计量经济学复习资料
计量经济学重点复习资料
计量经济学1、 P5 计量经济学的研究步骤① 模型设定 ②估计参数 ③模型检验 ④模型应用2、 P11 数据类型① 时间序列数据（同一空间不同时间）② 截面数据（同一时间不同空间） ③面板数据 ④虚拟变量数据3、P18 回归分析① 回归的现代意义：一个被解释变量对若干个解释变量依存关系的研究。
② 回归的实质：由解释变量去估计被解释变量的平均值。
4、P22-25总体和样本 总体回归函数：12()i i i E Y X X ββ=+ 样本回归函数：12ˆˆˆi i Y X ββ=+总体回归模型：12ii i Y X u ββ=++样本回归模型：12ˆˆi i iY X e ββ=++ 5、P22 “线性”的两种解释① 就变量而言是线性的——Y 的条件期望（均值）是X 的线性函数12()i i i E Y X X ββ=+：对参数“线性”，对变量“非线性” ② 就参数而言是线性的——Y 的条件期望（均值）是参数β的线性函数12()ln i i i E Y X X ββ=+：对变量“线性”，对参数“非线性”6、P22 随机扰动项随机扰动项是被解释变量实际值与条件均值的偏差，实际代表了排除在模型以外的所有因素对Y 的影响，i u 是其期望为0有一定分布的随机变量。
7、P23 总体回归线、样本回归线的意义① 样本回归线随抽样波动而变化：每次抽样都能获得一个样本，就可以拟合一条样本回归线。
（SRF 不唯一)② 样本回归函数的函数形式应与设定的总体回归函数的函数形式一致。
③ 样本回归线只是样本条件均值的轨迹，还不是总体回归线，它至多只是未知的总体回归线的近似表现。
8、P25i e ：剩余项或残差项① 表达式：ˆi ii e Y Y =- 或 12ˆˆi i iY X e ββ=++ ② 经济含义：被解释变量Y 的实际观测值不完全等于样本条件均值，二者之差用i e 表示 ③ 与随机扰动项的联系：i e 在概念上类似总体回归函数中的i u ，可视为对i u 的估计。
计量经济学复习资料
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。
计量经济学复习材料
计量经济学复习材料一、名词解释1、时间序列数据（time series data）：一批按照时间先后排列的统计数据。
2、截面数据（cross-section data）：一批发生在同一时间截面上的调查数据。
3、虚变量数据（）：是认为设定的虚拟变量的取值,也称二进制数据,一般取0或1。
4、总离差平方和（total sum of squares）：用TSS表示，用以度量被解释变量的总变动。
5、残差平方和（residual sum of squares）：用RSS 表示，用以度量由解释变量引起的被解释变量变化的部分。
6、回归平方和（explained sum of squares）：用ESS表示，用以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。
7、可决系数（coefficient of determination）：度量回归方程拟合优度的指标，为由解释变量引起的被解释变量的变化占被解释变量总变化的比重。
8、随机干扰项（stochastic disturbance）：也称随机误差项，指总体观测值与回归方程理论值之间的偏差。
9、普通最小二乘法（OLS）：用估计的剩余平方和最小的原则确定样本回归函数的方法。
10、广义最小二乘法（GLS）：是最具普遍意义的二乘法，可用来处理模型存在异方差或序列相关的估计问题。
11、加权最小二乘法（WLS）：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OLS法估计其参数。
12、异方差性（heteroskedastictity）：指对于不同样本值，随机干扰项的方差不再是常数，而是互不相同的。
13、序列相关性（serial correlation）：指对于不同样本值，随机干扰项之间不再是完全相互独立，而是存在某种相关性。
14、多重共线性（multicollinearity）：指两个或两个以上解释变量之间存在某种线性相关关系。
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。
计量经济学复习知识点重点难点
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→∞。
计量经济学考试复习资料
计量经济学1. 外生变量和滞后变量统称为前定变量。
2. 设消费函数为，其中虚拟变量，当统计检验表明下列哪项成立时，表示城镇家庭与农村家庭有一样的消费行为，。
3. 当模型存在序列相关现象时，适宜的参数估计方法是广义差分法。
