计量经济学(英文)重点知识点考试必备

计量经济学重点知识整理计量经济学是经济学中重要的一个分支，主要研究经济现象和经济理论的数理化方法。

本文将整理计量经济学中的重点知识，帮助读者系统地理解和掌握这门学科。

一、计量经济学简介计量经济学是运用统计方法和经济模型对经济问题进行定量分析的学科。

它利用数理统计学的工具，根据经济理论和实证研究的需要，对经济现象进行测度和解释。

计量经济学方法的特点是同时考虑了外生性和内生性变量之间的关系，能够揭示其中的因果关系。

二、计量经济学的基本原理1. 线性回归模型线性回归模型是计量经济学中最基本的模型之一，用于描述因变量与自变量之间的线性关系。

常见的线性回归模型有简单线性回归模型和多元线性回归模型。

对于简单线性回归模型，可以通过最小二乘法估计模型参数，求得最佳拟合曲线。

而多元线性回归模型则通过矩阵运算推导出参数的估计公式。

2. 假设检验在计量经济学中，假设检验是一种重要的统计方法，用于验证经济理论的假设。

常见的假设检验包括 t 检验、F 检验和卡方检验等。

通过构建原假设和备择假设，并计算相应的统计量，可以对经济理论提出的假设进行检验，从而得出结论。

3. 时间序列分析时间序列分析是计量经济学中的一个重要分支，用于研究随时间变化的经济现象。

常见的时间序列分析方法包括自相关函数（ACF）和偏自相关函数（PACF）的计算，以及平稳性检验、白噪声检验、单位根检验等。

这些方法可以帮助我们了解时间序列数据的性质，并进行有效的预测。

4. 面板数据分析面板数据是计量经济学中常用的一种数据类型，指同一时期内多个个体或单位的多个观测数据。

面板数据分析方法可以更好地解决普通截面数据和时间序列数据的缺陷，提高分析的效果。

常见的面板数据模型包括固定效应模型和随机效应模型，通过估计模型参数，可以得到各个因素对经济变量的影响。

三、计量经济学的应用领域1. 消费者行为分析计量经济学方法可以应用于消费者行为的分析，通过对消费者支出和收入等因素的测度和分析，揭示消费者行为背后的规律。

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：计量经济学是指用数学方法探讨经济学的一门学科，由统计学、经济理论和数学三者结合而成。

