下载文档原格式
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。
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。
计量经济学重点计量经济学复习资料一、名词解释1.广义计经济学:利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。
2.狭义计经济学以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。
3.总体回归函数:指在给定Xi下Y分布的总体均值与Xi所形成的函数关系(或者说总体被解释变量的条件期望表示为解释变量的某种函数)。
4.样本回归函数:指从总体中抽出的关于Y, x的若干组值形成的样本所建立的回归函数。
6、随机的总体回归函数:含有随机千扰项的总体回归函数(是相对于条件期望形式而言的)。
5.线性回归模型:既指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以他们的I次方出现。
6.随机干扰项:即随机误差项，是一个随机变量，是针对总体回归函数而言的。
9、残差项:是一随机变量，是针对样本回归函数而言的。
7.条件期望:即条件均值，指X取特定值Xi时Y的期望值。
8.回归系数:回归模型中βo, β1等未知但却是固定的参数。
9.回归系教的估计量:指用β 0^ β1^等表示的用已知样本提供的信息所估计出来总体未知参数的结果。
10.最小二乘法:又称最小平方法，指根据使估计的剩余平方和最小的原则确定样本回归函数的方法。
11.最大似然法:又称最大或然法，指用生产该样本概率最大的原则去确定样本回归函数的方法。
12.估计的标准差:度量一个变量变化大小的测量值。
13.总离差平方和:用TSS表示，用以度量被解释变量的总变动。
14.回归平方和:用ESS表示:度量由解释变量变化引起的被解释变量的变化部分。
15.残差平方和:用RSS表示:度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分。
16.协方差:用Cov(X, Y)表示，度量XY两个变量关联程度的统计量。
17.拟合优度检验:检验模型对样本观测值的拟合程度，用R2表示，该值越接近1,模型对样木观测值拟合得越好。
计量经济学复习重点第一章1. 计量经济学的性质计量经济学是以经济理论和经济数据的事实为依据，运用数学和统计学的方法，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。
研究的主体（出发点、归宿、核心）：经济现象及数量变化规律研究的工具（手段）：模型数学和统计方法方法手段要服从研究对象的本质特征（与数学不同）,方法是为经济问题服务计量经济研究的三个方面理论：即说明所研究对象经济行为的经济理论（计量经济研究的基础）数据：对所研究对象经济行为观测所得到的信息(计量经济研究的原料或依据)方法：模型的方法与估计、检验、分析的方法(计量经济研究的工具与手段2. 计量经济学与相关学科的联系与区别联系：●计量经济学研究的主体—经济现象和经济系的数量规律●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3. 学习计量经济学的必要性4. 计量经济学研究的基本思路和步骤模型设定（选择变量和数学关系式）、估计参数（确定变量间的数量关系）、模型检验（检验所得结论的可靠性）、模型应用（作经济分析和经济预测）5. 模型的设定、参数估计、模型检验的要求模型设定要求●要有科学的理论依据●选择适当的数学形式（单一方程、联立方程线性形式、非线性形式）●模型要兼顾真实性和实用性●包含随机误差项●方程中的变量要具有可观测性参数估计要求参数的估计值：所估计参数的具体数值参数的估计式：估计参数数值的公式6. 模型中的变量及其类型从变量的因果关系区分：被解释变量（应变量）——要分析研究的变量解释变量（自变量）—说明应变量变动主要原因的变量（非主要原因归入随机误差项）从变量的性质区分内生变量—其数值由模型所决定的变量，是模型求解的结果外生变量—其数值由模型以外决定的变量（相关概念：前定内生变量、前定变量）注意:外生变量数值的变化能够影响内生变量的变化，内生变量却不能反过来影响外生变量7. 计量经济研究中数据的类型时间数列数据（同一空间、不同时间）、截面数据（同一时间、不同空间）、混合数据（面板数据 Panel Data）、虚拟变量数据8. 参数估计的方法类型单一方程模型最常用的是普通最小二乘法、极大似然估计法等联立方程模型常用二段最小二乘法和三段最小二乘法等9. 建立计量经济模型的依据第二章1、变量间的关系：函数关系——相关关系相关系数——对变量间线性相关程度的度量◆相关关系的类型●?