计量经济学复习重点
1、经济变量：用来描述经济因素数量水平的指标。
2、解释变量：用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。
它对因变量的变额为发热所引5动做出解释。
3、被解释变量：是作为研究对象的变量。
它的变动是由解释变量做出解释的4、控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量。
5、计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型。
6、相关关系：如果一个变量y 的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y 与这个变量或这组变量之间的关系就是相关关系。
7、最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法。
8、拟合优度：样本回归直线与样本观测数据之间的拟合程度。
9、残差：样本回归方程的拟合值与观测值的误差。
10、显著性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。
11、偏相关系数：在Y 、X 1、X 2三个变量中，当X 1 既定时，表示Y 与X 2之间相关关系的指标。
12、异方差性：在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项U1具有异方差性。
13、序列相关性：对于模型01122i i k ki i y x x x i ββββμ=+++++… 1,2,,i n =…随机误差项互相独立的基本假设表现为(,)0i j Cov μμ= ,,1,2,,i j i j n ≠=…（1分）如果出现 (,)0i j Cov μμ≠ ,,1,2,,i j i j n ≠=…即对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在某种相关性，则认为出现了序列相关性。
14、自回归模型：t t t y y μρ+=-115、广义最小二乘法：是最有普遍意义的最小二乘法，普通最小二乘法和加权最小二乘法是它的特例。
16、相关系数：度量变量之间相关程度的一个系数，一般用ρ表示。
17、多重共线性：解释变量之间存在完全或不完全的线性关系。
18、虚拟变量：把质的因素量化而构造的取值为0和1的人工变量。
19、差分法：差分法是一类克服序列相关性的有效方法，被广泛的采用。
差分法是将原模型变换为差分模型，分为一阶差分法和广义差分法。
20、广义差分法：广义差分法可以克服所有类型的序列相关带来的问题，一阶差分法是它的一个特例。
简答1、简述建立与应用计量经济模型的主要步骤。
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。
2、对计量经济模型的检验应从几个方面入手？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。
3、计量经济学应用的数据是怎样进行分类的？四种分类：①时间序列数据；②横截面数据；③混合数据；④虚拟变量数据。
4、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模型关系认定不准确造成的误差；③变量的测量误差；④随机因素。
5、总体回归模型与样本回归模型的区别与联系。
主要区别：①描述的对象不同。
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。
主要联系：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。
6、试述回归分析与相关分析的联系和区别。
两者的联系：①相关分析是回归分析的前提和基础；回归分析是相关分析的深入和继续。
②相关分析与回归分析的有关指标之间存在计算上的内在联系。
两者的区别：①回归分析强调因果关系，相关分析不关心因果关系，所研究的两个变量是对等的。
②对两个变量x 与y 而言，相关分析中：xyyx r r =；在回归分析中，01ˆˆˆt t y b b x =++和01ˆˆˆt t x a a y =++却是两个完全不同的回归方程。
③回归分析对资料的要求是被解释变量y 是随机变量，解释变量x 是非随机变量；相关分析对资料的要求是两个变量都随机变量。
8、简述BLUE 的含义。
