下载文档原格式
什么是计量经济学：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，是由经济学、统计学和数学三者结合而成的交叉学科。
数理经济学：主要关心的是用数学公式或数学模型来描述经济理论，而不考虑对经济理论的度量和经验解释。
而经济计量学主要是对经济理论的经验确认。
计量经济学方法与一般经济数学方法有什么区别：计量经济学方法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；一般经济数学方法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计量经济学的研究的对象和内容是什么：计量经济学的研究对象是经济现象，是研究经济现象中的具体数量规律（或者说，计量经济学是利用数学方法，根据统计测定的经济数据，对反映经济现象本质的经济数量关系进行研究）。
计量经济模型包括一个或一个以上的随机方程式，它简洁有效地描述、概括某个真实经济系统的数量特征，更深刻地揭示出该经济系统的数量变化规律。
是由系统或方程组成，方程由变量和系数组成。
其中，系统也是由方程组成。
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。
广义地说，一切包括经济、数学、统计三者的模型；狭义地说，仅只用参数估计和假设检验的数理统计方法研究经验数据的模型。
简述建立计量经济学模型的步骤：第一步：设计理论模型，包括确定模型所包含的变量、确定模型的数学形式、拟定模型中的待估参数的符号和大小的理论期望值。
第二步：收集数据样本，要考虑数据的完整性、准确性、可比性和一致性；第三步：估计模型参数；第四步：模型检验，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。
几种常用的样本数据有哪些：(1) 时间序列数据；(2) 横截面数据；(3) 虚拟变量数据（1）时间序列数据：在不同时间点上收集到的数据，这类数据反映了某一事物、现象等随时间的变化状态或程度。
（2）横截面数据：横截面数据是在同一时间，不同统计单位相同统计指标组成的数据列。
第六章 虚拟变量的回归模型第一部分 学习目标和要求本章主要介绍虚拟变量的基本概念及其应用。
需要掌握并理解以下内容：（1） 虚拟变量的基本概念、虚拟变量分别作为解释变量和被解释变量的情形、虚拟变量回归模型的类型和解释变量个数选取规则； （2） 定量变量与不同数量定性变量（一对一、一对多和多对多）虚拟变量模型； （3） 应用虚拟变量改变回归直线的截距或斜率； （4） 分段线性回归；（5） 应用虚拟变量检验回归模型的结构稳定性、传统判别结构稳定性的方法及存在的缺陷、虚拟变量法比较两个回归方程的结构方法。
第二部分 练习题一、解释下列概念：1．虚拟变量2．方差分析模型（ANOV A ） 3．协方差模型（ANOCV A ） 4．基底5．级差截距系数 6．虚拟变量陷阱二、简要回答下列问题：1．虚拟变量在线性回归模型中的作用是什么？举例说明。
2．回归模型中虚拟变量个数的选取原则是什么？为什么？3．如果现在有月度数据，在对下面的假设进行检验时，你将引入几个虚拟变量？ A) 一年中的每月均呈现季节性波动趋势；B) 只有双数月份呈现季节性波动趋势。
4．如果现在让你着手检验上海和深圳两个股票市场在过去5年内的收益率是否有显著差异，如何使用虚拟变量进行？三、考虑如下模型：12i i i Y D u ββ=++其中，i D 对前20个观察值取0，对后30个观察值取1。
已知2()300i Var u =。
（1） 如何解释1β和2β？ （2） 这两组的均值分别是多少？（3） 已知12()15Cov ββ∧∧+=-。
如何计算12()ββ∧∧+的方差？四、考虑如下模型：12i i i i Y D X u ααβ=+++ 其中Y 代表一位大学教授的年薪； X 为从教年限； D 为性别虚拟变量。