从涉及的变量数量看简单相关、多重相关（复相关）●?从变量相关关系的表现形式看线性相关——散布图接近一条直线、非线性相关——散布图接近一条曲线●??从变量相关关系变化的方向看正相关——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、现代意义的回归：一个被解释变量对若干个解释变量依存关系的研究实质：由固定的解释变量去估计被解释变量的平均值3、总体回归函数（PRF）：将总体被解释变量Y的条件均值表现为解释变量X 的某种函数样本回归函数（SRF）：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。
1、经济变量：用来描述经济因素数量水平的指标。
2、解释变童：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。
它对因变量的变额为发热所引5动做出解释。
3、被解释变量：是作为研究对象的变量。
它的变动是由•解释变量做出廉释的4、控制变量：在计量经济模型中人为设置的反映政黃要求、决策者意愿、经济系统运行条件和状态等方面的变量。
5、计量经济模型：为了研究分析某个系统中经济变量之问的数量关系而采用的随机代数模型。
6、相关关系：如果一个变量y的取值受另一个变量或另一组变量的彩响.但并不由它们惟一确定，则y与这个变量或这组变量之问的关系就是相关关系。
7、最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法。
8、拟合优度：样本回归直线与样本观测数据之问的拟合程度。
（9、残差：样本回归方程的拟合值与观測值的误差。
10、显著性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检豔程序。
11、偏相关系数：在Y. X|. 1三个变量中，当儿既定时，表示Y与X2之问相关关系的指标。
12、异方差性：在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称葩机项U1具有异方差性。
13、序列相关性：对于模型Xi = % + 妙九 +色乜+•••+%%+“i = 12 …屮菠机误差项互相独立的基本假设表现为C"（冷"” =0 /> j,i,j = \2…』（I分）如果出现Cov（比，“ J） H 0 i H人i J = 12…屮即对于不同的样本点•随机误差项之问不再是完全互相独立，而是存在某种相关性，则认为出现了序列相关性。
14、自回归模型：15、广乂最小二乘法：是最有普遍意义的最小二乘法，普通最小二乘法和加权最小二乘法是它的特例。
16、相关系数：度量变量之问相关程度的一个系数，一般用P表示。
17、多重共线性：解释变量之问存在完全或不完全的线性关系。
计量经济学复习知识点重点难点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→∞。
1、统计检验是利用统计推断的原理，对参数估计的可靠程度、观察数据的拟合程度进行检验；主要方法有拟合优度检验、变量和方程的显著性检验2、计量经济学检验：检验模型的计量经济学性质，即检验模型基本假设的满足程度、各种经济计量假设的合理性。
主要检验准则：序列相关检验、异方差检验和多重共线检验。
3、模型预测检验：检验模型参数估计量的稳定性以及相对样本容量变化时的灵敏度，确定所建立的模型是否可以用于观察值以外的范围。
具体检验方法：（1）利用扩大了的样本 重新估计参数，检验两次估计结果的差异显著性；（2）将所建立的模型用于样本以外某一时期的实际预测，预测值与实际值进行比较并检验差异显著性。
4、建立计量经济模型的步骤5、样本回归模型回归分析是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。
由于总体的信息往往无法掌握，现实的情况只能是在一次观测中得到总体的一组样本样本散点图近似于一条直线，画一条直线以尽可能好地拟合该散点图，由于样本取自总体，可以该线近似地代表总体回归线。
该线称为样本回归线，其函数形式记为：6、随机扰动项U ：理论经济学和数理经济学一般假定经济变量之间存在确定性的规律，从而建立确定性的模型。
引入随机扰动项是为了更准确地描述社会经济系统。
随机扰动项是不可观察的，只能通过残差——实际值与拟合值的差——进行估计7、Gauss —Markov 定理（高斯-马克）：满足性质1、2、3的最小二乘估计量是最优线性无偏估计量 最小二乘法求出参数估计量达到最小值。
性质1：线性特性；估计量a,b 均可由被解释变量Y 线性表示出来。