它不同于经济统计学和一般经济理论，也不是数学应用于经济学的同义语。

三者结合起来，才能构成计量经济学的力量。

理论模型的设计包含三个主要部分：选择变量、确定变量之间的数学关系和拟定模型中待估计参数的数值范围。

常用的样本数据有时间序列、截面和虚拟变量数据。

样本数据的质量应具备完整性、准确性、可比性和一致性。

模型的检验包括经济意义检验、统计检验、计量经济学检验和模型预测检验。

其中，计量经济学检验包括异方差性检验、序列相关性检验和共线性检验。

计量经济学模型的成功要素包括理论、方法和数据。

应用方面，计量经济学模型可用于结构分析、经济预测、政策评价和理论检验与发展。

其中，结构分析主要采用弹性分析、乘数分析和比较静力分析等方法。

经济预测是计量经济学模型的一个主要应用领域，它是从用于经济预测，特别是短期预测而发展起来的。

对于非稳定发展的经济过程和缺乏规范行为理论的经济活动，计量经济学模型预测功能可能失效。

政策评价是指从许多不同的政策中选择较好的政策予以实行，或者说不同的政策对经济目标所产生的影响的差异。

计量经济学模型可以起到“经济政策实验室”的作用，将经济目标作为被解释变量，经济政策作为解释变量，评价各种不同政策对目标的影响。

最后，实践是检验真理的唯一标准，计量经济学模型的理论方法需要不断发展以适应预测的需要。

任何经济学理论只有在成功解释过去的情况下才能被人们所接受。

计量经济学模型提供了一种检验经济理论的好方法，通过对理论假设的检验可以发现和发展理论。

相关分析主要研究随机变量间的相关形式及相关程度，适用于所有统计关系。

但相关分析有其局限性，不能说明变量间的具体相关关系形式，也不能从一个变量推测另一个变量的具体变化。

回归分析则是研究一个变量关于另一个或几个变量的具体依赖关系的计算方法和理论，目的是根据已知的解释变量的数值去估计被解释变量的平均值。

计量经济学复习资料1、费里希（R.Frish）是经济计量学的主要开拓者和奠基人。

2、经济计量学与数理经济学和树立统计学的区别的关键之点是“经济变量关系的随机性特征”。

3、经济计量学识以数理经济学和树立统计学为理论基础和方法论基础的交叉科学。

它以客观经济系统中具有随机性特征的经济关系为研究对象，用数学模型方法描述具体的经济变量关系，为经济计量分析工作提供专门的指导理论和分析方法。

4、时序数据即时间序列数据。

时间序列数据是同一统计指标按时间顺序记录的数据列。

5、横截面数据是在同一时间，不同统计单位的相同统计指标组成的数据列。

6、对于一个独立的经济模型来说，变量可以分为内生变量和外生变量。

内生变量被认为是具有一定概率分布的随机变量，它们的数值是由模型自身决定的；外生变量被认为是非随机变量，它们的数值是在模型之外决定的。

7、对于模型中的一个方程来说，等号左边的变量称为被解释变量，等号右边被称为解释变量。

在模型中一个方程的被解释变量可以是其它方程的解释变量。

被解释变量一定是模型的内生变量，而解释变量既包括外生变量，也包括一部分内生变量。

8、滞后变量与前定变量。

有时模型的设计者还使用内生变量的前期值作解释变量，在计量经济学中将这样的变量程为滞后变量。

滞后变量显然在求解模型之前是已知量，因此通常将外生变量与滞后变量合称为前定变量。

9、控制变量与政策变量。

由于控制论的思想不断渗入经济计量学，使某些经济计量模型具有政策控制的特点，因此在经济计量模型中又出现了控制变量、政策变量等名词。

政策变量或控制变量一般在模型中表现为外生变量，但有时也表现为内生变量。

10、经济参数分为：外生参数和内生参数。

外生参数一般是指依据经济法规人为确定的参数，如折旧率、税率、利息率等。

内生参数是依据样本观测值，运用统计方法估计得到的参数。

如何选择估计参数的方法和改进估计参数的方法，这是理论经济计量学的基本任务。

11、用数学模型描述经济系统应当遵循以下两条基本原则：第一、以理论分析作先导；第二模型规模大小要适度。

计量经济学常用英语词汇，都在这里了！计量经济学常用英语词汇集锦Absolute deviation, 绝对离差Absolute residuals, 绝对残差Acceleration in an arbitrary direction, 任意方向上的加速度Acceleration normal, 法向加速度Acceleration space dimension, 加速度空间的维数Acceleration tangential, 切向加速度Acceleration vector, 加速度向量Acceptable hypothesis, 可接受假设Actual frequency, 实际频数Adaptive estimator, 自适应估计量Addition theorem, 加法定理Additive Noise, 加性噪声Adjusted rate, 调整率Adjusted value, 校正值Admissible error, 容许误差Alpha factoring,α因子法Alternative hypothesis, 备择假设Analysis of correlation, 相关分析Analysis of covariance, 协方差分析Analysis Of Effects, 效应分析Analysis Of Variance, 方差分析Analysis of regression, 回归分析Analysis of time series, 时间序列分析Angular transformation, 角转换ANOVA Models, 方差分析模型Arcsine transformation, 反正弦变换Area under the curve, 曲线面积AREG , 评估从一个时间点到下一个时间点回归相关时的误差ARIMA, 季节和非季节性单变量模型的极大似然估计Arithmetic grid paper, 