BLUE 即最佳线性无偏估计量，是best linear unbiased estimators 的缩写。
（2分）在古典假定条件下，最小二乘估计量具备线性、无偏性和有效性，是最佳线性无偏估计量，即BLUE ，这一结论就是著名的高斯－马尔可夫定理。
（3分）9、对于多元线性回归模型，为什么在进行了总体显著性F 检验之后，还要对每个回归系数进行是否为0的t 检验？多元线性回归模型的总体显著性F 检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。
（1分）通过了此F 检验，就可以说模型中的全部解释变量对被解释变量的共同影响是显著的，但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著的。
（3分）因此还需要就每个解释变量对被解释变量的影响是否显著进行检验，即进行t 检验。
（1分）13、什么是异方差性？试举例说明经济现象中的异方差性。
异方差性是指模型违反了古典假定中的同方差假定，它是计量经济分析中的一个专门问题。
在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项i u 具有异方差性，即常数≠=2)var(t i u σ （t=1，2，……，n ）。
（3分）14、产生异方差性的原因及异方差性对模型的OLS 估计有何影响。
产生原因：（1）模型中遗漏了某些解释变量；（2）模型函数形式的设定误差；（3）样本数据的测量误差；（4）随机因素的影响。
（2分）产生的影响：如果线性回归模型的随机误差项存在异方差性，会对模型参数估计、模型检验及模型应用带来重大影响，主要有：（1）不影响模型参数最小二乘估计值的无偏性；（2）参数的最小二乘估计量不是一个有效的估计量；（3）对模型参数估计值的显著性检验失效；（4）模型估计式的代表性降低，预测精度精度降低。
（3分）15、检验异方差性的方法有哪些？验方法：（1）图示检验法；（1分）（2）戈德菲尔德—匡特检验；（1分）（3）怀特检验；（1分）（4）戈里瑟检验和帕克检验（残差回归检验法）；（1分）（5）ARCH 检验（自回归条件异方差检验）（1分）16、异方差性的解决方法有哪些？解决方法：（1）模型变换法；（2分）（2）加权最小二乘法；（2分）（3）模型的对数变换等（1分）18、简述DW 检验的局限性。
从判断准则中看到，DW 检验存在两个主要的局限性：首先，存在一个不能确定的..DW值区域，这是这种检验方法的一大缺陷。
（2分）其次：..DW 检验只能检验一阶自相关。
（2分）但在实际计量经济学问题中，一阶自相关是出现最多的一类序列相关，而且经验表明，如果不存在一阶自相关，一般也不存在高阶序列相关。
所以在实际应用中，对于序列相关问题—般只进行..DW 检验。
（1分）13、序列相关性：对于模型01122i i k ki i y x x x i ββββμ=+++++… 1,2,,i n =…随机误差项互相独立的基本假设表现为(,)0i j Cov μμ= ,,1,2,,i j i j n ≠=…（1分）如果出现 (,)0i j Cov μμ≠ ,,1,2,,i j i j n ≠=…即对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在某种相关性，则认为出现了序列相关性。
19、序列相关性的后果。
（1）模型参数估计值不具有最优性；（1分）（2）随机误差项的方差一般会低估；（1分）（3）模型的统计检验失效；（1分）（4）区间估计和预测区间的精度降低。
（1分）（全对即加1分）20、简述序列相关性的几种检验方法。
（1）图示法；（1分）（2）D-W 检验；（1分）（3）回归检验法；（1分）（4）另外，偏相关系数检验，布罗斯—戈弗雷检验或拉格朗日乘数检验都可以用来检验高阶序列相关。
（2分）22、DW 值与一阶自相关系数的关系是什么？ˆ12DWρ=-或者ˆ2(1)DW ρ=- 23、什么是多重共线性？产生多重共线性的原因是什么？多重共线性是指解释变量之间存在完全或近似的线性关系。
产生多重共线性主要有下述原因：（1）样本数据的采集是被动的，只能在一个有限的范围内得到观察值，无法进行重复试验。
（2分）（2）经济变量的共同趋势（1分）（3）滞后变量的引入（1分）（4）模型的解释变量选择不当（1分）24、从哪些症状中可以判断可能存在多重共线性？（1）模型总体性检验F 值和R2值都很高，但各回归系数估计量的方差很大，t 值很低，系数不能通过显著性检验。