性质2：无偏性E （a ）= E （b ）= β 性质3：在a 、β的各种线性无偏估计中，最小二乘估计量a,b 具有最小方差。
8、完全共线性：如果存在 c 1X 1i +c 2X 2i +…+c k X ki =0 i=1,2,…,nii i X X f Y 10ˆˆ)(ˆββ+== （2.1.4）称为样本回归函数（sample regression function ）SRF 。
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。
考研经济学计量经济学的重点复习计量经济学是经济学研究中的重要分支，通过运用数理统计方法对经济现象进行定量分析和预测。
对于考研经济学专业的学生来说，掌握计量经济学的核心概念和方法对于提高解题能力和研究能力至关重要。
本文将从历年考研试卷的出题特点出发，总结计量经济学的重点复习内容，助您顺利备考。
一、计量经济学基本概念1. 计量经济学的定义和基本内容- 计量经济学的定义- 计量经济学的研究对象和特点- 计量经济学的基本方法和步骤2. 经济数据的类型和基本统计概念- 定量数据和定性数据- 总体和样本的概念- 统计量和参数的区别与联系3. 计量经济学的基本假设和模型- 随机性假设和确定性假设- 线性回归模型的假设和表达式- 经济学假设与计量经济模型的关系二、简单线性回归模型1. 简单线性回归模型的基本原理- 变量关系的线性假设- 残差项和估计项的定义及意义- 最小二乘估计法的推导和求解2. 简单线性回归模型的假设检验- 相关系数和回归系数的显著性检验 - 模型整体显著性检验- 拟合优度和解释方差的检验3. 简单线性回归模型的统计推断- 参数估计的抽样分布与性质- 参数的置信区间及解释- 参数的假设检验及结论三、多元线性回归模型1. 多元线性回归模型的基本原理- 多元回归模型的定义和表示- 模型的估计和解释- 多重共线性问题及处理方法2. 多元线性回归模型的假设检验 - 回归系数的显著性检验- 模型整体显著性检验- 拟合优度和解释方差的检验3. 多元线性回归模型的统计推断 - 参数估计的抽样分布与性质- 参数的置信区间及解释- 参数的假设检验及结论四、计量经济学的拓展内容1. 异方差问题和加权最小二乘估计 - 异方差性的检验和处理方法- 加权最小二乘法的原理和应用2. 非线性回归模型- 非线性回归模型的基本形式- 参数估计和统计推断方法- 模型的应用与分析3. 模型诊断和残差分析- 残差的定义和性质- 异常观测值和影响观测值的识别方法- 模型诊断和改进的常用方法总结：通过对历年考研试卷的分析可以看出，计量经济学在考研经济学专业中的分量较大。
第一章统计概念1.什么是计量经济学计量经济学是对经济的测度，利用经济理论、数学、统计推断等工具对经济现象进行分析的一门社会科学。
2.计量经济学的方法论（计量经济分析步骤）（1）建立理论假说。
（2）收集数据。
（3）假定数学模型。
（4）设立统计或计量模型。
（5）估计经济模型参数（6）核查模型的适用性：模型设定检验。
（7）检验源自模型的假定（8）利用模型进行预测4.数据类型（1）时间序列数据：按时间跨度获得的数据。
特征是一般变量如 Y t、X t下标为t。
（2）截面数据：同一时点上的一个或多个变量的数据集合。
如：各地区2002年人口普查数据。
（3）合并数据：既包括时间序列数据有包括截面数据。
例：20年间10个国家的失业数据。
20年失业数据是时间序列，10个国家又是截面数据。
（4）面板数据：同一个横截面的单位的跨期调查数据。
例：对相同的家庭数量在几个时间间隔内进行的财务状况调查。
5.理解回归关系回归关系是一种统计上的相关关系，并不意味着自变量和因变量之间存在着因果关系。
第二章线性回归的基本思想1.回归分析的含义: 回归分析是反映的自变量和因变量之间的统计关系，回归分析是在自变量给定条件下的因变量的变化，是一种条件回归分析E（Y i|X i）=B1+B2X i2.随机误差项的性质（为什么要引入随机误差项）（1）随机误差项代表着未纳入模型变量对因变量的影响（2）即使模型包括了影响因变量的所有因素，模型也有不可避免的随机性。
（3）μ还代表着度量误差（4）模型设定应该尽可能简单，只要不遗漏重要变量，把因变量的次要影响因素归于随机项 μ 。
（奥卡姆剃刀原则）3.参数估计方法———普通最小二乘法的基本思想 选择参数使得残差平方和最小——Min ∑e i 2=Min ∑（Y i −Yi ̌）2=Min ∑（Y i −b 1−b 2X i ）^24.根据Ols 法得出参数 b 1 b 2 称为最小二乘估计量，最小二乘估计量的性质： （1）Ols 方法获得样本回归直线过样本均值点（X ，Y ） （2）残差的均值总为0，（3）残差项与解释变量的乘积求和为0，即残差项与解释变量不相关。