算术格纸Arrhenius relation, 艾恩尼斯关系Asymptotic efficiency, 渐近效率Asymptotic variance, 渐近方差Attributable risk, 归因危险度Autocorrelation of residuals, 残差的自相关Bar chart, 条形图Bar graph, 条形图Base period, 基期Bayes' theorem , Bayes定理Bell-shaped curve, 钟形曲线Bernoulli distribution, 伯努力分布Best-trim estimator, 最好切尾估计量Binary logistic regression, 二元逻辑斯蒂回归Binomial distribution, 二项分布Bisquare, 双平方Bivariate Correlate, 二变量相关Bivariate normal distribution, 双变量正态分布Bivariate normal population, 双变量正态总体Biweight interval, 双权区间Biweight M-estimator, 双权M估计量Block, 区组/配伍组BMDP(Biomedical computer programs), BMDP统计软件包Boxplots, 箱线图/箱尾图Breakdown bound, 崩溃界/崩溃点Canonical correlation, 典型相关Case-control study, 病例对照研究Categorical variable, 分类变量Cauchy distribution, 柯西分布Center of symmetry, 对称中心Centering and scaling, 中心化和定标Central tendency, 集中趋势Central value, 中心值CHAID -χ2 Auto matic Interaction Detector, 卡方自动交互检测Chance error, 随机误差Chance variable, 随机变量Characteristic equation, 特征方程Characteristic root, 特征根Characteristic vector, 特征向量Chebshev criterion of fit, 拟合的切比雪夫准则Chernoff faces, 切尔诺夫脸谱图D test, D检验Data acquisition, 资料收集Data bank, 数据库Data capacity, 数据容量Data deficiencies, 数据缺乏Data handling, 数据处理Data manipulation, 数据处理Data processing, 数据处理Data reduction, 数据缩减Data sources, 数据来源Data transformation, 数据变换Data validity, 数据有效性Dead time, 停滞期Degree of freedom, 自由度Degree of precision, 精密度Degree of reliability, 可靠性程度Degression, 递减Density function, 密度函数Error Bar, 均值相关区间图Effect, 实验效应Eigenvalue, 特征值Eigenvector, 特征向量Empirical distribution, 经验分布Empirical probability, 经验概率单位Enumeration data, 计数资料Equal sun-class number, 相等次级组含量Equally likely, 等可能Equivariance, 同变性Error, 误差/错误Error of estimate, 估计误差Error type I, 第一类错误Error type II, 第二类错误Estimand, 被估量Estimated error mean squares, 估计误差均方Estimated error sum of squares, 估计误差平方和Euclidean distance, 欧式距离Exceptional data point, 异常数据点Expectation plane, 期望平面Expectation surface, 期望曲面Expected values, 期望值Experiment, 实验F distribution, F分布F test, F检验Factor, 因素/因子Factor analysis, 因子分析Factor score, 因子得分Factorial design, 析因试验设计False negative, 假阴性False negative error, 假阴性错误Family of distributions, 分布族Family of estimators, 估计量族Fatality rate, 病死率Gamma distribution, 伽玛分布Gauss increment, 高斯增量Gaussian distribution, 高斯分布/正态分布Gauss-Newton increment, 高斯-牛顿增量General census, 全面普查Generalized least squares, 综合最小平方法GENLOG (Generalized liner models), 广义线性模型Geometric mean, 几何平均数Gini's mean difference, 基尼均差GLM (General liner models), 通用线性模型Goodness of fit, 拟和优度/配合度Gradient of determinant, 行列式的梯度Graeco-Latin square, 希腊拉丁方Grand mean, 总均值Gross errors, 重大错误。

