最新计量经济学复习笔记
计量经济学复习笔记
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、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（|）=+2.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）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。
（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 =Min （）=Min （）4.根据Ols 法得出参数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（，）（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。
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。
古扎拉蒂《计量经济学基础》(第5版)笔记和课后习题详解
三、计量经济学方法论
大致说来，传统的计量经济学方法论按如下路线进行：
1．理论或假说的陈述；
2．理论的数学模型设定；
3．统计或计量经济模型设定；
4．获取数据；
5．计量经济模型的参数估计；
理论计量经济学是要找出适当的方法，去测度由计量经济模型设定的经济关系。为此，计量经济学家非常依赖于数理统计。
在应用计量经济学中，利用理论计量经济学工具去研究经济学或管理学中的某些特殊领域。
0.2
本章没有课后习题。本章是全书的一个引言，对计量经济学这门学科作一个简要介绍。对于本章内容，学员简单了解即可。
（3）在问卷调查中，无应答的问题也可能相当严重。
（4）获取数据的抽样方法可能变化很大，要比较不同样本得来的结果常常非常困难。
（5）通常获得的经济数据都是高度加总的。
（6）由于保密性质，某些数据只能以高度加总的形式公布。
研究结果不可能比数据的质量更好。所以，如果在一定情况下，研究者发现研究的结果“不能令人满意”的话，原因不一定是误用模型，而是数据的质量不好。
4．名义尺度
此类变量不具备比率尺度变量的任何一个特征。因此适合于比率尺度变量的计量经济方法可能不适合于名义尺度变量。
1.2
1．表1-1给出了7个工业化国家的消费者价格指数（CPI）数据，以1982～1984年为该指数的基期并令1982—1984=100。
1．经济理论所作的陈述或假说大多数是定性的。计量经济学家的工作就是要提供这一数值估计。换言之，计量经济学对大多数的经济理论赋予经验内容。
2．数理经济学的主要问题，是要用数学形式(方程式)来表述经济理论，而不管该理论是否可以量化或是否能够得到实证支持。计量经济学家常常使用数理经济学家所提供的数学方程式，但要把这些方程式改造成适合于经验检验的形式。这种从数学方程到计量经济方程的转换需要有许多的创造性和实际技巧。
伍德里奇计量经济学导论第6版笔记和课后习题答案
第1章计量经济学的性质与经济数据1.1复习笔记考点一:计量经济学★1计量经济学的含义计量经济学,又称经济计量学,是由经济理论、统计学和数学结合而成的一门经济学的分支学科,其研究内容是分析经济现象中客观存在的数量关系。
2计量经济学模型(1)模型分类模型是对现实生活现象的描述和模拟。
根据描述和模拟办法的不同,对模型进行分类,如表1-1所示。
(2)数理经济模型和计量经济学模型的区别①研究内容不同数理经济模型的研究内容是经济现象各因素之间的理论关系,计量经济学模型的研究内容是经济现象各因素之间的定量关系。
②描述和模拟办法不同数理经济模型的描述和模拟办法主要是确定性的数学形式,计量经济学模型的描述和模拟办法主要是随机性的数学形式。
③位置和作用不同数理经济模型可用于对研究对象的初步研究,计量经济学模型可用于对研究对象的深入研究。
考点二:经济数据★★★1经济数据的结构(见表1-3)2面板数据与混合横截面数据的比较(见表1-4)考点三:因果关系和其他条件不变★★1因果关系因果关系是指一个变量的变动将引起另一个变量的变动,这是经济分析中的重要目标之计量分析虽然能发现变量之间的相关关系,但是如果想要解释因果关系,还要排除模型本身存在因果互逆的可能,否则很难让人信服。
2其他条件不变其他条件不变是指在经济分析中,保持所有的其他变量不变。
“其他条件不变”这一假设在因果分析中具有重要作用。
1.2课后习题详解一、习题1.假设让你指挥一项研究，以确定较小的班级规模是否会提高四年级学生的成绩。
(i)如果你能指挥你想做的任何实验，你想做些什么?请具体说明。
(ii)更现实地，假设你能搜集到某个州几千名四年级学生的观测数据。
你能得到它们四年级班级规模和四年级末的标准化考试分数。
