计量经济学期末复习总结
计量经济学期末考试总结(云南师范大学)
1、经济计量模型检验(含义):是指对经济现象或过程的一种数学模拟。
社会经济的现象和过程是非常复杂的，影响因素众多，经济模型只能把做研究的主要经济因素（表现为经济变量）之间的关系，用数学关系式近似地、简化地表示出来。
所谓模型检验，就是要对模型和所估计的参数加以评判，判定在理论上是否有意义，在统计上是否有足够的可靠性。
2、检验设定误差（所设定模型的好坏）的方法：（P243）答：（1）、DW检验，其基本思想是认为遗漏的相关变量应包含在随机扰动项中，那么回归所得的残差序列就会呈现单侧的自相关性，因此可从自相关性的角度检验相关变量的遗漏。
（2）、拉格朗日乘数检验，其基本思想是认为遗漏的相关变量包含在随机扰动项中，因此随机扰动项或回归所得的残差序列应该与遗漏的相关变量呈现出某种依存关系，可以进行残差序列的与相关变量的回归，在一定显著水平下若相关变量具有统计显著性，则认为没有遗漏变量形成的设定误差。
（3）、一般性检验，是拉姆齐于1969年提出的一种检验方法，其检验的基本思想是：如果事先知道遗漏了哪个变量只需要将此变量引入模型，估计并检验其参数是否显著不为零即可，可是问题是不知道遗漏了哪个变量，这时可寻找一个可以替代变量Ｚ来进行上述检验（替代变量通常的选所设定模型被解释变量拟合值Ｙ若干次幂的线性组合），若模型估计所得的残差包含着遗漏的相关变量，那么这个残差可用被解释变量拟合值Ｙ的线性组合近似表示；若这个线性组合是显著的，则认为原模型的设定有误。
（可引入多个多个替代变量去判断是否有多个变量被遗漏，被称为一般检验方法。
）3、测量误差存在与否的检验方法是什么？（Ｐ２４９）测量误差的存在使得回归系数被低估。
测量误差存在与否的检验是豪斯曼提出的。
方法步骤为：（１）、对所研究的回归模型，无论是否存在测量误差，先采用ＯＬＳ法得到参数估计量；（２）、对可能存在测量误差的解释变量，选择与其相关的工具变量，将可能存在测量误差的解释变量对选择的工具变量进行回归，并获得回归残差ｗ＾；（３）、将回归残差ｗ＾加入第一步中的回归表达式，再次进行ＯＬＳ估计，得到ｗ＾的参数估计量Ｂ＾及假设检验结果，（4）、若B^为显著时，则认为解释变量确实存在观测误差；反之，认为解释变量不存在测量误差。
计量经济学期末考试重点整理
第一章绪论1、什么是计量经济学？由哪三组组成？答：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。
统计学、经济理论和数学三者结合起来便构成了计量经济学。
2、计量经济学的内容体系，重点是理论计量和应用计量和经典计量经济学理论方法方面的特征答：1）广义计量经济学和狭义计量经济学 2）初、中、高级计量经济学3）理论计量经济学和应用计量经济理论计量经济学是以介绍、研究计量经济学的理论与方法为主要内容，侧重于理论与方法的数学证明与推导，与数理统计联系极为密切。
除了介绍计量经济模型的数学理论基础、普遍应用的计量经济模型的参数估计方法与检验方法外，还研究特殊模型的估计方法与检验方法，应用了广泛的数学知识。
应用计量经济学则以建立与应用计量经济学模型为主要内容，强调应用模型的经济学和经济统计学基础，侧重于建立与应用模型过程中实际问题的处理。
本课程是二者的结合。
4）、经典计量经济学和非经典计量经济学经典计量经济学（Classical Econometrics）一般指20世纪70年代以前发展并广泛应用的计量经济学。
经典计量经济学在理论方法方面特征是：⑴模型类型—随机模型；⑵模型导向—理论导向；⑶模型结构—线性或者可以化为线性，因果分析，解释变量具有同等地位，模型具有明确的形式和参数；⑷数据类型—以时间序列数据或者截面数据为样本，被解释变量为服从正态分布的连续随机变量；⑸估计方法—仅利用样本信息，采用最小二乘方法或者最大似然方法估计模型。
经典计量经济学在应用方面的特征是：⑴应用模型方法论基础—实证分析、经验分析、归纳；⑵应用模型的功能—结构分析、政策评价、经济预测、理论检验与发展；⑶应用模型的领域—传统的应用领域，例如生产、需求、消费、投资、货币需求，以及宏观经济等。
5）、微观计量经济学和宏观计量经济学3、为什么说计量经济学是经济学的一个分支？（4点和综述）答：（1）、从计量经济学的定义看（2）、从计量经济学在西方国家经济学科中的地位看（3）、从计量经济学与数理统计学的区别看（4）、从建立与应用计量经济学模型的全过程看综上所述，计量经济学是一门经济学科，而不是应用数学或其他。