1.Econometrics（计量经济学）：the social science in which the tools of economic theory, mathematics, and statistical inference are applied to the analysis of economic phenomena.the result of a certain outlook on the role of economics, consists of the application of mathematical statistics to economic data to lend empirical support to the models constructed by mathematical economics and to obtain numerical results.2.Econometric analysis proceeds along the following lines计量经济学分析步骤1)Creating a statement of theory or hypothesis.建立一个理论假说2)Collecting data.收集数据3)Specifying the mathematical model of theory.设定数学模型4)Specifying the statistical, or econometric, model of theory.设立统计或经济计量模型5)Estimating the parameters of the chosen econometric model.估计经济计量模型参数6)Checking for model adequacy : Model specification testing.核查模型的适用性：模型设定检验7)Testing the hypothesis derived from the model.检验自模型的假设8)Using the model for prediction or forecasting.利用模型进行预测Step2：收集数据Three types of data三类可用于分析的数据1)Time series(时间序列数据):Collected over a period of time, are collected at regular intervals.按时间跨度收集得到2)Cross-sectional截面数据:Collected over a period of time, are collected at regular intervals.按时间跨度收集得到3)Pooled data合并数据（上两种的结合）Step3：设定数学模型1.plot scatter diagram or scattergram2.write the mathematical modelStep4：设立统计或经济计量模型CLFPR is dependent variable应变量CUNR is independent or explanatory variable独立或解释变量（自变量）We give a catchall variable U to stand for all these neglected factorsIn linear regression analysis our primary objective is to explain the behavior of the dependent variable in relation to the behavior of one or more other variables, allowing for the data that the relationship between them is inexact.线性回归分析的主要目标就是解释一个变量（应变量）与其他一个或多个变量（自变量）只见的行为关系，当然这种关系并非完全正确Step5：估计经济计量模型参数In short, the estimated regression line gives the relationship between average CLFPR and CUNR 简言之，估计的回归直线给出了平均应变量和自变量之间的关系That is, on average, how the dependent variable responds to a unit change in the independent variable.单位因变量的变化引起的自变量平均变化量的多少。

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。

计量经济学常考的名词解释在计量经济学领域中，有一些常考的名词，理解这些名词的概念对于学习和应用计量经济学非常重要。

本文将对部分常考名词进行解释，以帮助读者更好地掌握计量经济学的核心知识。

一、假设检验（Hypothesis Testing）假设检验是计量经济学中的一项重要工具，用于评估统计模型的有效性和统计推断的可靠性。

通过对现实问题进行抽样和数据分析，我们可以根据样本数据的特征推断总体的一些性质。

假设检验涉及两个假设：原假设（null hypothesis）和备择假设（alternative hypothesis）。

通过计算样本数据的特征，我们可以对原假设进行验证或拒绝。

二、回归分析（Regression Analysis）回归分析是计量经济学中最常用的方法之一，用于研究变量之间的关系。

在回归分析中，我们使用一个或多个自变量来解释一个或多个因变量的变化。

通过拟合一个数学模型，我们可以测量变量之间的关联程度，并进行预测和因果推断。

三、时间序列（Time Series）时间序列是按照时间顺序进行排序的数据序列。

在计量经济学中，时间序列数据常常用于分析和预测经济和金融变量的动态演变。

时间序列分析可以帮助我们理解和解释时间相关性、趋势、季节性和周期性等模式。

四、异方差性（Heteroskedasticity）异方差性是指随机误差项的方差在不同条件下不稳定或不均匀分布的情况。

在计量经济学中，异方差性可能导致回归分析结果的无效性和推断的误差。

通过应用稳健的标准误差估计方法，我们可以纠正异方差性并获得更准确的回归结果。

五、端点问题（Endpoint Problem）在计量经济学中，端点问题指的是当因变量或自变量的取值受限于某些边界条件时，回归分析可能产生的问题。

例如，当因变量的取值范围在0到1之间时，回归模型的预测结果可能超出这个范围，导致无法解释或使用。

解决端点问题的方法包括截尾回归（truncated regression）和双曲正切转换（hyperbolic tangent transformation）等。

计量经济学知识点汇总1. 计量经济学概念
- 定义和作用
- 理论基础和研究方法
2. 数据处理
- 数据收集和探索性分析
- 异常值处理和缺失值处理
- 数据转换和规范化
3. 回归分析
- 简单线性回归
- 多元线性回归
- 回归假设和诊断
4. 时间序列分析
- 平稳性和单位根检验
- 自相关和偏自相关
- ARIMA模型和Box-Jenkins方法
5. 面板数据分析
- 固定效应模型和随机效应模型
- hausman检验
- 动态面板数据模型
6. 内生性和工具变量
- 内生性问题及其检验
- 工具变量法
- 两阶段最小二乘法
7. 离散选择模型
- 二项Logit/Probit模型
- 多项Logit/Probit模型
- 计数数据模型
8. 模型评估和选择
- 模型适合度检验
- 信息准则
- 交叉验证和预测评估
9. 计量经济学软件应用
- R/Python/Stata/EViews等软件使用 - 数据导入和清洗
- 模型构建和结果解释
10. 实证研究案例分析
- 经典文献阅读和评析
- 实证研究设计和实施
- 结果分析和政策建议
以上是计量经济学的主要知识点汇总,每个知识点都包含了相关的理论基础、模型方法和实践应用,可根据具体需求进行深入学习和研究。