4. 设某商品需求模型为，其中Y 是商品的需求量，X是商品的价格，为了考虑全年12个月份季节变动的影响，假设模型中引入了12个虚拟变量，则会产生的问题为完全的多重共线性。
5. 计量经济模型的基本应用领域有结构分析、经济预测、政策评价。
6. 完全多重共线性时，可以计算模型的拟合程度的判断是不正确的。
7. 当质的因素引进经济计量模型时，需要使用虚拟变量。
8. 半对数模型中，参数β1的含义是X的相对变化，引起Y的期望值绝对量变化。
9. 存在严重的多重共线性时，参数估计的标准差变大。
10. 在由n=30的一组样本估计的、包含3个解释变量的线性回归模型中，计算得多重决定系数为0.8500，则调整后的多重决定系数为0.8327。
11. 对于模型，为了考虑“地区”因素（北方、南方），引入2个虚拟变量形成截距变动模型，则会产生完全多重共线性。
12. 模型中引入实际上与解释变量有关的变量，会导致参数的OLS估计量方差增大。
13. u t＝ρu t－1+v t序列相关可用DW检验（v t为具有零均值，常数方差且不存在序列相关的随机变量）。
14. 关于经济计量模型进行预测出现误差的原因，正确的说法是既有随机因素，又有系统因素。
15. Goldfeld-Quandt方法用于检验异方差性。
16.判定系数R2的取值范围是0≤R2≤1。
17.经济计量模型的被解释变量一定是内生变量。
18.用OLS估计经典线性模型，则样本回归直线通过点。
19. 消费函数模型，其中I为收入，则当期收入I t对未来消费C t+2的影响是：I t增加一单位，C t+2增加0.1个单位。
20. 回归模型中，关于检验所用的统计量，说法正确的是服从21. 如果模型y t=b0+b1x t+u t存在序列相关，则cov(u t, u s) ≠0(t≠s)。
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。
计量经济学期末考试复习资料
《计量经济学》课程综合复习资料一、单选题1.个人保健支出的计量经济模型为：i i i i X D Y μβαα+++=221，其中i Y 为保健年度支出；i X 为个人年度收入；虚拟变量⎩⎨⎧=大学以下大学及以上012i D ；i μ满足古典假定。
则大学以上群体的平均年度保健支出为（）。
A.i i i i X D X Y E βα+==12)0,/(B.i i i i X D X Y E βαα++==212)1,/(C.21αα+D.1α答案：B2.假设根据某地区1970——1999年的消费总额Y （亿元）和货币收入总额X （亿元）的年度资料，估计出库伊克模型如下，则（）。
216.14323997.0)9166.12()7717.5()6521.1(8136.02518.09057.6ˆ21===-=++-=-DW F R t Y X Y t t tA.分布滞后系数的衰减率为0.1864B.在显著性水平05.0=α下，DW 检验临界值为3.1=l d ，由于3.1216.1=<=l d d ，据此可以推断模型扰动项存在自相关C.即期消费倾向为0.2518，表明收入每增加1元，当期的消费将增加0.2518元D.收入对消费的长期影响乘数为1-t Y 的估计系数0.8136答案：C3.设t u 为随机误差项，则一阶线性自相关是指（）。
答案：B4.设线性回归模型为i i i i u x x y +++=33221βββ，下列表明变量之间具有完全多重共线性的是（）。
其中v 为随机误差项。
答案：A5.已知模型的形式为u x y 21+β+β=,在用实际数据对模型的参数进行估计的时候,测得DW 统计量为0.52,则广义差分变量是（）。
A.1,148.048.0----t t t t x x y yB.117453.0,7453.0----t t t t x x y yC.1152.0,52.0----t t t t x x y yD.1174.0,74.0----t t t t x x y y答案：D6.已知模型的形式为01Y X u ββ=++,在用实际数据对模型的参数进行估计的时候,测得DW 统计量为0.6453,则广义差分变量是（）。
- 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)。