计量经济学复习笔记要点
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。
中南财经政法大学计量经济学复习总结
中南财经政法大学计量经济学复习总结引言计量经济学是一门应用统计学和数学工具来分析经济数据的学科，它在经济预测、政策评估和经济理论检验中发挥着重要作用。
本复习总结旨在帮助中南财经政法大学的学生系统地回顾和巩固计量经济学的核心知识点。
第一部分：计量经济学基础1. 计量经济学的定义和目的定义：计量经济学是经济学的一个分支，它利用数学和统计学方法来分析经济数据。
目的：旨在建立经济理论的实证模型，进行经济预测和政策评估。
2. 经济数据的特点时间序列数据：数据点按时间顺序排列。
横截面数据：同一时间点上不同个体的数据集合。
面板数据：结合了时间序列和横截面数据的特点。
第二部分：经典线性回归模型1. 简单线性回归模型形式：( y = \beta_0 + \beta_1 x + \epsilon )参数估计：通常使用最小二乘法估计参数。
2. 多元线性回归模型形式：( y = \beta_0 + \beta_1 x_1 + \beta_2 x_2 + ... + \beta_n x_n + \epsilon )参数估计：同样使用最小二乘法。
3. 模型假设线性：因变量与自变量之间存在线性关系。
独立性：误差项相互独立。
同方差性：误差项具有恒定的方差。
正态分布：误差项呈正态分布。
第三部分：模型的诊断和改进1. 异方差性问题：当误差项的方差与自变量相关时，最小二乘估计的标准误差会受到影响。
解决方法：使用异方差稳健的标准误或加权最小二乘法。
2. 自相关问题：时间序列数据中误差项可能存在相关性。
解决方法：使用广义最小二乘法或差分方法。
3. 多重共线性问题：自变量之间高度相关，导致模型参数估计不稳定。
解决方法：增加样本量，剔除相关性高的变量。
第四部分：动态模型和时间序列分析1. 自回归模型（AR）模型形式：( y_t = c + \phi_1 y_{t-1} + ... + \phi_p y_{t-p} + \epsilon_t )2. 移动平均模型（MA）模型形式：( y_t = \mu + \epsilon_t + \theta_1 \epsilon_{t-1} + ... + \theta_q \epsilon_{t-q} )3. 自回归移动平均模型（ARMA）模型形式：结合AR和MA模型的特点。
计量经济学期末考试复习
计量经济学期末考试复习资料第一章绪论参考重点：计量经济学的一般建模过程第一章课后题1.4.61.什么是计量经济学计量经济学方法与一般经济数学方法有什么区别答：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;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;4.建立与应用计量经济学模型的主要步骤有哪些答：建立与应用计量经济学模型的主要步骤如下：1设定理论模型,包括选择模型所包含的变量,确定变量之间的数学关系和拟定模型中待估参数的数值范围；2收集样本数据,要考虑样本数据的完整性、准确性、可比性和—致性；3估计模型参数；4检验模型,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;6.模型的检验包括几个方面其具体含义是什么答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验;在经济意义检验中,需要检验模型是否符合经济意义,检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；在统计检验中,需要检验模型参数估计值的可靠性,即检验模型的统计学性质；在计量经济学检验中,需要检验模型的计量经济学性质,包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度,以确定所建立的模型是否可以用于样本观测值以外的范围;第二章经典单方程计量经济学模型：一元线性回归模型参考重点：1.相关分析与回归分析的概念、联系以及区别2.总体随机项与样本随机项的区别与联系3.为什么需要进行拟合优度检验4．如何缩小置信区间P46由上式可以看出1.