计量经济学知识点第一章导论1、计量经济学的研究步骤：模型设定、估计参数、模型检验、模型应用。

2、计量经济学是统计学、经济学和数学的结合。

3、计量经济学作为经济学的一门独立学科被正式确立的标志：1930年12月国际计量经济学会的成立。

4、计量经济学是经济学的一个分支学科。

第二章简单线性回归模型1、在总体回归函数中引进随机扰动项的原因：①作为未知影响因素的代表；②作为无法取得数据的已知因素的代表；③作为众多细小影响因素的综合代表；④模型的设定误差；⑤变量的观测误差；⑥经济现象的内在随机性。

2、简单线性回归模型的基本假定：①零均值假定；②同方差假定；③随机扰动项和解释变量不相关假定；④无自相关假定；⑤正态性假定。

3、OLS回归线的性质：①样本回归线通过样本均值；②估计值的均值等于实际值的均值；③剩余项ei的均值为零；④被解释变量的估计值与剩余项不相关；⑤解释变量与剩余项不相关。

4、参数估计量的评价标准：无偏性、有效性、一致性。

5、OLS估计量的统计特征：线性特性、无偏性、有效性。

6、可决系数R²的特点：①可决系数是非负的统计量；②可决系数的取值范围为[0,1]；③可决系数是样本观测值的函数，可决系数是随抽样而变动的随机变量。

第三章多元线性回归模型1、多元线性回归模型的古典假定：①零均值假定；②同方差和无自相关假定；③随机扰动项和解释变量不相关假定；④无多重共线性假定；⑤正态性假定。

2、估计多元线性回归模型参数的方法：最小二乘估计、极大似然估计、矩估计、广义矩估计。

3、参数最小二乘估计的性质：线性性质、无偏性、有效性。

4、可决系数必定非负，但是根据公式计算的修正的可决系数可能为负值，这时规定为0。

5、可决系数只是对模型拟合优度的度量，可决系数越大，只是说明列入模型中的解释变量对被解释变量的联合影响程度越大，并非说明模型中各个解释变量对被解释变量的影响程度也大。

6、当R²=0时，F=0；当R²越大时，F值也越大；当R²=1时，F→∞。

A校正R2（Adjusted R-Squared）：多元回归分析中拟合优度的量度，在估计误差的方差时对添加的解释变量用一个自由度来调整。

对立假设（Alternative Hypothesis）：检验虚拟假设时的相对假设。

AR（1）序列相关（AR(1) Serial Correlation）：时间序列回归模型中的误差遵循AR（1）模型。

渐近置信区间（Asymptotic Confidence Interval）：大样本容量下近似成立的置信区间。

渐近正态性（Asymptotic Normality）：适当正态化后样本分布收敛到标准正态分布的估计量。

渐近性质（Asymptotic Properties）：当样本容量无限增长时适用的估计量和检验统计量性质。

渐近标准误（Asymptotic Standard Error）：大样本下生效的标准误。

渐近t 统计量（Asymptotic t Statistic）：大样本下近似服从标准正态分布的t统计量。

渐近方差（Asymptotic Variance）：为了获得渐近标准正态分布，我们必须用以除估计量的平方值。

渐近有效（Asymptotically Efficient）：对于服从渐近正态分布的一致性估计量，有最小渐近方差的估计量。

渐近不相关（Asymptotically Uncorrelated）：时间序列过程中，随着两个时点上的随机变量的时间间隔增加，它们之间的相关趋于零。

衰减偏误（Attenuation Bias）：总是朝向零的估计量偏误，因而有衰减偏误的估计量的期望值小于参数的绝对值。

自回归条件异方差性（Autoregressive Conditional Heteroskedasticity, ARCH）：动态异方差性模型，即给定过去信息，误差项的方差线性依赖于过去的误差的平方。