你为什么预计班级规模与考试成绩成负相关关系?(iii)负相关关系一定意味着较小的班级规模会导致更好的成绩吗?请解释。
答:(i)假定能够随机的分配学生们去不同规模的班级，也就是说，在不考虑学生诸如能力和家庭背景等特征的前提下，每个学生被随机的分配到不同的班级。
(完整word版)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。
研究主体是经济现象及其发展变化的规律。
2、运用计量分析研究步骤：模型设定一一确定变量和数学关系式估计参数一一分析变量间具体的数量关系模型检验一一检验所得结论的可靠性模型应用一一做经济分析和经济预测3、模型变量：解释变量：表示被解释变量变动原因的变量，也称自变量，回归元。
被解释变量：表示分析研究的对象，变动结果的变量，也成应变量。
内生变量：其数值由模型所决定的变量，是模型求解的结果。
外生变量：其数值由模型意外决定的变量。
外生变量数值的变化能够影响内生变量的变化，而内生变量却不能反过来影响外生变量。
前定内生变量：过去时期的、滞后的或更大范围的内生变量，不受本模型研究范围的内生变量的影响, 但能够影响我们所研究的本期的内生变量。
前定变量：前定内生变量和外生变量的总称。
数据:时间序列数据：按照时间先后排列的统计数据。
截面数据：发生在同一时间截面上的调查数据。
面板数据：虚拟变量数据：表征政策，条件等，一般取0或1.4、估计评价统计性质的标准无偏：E （人3 ）= 3 随机变量，变量的函数？有效：最小方差性一致：N趋近无穷时，3估计越来越接近真实值5、检验经济意义检验：所估计的模型与经济理论是否相等统计推断检验：检验参数估计值是否抽样的偶然结果，是否显著计量经济检验：是否符合计量经济方法的基本假定预测检验：将模型预测的结果与经济运行的实际对比CH2 CH3线性回归模型模型（假设）一一估计参数一一检验一一拟合优度一一预测1、模型（线性）（1）关于参数的线性模型就变量而言是线性的；模型就参数而言是线性的。
Yi = 3 1+ 3 2lnX i+u线性影响随机影响Y i=E (Y|X i) +u E (Y|X i) =f(X i)= 3 1+3 2lnX 引入随机扰动项，（3）古典假设A零均值假定 E ( U i |X i) =0B同方差假定Var(u i|XJ=E(u i2)=2(TC无自相关假定Cov(u i ,u j)=0D随机扰动项与解释变量不相关假定Cov(u i ,X i )=0E正态性假定u~N(0, d 2)F无多重共线性假定Rank(X)=k2、估计在古典假设下，经典框架，可以使用OLS方法：OLS 寻找min Ee i2人B iois = (Y均值)-人B 2(X均值)人B 2ois = Ex i y〃Ex i23、性质OLS回归线性质(数值性质)(1)回归线通过样本均值(X均值,Y均值)(2)估计值人Y的均值等于实际值Y的均值(3)剩余项e i的均值为0(4)被解释变量估计值人Y与剩余项8不相关Cov(人Y,ej=0(5)解释变量X与剩余项8不相关Cov(e i,X i)=0在古典假设下，OLS的统计性质是BLUE统计最佳线性无偏估计4、检验(1) Z检验Ho: B 2=0原假设验证B 2是否显著不为0标准化：Z= (A B 2- B 2) /SE (A B 2)〜N( 0,1 ) 在方差已知，样本充分大用Z检验拒绝域在两侧，跟临界值判断，是否B2显著不为0(2) t检验一一回归系数的假设性检验方差未知，用方差估计量代替 A d 2=Ee i2/(n-k) 重点记忆t =(人卩2- B 2) / A SE (A B 2)〜t (n-2)拒绝域：|t|>=t 2/a( n-2)拒绝，认为对应解释变量对被解释变量有显著影响。
计量经济学笔记
解释变量观测值的平均值和被解释变量观测值的平均值处于 OLS 回归线上。
将被解释变量取值 yi 分解成拟合值和残差两个部分，������! = ������! + ������!。定义总体平方和 SST
N
2
∑ 为 ( yi − y) ，解释平方和 SSE 为 !!!!(������! − ������)!，残差平方和 SSR 为 !!!!(������!)!，则可定义
∑ 1
N
N
u
2 i
，但是由于
ui
是非观测值，所以我们可以用残差
u
来代替，但此时由于假定
1，2
i =1
∑ 对残差做了限制，所以这里的自由度是
N-‐2
而不是
N，即 σ2
=
1 N −2
N i=1
u i2
。将此估计量放
入到对 β1 的估计量的样本方差公式中就可以得到有关 β1 样本方差的无偏估计量。
Assumption 1-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐ E( y − β0 − β1x) = 0 Assumption 2-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐ E(x( y − β0 − β1x)) = 01