增大样本容量;样本容量变大,可使样本参数估计量的标准差减小；同时,在同样置信水平下,n越大,t分布表中的临界值越小;2提高模型的拟合优度;因为样本参数估计量的标准差和残差平方和呈正比,模型的拟合优度越高,残差平方和应越小;5．以一元线性回归为例,写出β的假设检验1.对总体参数提出假设H 0：=0, H1：2以原假设H0构造t统计量,3由样本计算其值4给定显着性水平,查t分布表得临界值t/2n-2 5比较,判断若 |t|> t /2n-2,则拒绝H0 ,接受H1；若 |t| t /2n-2,则拒绝H 1 ,接受H 0 ；上届重点：一元线性回归模型的基本假设、随机误差项产生的原因、最小二乘法、参数经济意义、决定系数、第二章PPT 里的表中国居民人均消费支出对人均GDP 的回归、t 检验△平方代表意义；△平方的认识、能够读懂Eviews 输出的估计结果第二章课后题1.3.9.101.为什么计量经济学模型的理论方程中必须包含随机干扰项经典模型中产生随机误差的原因答：计量经济学模型考察的是具有因果关系的随机变量间的具体联系方式;由于是随机变量,意味着影响被解释变量的因素是复杂的,除了解释变量的影响外,还有其他无法在模型中独立列出的各种因素的影响;这样,理论模型中就必须使用一个称为随机干扰项的变量宋代表所有这些无法在模型中独立表示出来的影响因素,以保证模型在理论上的科学性;3.一元线性回归模型的基本假设主要有哪些违背基本假设的模型是否不可以估计答：线性回归模型的基本假设有两大类：一类是关于随机干扰项的,包括零均值,同方差,不序列相关,满足正态分布等假设；另一类是关于解释变量的,主要有：解释变量是非随机的,若是随机变量,则与随机干扰项不相关;实际上,这些假设都是针对普通最小二乘法的;在违背这些基本假设的情况下,普通最小二乘估计量就不再是最佳线性无偏估计量,因此使用普通最小二乘法进行估计己无多大意义;但模型本身还是可以估计的,尤其是可以通过最大似然法等其他原理进行估计;假设1. 解释变量X 是确定性变量,不是随机变量；假设2. 随机误差项具有零均值、同方差和不序列相关性：E i =0 i=1,2, …,nVar i =2 i=1,2, …,nCov i, j =0 i≠j i,j= 1,2, …,n假设3. 随机误差项与解释变量X 之间不相关：CovX i , i =0 i=1,2, …,n假设4. 服从零均值、同方差、零协方差的正态分布i ~N0, 2 i=1,2, …,n假设5. 随着样本容量的无限增加,解释变量X 的样本方差趋于一有限常数;即假设6. 回归模型是正确设定的9、10题为计算题,见课本P52,答案见P17第三章 经典单方程计量经济学模型：多元线性回归模型上届重点：F 检验、t 检验 调整的样本决定系数、“多元”里为什么要对△平方系数进行调整第三章课后题1.2.7.1.多元线性回归模型的基本假设是什么在证明最小二乘估计量的无偏性和有效性的过程中,哪些基本假设起了作用答：多元线性回归模型的基本假定仍然是针对随机干扰项与针对解释变量两大类的假设;针对随机干扰项的假设有：零均值,同方差,无序列相关且服从正态分布;针对解释量的假设有；解释变量应具有非随机性,如果后随机的,则不能与随机干扰项相关；各解释变量之间不存在完全线性相关关系;在证明最小二乘估计量的无偏性中,利用了解释变量非随机或与随机干扰项不相关的假定；在有效性的证明中,利用了随机干扰项同方差且无序列相关的假定;2.在多元线性回归分析中,t检验和F检验有何不同在一元线性回归分析中二者是否有等价作用见课本P70答：在多元线性回归分析中,t检验常被用作检验回归方程中各个参数的显着性,而F检验则被用作检验整个回归关系的显着性;各解释变量联合起来对被解释变量有显着的线性关系,并不意味着每一个解释变量分别对被解释变量有显着的线性关系;在一元线性回归分析中,二者具有等价作用,因为二者都是对共同的假设——解释变量的参数等于零一一进行检验;7、9、10题为计算题,见课本P91,答案见P53第四章经典单方程计量经济学模型：放宽基本假定的模型重点掌握：参考重点：1.以多元线性回归为例说明异方差性会产生怎样的后果可能为论述题2.检验、修正异方差性的方法3.以多元线性回归为例说明序列相关会产生怎样的后果预测,矩阵表达式推到4.检验、修正序列相关的方法5.什么是DW检验法前提条件6.以多元线性回归为例说明多重共线性会产生怎样的后果7.检验、修正多重共线性的方法8.随机解释变量问题的三种分类分别造成的后果是什么9.