计量经济学

第一章 绪论

1、计量经济学的学科构成和模型

（1）计量经济学是用来揭示经济活动中客观存在的数量关系为内容的一门经济学的分支学科。是由统计学、经济学、数学三者结合而成的交叉学科。

计量经济学包含的内容

（2）计量经济学包含的内容：

按照研究范围：广义计量经济学和狭义计量经济学

根据内容的深度：初、中、高级计量经济学

根据研究对象和内容的侧重点：理论计量经济学和应用计量经济学

根据发展阶段：经典计量经济学和非经典计量经济学

按研究领域：微观计量经济学和宏观计量经济学

（3）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。 P3

数据来自统计学，线性关系来自经济学，数量关系来自数学。三者结合建立了计量经济学模型。

计量经济学模型：截面数据模型，时间序列数据模型，综合截面和时序数据模型

2、经典计量经济学和非经典计量经济学划分

经典计量经济学模型包括:

单方程模型(Single Equation Model)

联立方程模型(Simultaneous Equations Model)

以线性模型为主要形式

非经典计量经济学一般指20世纪70年代末以来发展的计量经济学理论、方法及应用模型，也称为现代计量经济学。

非经典计量经济学主要包括：

微观计量经济学(Microeconometrics)

非参数计量经济学(Nonparametric Econometrics)

时间序列计量经济学(Time-Series Econometrics )

Panel Data Econometrics（面板数据）

动态计量经济学(Dynamic Econometrics)

3、建立计量经济学模型的步骤和要点 p9

一、理论模型的设计

二、样本数据的收集

三、模型参数的估计

四、模型的检验

五、计量经济学模型成功的三要素

一、理论模型的设计

（1）确定模型包含的变量（Y为被解释变量，X为解释变量）

（2）确定模型的数学形式

（3）拟定模型中待估计参数的理论期望值区间

书上p9理论模型的设计主要包含三部分工作，即选择变量，确定变量之间的数学关系，拟定模型中待估计参数的数值范围。理论模型的设计必须遵循“从一般到简单”的原则。

二、样本数据的收集

1、几种常用的样本数据：

时间序列数据概念（ppt）未找到：是一批按照时间先后排列的统计数据

截面数据：是一批发生在同一时间截面上的调查数据

虚变量数据：也称为二进制数据，一般取0或1

2、样本数据的质量：完整性，准确性，可比性，一致性

三、模型参数的估计

四、模型的检验内容

⑴ 经济意义检验：根据拟定的符号、大小、关系，对参数估计结果的可靠性进行判断。

⑵ 统计检验：由数理统计理论决定。包括：

拟合优度检验(Coefficient of Determination)

总体显著性检验(Overall Significance of Regression)

变量显著性检验(Significance of Variables)

⑶ 计量经济学检验:由计量经济学理论决定。包括：

异方差性检验(Heteroskedasticity)

序列相关性检验(Serial Correlation)

共线性检验(Multi-collinearity)

⑷ 模型预测检验:由模型的应用要求决定。包括：

稳定性检验：扩大样本重新估计

预测性能检验：对样本外一点进行实际预测

五、计量经济学模型成功的三要素：理论,数据,方法

4、计量经济学模型的应用 p18

一、结构分析

二、经济预测

三、政策评价

四、理论检验与发展

第二章 一元线性回归模型

1、回归分析概念：回归分析(regression analysis)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。

其目的在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。

前一个变量称为被解释变量（Explained Variable）或应变量（Dependent Variable）。

后一个变量被称为解释变量（Explanatory Variable）或自变量（Independent

Variable）。

2、回归分析构成计量经济学的方法论基础，其主要内容包括：

（1）根据样本观察值对经济计量模型参数进行估计，求得回归方程；

（2）对回归方程、参数估计值进行显著性检验； （3）利用回归方程进行分析、评价及预测。

3、为什么总体回归模型中引入随机干扰项p27

(1)代表未知的影响因素

(2)代表残缺数据

（3）代表众多细小影响因素

（4）代表数据观测误差

（5）代表模型设定误差

（6）变量的内在随机性

4、一元线性回归模型的基本假设p29

一、关于模型设定的假设

假设1：回归模型是正确设定的

二、关于解释变量的假设

假设2：解释变量X时确定性变量，不是随机变量，在重复抽样中取固定值

假设3：解释变量X在所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X的样本方差趋于一个非零的有限常数。

