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。
1 / 7
十万种考研考证电子书、题库视频学习平台 圣才电子书
第19章 一个经验项目的实施
19.1 复习笔记
一、问题的提出
提出一个非常明确的问题，其重要性不容忽视。如果没有明确阐述假设和将要估计的模
型类型，那么很可能会忘记收集某些重要变量的信息，或是从错误的总体中取样，甚至收集
错误时期的数据。
1．查找数据的方法
《经济文献杂志》有一套细致的分类体系，其中每篇论文都有一组标识码，从而将其归
于经济学的某一子领域之中。
因特网（Internet）服务使得搜寻各种主题的已发表论文更为方便。
《社会科学引用索引》（Social Sciences Citation Index）在寻找与社会科学各个领域
相关的论文时非常有用，包括那些时常被其他著作引用的热门论文。
网络搜索引擎“谷歌学术”（Google Scholar）对于追踪各类专题研究或某位作者的研
究特别有帮助。
2．构思题目时首先应明确的几个问题
（1）要使一个问题引起人们的兴趣，并不需要它具有广泛的政策含义；相反地，它可
以只有局部意义。
（2）利用美国经济的标准宏观经济总量数据来进行真正原创性的研究非常困难，尤其
对于一篇要在半个或一个学期之内完成的论文来说更是如此。然而，这并不意味着应该回避
2 / 7
十万种考研考证电子书、题库视频学习平台 圣才电子书
对宏观或经验金融模型的估计，因为仅增加一些更新的数据便对争论具有建设性。
二、数据的收集
1．确定适当的数据集
首先必须确定用以回答所提问题的数据类型。最常见的类型是横截面、时间序列、混合
横截面和面板数据集。有些问题可以用任何一种数据结构进行分析。
确定收集何种数据通常取决于分析的性质。关键是要考虑能够获得一个足够丰富的数据
集，以进行在其他条件不变下的分析。
同一横截面单位两个或多个不同时期的数据，能够控制那些不随时间而改变的非观测效
数据集概述：
计量经济学导论伍德里奇数据集是一个包含了多个经济指标的样本数据集，用于开展计量经济学研究和统计推断。该数据集是经济计量学领域中常用的数据集之一，可用于分析各种经济现象之间的相互关系和影响。本篇文章将介绍数据集的基本情况、样本选择的原因和意义，以及数据预处理和结果分析的方法。
数据集特点：
计量经济学导论伍德里奇数据集包含了多个经济指标的时间序列数据，包括国内生产总值、失业率、消费支出、投资额等。这些指标涵盖了宏观经济领域的多个方面，可以用于分析各种经济现象之间的相互关系和影响。数据集的时间跨度较长，包含了多个年份的数据，为研究经济变化提供了丰富的样本。此外，数据集还提供了不同年份的季节调整数据，方便了对经济指标进行更准确的统计分析。
样本选择原因和意义：
本篇文章选择计量经济学导论伍德里奇数据集作为研究样本的原因和意义在于，该数据集包含了多个重要的宏观经济指标，可以用于分析宏观经济现象之间的相互关系和影响。通过对该数据集进行深入分析和挖掘，可以更好地了解经济运行规律和趋势，为政策制定和预测提供更有价值的参考依据。此外，该数据集还可以用于检验计量经济学模型的准确性和适用性，为经济学的理论研究和应用提供有力的支持。
数据预处理：
在进行数据分析之前，需要对数据进行预处理，包括缺失值填充、异常值处理和数据清洗等。在本篇文章中，我们采用了以下方法进行数据预处理：
1. 缺失值填充：对于缺失的数据，我们采用了均值插补的方法进行了填充。
2. 异常值处理：通过对数据进行箱型图观察，剔除了明显异常的数据点。
3. 数据清洗：对不符合要求的数据进行了清洗，如去除无效样本和不符合研究目的的数据。
结果分析：
通过对预处理后的数据进行统计分析，我们发现了一些有趣的结论：
1. 国内生产总值和失业率之间存在负相关关系，即当失业率上升时，国内生产总值也相应下降。这可能是由于失业率上升时，消费者和投资者的信心受到影响，导致需求下降，进而影响到经济增长。
计量经济学导论伍德里奇数据集
全文共四篇示例，供读者参考
第一篇示例：
计量经济学导论伍德里奇数据集是一个广泛使用的经济学数据集，它收集了来自不同国家和地区的大量经济数据，包括国内生产总值（GDP）、人口、失业率、通货膨胀率等指标。这些数据被广泛用于经济学研究和实证分析，帮助经济学家们了解和预测经济现象。
伍德里奇数据集由经济学家Robert S. Pindyck和Daniel L.
Rubinfeld于1991年编撰而成，现已成为许多大学和研究机构的经济学教学和研究工具。该数据集包含了大量的时间序列和横截面数据，涵盖了从1960年至今的多个国家和地区。
在伍德里奇数据集中，经济指标按照国家和地区进行分类，每个国家或地区都有各种经济指标的时间序列数据。这些数据不仅涵盖了宏观经济指标，如GDP、人口、通货膨胀率等，还包括了一些特定领域的数据，如能源消耗、就业情况、教育水平等。
研究人员可以使用伍德里奇数据集进行各种经济学研究，例如分析不同国家和地区的经济增长趋势、比较不同国家之间的经济表现、评估各种经济政策的效果等。通过对数据集的分析，经济学家们可以更好地理解和解释经济现象，为政策制定和经济预测提供依据。 除了为经济学研究提供数据支持外，伍德里奇数据集还可以帮助经济学教学。许多经济学课程都会使用这个数据集进行案例分析和实证研究，让学生们更直观地理解经济理论，并将理论应用到实际问题中去。通过实际数据的分析，学生们可以培养独立思考和解决问题的能力，提高他们的经济学研究水平。
要正确使用伍德里奇数据集进行经济学研究和教学，研究人员和教师们需要对数据集的结构和特点有深入的了解。他们需要了解数据集中各个变量的定义和计量单位，以确保数据分析的准确性。他们需要熟悉数据集的时间跨度和覆盖范围，以便选择合适的时间段和国家样本进行研究。他们还需要掌握数据处理和分析的方法，如时间序列分析、横截面分析等，以确保研究结论的可靠性和科学性。
