关于计量经济学的学习经验
关于计量经济学的学习经验
首先声明我的观点，计量是工具也是理论，它不是普通计算机软件，不懂背后的道理也可以用，我个人强烈反对不掌握扎实的理论就去“应用”计量经济学，那绝对是强奸数据。
本人学习经历：读过大多数国际流行的各种“级别”的计量教科书（除了HAYASHI那本，没借到），熟悉SAS，做过大量计算机练习，“蹂躏”过不少中国的数据，现在读paper，参考手册。
开始篇（不是入门，那是很往后的事情了）
个人认为只有wooldridge那本书是值得反复读的（是那个初级本，国内译本也很好），古扎拉弟就算了，很多理论上的原因大家学到后来就明白了。古的书我读了两遍，现在早就扔了。但现在依然常常翻阅WOO.对于开始的人，woo书上的海量例子太宝贵了，而且绝大多数取材于著名论文，值得仔细品味。
学习方法：用随便那个软件（我用SAS）把书中的例子几乎全部做一遍，知道你用的软件所报告的结果中那些重要的东西是怎么来的（不用知道的太精确），该怎么解释。―――书上后来那几章不懂也没关系。
数学要求：基础数理统计学（就是一般初级书上附录那些内容），不用懂大样本理论，知道有一致性这个概念就行了，并且记住它是计量经济学中几乎唯一重要的评价统计量的标准。什么无偏啊有效啊都几乎是空中楼阁，达不到的标准。
忠告：1、别管R square，几乎不用管多重共线性，知道异方差和自相关的概念就行了，知道大概怎么诊断，至于纠正嘛，不用太在意。不过对于GLS还是要有个认识。
2、对于简单二元模型中OLS相关的重要推导全部背下来，不多，但很重要。
3、这个阶段不要陷入公式推导。
4、如果你是初学者，不要指望把woo的书处处看懂，差不多就行了。
5、可以拿中国的数据“蹂躏”一下。
入门篇
数学要求：矩阵，大样本理论稍微再难一点的统计学
矩阵书很多，GREEN附录也可以（推荐Dhrymes --mathematics for econometrics,这本书对大多数人来说需要看的也就大概三四十页吧）。大样本理论有难度，需要做比较严肃的准备，有比较好的概率背景的同学大概也需要时间来适应其中繁琐的推导，white---asympotic theory for econometricians前三四章是值得花时间的。数理统计学教材多如牛毛，不说了，大致GREEN附录的那些内容是要了解的（尤其MLE）。
教材：买一本GREEN的书放着，看完附录就算了，可以以后时不时的查阅其中其他内容。读过这本书的同学我相信会有很多人认为它是不值得通读的，没有重点，全面铺开，很恶心的做法。而且这本书例子不多，实际上我认为思想也很肤浅，没有着重捕捉回归的思想，
计量模型中的因果含义等等。
建议：读Golderberg（怀疑又拼错了）吧，个人认为和GREEN功力的差距是本质的，又短又好的一本书，某些地方值得反复读啊读。起码他会真正告诉你OLS假设的含义，呵呵。
基本读完这本书之后，对计量差不多就有个认识了，可以真正开始深入学习了，wooldridge（2001）和hamilton的很多章节是必读的。学到这个阶段的朋友就不需要我多罗嗦了。估计手册和必读的精彩论文都已经有所认识了。
忠告：1、要时不时的作个图看看，不看图（尤其是时间序列）是疯子的做法。ARMA 模型要玩熟，要不然总有一天你得回来重新再学，嘿嘿。
2、学好OLS的相关内容实在是太重要了，不要见了更高深的方法就以为OLS没用了，多学几遍OLS吧。基本的矩阵推导要烂熟烂熟烂熟！大样本的结论坚持都推一遍。
3、可以尝试着用计量了，记住如果你只有二三十个样本点，最好不要计量。如果你有50个左右，解释变量别超过三个。
学得挺闷吧，JEP 2001 FALL整整一本讲计量应用的，全是顶尖大牛，每人讲一个方法，要求文章中公式不超过三个，巨精彩。什么非参半参，GMM（wooldridge），IV(angrist@kruger), V AR, GARCH(granger),等等等等。唉，太精彩了。去看看爽一下吧。
□
不太明白为什么GREEN的书在国内被称做圣经，其实就是在AMZON上，这本书得到很多负面评价。
https://www.360docs.net/doc/3112642902.html,/gp/product/customer-reviews/0130661899/ref=cm_cr_dp_2_1/103-2513422-8868607?%5Fencoding=UTF8&;customer-reviews.sort%5Fby=-SubmissionDate&n=50 7846
Fumio Hayashi 的《Econometrics》则是好评如潮。
https://www.360docs.net/doc/3112642902.html,/exec/obidos/tg/detail/-/0691010188/qid=1117060245/sr=8-6/ref=pd _csp_6/103-2513422-8868607?v=glance&;s=books&n=507846
（Hayashi的书国图有，武大有影印版。清华上两年上过洪永淼老师高级计量一的同学也有，可以COPY一下。）
Russell Davidson, James G. Mackinnon 的《Econometric Theory and Methods》也是一本使用比较广泛的教科书。
https://www.360docs.net/doc/3112642902.html,/exec/obidos/tg/detail/-/0195123727/qid=1117060245/sr=8-13/ref=p d_ka_6/103-2513422-8868607?v=glance&;s=books&n=507846
Takeshi Amemiya的《Advanced Econometrics 》出版于1985年，是一本广受赞誉的书。
https://www.360docs.net/doc/3112642902.html,/exec/obidos/tg/detail/-/0674005600/qid=1117061263/sr=8-1/ref=pd _csp_1/103-2513422-8868607?v=glance&;s=books&n=507846
Arthur S. Goldberger 的《A Course in Econometrics》。