一阶自回归过程[AR（1）]（Autoregressive Process of Order One [AR(1)]）：一个时间序列模型，其当前值线性依赖于最近的值加上一个无法预测的扰动。

计量经济学复习要点 Standardization of sany group #QS8QHH-HHGX8Q8-GNHHJ8-HHMHGN#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;如果某两个或多个解释变量之间出现了相关性,则称为存在多重共线性;10.时间序列数据:时间序列数据是一批按照时间先后排列的统计数据;11.截面数据：截面数所是一批发生在同一时间截面上调查数据;12.虚拟数据：也称为二进制数据,一般取0或1.13.内生变量Endogenous Variables ：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;内生变量是由模型系统决定的,同时也对模型系统产生影响;内生变量一般都是经济变量;14.外生变量Exogenous Variables ：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,其参数不是模型系统研究的元素;外生变量影响系统,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;15.先决变量Predetermined Variables ：外生变量与滞后内生变量Lagged EndogenousVariables 统称为先决变量;16.总离差平方和： 称为总离差平方和,反映样本观测值总体离差的大小; 17.残差平方和： 称为残差平方和,反映样本观测值与估计∑∑-==22)(Y Y y TSS i i ∑∑-==22)ˆ(ii i Y Y e RSS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;18.回归平方和： 反映由模型中解释变量所解释的那部分离差的大小;19.可决系数coefficient of determination ：可决系数R2是检验模型拟合优度的指标,22,1R TSSRSS TSS ESS R -==越接近于1,模型的拟合优度越高; 20.随机干扰项stochastic disturbance: μ称为观察值Y 围绕它的期望值EY X 的离差deviation ,记)|(i i i X Y E Y -=μ,它是一个不可观测的随机变量,称为随机误差项stochastic error,通常又不加区别地称为随机干扰项;21.结构式模型Structural Model ：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称为结构式模型;22.简化式模型Reduced-Form Model ：将联立方程计量经济学模型的每个内生变量表示成所有先决变量和随机干扰项的函数,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;23.恰好识别Just Identification ：如果某一个随机方程具有一组参数估计量,称其为恰好识别;24.过度识别Over identification ：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;15．格兰杰因果检验可能存在有四种检验结果：1X 对Y 有单向影响,表现为1式X 各滞后项前的参数整体不为零,而2式Y 各滞后项前的参数整体为零；2Y 对X 有单向影响,表现为2式Y 各滞后项前的参数整体不为零,而1式X 各滞后项前的参数整体为零；3Y 与X 间存在双向影响,表现为Y 与X 各滞后项前的参数整体不为零；4Y 与X 间不存在影响,表现为Y 与X 各滞后项前的参数整体为零;分别做包含与不包含X 滞后项的回归,记前者与后者的残差平方和分别为RSSU 、RSSR ；再计算F 统计量：k 为无约束回归模型的待估参数的个数;如果: F>F m, n-k ,则拒绝原假设,认为X 是Y 的格兰杰原因;21、DW 检验假设条件：1解释变量X 非随机；2随机误差项i 为一阶自回归形式：i=i-1+i3回归模型中不应含有滞后应变量作为解释变量,即不应出现下列形式：Yi=0+1X 1i +……k X ki +Y i -1+i4回归含有截距项针对原假设：H0: =0, 构如下造统计量：∑∑-==22)ˆ(ˆY Y y ESS i i计算DW 值,给定,由样本容量n 和解释变量个数k 的大小查DW 分布表,得临界值dL 和dU 比较、判断,若 0<.<dL 存在正自相关dL<.<dU 不能确定dU <.<4－dU 无自相关4－dU <.<4－ dL 不能确定4－dL <.<4 存在负自相关当.值在2左右时,模型不存在一阶自相关;22、White 检验 见11题怀特检验不需要排序,且适合任何形式的异方差;其基本思想与步骤：i i i i X X Y μβββ+++=22110然后做辅助回归：ii i i i i i i X X X X X X e εαααααα++++++=215224213221102~可以证明,在同方差性假设下,从该辅助回归得到的可决系数R 2与样本容量n 的乘积,渐近地服从自由度为辅助回归方程中解释变量个数的22nR 分布：χ~2χ,则可在大样本下,对统计量检验。