工具变量法的前提假设1与所替代的随机解释变量高度相关2与随机干扰项不相关3与模型中其他解释变量不相关,以避免出现多重共线性上届重点：异方差、序列相关、多重共线性等违背基本假设的情况产生原因、后果、识别方式方法、、广义差分法第四章课后题1、2题为计算题,见课本P134,答案见P84第五章经典单方程计量经济学模型：专门问题上届重点：虚拟变量的含义与设定、滞后变量的含义、为何加入滞后和虚拟变量第五章课后题1.3.4.101.回归模型中引入虚拟变量的作用是什么有哪几种基本的引入方式它们各适合用于什么情况答：在模型中引入虚拟变量,主要是为了寻找某些定性因素对解释变量的影响;加法方式与乘法方式是最主要的引入方式;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;3.滞后变量模型有哪几种类型分布滞后模型使用OLS方法存在哪些问题答：滞后变量模型有分布滞后模型和自回归模型两大类,前者只有解释变量及其滞后变量作为模型的解释变量,不包含被解释变量的滞后变量作为模型的解释变量；而后者则以当期解释变量与被解释变量的若干期滞后变量作为模型的解释变量;分布滞后模型有无限期的分布滞后模型和有限期的分布滞后模型；自回归模型又以Coyck模型、自适应预期模型和局部调整模型最为多见;分布滞后模型使用OLS法存在以下问题：1对于无限期的分布滞后模型,由于样本观测值的有限性,使得无法直接对其进行估计;2对于有限期的分布滞后模型,使用OLS方法会遇到：没有先验准则确定滞后期长度,对最大滞后期的确定往往带有主观随意性；如果滞后期较长,由于样本容量有限,当滞后变量数目增加时,必然使得自由度减少,将缺乏足够的自由度进行估计和检验；同名变量滞后值之间可能存在高度线性相关,即模型可能存在高度的多重共线性;4.产生模型设定偏误的主要原因是什么模型设定偏误的后果以及检验方法有哪些答：产生模型设定偏误的原因主要有：模型制定者不熟悉相应的理论知识；对经济问题本身认识不够或不熟悉前人的相关工作：模型制定者手头没有相关变量的数据；解释变量无法测量或数据本身存在测量误差;模型设定偏误的后果有：1如果遗漏了重要的解释变量,会造成OLS估计量在小样本下有偏,在大样本下非一致；对随机干扰项的方差估计也是有偏的;2如果包含了无关的解释变量,尽管OLS估计量具有无偏性与一致性,但不具有最小方差性;3如果选择了错误的函数形式,则后果是全方位的,不但会造成估计的参数具有完全不同的经济意义,而且估计结果也不同;对模型设定偏误的检验方法有：检验是否含有无关变量,可以使用t检验与F 检验完成：检验是否有相关变量的遗漏或函数形式设定偏误,可以使用残差图示法,Ramsey提出的RESET检验来完成;10.简述约化建模理论与传统理论的异同点答：Hendry的约化建模理论的核心是“从一般到简单”的建模思想,即首先提出一个包括各种因素在内的“一般”模型,然后再通过观测数据,利用各种检验对模型进行检验并化简,最后得到一个相对简单的模型;传统建模理论的主导思想是“从简单到复杂”的建模思想,它首先提出一个简单的模型,然后从各种可能的备选变量中选择适当的变量进入模型,最后得到一个与数据拟合较好的较为复杂的模型;从二者的主要联系上看,它们都以对经济现象的解释为目标,以已有的经济理论为建模依据,以对数据的拟合程度作为模型优劣的重要的判定标准之一,也都有若干检验标推;从二者的主要区别上看,传统的建模理论往往更依赖于某种单一的经济理论,旧“从一般到简单”的建模理论则更注重将各种不同经济理论纳入到最初的“一般”模型中,甚至更多地是从直觉和经验来建立“一般”的模型；尽管两者都有若干种检验标准,但约化建模理论从实践上有更大量的诊断性检验来看每一步建模的可行性,或寻找改善模型的路径：与传统建模实践中存在的过渡“数据开采”问题相比,由于约化建模理论的初估模型是一个包括所有可能变量的“一般”模型,因此也就避免了过度的“数据开采”问题；另外,由于初始模型的“一般”性,所有研究者在建模的初期往往有着相同的“起点”,因此,在相同的约化程序下,最后得到的最终模型也应该是相同的;而传统建模实践中对同一经济问题往往有各种不同经济理论来解释,如果不同的研究者采用不同的经济理论建模,得到的最终模型也会不同;当然,由于约化建模理论有更多的检验,使得建模过程更复杂,相比之下,传统建模方法则更加“灵活”;第六章联立方程计量经济学模型理论与方法上届重点：内生变量、外生变量、先定变量、结构式模型、简化式模型、参数关系体系、模型识别第六章课后题1.2.3.1.