https://www.360docs.net/doc/3112642902.html,/exec/obidos/tg/detail/-/0674175441/qid=1117061551/sr=8-1/ref=pd _csp_1/103-2513422-8868607?v=glance&;s=books&n=507846
Goldberger还著有一本初级教科书《INTRODUCTORY ECONOMETRICS》。
现在中国的学生真的很幸运，因为很多的书在国外出版不久，就被翻译或影印到国内了。
比如两位时序领域的巨人James H. Stock, Mark W. Watson 的初中级教科书Introduction to Econometrics，我先是看到上海财经大学出了这本书的影印本，接着又发现东北财经大学出版社又出版了中文版。
出版周期真的是很快。
有的人除了是好的研究者，还是天生的好的教科书的作者、好的教授。比如已故的G. S. Maddala 教授，他和古扎拉第都是印度人。
他写的初级教科书《Introduction to Econometrics 》3rd Edition，个人认为要比古扎拉第的好太多了。
□
你说的那些书我基本都有接触，个人也非常喜欢DA VIDSON&MACKINNON(2004)，很好。对于想了解投影知识以得到回归的直观感觉的人，本书前2章是值得看的。此外，由于是新书，本书把BOOTSTRAP方法贯彻始终，基本每一部分都有讨论。
但是这里申明一点，我个人在各种教科书上花的时间太多了，二楼说的都是好书，但是学完一本再学一本的方法是不足取的。太浪费时间了，毕竟，计量终归是作出来的！本人认为取其中之一二作为基础精读之即可，而woo和golderberger绝对是首选。
当认真学完goldberger后，进一步看哪本书实际都不费劲（除了时间序列需要花点时间），这个阶段该看论文和手册了。
对于MONTE CARLO和bootstrap，我认为应该尽早接触。
计量经济学 心得
计量经济学学习心得报告 通过这个学期学习的计量经济学这门课程，王新华老师在我们学习计量经济学给了我们很多细 心的讲解和耐心的指导，我们针对学习内容主要学到的主要有两点：一：对EVIES软件的熟练操作与应用，学会了Eviews软件，我感觉自己真的是很幸运，因为毕竟有些软件是属于那种有价无市的，如果没有老师的传授我不可能从市场上或是从思想上认识到它；二：对于计量经济 学各种案例分析的认识我是很深刻的，在这一次对一个案例进行回归分析讲述中，我不但巩固 了老师课堂所讲的知识，也提高了胆识，增长了见识，也学会了团队与协作的力量。 以下我将着重从两个方面阐述我对计量经济学知识的一些认识以及个人从中学到的经验与心得。一：计量经济学教我了我很多。 在学习计量经济学的过程中，我可以旁征博引，同时老师也给了我很多有意思的启发，因为即 将面临考研的抉择，这门课也是我考研过程中必备的一门课程，因此，它作为一门核心必修课，我们都会很用心得听讲，并对一些重要的知识做了记录，从而为自己的考研奠定一定的基础。 二：计量经济学的系统知识 计量经济学的定义为：用数学方法探讨经济学可以从好几个方面着手，但任何一个方面都不能 和计量经济学混为一谈。计量经济学与经济统计学绝非一码事；它也不同于我们所说的一般经 济理论，尽管经济理论大部分具有一定的数量特征；计量经济学也不应视为数学应用于经济学 的同义语。经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系 来说，都是必要的，但本身并非是充分条件。三者结合起来，就是力量，这种结合便构成了计 量经济学。 计量经济学关心统计工具在经济问题与实证资料分析上的发展和应用，经济学理论提供对于经 济现象逻辑一致的可能解释。因为人类行为和决策是复杂的过程，所以一个经济议题可能存在 多种不同的解释理论。当研究者无法进行实验室的实验时，一个理论必须透过其预测与事实的 比较来检验,计量经济学即为检验不同的理论和经济模型的估计提供统计工具。 在计量经济学一元线性回归模型，我认识到：变量间的关系及回归分析的基本概念，主要包括：其次有一元线形回归模型的参数估计及其统计检验与应用，包括： 我也学会了参数的最大似然估计法语最小二乘法。对于最小二乘法，当从模型总体随机抽取n 组样本观测值后，最合理的参数估计量应该使得模型能最好的拟合样本数据，而对于最大似然 估计法，当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽 取该n组样本观测值的概率最大。显然，这是从不同原理出发的两种参数估计方法。即：
计量经济学试题
06A卷 一、判断说明题（每小题1分，共10分） 1.在实际中，一元回归没什么用，因为因变量 的行为不可能仅由一个解释变量来解释。(×) 4.在线性回归模型中，解释变量是原因，被解 释变量是结果。（×） 7. 给定显著性水平 及自由度，若计算得到 的t 值超过t的临界值，我们将拒绝零假设。 （√） 8.为了避免陷入虚拟变量陷阱，如果一个定性 变量有 m类，则要引入m个虚拟变量。（×） 二、名词解释(每小题2分，共10分) 1.计量经济学：融合数学、统计学及经济理论，结合研究经济行为和现象的理论和实务。 2.最小二乘法：使全部观测值的残差平方和为最小的方法就是最小二乘法。 3.虚拟变量：在经济生活研究中，有一些暂时起作用的因素。如战争、天灾、人祸等，这些因素在经济中不经常发生，但又带有相同特性，经济学家把这些不经常发生的、又起暂时影响作用的称为虚拟变量。 4.滞后变量：用来作为解释变量的内生变量的前期值称为滞后内生变量，简称为滞后变量。 5.自回归模型：包含有被解释变量滞后值的模型，称为自回归模型。 三、简答题(每小题5分，共20分) 1．应用最小二乘法应满足的古典假定有哪些？（1）随机项的均值为零； （2）随机项无序列相关和等方差性； （3）解释变量是非随机的，如果是随机的则与随机项不相关； （4）解释变量之间不存在多重共线性。 2．运用计量经济学方法解决经济问题的步骤一般是什么？ （1）建立模型； （2）估计参数； （3）验证理论； （4）使用模型。 3．你能分别举出三个时间序列数据、截面数据、混合数据、虚拟变量数据的实际例子吗？ （1）时间序列数据如：每年的国民生产总值、 各年商品的零售总额、各年的年均人口增长 数、年出口额、年进口额等等； （2）截面数据如：西南财大2002年各位教师年收入、2002年各省总产值、2002年5月成都市 各区罪案发生率等等； （3）混合数据如：1990年~2000年各省的人均收入、消费支出、教育投入等等； （4）虚拟变量数据如：婚否，身高是否大于170厘米，受教育年数是否达到10年等等。 4．随机扰动项μ的一些特性有哪些？ （1）众多因素对被解释变量Y的影响代表的综合体； （2）对Y的影响方向应该是各异的，有正有负；（3）由于是次要因素的代表，对Y的总平均影响可能为零； （4）对Y的影响是非趋势性的，是随机扰动的。 四、分析、计算题(每小题15分，共45分) 1. 根据下面Eviews回归结果回答问题。Dependent Variable: DEBT Method: Least Squares Date: 05/31/06 Time: 08:35 Sample: 1980 1995 Included observations: 16 Variable Coefficie nt Std. Erro r t-Statist ic Prob . C（） INCOME（） COST（） R-squared Mean dependent var Adjusted R-squared （） . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic（）Durbin-Wats on stat Prob(F-statisti c) INCOME——个人收入，单位亿美元； COST——抵押贷款费用，单位%。 1. 完成Eviews回归结果中空白处内容。 2. 说明总体回归模型和样本回归模型的区别。
计量经济学学总结
1.计量经济学的建模步骤？ 一、理论模型的设计 : 确定模型包含的变量;确定模型的数学形式;拟定模型中待估计参 数的理论期望值区间二、样本数据的收集三、模型参数的估计四、模型的检验 计量经济学模型的运用 1、结构分析， 2、经济预测， 3、政策评价， 4、检验与发展经济理论 2、相关分析和回归分析的区别 联系:两者都是研究非确定变量间的统计关系，并且能够度量线性依赖程度的大小。 区别：前者关注相关程度，后者关注因果分析，还有具体的依赖关系。 4、随机误差项的含义：随机误差项是在模型设定中省略下来而又集体的影响着被解释变量 Y的全部变量的替代物。 5、随机误差项的内容有哪些？或者为什要在总体回归函数中引入随机误差项： （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 基本假设：（1）回归模型是正确设定的，（2）解释变量X是确定性变量，不是随机变量，在重复抽样中取固定值，（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，（4）随机误差项μ具有给定X 的零均值、同方差以及不序列相关性（5）随机误差项与解释变量之间不相关（6）随机误差项服从零均值、同方差的正态分布。 记住：正态分布并不是得到最佳无偏估计的必要条件，只要满足前4个假设就可以得到最佳无偏估计。 7、普通最小二乘法（OLS）概念：残差平方和最小的准则，就是最小二乘准则 其 3、样本容量的关系 最小样本：样本容量必须不少于模型中解释变量中的数目（包括常数量） 一般认为，当n大于等于30或者至少n大于等于3（k+1）才能说满足模型估计的基本要求 9、回归模型的统计检验（拟合优度检验、参数的显著性检验、模型的显著性检验） （1）拟合优度是指检验模型对样本观测值的拟合程度，用R2表示，该值越接近于1，模型对样本观测值拟合得越好。可决系数: TSS(总离差平方和):自由度为：n-1 ESS(回归平方和)：自由度为：k RSS(回归平方和)：自由度为：n-k-1 调整的可决系数:即
高级计量经济学练习试题精编版63137
第一讲作业题 为分析不同州的公共教育支出花费在学生身上的教育经费，估计了如下的回归方程： 式中，S代表第i个州花费在每个公立学校学生身上的教育经费；Y代表第i个州的资本收入；G代表第i个州公立学校学生的增长率。 1A 说明变量Y与变量G的参数估计值的经济意义。 作业题2 1B 你预期变量Y和G的参数符号各是什么请说明理由。估计结果与你的预期一致吗 作业题3 1C 变量G是用小数来衡量的，因此，当一个州的招生人数增加了10%时，G等于。如果变量G用百分比的形式来衡量，那么当一个州的招生人数增加了10%时，G等于10。此时，方程的参数估计值会如何变化（文字说明即可） 作业题4 Jaime Diaz发表在《体育画报》上的一篇论文研究了美国职业高尔夫球协会（PGA）巡回赛中不同距离的推杆次数。论文中建立了推杆进洞次数百分比（P）关于推杆距离（L，英尺）的关系式。推杆距离越长，进洞的可能性越小。可以预测，L的参数估计值为负。回归方程如下： 2A 说明L的参数估计值的经济意义。 作业题5 2B 利用该方程估计一个PGA高尔夫球员10英尺推杆进球的次数百分比。再分别估计1英尺和25英尺的情况。结果是否符合现实 作业题6 2C 上一题的答案说明回归分析时存在什么问题 第二讲作业题 作业题1 1 查尔斯·拉弗（Charles Lave）发表了一篇驾驶员交通事故率的研究报告。他的总体结论是驾驶速度的方差（同一公路上汽车驾驶速度差异的程度）是交通事故率的重要决定因素。在他的分析中，采用两年的全美数据分别估计，得出的回归方程为： 第一年： 第二年：
式中，代表第i个州州际公路上的交通事故数量（单位：车辆每行驶一亿英里的交通事故数）；代表一个不确定的估计截距；代表第i个州的驾驶速度的方差；代表第i个州每名驾驶员的平均罚单数量；代表第i个州内每平方英里医院的数量。 1a.考察变量的理论依据，给出其参数符号的预期。 作业题2 1b.这两年的参数估计的差异是否值得重视请说出你的理由。在什么情况下，应该关注这些差异呢 作业题3 1c.通过比较两个方程的调整的判定系数，哪一个方程具有更高的判定系数调整的判定系数越高，回归方程越好吗为什么 作业题4 假定你决定建一个离你学校最近的冷冻酸奶商店的销售量模型。店主很乐意帮助收集数据，因为她相信你们学校的学生是她的主要顾客。经过长时间的数据收集以及无限量的冷冻酸奶供给之后，你估计得到以下回归方程： 式中，代表第t个两周内冷冻酸奶的销售总量；代表t期的平均温度（单 位：华氏温度）；代表t期该商店冷冻酸奶价格（单位：美元）；代表反 映是否在学校报纸发布广告的虚拟变量（1=店主在学校报纸上做了广告）； 代表反映是否为学校学期时间的虚拟变量（1=t期是学校学期时间，即9月初到12月初、1月初到5月底）。 2a.为什么要假定“无限量的冷冻酸奶供给”（提示：考虑模型是否满足经典假设） 作业题5 2b.说明变量和变量的参数估计值的经济含义。