计量经济学复习要点第一篇：计量经济学复习要点计量经济学复习要点第一章、概率论基础1.随机事件的概念P22.古典概行例题P5例1.1P2例1.2利用第一章的知识说明抽签的合理性如何利用第一章的知识估计一个池塘有多少鱼还有一个关于晚上紧急集合穿错鞋的题目，记不太清楚了3.期望与方差的概念，切比雪夫不等式，看例题1.4-例题1.8，不要求求出数4.变异系数的概念P175.大数定律和中心极限定律（具有独立同分布的随机变量序列的有限和近似地服从正态分布）的概念P24、P25第二章、矩阵代数1.矩阵的定义，加（page29）、减（page29）、乘（page30）、转置（page30）、逆（page31）知道怎么回事2.最小二乘法P39-P41（定义最小二乘解）3.第三节没有听，求听课学霸补充第三章、数据的分析方法和参数的统计推断1.数据的分析方法（算数平均、加权算数平均、几何平均、移动平均）（1）几种分析方法的定义（2）几中分析方法的不同（3）每种分析方法的具体作用（4）移动平均法中k的选择（5）指数平滑法的意义，α的选择，P552.t分布的概率密度函数3.矩估计法定义4.几大似然估计法P65，例题3.7例题3.85.贝叶斯估计和极大极小估计（应该是只看一下概念就可以了）6.假设检验（1）基本思想P75（2）双边假设检验（3）单边假设检验（4）参数检验P807.方差分析的思想、作用和模型第四章、一元线性回归（计算题）回归方程的求法，显著性检验，经济解释（各参数的解释），不显著的解释第六章、虚拟变量的回归模型1.虚拟变量的作用及模型2.应用虚拟变量改变回归直线的截距、斜率3.对稳定性的检验第二篇：2007计量经济学复习要点2007年计量经济学课程要点归纳1.十大经典假设的证明（关于两变量模型的性质检验）2.BLUE估计量的证明3.自相关检验方法（检验方法一定要记住）4.异方差检验方法（至少三种）5.孙老师讲过的附录要留意6.异方差与自相关的补救措施7.违反十大经典假设情况下的问题怎么解决（如多重共线性，异方差，自相关问题，虚拟变量的估计）注：以上重点均是提供参考，不做考试说明计量考察的重点是对计量模型的建立与估算，结果评价与补救思路的考察，没有大量的数学计算，请同学们放心！建议大家根据参考要点确定进度，并根据孙老师上课的重点决定自己的复习范围！希望同学们认真复习，考出好成绩！王琳第三篇：计量经济学复习笔记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CH2CH3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。
Yi=β1+β2lnXi+ui线性影响随机影响Yi=E（Yi|Xi）+uiE（Yi|Xi）=f(Xi)=β1+β2lnXi引入随机扰动项，（3）古典假设A零均值假定E（ui|Xi）=0B同方差假定Var(ui|Xi)=E(ui2)=σ2C无自相关假定Cov(ui,uj)=0D随机扰动项与解释变量不相关假定Cov(ui,Xi)=0E正态性假定ui~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∑ei2＾β1ols=(Y均值)-＾β2(X均值)＾β2ols=∑xiyi/∑xi23、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＾Yi的均值等于实际值Yi的均值（3）剩余项ei的均值为0（4）被解释变量估计值＾Yi与剩余项ei不相关Cov(＾Yi,ei)=0（5）解释变量Xi与剩余项ei不相关Cov(ei,Xi)=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=∑ei2/(n-k)重点记忆t=（＾β2-β2）/＾SE（＾β2）~t（n-2）拒绝域：|t|>=t2/a(n-2)拒绝，认为对应解释变量对被解释变量有显著影响。
P值是尚不能拒绝原假设的最大显著水平。
（所以P越小，显著性越好）P值>a不拒绝P值拒绝(3)F检验——回归方程显著性检验，检验整个模型原假设Ho:β2=β3=β4=0（多元，依次写下去）F=[ESS/(k-1)]/[RSS/(n-k)]~F（k-1,n-k）统计量F服从自由度为k-1和n-k的F分布F>Fa（k-1,n-k）(说明F越大越好)拒绝：说明回归方程显著，即列入模型的各个解释变量联合起来对被解释变量有显著影响一元回归下，F与t检验一致，且F=t25、拟合优度检验（1）可决系数（判定系数）R2=ESS/TSS=1-RSS/TSS特点：非负统计量，取值[0,1]，样本观测值的函数，随机变量对其解释：R2=0.95,表示拟合优度比较高，变量95%的变化可以用此模型解释，只有5%不准确(2)修正的可决系数adjustedR2=1-(1-R2）(n-1)/(n-k)adjustedR2取值[0,1]计算出负值时，规定为0k=1时，adjustedR2=R2（3）F与可决系数F=[(n-k)/（k-1）]*[R2/(1-R2)]adjustedR2,R2,F都是随机变量联系：a都是显著性检验的方法b构成统计量都是用TSS=ESS+RSSc二者等价，伴随可决系数和修正可决系数增加，F统计量不断增加R2=0时，F=0；R2=1时，F趋近无穷；区别：aF有明确分布，R2没有bF检验可在某显著水平下得出结论，可决系数是模糊判断6、预测平均值预测和个别值预测A预测不仅存在抽样波动引起的误差，还要受随机扰动项的影响。