一、单选题：1．拉格朗日乘数检验法适用于检验( c )A. 异方差性B. 多重共线性C. 序列相关D. 设定误差 2．解释变量X 的回归系数为β，下列哪种情况表明变量X 是显著的？( b ) A. t 统计量大于临界值 B. t 统计量的绝对值大于临界值 C. t 统计量小于临界值 D. t 统计量的绝对值小于临界值 3．回归分析中定义的( b )A. 解释变量和被解释变量都是随机变量B. 解释变量为非随机变量，被解释变量为随机变量C. 解释变量和被解释变量都为非随机变量D. 解释变量为随机变量，被解释变量为非随机变量 4．下列样本模型中，哪一个模型通常是无效的?( b )A. C(消费)=500+0.8I(收入)B. Q D (商品需求)=10+0.8I(收入)-0.9P(价格)C. Qs(商品供给)=20-0.75P(价格)D. Y(产出量)=0.65K 0.6(资本)L 0.4(劳动) 5．判定系数R 2=0.75，说明回归直线能解释被解释变量总离差的：( b ) A. 80% B. 64% C. 20% D. 75%6．根据20个观测值估计的结果，一元线性回归模型的DW=0.6,在α=0.05的显著性水 平下查得样本容量n=20，解释变量k=1个时，d L =1.20,d U =1.41，则可以判断：( d ) A.不存在一阶自相关 B.存在正的一阶自相关C.存在负的一阶自相关 D.无法判断7．普通最小二乘法确定一元线性回归模型Y i=i i 10e X ˆˆ+β+β的参数0ˆβ和1ˆβ的准则是使（ b ） A ．∑e i 最小B ．∑e i 2最小C ．∑e i 最大D ．∑e i 2最大8．在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于1，则表明模型中存在( a )A. 多重共线性B. 异方差性C. 序列相关D. 高拟合优度 9．拟合优度检验是检验 (b )A ．模型对总体回归线的拟合程度 B. 模型对样本观测值的拟合程度 C. 模型对回归参数的拟合程度 D. 模型对解释变量的观测值的拟合程度 10．根据样本资料已估计得出人均消费支出Y 对人均收入X 的回归模型是t t t LnX LnY μ++=76.05.3，这表明人均收入每增加1％，人均消费支出将( d )A.增加24％B.增加76％C.增加0.24％D.增加0.76％ 二、填空题：1. 杜宾—沃森检验法可用于诊断序列相关性 。
2． 在给定的显著性水平之下，若DW 统计量临界值的上、下限分别为d U 和d L ,则当d U <DW<4-dU时，可认为随机误差项不存在一阶序列相关性。
3. 容易产生序列相关的数据为时间序列数据。
4. 在对多元线性回归模型进行检验时，发现各参数估计量的t检验值都很低，但模型的判定系数R2却很高，这说明模型可能存在多重共线。
5. 同一时间点不同个体的数据集合是截面数据。
三、判断题：1.相关系数r的取值范围为-1≤r≤1 。
( y )2.多元回归模型中F检验的原假设为:偏回归系数不全为0。
( y )3.根据判定系数R2与F统计量的关系可知，当R2=1时，有F=0 。
( y )4.在给定的显著性水平之下，若DW统计量的下和上临界值分别为d L和d U,则当d L<DW<d U时，可认为随机误差项不存在一阶正自相关。
( )5.如果一个非平稳时间序列经过K-1次差分后为平稳时间序列，则该序列为K阶单整序列。
( )四、简答题：简述模型出现异方差性的后果。
答：（1）参数估计量非有效；（2）t检验和F检验失效；（3）模型预测失效。
五、应用分析题：1. 某地区1993-2010年居民消费水平Y、人均GDP X1、城乡居民平均可支配收入X2、居民消费者价格指数X3和城乡居民家庭平均恩格尔系数X4的相关数据进行分析，试根据EVIEWS结果回答问题：（14分）表8 OLS参数估计结果Variable Coefficient Std. Error t-Statistic Prob.C 3492.003 893.1026 3.909968 0.0018X1 0.257521 0.030844 8.349222 0.0000X2 0.087844 0.042958 2.044893 0.0617X3 2.227280 7.581211 0.293789 0.2736X4 -57.88742 19.17187 -3.019393 0.0099R-squared 0.990111 Mean dependent var 3354.611Adjusted R-squared 0.992122 S.D. dependent var 1806.047S.E. of regression 160.2966 Akaike info criterion 13.22206Sum squared resid 334035.2 Schwarz criterion 13.46939Log likelihood -113.9986 F-statistic 536.2585Durbin-Watson stat 1.106099 Prob(F-statistic) 0.000000(1)检验变量间是否存在多重共线？（4分）答：根据表8，R2为0.99011，拟合优度很高，但X3对应的Prob.值为0.2736，大于0.1，t 统计值很小，即X3对Y的影响不显著，可以认为模型存在多重共线。