计量经济学简答题及答案
计量经济学简答题及答案 1、比较普通最小二乘法、加权最小二乘法和广义最小二乘法的异同。 答：普通最小二乘法的思想是使样本回归函数尽可能好的拟合样本数据，反映在 图上就是是样本点偏离样本回归线的距离总体上最小，即残差平方和最小 ∑=n i i e 12min 。 只有在满足了线性回归模型的古典假设时候，采用OLS 才能保证参数估计结果的可靠性。 在不满足基本假设时，如出现异方差，就不能采用OLS 。加权最小二乘法是对原 模型加权，对较小残差平方和2i e 赋予较大的权重，对较大2i e 赋予较小的权重，消除异方差，然后在采用OLS 估计其参数。 在出现序列相关时，可以采用广义最小二乘法，这是最具有普遍意义的最小二乘 法。 最小二乘法是加权最小二乘法的特例，普通最小二乘法和加权最小二乘法是广义 最小二乘法的特列。 6、虚拟变量有哪几种基本的引入方式? 它们各适用于什么情况? 答: 在模型中引入虚拟变量的主要方式有加法方式与乘法方式，前者主要适用于 定性因素对截距项产生影响的情况，后者主要适用于定性因素对斜率项产生影响的情况。除此外，还可以加法与乘法组合的方式引入虚拟变量，这时可测度定性因素对截距项与斜率项同时产生影响的情况。 7、联立方程计量经济学模型中结构式方程的结构参数为什么不能直接应用OLS 估计？ 答：主要的原因有三：第一，结构方程解释变量中的内生解释变量是随机解释变 量,不能直接用OLS 来估计；第二，在估计联立方程系统中某一个随机方程参数时，需要考虑没有包含在该方程中的变量的数据信息，而单方程的OLS 估计做不到这一点；第三，联立方程计量经济学模型系统中每个随机方程之间往往存在某种相关性，表现于不同方程随机干扰项之间，如果采用单方程方法估计某一个方程，是不可能考虑这种相关性的，造成信息的损失。 2、计量经济模型有哪些应用。 答：①结构分析，即是利用模型对经济变量之间的相互关系做出研究，分析当其 他条件不变时，模型中的解释变量发生一定的变动对被解释变量的影响程度。②经济预测，即是利用建立起来的计量经济模型对被解释变量的未来值做出预测估计或推算。③政策评价，对不同的政策方案可能产生的后果进行评价对比，从中做出选择的过程。④检验和发展经济理论，计量经济模型可用来检验经济理论的正确性，并揭示经济活动所遵循的经济规律。 6、简述建立与应用计量经济模型的主要步骤。 答：一般分为5个步骤：①根据经济理论建立计量经济模型；②样本数据的收集； ③估计参数；④模型的检验；⑤计量经济模型的应用。 7、对计量经济模型的检验应从几个方面入手。 答：①经济意义检验；②统计准则检验；③计量经济学准则检验；④模型预测检 验。
高级计量经济学知识点总结
1. 计量经济分析的步骤 2）建立计量经济模型。 ①确定模型包含的变量；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 3）收集数据。数据质量: 完整性、准确性、可比性、一致性 4）估计参数。参数估计为经济理论提供了实际经验的内容，并验证经济理论。 5）假设检验。①经济意义检验：根据拟定的符号、大小、关系②统计检验③计量经济学检验 ④模型预测检验 6）预测和政策分析。①结构分析②经济预测③政策评价④实证分析（理论检验与发展 经典线性回归模型 2.统计假设 ②E(ui uj)=0,③E(ut 2)=σ2④Xjt 是非随机量，⑤（K+1）< n; ⑥各解释变量之间不存在严格的线性关系。 2）A1. E(u)=0 A2. A3. X 是一个非随机元素矩阵 A4. Rank(X) = (K+1) < n 3.β的统计值及其分布 ~ 4.拟合优度（决定系数、修正决定系数） 使用修正决定系数原因：决定系数是一个与解释变量的个数有关的量，解释变量个数增加，RSS 减小，从而使R 2 增大。人们总是可以通过增加模型中解释变量的方法来增大 R2 的值。 5.假设检验 1）单个系数显著性检验 2）若干个系数的显著性检验（联合假设检验） ～t(n-k-1) ～F(g,n-k-1) 3）全部斜率系数为0的检验 4）检验其他形式的系数约束条件（同联合检验） ～F(g,n-k-1) 6. 回归结果的提供和分析： DW 检验值说明是否存在扰动项的自相关。 7. 斜率和截距都变动（分别检验β2和β4的显著性即可） n I u u E 2)(σ='?''-1β=(X X)X Y )6(??)5()()())((?2222X Y x y x X X n Y X Y X n X X Y Y X X t t t t t t t t t t t t βαβ-==--=---=∑∑∑∑∑∑∑∑∑β?),(22∑t x N σβ2?~(,)j j jj N c ββσ()TSS RSS TSS ESS R Y Y e R -==--==∑∑112222或总变差解释变差()∑∑-----=22)1()1(1Y Y K n e n ())1()1(1222-----=∑∑n Y Y K n e R 1)1)(1(12-----=K n R n /2?(1)j t n k αβ±--σ)?(?)?(?j j j j ββββVar Se t ==())1(---=K n S g S S F R )1()1(22---=K n R K R u DX X D Y u X D D Y ++++=++++=)()()(43214321ββββββββ即：
计量经济学总结