（2分）（2）回归系数值难以置信或符号错误。
（1分）（3）参数估计值对删除或增加少量观测值，以及删除一个不显著的解释变量非常敏感。
（2分）25、模型中引入虚拟变量的作用是什么？1）可以描述和测量定性因素的影响；（2分）（2）能够正确反映经济变量之间的关系，提高模型的精度；（2分）（3）便于处理异常数据。
（1分）25、模型设定误差的类型有那些？（1）模型中添加了无关的解释变量；（2分）（2）模型中遗漏了重要的解释变量；（2分）（3）模型使用了不恰当的形式。
（1分）26、模型的识别有几种类型？模型的识别有恰好识别（2分）、过渡识别（2分）和不可识别（1分）三种。
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。
计量经济学复习要点
1、什么是计量经济学？计量经济学（Econometrics）意为“经济测量”，它是利用经济理论、数学、统计推断等工具，对经济现象进行分析的一门社会科学。
2、计量经济学分析经济问题的经典步骤Step1 理论或假说的陈述Step2 建立数学模型Step3 建立相应的计量经济学模型Step4 获取数据Step5 计量模型的参数估计Step6 检验模型设定是否正确Step7 假设检验（检验来自模型的假说）Step8 预测或控制◆关于数据1、数据分类（1）时间序列数据（Time Series Data）：对一个变量在不同时间取值的一组观测结果。
如每年、每月、每季度等（2）横截面数据（Cross Section Data）：对一个变量在同一个时间点上搜集的数据。
如同一年的分国别、分省、分厂家数据（3）混合数据（Pooled Data）：时序和横截面的混合数据，既有分时，每一时点的观察对象又有不同(多个横截面单元) 广泛运用的一类特殊的混合数据——面板数据/综列数据/合成数据（Panel Data）：在时间轴上对相同的横截面单元跟踪调查得到的数据。
如每年对各省GDP的报告。
2、研究结果永远不可能比数据的质量更好观测误差、近似进位计量、高度加总、选择性偏误3、数据来源：网站、统计年鉴、商业数据库等（1）统计局、央行、证券交易所、世行、IMF等官方网站（2）图书馆（纸质、电子版年鉴）（3）商业数据库◆例子例1：凯恩斯消费理论①人们倾向于随他们收入的增加而增加消费，但消费的增加不如收入的增加那么多。
②C=a+bI →确定性关系③Y=β1+β2X+μ→μ为扰动项，非确定性关系④搜集80～91年美国消费及收入数据⑤估计参数：解释：平均而言，收入↑1美元，消费↑72美分⑥检验模型设定的正确性：是否应当加入别的可能影响消费额的变量，如就业等。
⑦假设检验：H0 : β 2 < 1 （边际消费倾向<1）⑧预测：给定X，算Y控制：给定Y ，算X◆ 基本的统计学术语和概念 1、随机变量 (r.v)以一定的概率取到各种可能值的变量，取值由抽样或试验结果决定。
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。
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。
(完整)计量经济学考试重点整理
计量经济学考试重点整理第一章：P1：什么是计量经济学？由哪三组组成？定义：“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。
”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。
P12：常用的样本数据：时间序列，截面，虚变量数据P13：样本数据的质量(4点）完整性;准确性；可比性；一致性P15-16：模型的检验（4个检验)1、经济意义检验2、统计检验拟合优度检验总体显著性检验变量显著性检验3、计量经济学检验异方差性检验序列相关性检验共线性检验4、模型预测检验稳定性检验：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P16计量经济学模型成功的三要素:理论、方法和数据。
P18-20:计量经济学模型的应用1、结构分析经济学中的结构分析是对经济现象中变量之间相互关系的研究.结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。
计量经济学模型的功能是揭示经济现象中变量之间的相互关系，即通过模型得到弹性、乘数等。
2、经济预测计量经济学模型作为一类经济数学模型，是从用于经济预测,特别是短期预测而发展起来的。