（2）利用逐步回归法消除多重共线时，一般选择最优初始回归模型的依据是什么？（4分）答：拟合优度R2最大，该解释变量对被解释变量影响显著，且根据经济理论分析影响也是很大的。
（3）确定最优初始回归模型之后对于新加入的解释变量如何决定其去留？（6分）答：一、若新引进的解释变量使R2得到提高，而其他参数回归系数在统计上和经济理论上仍然合理，则可以作为解释变量予以保留；（2分）二、若新引进的解释变量对R2改进不明显，对其他回归系数也没多大影响，则不必保留在回归模型中；（2分）三、若新引进的解释变量不仅改变了R2，而且对其他回归系数的数值或符号有明显影响，则新引进的变量不能简单舍弃，而是应研究改善模型的形式。
（2分）2.表1给出了利用2010年我国31个地区就业人数(X)与地区生产总值(Y)数据进行回归分析的结果，根据结果回答以下问题：（14分）表1 OLS估计结果Variable Coefficint Std. Error t-Statistic Prob.C 48.6446 1733.357 0.258445 0.7826X 5.280359 0.607022 9.051402 0.0000R-squared 0.831616 Mean dependent var 10555.48 Adjusted R-squared 0.618913 S.D. dependent var 8855.166S.E. of regression 5466.490 Akaike info criterion 20.11300Sum squared resid 7.6E+08 Schwarz criterion 20.20552Log likelihood -309.752 F-statistic 89.72227Durbin-Watson stat 1.707937 Prob(F-statistic) 0.000000表2 White检验结果White Heteroskedasticity Test:F-statistic 12.23120 Probability 0.000152Obs*R-squared 16.45481 Probability 0.000026 Variable Coefficiet Std. Error t-Statistic Prob.C 8574576. 13234048 0.647918 0.5223X -1583.372 11256.08 -2.240668 0.0291 X^22.8337451.9096242.1839280.0349表3 White 检验结果White Heteroskedasticity Test:F-statistic0.868746 Probability 0.430479 Obs*R-squared1.711258 Probability 0.504288Variable Coefficiet Std. Error t-Statistic Prob.C -1.655936 3.323644 -0.498229 0.6222 LOG(X) 0.644278 0.952315 3.676539 0.0022 (LOG(X))^2-0.0510520.067332 -3.758210 0.0017（1）写出创建工作文件、建立数据文档、作X 与Y 关系的散点图及用最小二乘法估计模型参数的命令。
(4分)答：创建工作文件：CREA TE U 1 31 （1分） 建立数据文档：DATA Y X （1分） 关系的散点图：SCAT X Y （1分）最小二乘法估计模型参数：LS Y C X （1分） （2）根据表1结果写出地区生产总值与就业人数的一元回归模型。
(2分)答：72.8971.1..8316.0)051.9()258.0(28.564.482===++=F W D R X Y tt t ，，μ（3）解释斜率参数的经济意义。
(2分)答：就业人数增加一个单位时地区生产总值增加5.28个单位。
（4）判定系数R 2及RSS 各为多少？(2分)答：判定系数R 2=0.8316（1分） 残差平方和RSS=7.6E+08（1分）（5）表2为用White 检验进行异方差检验的结果，根据结果分析模型是否存在异方差。
答：由于统计量nR 2=16.45481大于临界值，且对应的Prob.小于0.01，X 和X 2的参数估计值显著不为零，所以在1%的显著水平下拒绝原假设，认为存在异方差。
(2分) （6）表3为用对数变换法消除异方差后再进行White 检验的结果，根据结果分析模型是否存在异方差。