为什么要建立联立方程计量经济学模型联立方程计量经济学模型适用于什么样的经济现象答：经济现象是极为复杂的,其中诸因素之间的关系,在很多情况下,不是单一方程所能描述的那种简单的单向因果关系,而是相互依存,互为因果的,这时,就必须用联立的计量经济学方程才能描述清楚;所以与单方程适用于单一经济现象的研究相比,联立方程计量经济学模型适用于描述复杂的经济现象,即经济系统;2.联立方程计量经济学模型的识别状况可以分为几类其含义各是什么答：联立方程计量经济学模型的识别状况可以分为可识别和不可识别,可识别又分为恰好识别和过度识别;如果联立方程计量经济学模型中某个结构方程不具有确定的统计形式,则称该方程为不可识别,或者根据参数关系体系,在已知简化式参数估计值时,如果不能得到联立方程计量经济学模型中某个结构方程的确定的结构参数估计值,称该方程为不可识别;如果一个模型中的所有随机方程都是可以识别的,则认为该联立方程计量经济学模型系统是可以识别的;反过来,如果一个模型系统中存在一个不可识别的随机方程,则认为该联立方程汁量经济学模型系统是不可以识别的;如果某一个随机方程具有唯一一组参数估计量,称其为恰好识别；如果某一个随机方程具有多组参数估计量,称其为过度识别;3.联立方程计量经济学模型的单方程估计有哪些主要方法其适用条件和统计性质各是什么答：单方程估计的主要方法有：狭义的工具变量法IV,间接最小二乘法ILS,两阶段最小二乘法2SLS;狭义的工具变量法IV和间接最小二乘法ILS只适用于恰好识别的结构方程的估计;两阶段最小二乘法2SLs既适用于恰好识别的结构方程,又适用于过度识别的结构方程;用工具变量法估计的参数,一般情况下,在小样本下是有偏的,但在大样本下是渐近无偏的;如果选取的工具变量与方程随机干扰项完全不相关,那么其参数估计量是无偏估计量;对于间接最小二乘法,对简化式模型应用普通最小二乘法得到的参数估计量具有线性性、无偏性、有效性;通过多数关系体系计算得到结构方程的结构参数估计量在小样本下是有偏的,在大样本下是渐近无偏的;采用二阶段最小二乘法得到结构方程的结构参数估计量在小样本下是有偏的,在大样本下是渐近无偏的;补充资料计算题一给出多元线性回归的结果1.判断模型估计的结果如何,拟合效果如何2.说明每一个参数所代表的经济意义3.判断有没有违背四个基本假设计算题二给出数值,计算：1.t检验,F检验的自由度2.在给定显着性水平下参数是否显着3.估计值是有偏、无偏、有效计算题三加入虚拟变量D1,D2,D3问：虚拟变量的经济含义。
计量经济学复习要点
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。
计量经济学考试重点总结
1、简述计量经济学：是以经济理论和经济数据为事实依据，运用数学统计学的的方法建立数学模型，来研究经济数量关系和和规律的一门经济学科。
2、计量经济模型有哪些应用：①结构分析。
②经济预测。
③政策评价。
④检验和发展经济理论。
3、计量经济学研究的主要步骤：①确定变量和数学关系式——模型设定；②分析变量间具体的数量关系式——估计参数；③检验所的结论的可靠性——模型检验；④作经济分析和经济预测——模型应用。
5．计量经济学数据的分类：①时间序列数据；②截面数据；③面板数据；④虚拟变量数据。
6.在计量经济模型中，为什么会存在随机误差项：随机误差项是计量经济模型中不可缺少的一部分。
产生随机误差项的原因有以下几个方面：①模型中被忽略掉的影响因素造成的误差；②模型的设定误差；③变量的测量误差；④随机因素。
7、总体回归函数中，引进随机误差想的原因：①作为位置影响因素的代表；作为无法取得数据的已知因素的代表；作为众多细小影响因素的综合代表；②模型设定的误差；③变量测定的误差；③经济现象内在的随机性。
8、古典线性回归模型的基本假定：①零均值假定。
即在给定xt的条件下，随机误差项的数学期望为0；②同方差假定。
误差项的方差与t无关，为一个常数。
③无自相关假定。
即不同的误差项相互独立。
④解释变量与随机误差项不相关假定。
（1分）⑤正态性假定，即假定误差项服从均值为0，方差为的正态分布。
9、总体回归模型与样本回归模型的区别：①描述的对象不同。
总体回归模型描述总体中变量y与x的相互关系，而样本回归模型描述所观测的样本中变量y与x的相互关系。
②建立模型的不同。
总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。
③模型性质不同。