计量经济学模型是以模拟历史、从已经发生的经济活动中找出变化规律为主要技术手段。
对于非稳定发展的经济过程，对于缺乏规范行为理论的经济活动，计量经济学模型预测功能失效。
模型理论方法的发展以适应预测的需要。
3、政策评价政策评价是指从许多不同的政策中选择较好的政策予以实行，或者说不同的政策对经济目标所产生的影响的差异。
(完整版)计量经济学重点知识归纳整理
1.普通最小二乘法(Ordinary Least Squares,OLS)：已知一组样本观测值{}n i Y X i i ,2,1:),(⋯=，普通最小二乘法要求样本回归函数尽可以好地拟合这组值，即样本回归线上的点∧i Y 与真实观测点Yt 的“总体误差”尽可能地小。
普通最小二乘法给出的判断标准是：被解释变量的估计值与实际观测值之差的平方和最小。
2.广义最小二乘法GLS ：加权最小二乘法具有比普通最小二乘法更普遍的意义，或者说普通最小二乘法只是加权最小二乘法中权恒取1时的一种特殊情况。
从此意义看，加权最小二乘法也称为广义最小二乘法。
3.加权最小二乘法WLS ：加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。
4.工具变量法IV ：工具变量法是克服解释变量与随机干扰项相关影响的一种参数估计方法。
5.两阶段最小二乘法2SLS, Two Stage Least Squares ：两阶段最小二乘法是一种既适用于恰好识别的结构方程，以适用于过度识别的结构方程的单方程估计方法。
6.间接最小二乘法ILS ：间接最小二乘法是先对关于内生解释变量的简化式方程采用普通小最二乘法估计简化式参数，得到简化式参数估计量，然后过通参数关系体系，计算得到结构式参数的估计量的一种方法。
7.异方差性Heteroskedasticity ：对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。
8.序列相关性Serial Correlation ：多元线性回归模型的基本假设之一是模型的随机干扰项相互独立或不相关。
如果模型的随机干扰项违背了相互独立的基本假设，称为存在序列相关性。
9.多重共线性Multicollinearity ：对于模型i k i i X X X Y μββββ++⋯+++=i k 22110i ，其基本假设之一是解释变量X 1,X 2,…,Xk 是相互独立的。
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。
计量经济学复习重点
1、经济变量：用来描述经济因素数量水平的指标。
2、解释变量：用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。
它对因变量的变额为发热所引5动做出解释。
3、被解释变量：是作为研究对象的变量。
它的变动是由解释变量做出解释的4、控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量。
5、计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型。
6、相关关系：如果一个变量y 的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y 与这个变量或这组变量之间的关系就是相关关系。
7、最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法。
8、拟合优度：样本回归直线与样本观测数据之间的拟合程度。
9、残差：样本回归方程的拟合值与观测值的误差。
10、显著性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。
11、偏相关系数：在Y 、X 1、X 2三个变量中，当X 1 既定时，表示Y 与X 2之间相关关系的指标。
12、异方差性：在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项U1具有异方差性。
13、序列相关性：对于模型01122i i k ki i y x x x i ββββμ=+++++… 1,2,,i n =…随机误差项互相独立的基本假设表现为(,)0i j Cov μμ= ,,1,2,,i j i j n ≠=…（1分）如果出现 (,)0i j Cov μμ≠ ,,1,2,,i j i j n ≠=…即对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在某种相关性，则认为出现了序列相关性。