计量经济学复习范围 一、回归模型的比较 1.根据模型估计结果观察分析 (1)回归系数的符号与值的大小就是否符合经济理论要求 (2)改变模型形式之后就是否使判定系数的值明显提高 (3)各个解释变量t 检验的显著性 2.根据残差分布观察分析 在方程窗口点击View \ Actual,Fitted,Residual\Tabe(或Graph) (1)残差分布表中,各期残差就是否大都落在σ ?±的虚线框内。 (2)残差分布就是否具有某种规律性,即就是否存在着系统误差。 (3)近期残差的分布情况 二、 判断新的解释变量引入模型就是否合适(遗漏变量检验) 1、基本原理 如果模型逐次增加一个变量, 由于增加一个新的变量,ESS 相对于RSS 的增加,称为这个变量的“增量贡献”或“边际贡献”。 不引入:0H (即引入的变量不显著) ())'','(~)''/(/' k k F k n RSS k ESS ESS F new old new --= 或 )'','(~/)1(/)(''2' 22k k F k n R k R R F NEW OLD NEW ---= 其中,'k 为新引进解释变量的个数,''k 为引进解释变量后的模型中参数个数。 判别增量贡献的准则:如果增加一个变量使2R 变大,即使RSS 不显著地减少,这个变量从边际贡献来瞧,就是值得增加的。 若F>F 或者对应的P 值充分小,拒绝 则认为引入新的解释变量合适;否则,接受则认为引入新的解释变量不合适。 三、伪回归的消除 如果解释变量与被解释变量均虽随时间而呈同趋势变动,如果不包含时间趋势变量而仅仅就是将Y 对X 回归,则结果可能仅仅反映这两个变量的同趋势特征而没有反映它们之间的真实关系,这种回归也称为伪回归。
计量经济学简答题及答案43378
简答： 1、时间序列数据和横截面数据有何不同？ 时间序列数据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。这两类数据都是反映经济规律的经济现象的数量信息，不同点：时间序列数据是含义、口径相同的同一指标按时间先后排列的统计数据列；而横截面数据是一批发生在同一时间截面上不同统计单元的相同统计指标组成的数据列。 2、建立计量经济模型赖以成功的三要素。P16（课本） 成功的要素有三：理论、方法和数据。理论：即经济理论，所研究的经济现象的行为理论，是计量经济学研究的基础；方法：主要包括模型方法和计算方法，是计量经济学研究的工具与手段，是计量经济学不同于其他经济学分支科学的主要特征；数据：反映研究对象的活动水平、相互间以及外部环境的数据，更广义讲是信息，是计量经济学研究的原料。三者缺一不可。 3、什么是相关关系、因果关系；相关关系与因果关系的区别与联系。 相关关系是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系，用相关系数来衡量。 因果关系是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。 具有因果关系的变量之间一定具有数学上的相关关系。而具有相关关系的变量之间并不一定具有因果关系。 4、回归分析与相关分析的区别与关系。P23-P24（课本） 相关分析与回归分析既有联系又有区别。首先，两者都是研究非确定性变量间的统计依赖关系，并能测度线性依赖程度的大小。其次，两者间又有明显的区别。相关分析仅仅是从统计数据上测度变量间的相关程度，而无需考察两者间是否有因果关系，因此，变量的地位在相关分析中饰对称的，而且都是随机变量；回归分析则更关注具有统计相关关系的变量间的因果关系分析，变量的地位是不对称的，有解释变量与被解释变量之分，而且解释变量也往往被假设为非随机变量。再次，相关分析只关注变量间的具体依赖关系，因此可以进一步通过解释变量的变化来估计或预测被解释变量的变化，达到深入分析变量间依存关系，掌握其运动规律的目的。 5、数理经济模型和计量经济模型的区别。 答：数理经济模型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。 6、从哪几方面看，计量经济学是一门经济学科？P6（课本）
高级计量经济学复习精要
高级计量经济学复习精要 一、简答题（10分x 2）: （一）多重共线性问题：（主要看修正方法） 1、多重共线性是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系 而使模型估计失真或难以估计准确。完全共线性的情况并不多见，一般岀现的是在一定程度上的 共线性，即近似共线性。 2、产生原因主要有3各方面：（1）经济变量相关的共同趋势；（2）滞后变量的引入；（3）样本资料的限制。 3、造成的后果：（1）完全共线性下参数估计量不存在；（ 2）近似共线性下 OLS估计量非有效；（3）参数估计量经济含义不合理；（ 4）变量的显着性检验失去意义；（ 5）模型的预测功能失效。 4、识别方法：（1）经验识别：对模型估计后，R1 2 3极高，多个变量不显着，出现与理论预期 相悖的情况，有理由怀疑存在多重共线性。（2）相关系数法：计算变量间两两相关系数。只要 其中一个大等于 0.6或0.7，则表明可能存在严重的共线性。（3）膨胀因子法：计算每个解释 变量的VIF，若某一个 VIF > 10,则表明存在严重的共线性。 5、修正方法［（※※※［根据潘老师讲课内容进行整理 共线性的修正方法有很多，按照优劣程度排序，主要有五种方法： 方法1:扩充样本以减弱共线性。主要通过增加自由度来提高精度，如将时序数据或截面数 据变为面板数据，从而将一维数据变为二维。 评价：这种方法最理想，但存在的缺点是：①效果不定；②不可行。 方法2：工具变量法（IV）。主要通过工具变量，运用两阶段最小二乘完成。 评价：这种方法目前最受欢迎，高质量的期刊论文通常都采用该方法。缺点是：①由于相关 关系具有传导性，工具变量S很难找；②用S替代X,有时经济正当性不足。 方法3:变量变换法。可以通过对数变换、绝对转相对和方程变换进行变量变换。 评价：这种方法最简单易行，但存在的缺点是：①简单相关系数描述的是线性关系，而对数 是非线性化过程；②功效不足；③不是所有变量都能用来做变换，必须有明确的经济学指代。 方法4:逐步回归法。主要是通过降维减少变量来减弱共线性。 评价：这种方法要慎用，最大的缺点是：虽然能很好地解决共线性问题，但是却引发了更严 重的内生性问题。 方法5:主成份分析法或因子分析法。具有降维的作用，主要用于多指标评价。 评价：该方法很好地消除了共线性。但这种方法要慎用，最大的缺点是：经济含义伤害过大。 （二）内生性问题 2内生性是指：模型中的解释变量与扰动项相关。通常我们做古典假设①；i为白噪声， _ 2 叮叮 E（；）=0，var （） =；- ，cov（j）=0 :②X是非随机变量（微观可以通过固定抽样得到 解决，宏观则不可），贝U cov （X, ）=0成立。但是当cov （X,'、丰0时上述假设便不再成立，我们称之为内生性，进而导致OLS失效，是非一致性的。 3 内生性产生的原因：①X与丫存在双向因果，即 X影响丫的同时，丫也影响X;如金融发展与经济增长；外商直接投资FDI与经济增长；犯罪率与警备投入。②模型遗漏重要解释变量。无论是缺失重要解释变量导致，还是无法获取数据导致，被遗漏的重要变量进入了残差项， 如果与其他解释变量相关，就会岀现 cov（U t,X t）工0,也就是内生性问题。③度量误差：由于关键变量的度量上存在误差，使其与真实值之间存在偏差，这种偏差可能会成为回归误差的一部分，