总体回归模型不是随机模型，样本回归模型是随机模型，它随着样本的改变而改变。
联系：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。
10．在满足古典假定条件下，一元线性回归模型的普通最小二乘估计量的统计性质：①线性，是指参数估计量和分别为观测值和随机误差项的线性函数或线性组合。
计量经济学期末考试复习重点
对于不同的解释变量的值，随机误差项的方差不再是常数，则认为出现了异方差性假性异方差:模型遗漏了重要的变量,模型函数形式的设定误差。
解决方法：设定正确模型真正的异方差,随机因素的影响(截面数据中，波动与经济规模的比例关系。
如赚钱越多，消费的选择余地越大。
时间序列中，波动的系统变化)后果：出现异方差如仍采用OLS估计模型参数，OLS估计量仍然是线性、无偏的，但是OLS 估计不再是有效估计。
无法正确估计回归系数的标准差,参数估计的标准差出现偏差。
T检验失效。
模型预测不准确（区间估计与随机误差项的方差有关）残差分析图的eview实现：(Sort X)Ls Y C X Genr E1=resid Genr E2=abs(E1) 或者genr E2=E1*E1Scat x E2G_Q检验的适用范围：样本容量较大，单调异方差的情形，对于复杂异方差则无法应用步骤：将Xi按大小排列，去掉中间C=N/4个，剩下的观察值划分成大小相同两个子样本，对每个子样本分别求回归方程，并计算各自的残差平方和，提出假设构造统计量如果F＞Fa ，误差项存在明显的递增异方差性；如果1≤F≤Fa，误差项无明显异方差性。
Sort X Smpl 1 x1 Ls Y C X ，求RSS1 Smpl x2 n Ls Y C X, 求RSS2计算F，查F临界值，并进行判断G-Q检验缺点：无法确定具体形式，对如何解决异方差没有提供建议，复杂异方差不适用，对于多元的情况，处理比较麻烦怀特检验的适用范围：任何形式的异方差，对于多元模型也很方便，可初步推测异方差形式步骤：估计回归模型，并计算残差平方，估计辅助回归方程即将残差平方关于所有解释变量的一次项，二次项和交叉项回归。
计算辅助回归判定系，可证：同方差假设下（），渐进地有：如Park和Gleiser检验：White检验形式太过一般，为了具体化，和以后修正异方差的需要。
基本思想:利用残差绝对值序列或残差平方序列，分别对Xi（的某种形式）进行一元辅助回归。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第一章导论*1．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、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。
*2．计量经济学与经济理论、数学、统计学的联系和区别是什么？计量经济学是经济理论、数学、统计学的结合，是经济学、数学、统计学的交叉学科（或边缘学科）。
*3、计量经济学的研究步骤：（1）确定变量和数学关系式——模型假定；（2）分析变量间具体数量关系——估计参数；（3）检验所得结论的可靠性——模型检验；（4）作经济分析和经济预测——模型应用*4．计量经济学中常用的数据类型：根据（生成过程）和（结构方面）的差异，可分为：（1）时间序列数据：把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔排列起来构成的数据。
（2）截面数据：同一时间（时期或时点）某个指标在不同空间的观测数据。
（3）面板数据：指时间序列数据和截面数据相结合的数据。
（4）虚拟变量数据：人为构造的虚拟变量数据，通常以1表示某种状态发生，以0表示某种状态不发生。
5．计量经济学模型的检验包括哪几个方面？为什么要进行模型的检验？经济意义经验、统计推断检验、计量经济学检验、模型预测检验四个方面。
6．从变量的因果关系上，可分为被解释变量和解释变量。
根据变量的性质，可分为内生变量和外生变量是9．计量经济学模型中包含的变量之间的关系主要有哪些？主要是解释变量与被解释变量之间的因果关系，包括单向因果关系、相互影响关系、恒等关系。
第二章一元线性回归模型1．什么是相关分析？什么是回归分析？相关分析与回归分析的关系如何？相关分析是研究变量之间的相关关系的形式和程度的一种统计分析方法，主要通过绘制变量之间关系的散点图和计算变量之间的相关系数进行。