(2分)答：由于统计量nR 2=1.711258小于临界值，且对应的Prob.为0.5大于0.1，所以在10%的显著水平下接受原假设，认为不存在异方差。
3. 利用1994-2012年中国社会消费品零售总额Y、国内生产总值GDP、消费者价格指数CPI 的相关数据进行分析，试根据EVIEWS结果回答问题：（14分）表4 OLS参数估计结果Variable Coefficient Std. Error t-Statistic Prob.C 12258.31 4482.666 3.225383 0.0053GDP 0.370561 0.003512 99.82313 0.0000CPI -112.9540 41.38877 -2.608293 0.0190R-squared 0.998545 Mean dependent var 41971.27Adjusted R-squared 0.998363 S.D. dependent var 28047.41S.E. of regression 1134.816 Akaike info criterion 17.05027Sum squared resid 20604921 Schwarz criterion 17.19939Log likelihood -158.9775 F-statistic 3489.649Durbin-Watson stat 0.470778 Prob(F-statistic) 0.000000表5 滞后期为2阶时LM检验结果Breusch-Godfrey Serial Correlation LM Test:F-statistic 12.59685 Probability 0.000742Obs*R-squared 12.21320 Probability 0.002228Variable Coefficient Std. Error t-Statistic Prob.C 478.2253 3546.596 0.134841 0.8947GDP 0.001713 0.002273 0.753903 0.4634CPI -5.877374 33.06011 -0.177778 0.8614RESID(-1) 1.167397 0.258187 4.521516 0.0005RESID(-2) -0.657725 0.317432 -2.072017 0.0572表6 滞后期为3阶时LM检验结果Breusch-Godfrey Serial Correlation LM Test:F-statistic 10.60285 Probability 0.000844Obs*R-squared 13.48766 Probability 0.003692Variable Coefficient Std. Error t-Statistic Prob.C 4483.962 4042.377 1.109239 0.2874GDP 0.003036 0.002258 1.344371 0.2018 CPI -44.77898 38.20359 -1.172115 0.2622 RESID(-1) 1.013994 0.257171 3.942875 0.0017 RESID(-2) -0.268509 0.372208 -0.721396 0.4834 RESID(-3)-0.6360440.366876 -1.733674 0.1066表7 广义差分法估计结果Variable Coefficient Std. Error t-Statistic Prob.C 18872.61 5874.985 3.212368 0.0075 GDP 0.350687 0.004639 75.59442 0.0000 CPI -147.6543 53.68732 -2.750264 0.0176 AR(1) 1.154734 0.244911 4.714917 0.0005 AR(2)-0.6964510.240357-2.8975730.0134R-squared0.999597 Mean dependent var 45866.97 Adjusted R-squared 0.999462 S.D. dependent var 27051.12 S.E. of regression 627.3861 Akaike info criterion 15.96093 Sum squared resid 4723360. Schwarz criterion 16.20599 Log likelihood -130.6679 F-statistic 7433.365 Durbin-Watson stat1.989644 Prob(F-statistic)0.000000（1）根据表4写出中国社会消费品零售总额的计量经济模型。