考虑定义虚拟变量的三种方式：（1）D 对男性取值1，对女性取值0； （2）D 对女性取值1，对男性取值2； （3）D 对女性取值1，对男性取值－1；对每种虚拟变量定义解释上述回归模型。
学习判别分析学习的⽬的有两个：1）介绍判别分析的内在性质、基本原理以及应⽤条件。
2）举例说明这些⽅法的应⽤和结果的解释。
判别分析在主要⽬的是识别⼀个个体所属类别的情况下有着⼴泛的应⽤。
潜在的应⽤包括预测新产品的成功或失败，决定⼀个学⽣是否被录取，按职业兴趣对学⽣分组、确定某⼈信⽤风险的种类或者预测⼀个公司是否成功。
百科全书的定义：由k个不同总体的样本来构造判别函数，利⽤它来决定新的未知类型的样品属于哪⼀类，这是判别分析所处理的问题。
它在医疗诊断、天⽓预报、图像识别等⽅⾯有着⼴泛的应⽤。
⼀、判别分析的基本思想当结局变量（被解释变量）是属性变量⽽解释变量是度量变量时，判别分析是合适的统计分析⽅法。
在很多情况下，被解释变量包含两组或者两类，⽐如，雄性和雌性，⾼与低。
当然也有多于两组的情况下，如低中⾼。
该分析的最基本要求是，分组类型在两组以上；每组案例的规模必须⾄少在⼀个以上；解释变量必须是可测量的，才能够计算其平均值和⽅差，使其能合理地应⽤于统计函数。
判别分析的假设条件：1. 与其他多元线性统计模型类似，判别分析的假设之⼀是每⼀个判别变量（解释变量）不能是其他判别变量的线性组合。
（避免多重共线性问题：如果变量之间的线性组合存在⾼度相关，参数估计的标准误将很⼤，以⾄于参数估计统计上不显著）2. 假设之⼆，是各组变量的协⽅差矩阵相等。
判别分析最简单和最常⽤的形式是采⽤线性判别函数，它们是判别变量的简单线性组合。
在各组协⽅差矩阵相等的条件下，可以使⽤很简单的公式来计算判别函数和进⾏显著性检验。
3. 假设之三，是各个判别变量之间具有多元正态分布，即每个变量对于所有其他变量的固定值具有正态分布。
在这种条件下可以精确计算显著性检验值和分组归属的概率。
当违背该假设时，计算的概率将⾮常不准确。
⼆、判别规则距离判别、贝叶斯（Bayes）判别、Fisher判别、逐步判别在多元回归中，如果在某个判别问题中将其中最主要的指标忽略了，由此建⽴的判别函数其效果⼀定不好。
体方差在大多数情况下并不知道，所以用样本数据去估计σ ：σ i n 为样本数，k 为待估参数的个数。
σ ˆ 是σ 线性无偏估计，为一个随机变量。
∑K μ ) =β ˆ 1、在简单线性回归中可决系数 R 与斜率系数的 t 检验的没有关系。
错误，在简单线性回 1. 总离差平方和可分解为回归平方和与残差平方和。
（ 对）2. 整个多元回归模型在统计上是显著的意味着模型中任何一个单独的解释变量均是统计 显著的。
（ 错）3. 多重共线性只有在多元线性回归中才可能发生。
（ 对）4. 通过作解释变量对时间的散点图可大致判断是否存在自相关。
（ 错）5. 在计量回归中，如果估计量的方差有偏，则可推断模型应该存在异方差（错）6. 存在异方差时，可以用广义差分法来进行补救。
（ 错）7. 当经典假设不满足时，普通最小二乘估计一定不是最优线性无偏估计量。
（ 错）8. 判定系数检验中，回归平方和占的比重越大，判定系数也越大。
（ 对）9. 可以作残差对某个解释变量的散点图来大致判断是否存在自相关。
（错）做残差的当期值与其滞后期的值的散点图来判断是否存在自相关10. 遗漏变量会导致计量估计结果有偏。
（ 错）只影响有效性1. 正态分布是以均值为中心的对称分布。
（ √）2. 当经典假设满足时，普通最小二乘估计量具有最优线性无偏特征。
（ √）5. 在对数线性模型中，解释变量的系数表示被解释变量对解释变量的弹性。
（ √）6. 虚拟变量用来表示某些具有若干属性的变量。
（√）8. 存在异方差时，可以用加权最小二乘法来进行补救。
（ √）10．戈雷瑟检验是用来检验异方差的（√）1、在经济计量分析中，模型参数一旦被估计出来，就可将估计模型直接运用于实际的计量 经济分析。
错，参数一经估计，建立了样本回归模型，还需要对模型进行检验，包括经济意义检验、统计检验、计量经济专门检验等。