计量经济学总结【重庆工商大学】
线性回归分析的基本步骤 步骤一、建立模型 知识点： 1、总体回归模型、总体回归方程、样本回归模型、样本回归方程 ①总体回归模型：研究总体之中自变量和因变量之间某种非确定依赖关系的计量模型。 Y X U β=+ 特点：由于随机误差项U 的存在，使得Y 和X 不在一条直线/平面上。 例1：某镇共有60个家庭，经普查，60个家庭的每周收入（X ）与每周消费（Y ）数据如下： 作出其散点图如下： ②总体回归方程（线）：由于假定0EU =，因此因变量的均值与自变量总处于一条直线上，这条直线 ()|E Y X X β=就称为总体回归线（方程）。 总体回归方程的求法：以例1的数据为例 1）对第一个X i ，求出E (Y |X i )。
由于01|i i i E Y X X ββ=+，因此任意带入两个X i 和其对应的E (Y |X i )值，即可求出0 1 ββ 和， 并进而得到总体回归方程。 如 将 ()()222777100,|77200,|137 X E Y X X E Y X ====和代入 ()01|i i i E Y X X ββ =+可得：0100117710017 1372000.6ββββββ=+=?????=+=?? 以上求出 01 ββ和反映了E (Y |X i )和X i 之间的真实关系，即所求的总体回归方程为： ()|170.6i i i E Y X X =+ ，其图形为： ③样本回归模型：总体通常难以得到，因此只能通过抽样得到样本数据。如在例1中，通过抽样考察，我们得到了20个家庭的样本数据：
那么描述样本数据中因变量Y和自变量X之间非确定依赖关系的模型 ? Y X e β =+就称为样本回归 模型。 ④样本回归方程（线）：通过样本数据估计出?β ，得到样本观测值的拟合值与解释变量之间的关系方程 ? ?Y Xβ =称为样本回归方程。如下图所示： ⑤四者之间的关系： ⅰ：总体回归模型建立在总体数据之上，它描述的是因变量Y和自变量X之间的真实的非确定型依赖关系；样本回归模型建立在抽样数据基础之上，它描述的是因变量Y和自变量X之间的近似于真实的非确 定型依赖关系。这种近似表现在两个方面：一是结构参数?β 是其真实值 β的一种近似估计；二是残差 e是随机误差项U的一个近似估计； ⅱ：总体回归方程是根据总体数据得到的，它描述的是因变量的条件均值E(Y|X)与自变量X之间的线性 关系；样本回归方程是根据抽样数据得到的，它描述的是因变量Y样本预测值的拟合值?Y 与自变量X 之间的线性关系。 ⅲ：回归分析的目的是试图通过样本数据得到真实结构参数β的估计值，并要求估计结果?β 足够接近 真实值β。由于抽样数据有多种可能，每一次抽样所得到的估计值?β 都不会相同，即 β的估计量?β 是一个随机变量。因此必须选择合适的参数估计方法，使其具有良好的统计性质。 2、随机误差项U存在的原因： ①非重要解释变量的省略 ②人的随机行为
计量经济学简答题整理版
1. 请问自回归模型的估计存在什么困难？如何来解决这些苦难？ 答：主要存在两个问题： (1) 出现了随机解释变量Y ，而可能与随机扰动项相关； (2) 随机扰动项可能存在自相关，库伊克模型和自适应预期模型的随机扰动项都会导致自相关，只有局部调整模型的随机扰动项无自相关。 对于第一个问题的解决可以使用工具变量法；对于第二个问题的检验可以用德宾h 检验法，目前还没有很好的解决办法，唯一能做的就是模型尽可能的设定正确。 2. 为什么要进行广义差分变换？写出其过程。 答：进行广义差分变换是为了处理自相关，写出其过程如下： 以一元模型为例：Y t = b 0 + b 1 X t +u t 假设误差项服从AR(1)过程：u t =ρu t-1 +v t －1 ≤ρ≤1 其中，v 满足OLS 假定，并且是已知的。 为了弄清楚如何使变换后模型的误差项不具有自相关性，我们将回归方程中的变量滞后一期，写为： Y t-1 = b 0 + b 1 X t-1 +u t-1 方程的两边同时乘以ρ，得到：ρY t-1 = ρb 0 + ρb 1 X t-1 +ρu t-1 现在将两方程相减，得到：(Y t －ρY t-1 ) = b 0 ( 1 －ρ) + b 1 (X t －ρX t-1 ) + v t 由于方程中的误差项v t 满足标准OLS 假定，方程就是一种变换形式，使得变换后的模型无序列相关。如果我们将方程写成：Y t * = b 0* + b 1 X t * +v t ，其中，Y t * = (Y t -ρY t-1 ) ，X t * = (X t -ρX t-1 ) ，b 0* = b 0 ( 1 -ρ)。 3. 什么是递归模型？ 答：递归模型是指在该模型中，第一个方程的内生变量Y 1仅由前定变量表示，而无其它内生变量；第二个方程内生变量Y 2表示成前定变量和一个内生变量Y 1的函数；第三个方程内生变量Y 3表示成前定变量和两个内生变量Y 1与Y 2的函数；按此规律下去，最后一个方程内生变量Y m 可表示成前定变量和m －1个Y 1，Y 2、，Y 3，…、Y m-1的函数。 4. 为什么要进行同方差变换？写出其过程，并证实之。 答：进行同方差变换是为了处理异方差，写出其过程如下： 我们考虑一元总体回归函数Y i = b 0 + b 1 X i + u i 假设误差σi 2 是已知的，也就是说，每个观察值的误差是已知的。