个别值预测比平均值预测的方差大。
个别值预测区间也大于平均值预测区间。
B对平均值和个别值预测区间都不是常数。
Xf趋近X均值，预测精度增加，预测区间最窄C预测区间和样本容量N有关，样本容量越大，预测误差方差越小，预测区间越窄。
样本容量趋于无穷个别值的预测误差只决定于随机扰动项的方差。
CH4多重共线性后果/原因——如何检验——如何修正1、后果/原因（1）完全/不完全多重共线X3=X1+2X2完全多重共线参数无法估计非满秩矩阵不可逆X3=X1+X2+u不完全多重共线性（2）无多重共线性模型无多重共线性,解释变量间不存在完全或不完全的线性关系X是满秩矩阵可逆Rank(X)=kRank(X’X)=k从而X’X可逆（X’X）-1存在（3）多重共线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使用截面数据建立模型样本数据自身原因（4）后果存在多重共线性时，OLS估计式仍然是BLUE（最佳线性无偏估计）不影响无偏性（无偏性是重复抽样的特性）不影响有效性（是样本现象，与无多重共线性相比方差扩大，但采用OLS估计后，方差仍最小）不影响一致性2、检验（1）两两相关系数（充分条件）两两相关可以推出多重共线性反过来不一定系数比较高，则可认为存在着较严重的多重共线性（2）直观判断（综合判断法）参数联合显著性很高（通过F检验）但个别重要解释变量存在异常，t不显著，或者β为负，与经济意义违背。
F检验通过，t不通过，因为方差扩大了F是由RSS计算得出的（3）方差扩大因子VIFj=1/(1-Rj2)方差与VIF正相关VIF>10严重多重共线Rj2是多个解释变量辅助回归确定多重可决系数（4）逐步回归（也是修正方法）不会有计算，但要了解过程针对多重共线性，没有什么特别好的修正方法，建模前要事先考虑，如果出现重要解释变量的多重共线性，可以考虑扩大样本容量CH5异方差原因、后果——检验——修正（WLS）异方差：被解释变量观测值的分散程度是随解释变量的变化而变化的。
Var(ui|Xi)=E(ui2)=σi2=σ2f(Xi)1、原因后果（1）产生原因A模型设定误差B测量误差的变化C截面数据中总体各单位的差异异方差性在截面数据中比在时间序列数据中可能更常出现，因为同一时点不同对象的差异，一般来说会大于同一对象不同时间的差异。
（2）后果A参数的OLS估计仍然具有无偏性（无偏性仅依赖零均值假定，解释变量的非随机性）B参数OLS估计式的方差不再是最小的，影响有效性（方差会被低估，从而夸大t统计量，t，F检验失效，区间预测会受影响，不显著的也有可能变显著）C不满足有效性，则也会影响一致性2、检验(要知道判断时原假设和备择假设；检验命题统计量；辅助回归函数形式；适用条件)原假设：同方差备择假设：异方差（1）图示：简单易操作，但判断比较粗糙（2）GQ：Goldfeld-Quanadt戈德菲尔德-夸特检验A大样本，除同方差假定不成立，其余假定要满足B对解释变量大小排序C去除中间C个观测值（样本的1/5-1/4），分成两个部分D构造F统计量，两个部分残差平方和服从卡方分布，则F=两部分残差平方和相除（大的除以小的）~F（(n-c)/2-k,(n-c)/2-k）F>临界值，拒绝原假设，则认为存在异方差E可判断是否存在异方差，不能确定是哪个变量引起（3）WhiteA大样本，丧失较多自由度B做残差对常数项、解释变量、解释变量平方及其交叉乘积等所构成的辅助回归＾ei2C计算统计量nR2，n为样本容量，R2为辅助回归的可决系数D统计量服从卡方分布nR2>卡方a(df)拒绝原假设，表明模型存在异方差E不仅能够检验异方差，还能判断是哪个变量引起的异方差（4）ArchA用于大样本，只对时间序列检验B做OLS估计，求残差，并计算残差平方序列et2,et-12….做辅助回归et2~et-12…et-p2C计算辅助回归可决系数R2，统计量(n-p)R2p是ARCH过程的阶数D统计量服从卡方分布（统计量就是”Obs*R-squared”所显示的数值）(n-p)R2>卡方a(p)拒绝原假设，表明模型存在异方差E能判断是否存在异方差，但不能诊断是哪一个变量引起的（5）Glejser可以忽略。
