR（1），相应的式中的ρ称为一阶自相关系数。

（2）m阶自相关如果一阶自相关中的随机误差项v t是不满足古典假定的误差项，即v t中包含有u t的成分，如包含有u t－2，…，u t－m的影响，则需将u t－2，…，u t－m包含在回归模型中，即：u t＝ρ1u t －1＋ρ2u t －2＋…＋ρm u t －m ＋v t 。