三、关于随机项的假设

假设4：随机误差项u具有给定X条件下的零均值、同方差以及不序列相关性，即E

Var

Cor

假设5：随机误差项与解释变量之间不相关，即

Cov

假设6：随机误差项服从零均值、同方差的正太分布，即

u

5、多元线性回归模型的基本假设p64

假设1：回归模型是正确设定的。

假设2：解释变量X1，X2，。。。Xk是非随机的或固定的，且各Xj之间不存在严格线性相关性（无完全多重共线性）

假设3：各解释变量Xj在所抽取的样本中具有变异性，而且随着样本容量的无限增加，各解释变量的样本方差趋于一个非零的有限常数，即n--+无穷时

假设4：随机误差项具有条件零均值、同方差及不序列相关性

假设5：解释变量与随机项不相关

假设6：随机项满足正态分布

6、一元线性回归模型的参数估计

一、参数的普通最小二乘估计（OLS）

二、参数估计的最大或然法(ML)

三、最小二乘估计量的性质

四、参数估计量的概率分布及随机干扰项方差的估计

7、普通最小二乘法要求：残差平方和最小，即2ie最小

最小二乘原理：根据被解释变量的所有观测值与估计值之差的平方和最小的原则求得参数估计量。

8、OLS,ML,MM参数估计量之间的关系

9、参数估计量性质性质：（一元，最小二乘估计量的统计性质P38）

小样本性：线性性、无偏性、有效性

大样本性：渐近无偏性、渐近有效性、一致性

10、BLUE是什么？（了解）

普通最小二乘估计量具有线性性、无偏性和有效性等优良品质，是最佳线性无偏估计量（best

linear unbiased estimator, BLUE）

11、统计检验p43

一元线性回归模型的统计检验：

一、拟合优度检验

二、变量的显著性检验

三、参数的置信区间

（1）统计检验的核心：构造统计量

（2）拟合优度检验的统计量：。。

（3）变量的显著性检验采用的检验方法：假设检验；采用的统计量：t统计量

12、理解这些统计量的应用（计算和回归检验中出题）P45

如2R=80%，代表样本回归线能解释总变异的程度是？ 220111ˆ()(())nniiiiMinQYYYX))

13、变量显著性检验的概念（理解）

旨在对模型中被解释变量与解释变量之间的线性关系是否显著成立作出判断，或者说考察所选择的解释变量是否对被解释变量有显著性的线性影响，包括假设检验和变量的显著性检验

14、T统计量与回归系数统计值的标准差之间的关系

15、T统计量如何缩小参数置信区间？（一元P49，多元P79）

一元：①增大样本容量n。

②提高模型的拟合优度。

多元：①增大样本容量n。

②提高模型的拟合优度。

③提高样本观测值的分散度。

16、预测问题：Y的总体均值和个别值的预测，置信带之间的关系

点比均值预测带宽

一元中，对于Y的总体均值与个体值的预测区间（置信区间）:

（1）样本容量n越大，预测精度越高，反之预测精度越低；

（2）样本容量一定时，置信带的宽度当在X均值处最小，其附近进行预测（插值预测）精度越大；X越远离其均值，置信带越宽，预测可信度下降。

第三章 多元线性回归模型

1、j也被称为偏回归系数（名词解释）表示在其他解释变量保持不变的情况下，jX每变化1个单位时，Y的均值E(Y)的变化;或者说j给出了jX的单位变化对Y均值的“直接”或“净”（不含其他变量）影响。

并运用，如1X表示土地耕种面积，Y表示粮食产量，7.0ˆ1如何解释？

表示其他解释变量不变的情况下，1X（土地耕种面积）每变动一个单位，Y（粮食产量）的均值变动0.7个单位

2、多元参数估计量的统计性质（P70）

在满足基本假设的情况下，其结构参数的普通最小二乘估计、最大或然估计及矩估计仍具有：线性性、无偏性、有效性；

同时，随着样本容量增加，即当n趋向于+无穷时，参数估计量具有：渐近无偏性、渐近有效性、一致性。

3、了解样本容量问题：n取多少？（P71）

（1）小样本容量：n最少取k+1