2、假定个人服装支出同收入水平和性别有关，由于性别是具有两种属性（男、女）的定性 因素，因此，用虚拟变量回归方法分析性别对服装支出的影响时，需要引入两个虚拟变量。
简单线性回归模型的基本假定简单线性回归模型是最常用的、也是最简单的回归分析模型，用于分析两个变量之间的相关性，可以帮助判断两个变量之间的线性关系。
简单线性回归模型用一条直线去描述两变量之间的关系，模型也被称为“回归直线”。
1、正态性：简单线性回归模型要求回归预测值的分布满足正态分布，而根据正态分布定理，可以预料，在平均值附近所出现离散点几率会比平均值远处出现离散点几率更高。
2、线性性：简单线性回归模型要求关系是线性的，也就是说，变量之间的关系应该是一条直线，这个假定也有一个严格的名字叫做：“线性模型自变量和因变量之间存在线性关系”。
3、独立性：简单线性回归模型假定解释变量和因变量之间的关系，它们之间是独立的。
这个假定的意思就是：解释变量不会影响因变量，因变量也不会影响解释变量，两者之间是独立的。
也就是说，解释变量变化不会影响因变量的变化，因变量的变化也不会影响解释变量的变化。
4、自变量的多数值：简单线性回归模型也假定自变量的取值有大量的变化，因此自变量的取值必须是大量的变化，要么从较低的值变化到较高的值，要么从较高的值变化到较低的值。
5、定性变量：假定解释变量可以为定性变量。
简单线性回归模型可以处理定性变量，即类别变量和虚拟变量，对定性变量处理的方法与对定量变量处理的方法基本相同。
6、常数项：要求回归模型包含一个常数项，因为解释变量的值可能会影响因变量的值，即便没有任何解释变量参与其中。
7、无共线性：简单线性回归模型要求解释变量之间没有强的多重共线性，即解释变量之间不能存在高度相关的关系。
8、无异常值：简单线性回归模型要求解释变量和因变量之间不存在太多的异常值，因为异常值可能会影响模型的拟合度。
1、完全共线性：对于多元线性回归模型，其基本假设之一是解释变量1x ，2x ，…，k x 是相互独立的，如果存在02211=+++ki k i i x c x c x c ，i=1，2，…，n ，其中c 不全为0，即某一个解释变量可以用其他解释变量的线性组合表示，则称为完全共线性。
2、虚假序列相关：由于随机干扰项的序列相关往往是在模型设定中遗漏了重要的解释变量或对模型的函数形式设定有误时而导致的序列相关。
3、残差项：是指对每个样本点，样本观测值与模型估计值之间的差值。
4、多重共线性：在经典回归模型中总是假设解释变量之间是相互独立的。
如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。
5、无偏性：是指参数估计量的均值（期望）等于模型的参数值。
6、工具变量：是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的变量。
7、结构分析：经济学中所说的结构分析是指对经济现象中变量之间关系的研究。
8、虚假回归（伪回归）：如果两列时间序列数据表现出一致的变化趋势（非平稳），即它们之间没有任何经济关系，但进行回归也会表现出较高的可决系数。
9、异方差性：即相对于不同的样本点，也就是相对于不同的解释变量观测值，随机干扰项具有不同的方差。
10、计量经济学：它是经济学的一个分支学科，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。
11、计量经济学模型：揭示经济活动中各种因素之间的定量关系，用随机性的数学方程加以描述。
12、截面数据：是一批发生在同一时间截面上的数据。
13、回归分析：是研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论，其目的在于通过后者的已知和设定值，去估计和（或）预测前者的（总体）均值。
14、随机误差项：观察值围绕它的期望值的离差就是随机误差项。
15、最佳线性无偏估计量（高斯-马尔可夫定理）：普通最小二乘估计量具有线性性、无偏性和有效性等优良性质，是最佳线性无偏估计量，这就是著名的高斯-马尔可夫定理。