对模型作如下“变换”： Y i /σi = b 0 /σi + b 1 X i /σi + u i /σi 这里将回归等式的两边都除以“已知”的σi 。σi 是方差σi 2 的平方根。 令 v i = u i /σi 我们将v i 称作是“变换”后的误差项。v i 满足同方差吗？如果是，则变换后的回归方程就不存在异方差问题了。假设古典线性回归模型中的其他假设均能满足，则方程中各参数的OLS 估计量将是最优线性无偏估计量，我们就可以按常规的方法进行统计分析了。 证明误差项v i 同方差性并不困难。根据方程有：E (v i 2 ) = E (u i 2 /σi 2 ) = E (u i 2 ) /σi 2 =σi 2 /σi 2 = 1 显然它是一个常量。简言之，变换后的误差项v i 是同方差的。因此，变换后的模型不存在异方差问题，我们可以用常规的OLS 方法加以估计。 5. 简述逐步回归法的基本步骤。 答：先用被解释变量对每一个解释变量做简单回归，然后以对被解释变量贡献最大的解释变量所对应的回归方程为基础，再逐个引入其余的解释变量。这个过程会出现3种情形：①若新变量的引入改进了R 2 和F 检验，且其它回归系数的t 检验在统计上仍是显著的，则可考
2019年高级计量经济学考试
高级计量经济学考试 一、单选题（25 *2分） 1. Which of the following correctly identifies a difference between cross-sectional data and time series data? a. Cross-sectional data is based on temporal ordering, whereas time series data is not. b. Time series data is based on temporal ordering, whereas cross sectional data is not. c. Cross-sectional data consists of only qualitative variables, whereas time series data consists of only quantitative variables. d. Time series data consists of only qualitative variables, whereas cross-sectional data does not include qualitative variables. 2. A stochastic process refers to a: a. sequence of random variables indexed by time. b. sequence of variables that can take fixed qualitative values. c. sequence of random variables that can take binary values only. d. sequence of random variables estimated at the same point of tim e. 3. The model: yt = β0 +β1ct +μ , t = 1,2,……., n is an example of a(n): a. Autoregressive conditional heteroskedasticity model. b. static model. c. finite distributed lag model. d. infinite distributed lag model. 4. Refer to the following model yt = α0 +β0st +β1st?1 +β2st?2 +β3st?3 +μt This is an example of a(n): a. infinite distributed lag model. b. finite distributed lag model of order 1. c. finite distributed lag model of order 2. d. finite distributed lag model of order 3. 5. Refer to the following model. yt = α0 +β0st +β1st?1 +β2st?2 +β3st?3 +μtβ0+ β1 + β2 + β3 represents: a. the short-run change in y given a temporary increase in s. b. the short-run change in y given a permanent increase in s. c. the long-run change in y given a permanent increase in s. d. the long-run change in y given a temporary increase in s. 6. Which of the following is an assumption on which time series regression is based? a. A time series process follows a model that is nonlinear in parameters. b. In a time series process, no independent variable is a perfect linear combination of the others. c. In a time series process, at least one independent variable is a constant. d. For each time period, the expected value of the error ut, given the explanatory variables for all time periods, is positiv e.