14、自回归模型：t t t y y μρ+=-115、广义最小二乘法：是最有普遍意义的最小二乘法，普通最小二乘法和加权最小二乘法是它的特例。
16、相关系数：度量变量之间相关程度的一个系数，一般用ρ表示。
计量经济学主要内容复习提要
计量经济学主要内容复习提要1、 计量经济学的含义：计量经济学是以经济理论为指导，以经济事实为依据，以数学、统计学为方法，以计量经济模型的建立和应用为核心，对经济关系与经济活动的数量规律的研究的一门应用性经济学科。
2、 计量经济学的学科性质与特点计量经济学是经济理论、统计学和数学的结合，具有综合性、交叉性、边缘性的特点。
但是经济理论、统计学和数学三者的关系不是并列的，经济学提供理论基础、统计学提供资料依据，数学提供研究方法。
作为一门实证科学，计量经济学要以一定的经济理论作假设，然后通过统计资料和数学方法加以验证。
可见，经济理论既是出发点又是归宿，自始至终都是计量经济学的核心，统计数据和数学方法要服务并服从经济理论。
所以，计量经济学属于应用经济学科。
3、 数据及其分类：变量的具体取值称为数据(Data)。
根据形式不同，数据分为时间序列数据、横截面数据和合并数据。
时间序列数据（Time Series Data ）是按时间顺序列排列而成的。
截面数据 (Cross Sectional Data,又译为横断面数据)是在同一时间，不同统计单位的相同统计指标组成的数据列。
合并数据(Pooled Data)中既有时间序列数据又有横截面数据。
4、计量经济模型及其构成所谓计量经济模型就是经济变量之间所存在的随机关系的一种数学表达式，其一般表达式为：(,,)y f xu β= 模型由经济变量（y 和 x ）、参数（β）、 随机误差项（u ）和及方程的形式f (·)等四个要素构成。
---经济变量，也就是用于描述经济活动水平的各种量，是经济计量建模的基础。
模型中的经济变量y 是分析研究的对象，将其称为因变量或被解释变量；模型右边中的经济变量x 是y 的影响因素，将其称为自变量或解释变量。
在一个方程中，解释变量可以有一个，也可以多个。
前者称为一元模型，后者称为多元模型。
----随机误差项u 是一个随机变量，用于表示模型中尚未包含的影响因素对因变量的影响，我们一般假定其满足某些条件。
计量经济学复习笔记
第一章统计概念1.什么是计量经济学计量经济学是对经济的测度，利用经济理论、数学、统计推断等工具对经济现象进行分析的一门社会科学。
2.计量经济学的方法论（计量经济分析步骤）（1）建立理论假说。
（2）收集数据。
（3）假定数学模型。
（4）设立统计或计量模型。
（5）估计经济模型参数（6）核查模型的适用性：模型设定检验。
（7）检验源自模型的假定（8）利用模型进行预测4.数据类型（1）时间序列数据：按时间跨度获得的数据。
特征是一般变量如 Y t、X t下标为t。
（2）截面数据：同一时点上的一个或多个变量的数据集合。
如：各地区2002年人口普查数据。
（3）合并数据：既包括时间序列数据有包括截面数据。
例：20年间10个国家的失业数据。
20年失业数据是时间序列，10个国家又是截面数据。
（4）面板数据：同一个横截面的单位的跨期调查数据。
例：对相同的家庭数量在几个时间间隔内进行的财务状况调查。
5.理解回归关系回归关系是一种统计上的相关关系，并不意味着自变量和因变量之间存在着因果关系。
第二章线性回归的基本思想1.回归分析的含义: 回归分析是反映的自变量和因变量之间的统计关系，回归分析是在自变量给定条件下的因变量的变化，是一种条件回归分析E（Y i|X i）=B1+B2X i2.随机误差项的性质（为什么要引入随机误差项）（1）随机误差项代表着未纳入模型变量对因变量的影响（2）即使模型包括了影响因变量的所有因素，模型也有不可避免的随机性。
（3）μ还代表着度量误差（4）模型设定应该尽可能简单，只要不遗漏重要变量，把因变量的次要影响因素归于随机项 μ 。
（奥卡姆剃刀原则）3.参数估计方法———普通最小二乘法的基本思想 选择参数使得残差平方和最小——Min ∑e i 2=Min ∑（Y i −Yi ̌）2=Min ∑（Y i −b 1−b 2X i ）^24.根据Ols 法得出参数 b 1 b 2 称为最小二乘估计量，最小二乘估计量的性质： （1）Ols 方法获得样本回归直线过样本均值点（X ，Y ） （2）残差的均值总为0，（3）残差项与解释变量的乘积求和为0，即残差项与解释变量不相关。