回归分析是研究不仅存在相关关系而且存在因果关系的变量之间的依存关系的一种分析理论与方法，是计量经济学的方法论基础。
相关分析与回归分析既有联系又有区别。
联系在于：相关分析与回归分析都是对存在相关关系的变量的统计相关关系的研究，都能测度线性相关程度的大小，都能判断线性相关关系是正相关还是负相关。
区别在于：相关分析仅仅是从统计数据上测度变量之间的相关程度，不考虑两者之间是否存在因果关系，因而变量的地位在相关分析中是对等的；回归分析是对变量之间的因果关系的分析，变量的地位是不对等的，有被解释变量和解释变量之分。
3．回归线与回归函数：总体回归线：给定解释变量条件下被解释变量的期望轨迹称为总体回归曲线或总体回归线。
总体回归函数：将总体被解释变量Y的样本条期望值E(Yi|Xi)表现为解释变量X的某种函数。
总体回归模型：引入了随机误差项，称为总体回归函数的随机设定形式，也是因为引入了随机误差项，成为计量经济学模型，称为总体回归模型样本回归模型：根据样本数据对总体回归函数作出的估计称为样本回归函数。
引入样本回归函数中的代表各种随机因素影响的随机变量，称为样本回归模型。
*4．为什么要对模型提出假设？线性回归模型的基本假设有哪些？线性回归模型的参数估计方法很多，但估计方法都是建立在一定的假设前提之下的，只有满足假设，才能保证参数估计结果的可靠性。
简单线性回归的基本假定：包括两个方面：一是对变量和模型的假定；二是对随机扰动项i u 统计分布的假定。
其中对随机扰动项i u 的假定有：（1）i u 的期望为0，即()0i E u =； （2）的方差为一常数，即2()i Var u σ=；（3）i u 与j u 相互独立，即(,)0,i j Cov u u i j =≠ ；（4）随机误差项i u 与自变量j X 不相关，即(,)0,j i Cov X u i j =≠；（5）i u 服从正态分布这5条假设中的前4条是线性回归模型的古典假设，也称为高斯假设，满足古典假设的线性回归模型称为古典线性回归模型。
5、相关系数的计算：XY n X Y X Y r -=6、模型引进随机扰动项的原因？ （1）作为未知因素的代表；（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 7．参数的普通最小二乘估计法和基本思想各是什么？基本思想是使样本回归函数尽可能好地拟合样本数据，反映在图上，就是要使样本散点偏离样本回归直线的距离总体上最小。
最小二乘法以剩余平方和表示被解释变量的估计值与实际观察值的偏差总体上最小，称为最小二乘准则。
*8、OLS 回归线的性质？（1）样本回归线过样本均值点，即样本回归线必过点 X Y （，）。
（2）估计值^iY 的均值^iY n∑ 等于实际值i Y 的均值-Y ；（3）剩余项i e 的均值为零，即10nii e==∑；（4）被解释变量估计值^i Y 与剩余项i e 不相关； （5）解释变量i X 与剩余项i e 不相关；*9、参数估计量的评价标准：（1）无偏性；（2）有效性；（3）一致性*10、OLS 估计量的统计特性？ （1）线性性；（2）无偏性；（3）有效性 11．什么是拟合优度？什么是拟合优度检验？拟合优度通过什么指标度量？为什么残差平方和不能作为拟合优度的度量指标？拟合优度：指样本回归线对样本观测数据拟合的优劣程度，拟合优度检验就是检验样本回归线对样本数据拟合的精确程度。
样本残差平方和是一个可用来描述模型拟合效果的指标，残差平方和越大，表明拟合效果越差；残差平方和越小，表明拟合效果越好。
但残差平方和是一个绝对指标，不具有横向可比性，不能作为度量拟合优度的统计量。
^22222()=11()i i iY Y e ESS RSS R TSSTSS y Y Y ---==-=--∑∑∑∑ 与残差平方和不同，可决系数2R 是一个相对指标，具有横向可比性，因此可以用作拟合优度检验。
12、OLS 估计分布的性质：2^1122^222~(,)~(,)i iiX N n xN xββσββ∑∑∑ 22^2ie n σ⇐=-∑*13、高斯-马尔可夫定理：在古典假定条件下，OLS 估计量^1β和^2β是总体参数1β和2β的最佳线性无偏估计量。