计量经济学学习感悟
计量经济学课程学习感悟 姓名：贺璐 班级：金融1402班 学号：1605140228
计量经济学学习感悟 经过一学期的计量经济学习，我感触很深，获益匪浅。我是文科生，在金融的部分专业课有关模型或数据分析时，我总是不是很敏感、不能很快掌握所学内容，因此较少选数学模型的选修课，但这一次的计量经济学课让我收获了很多知识。 一、计量经济学的系统知识 计量经济学的定义为：用数学方法探讨经济学可以从多个方面入手，但任何一个方面都不能和计量经济学混为一谈。计量经济学不等同于经济统计学、一般经济理论、数学，而是它们的有效结合共同促成了计量经济学。 二、state软件和理论 在用STATE软件做实证报告前，由于没有系统复习回顾，当时还有较多困惑：比如自相关补救程序是什么？什么时候该用线性或双对数模型或半对数模型？如何估计p?为什么有时回归系数与经济理论不符合等等。但我觉得求人不如求己，不能一有问题就找同学，很多东西需要自己慢慢琢磨。于是这段时间，我集中全力，一方面细细看书，一方面找大量资料案例研究state命令，选择自己原来不清楚的对数模型为我的实证研究函数，尽力寻找每一个当初不懂得问题。虽然从最初数据模型寻找到最后做出实证报告确实用了更久的实间，但自己扎扎实实，从统计学知识回顾沿着计量经济学框架脉络系统，复习了计量经济学各章知识；同时学会使用state这一有用的软件使用方式，有效的将理论与软件使用相结合。同时更加认识到，计量理论才是根本，只有计量理论弄清楚了软件才能发挥它最大的效用。 但是接触state软件的时间仅短短几个月，现在掌握的state的程序命令和结果解读仍很浅显，但是今后在找模型回归分析等问题时，我仍会尽可能多用state软件，加强学习应用。像上学期的统计学课spss的软件一样好好应用，在大学学习更多的知识充实自己。同时本
计量经济学简答
简答题：1.选择工具变量的原则是什么:（1）工具变量必须与所替代的随机解释变量高度相关；（2）工具变量与随机误差项不相关（3）工具变量与其它解释变量不相关，避免出现多重共线性。 2.实际经济问题中的多重共线性 (1)经济变量的趋同性（2）滞后变量的引入（3）样本资料的限制 3.序列相关性产生的原因: （1）惯性；（2）模型设定误差；（3）蛛网现象；（4）数据加工。 4、随机解释变量问题及其解决方法。如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。第一、随机解释变量与误差项相互独立；第二、随机解释变量与误差项同期无关，而异期相关；第三、随机解释变量与误差项同期相关；第四、解决方法为工具变量法。 5.随机解释变量产生的后果 1.若相互独立，则参数估计量仍然无偏一致。2 若同期相关，异期不相关，得到的参数估计有偏，但却是一致的3 若同期相关，则估计量有偏且非一致。 6.简述最小二乘估计量的性质：（1）线性性，即它是否是另一随机变量的线性函数；（2）无偏性，即它的均值或期望值是否等于总体的真实值；（3）有效性，即它是否在所有线性无偏估计量中具有最小方差。（4）渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值；（5）一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值；（6）渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。 7、虚拟变量的作用：（1）表现定性因素对被解释变量的影响（2）提高模型的说明能力与水平（3）季节变动分析。（4）方程差异性检验。 8、虚拟变量设置的原则：如果有定性因素共有个结果需要区别，那么至多引入m-1 个虚拟变量 9、实际经济问题中的多重共线性：（1）经济变量的趋同性（2）滞后变量的引入（3）样本资料的限制 10.引入随机误差形式为了：（1）代表未知的影响因素（2）代表残缺数据（3）代表众多细小的影响因素（4）代表数据观测误差（5）代表模型设定误差（6）变量的随机存在性 11. 12.回归分析的主要内容有：（1）根据样本观测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。 13.叙述原理：最小二乘法：当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得模型能最好的的拟合样本数据：最大似然法：当从模型的总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。在满足一系列基本假设的情况下，模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。
关于计量经济学的学习经验
关于计量经济学的学习经验 首先声明我的观点，计量是工具也是理论，它不是普通计算机软件，不懂背后的道理也可以用，我个人强烈反对不掌握扎实的理论就去“应用”计量经济学，那绝对是强奸数据。 本人学习经历：读过大多数国际流行的各种“级别”的计量教科书（除了HAYASHI那本，没借到），熟悉SAS，做过大量计算机练习，“蹂躏”过不少中国的数据，现在读paper，参考手册。 开始篇（不是入门，那是很往后的事情了） 个人认为只有wooldridge那本书是值得反复读的（是那个初级本，国内译本也很好），古扎拉弟就算了，很多理论上的原因大家学到后来就明白了。古的书我读了两遍，现在早就扔了。但现在依然常常翻阅WOO.对于开始的人，woo书上的海量例子太宝贵了，而且绝大多数取材于著名论文，值得仔细品味。 学习方法：用随便那个软件（我用SAS）把书中的例子几乎全部做一遍，知道你用的软件所报告的结果中那些重要的东西是怎么来的（不用知道的太精确），该怎么解释。―――书上后来那几章不懂也没关系。 数学要求：基础数理统计学（就是一般初级书上附录那些内容），不用懂大样本理论，知道有一致性这个概念就行了，并且记住它是计量经济学中几乎唯一重要的评价统计量的标准。什么无偏啊有效啊都几乎是空中楼阁，达不到的标准。 忠告：1、别管R square，几乎不用管多重共线性，知道异方差和自相关的概念就行了，知道大概怎么诊断，至于纠正嘛，不用太在意。不过对于GLS还是要有个认识。 2、对于简单二元模型中OLS相关的重要推导全部背下来，不多，但很重要。 3、这个阶段不要陷入公式推导。 4、如果你是初学者，不要指望把woo的书处处看懂，差不多就行了。 5、可以拿中国的数据“蹂躏”一下。 入门篇 数学要求：矩阵，大样本理论稍微再难一点的统计学 矩阵书很多，GREEN附录也可以（推荐Dhrymes --mathematics for econometrics,这本书对大多数人来说需要看的也就大概三四十页吧）。大样本理论有难度，需要做比较严肃的准备，有比较好的概率背景的同学大概也需要时间来适应其中繁琐的推导，white---asympotic theory for econometricians前三四章是值得花时间的。数理统计学教材多如牛毛，不说了，大致GREEN附录的那些内容是要了解的（尤其MLE）。 教材：买一本GREEN的书放着，看完附录就算了，可以以后时不时的查阅其中其他内容。读过这本书的同学我相信会有很多人认为它是不值得通读的，没有重点，全面铺开，很恶心的做法。而且这本书例子不多，实际上我认为思想也很肤浅，没有着重捕捉回归的思想，