14、一元线性回归的检验：（1）经济检验，就是检验估计出来的参数的符号、大小是否与经济理论和实际经验相符合，即是否具有经济意义；（2）统计检验，①对回归参数的检验（t 检验）②回归方程的拟合优度，判定系数2R ；③对回归方程的显著性检验（F 检验）；（3）经济计量检验，随机误差项i u 的序列相关检验——DW 检验 15、预测：Y 的平均值的点预测与区间预测：Y 的平均值的点预测与区间预测：^^^^22+f f Y t t αασσ-（ 第三章 多元线性模型*1、偏回归系数：表示在控制其他解释变量不变的情况下，其中一个解释变量单位变动对被解释变量的平均值的影响，这样的回归系数被称为偏回归系数。
*2．多元线性回归模型的基本假设：（1）零均值假定，假定随机扰动项的期望或均值为0 （2）同方差和无自相关假定；（3）随机扰动项与解释变量不相关假定； （4）无多重共线性假定 *3、参数最小二乘的性质：（1）线性性质；（2）无偏性；（3）有效性。
*4、随机扰动项方差的估计：22^ien kσ=-∑*5、修正的可决系数：在样本容量不变时，随着模型中解释变量的增加，总离差平方和不会改变，而解释变量的平方和可能增大，多重可决系数的值可能会变大。
2222222/()111()/(1)()11(1)ii i i en k e n R n k Y Y n Y Y n R R n k------=-=------=---∑∑∑∑*6、回归方程的F 检验：/(1~(1,)/()ESS k F F k n k TSS n k -=---）在一元回归的情形下，对参数2β的显著性检验（t 检验）与对回归整体上的显著性检验（F 检验）是等价的。
对方程联合显著性 检验的F 检验，实际上也是对2R 的显著性检验。
第四章 多重共线性1、多重共线基本概念：多重共线性：解释变量之间存在线性关系 一般形式：完全共线和近似多重共线。
完全的多重共线性：若果存在不全为0的数12,k λλλ……，使得12233+0i i k ki X X X λλλλ+++=……，则称解释变量12,,X k X X ……，完全的多重共线性 *2、产生原因（1）经济变量之间具有共同变化趋势；（2）模型中包含滞后项；（3）利用截面数据建立模型也可能出现多重共线性；（4）样本数据自身的原因 *3、完全多重共线后果： （1）参数的估计值不确定；（2）参数估计值的方差无限大 *4、不完全多重共线的后果： （1）参数估计值的方差与协方差无限大；（2）对参数进行区间估计时，置信区间趋于变大；（3）严重多重共线性时，假设检验容易做出错误的判断；（4）当多重共线性严重时，可能造成可决系数较高，经F 检验的参数联合性显著性也较高，但对各个参数单独的t 检验可能不显著 ，甚至可能使估计的回归参数符号相反，得出完全相反的结论。
5、多重共线性的检验：（1） 简单相关系数检验法：大于0.8，则存在共线问题。
（2）方差膨胀因子法：211jVIF R =-（VIF 大于10，就认为存在严重多重共线性。
） （3）直观判断法；（4）逐步回归检测法*6、多重共线性的补救措施：（1）经验方法：①剔除变量法；②增大样本容量；③变换模型形式(差分)；④利用非样本先验信息；⑤横截面数据与时序数据并用；⑥变量变换(计算相对指标；将名义数据转换为实际数据；将小类指标合并为大类指标；将总量指标进行对数变换)。
（2）逐步回归补充：t 检验与F 检验结果相矛盾可能是由于多重共线性造成的。
根据经验，如果一个变量的值在样本期间没有很大的变化，则它对被解释变量的影响就不能很好地被度量。
多重共线性往往表现的是解释变量间的样本相关现象，在不存在完全共线性的情况下，近似共线并不意味着基本假定的任何改变，所以OLS 估计量的无偏性、一致性和有效性仍然成立，但共线性会导致参数估计值的方差大于不存在多重共线性的情况。
（3）岭回归第五章 异方差1、异方差：指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。
进一步可以把异方差看成是由于某个解释变量的变化引起的。
2、产生原因：（1）模型设定误差；（2）测量误差的变化；（3）截面数据中总体各单位的差异。
3、异方差后果：（1）对参数估计式的统计特性的影响：①参数的OLS 估计仍然具有无偏但非有效；②参数OLS 估计式的方差不再是最小；（2）对模型假设检验的影响：只要存在异方差性，在古典假定下用来检验假设的统计量可能不再成立。
（3）对预测的影响：尽管参数的OLS 估计量仍是无偏，并且基于此的预测也是无偏的，但会由于参数估计量不是有效的，从而对Y 的预测也将不是有效的4、异方差检验：（1）图示检验法（2）Goldfeld-Quandt 检验适用条件：①只适用于大样本；②除了同方差假定不满足外，其他假定都满足。