该无偏性应是以x!， … ，x!为条件的无偏性。但是对于横截面数据，在 Assumption2 的随机
抽样假定下，由于（x!， … ，x!）提供的信息集和 xi 提供的信息集一样都是总体的信息集，
(完整)计量经济学重点知识归纳整理,推荐文档
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。
计量经济学复习笔记(注释)
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。
研究主体是经济现象及其发展变化的规律。
2、运用计量分析研究步骤：模型设定——确定变量和数学关系式估计参数——分析变量间具体的数量关系模型检验——检验所得结论的可靠性模型应用——做经济分析和经济预测3、模型变量:解释变量:表示被解释变量变动原因的变量，也称自变量，回归元。
被解释变量:表示分析研究的对象，变动结果的变量，也成应变量。
内生变量:其数值由模型所决定的变量，是模型求解的结果。
外生变量:其数值由模型意外决定的变量。
外生变量数值的变化能够影响内生变量的变化，而内生变量却不能反过来影响外生变量。
前定内生变量：过去时期的、滞后的或更大范围的内生变量，不受本模型研究范围的内生变量的影响，但能够影响我们所研究的本期的内生变量。
前定变量：前定内生变量和外生变量的总称。
数据:时间序列数据：按照时间先后排列的统计数据。
截面数据：发生在同一时间截面上的调查数据。
面板数据：虚拟变量数据：表征政策，条件等，一般取0或1.4、估计评价统计性质的标准无偏：E（＾β）=β 随机变量，变量的函数？有效：最小方差性一致：N趋近无穷时，β估计越来越接近真实值5、检验经济意义检验：所估计的模型与经济理论是否相等统计推断检验：检验参数估计值是否抽样的偶然结果，是否显著计量经济检验：是否符合计量经济方法的基本假定预测检验：将模型预测的结果与经济运行的实际对比CH2 CH3 线性回归模型模型（假设）——估计参数——检验——拟合优度——预测1、模型（线性）（1）关于参数的线性 模型就变量而言是线性的；模型就参数而言是线性的。
Y i =β1+β2lnX i +u i线性影响 随机影响Y i =E （Y i |X i ）+u i E （Y i |X i ）=f(X i )=β1+β2lnX i引入随机扰动项，（3）古典假设A 零均值假定 E （u i |X i ）=0B 同方差假定 Var(u i |X i )=E(u i 2)=σ2C 无自相关假定 Cov(u i ,u j )=0D 随机扰动项与解释变量不相关假定 Cov(u i ,X i )=0E 正态性假定u i ~N(0,σ2)F 无多重共线性假定Rank(X)=k2、估计在古典假设下，经典框架，可以使用OLS方法：OLS 寻找min ∑e i2 ＾β1ols = (Y 均值)-＾β2(X 均值)＾β2ols = ∑x i y i /∑x i 23、性质OLS 回归线性质（数值性质）（1）回归线通过样本均值 （X 均值,Y 均值）（2）估计值＾Y i 的均值等于实际值Y i 的均值（3）剩余项e i 的均值为0（4）被解释变量估计值＾Y i 与剩余项e i 不相关 Cov(＾Y i ,e i )=0（5）解释变量X i 与剩余项e i 不相关 Cov(e i ,X i )=0在古典假设下，OLS 的统计性质是BLUE 统计 最佳线性无偏估计4、检验(1)Z 检验Ho:β2=0 原假设 验证β2是否显著不为0标准化： Z=（＾β2-β2）/SE （＾β2）~N （0,1） 在方差已知，样本充分大用Z 检验拒绝域在两侧，跟临界值判断，是否β2显著不为0(2)t 检验——回归系数的假设性检验方差未知，用方差估计量代替 ＾σ2=∑e i 2/(n-k) 重点记忆t =（＾β2-β2）/＾SE （＾β2）~t （n-2）拒绝域：|t|>=t 2/a (n-2)拒绝，认为对应解释变量对被解释变量有显著影响。
- 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)。
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。
研究主体是经济现象及其发展变化的规律。
2、运用计量分析研究步骤：模型设定——确定变量和数学关系式估计参数——分析变量间具体的数量关系模型检验——检验所得结论的可靠性模型应用——做经济分析和经济预测3、模型变量:解释变量:表示被解释变量变动原因的变量，也称自变量，回归元。
被解释变量:表示分析研究的对象，变动结果的变量，也成应变量。
内生变量:其数值由模型所决定的变量，是模型求解的结果。
外生变量:其数值由模型意外决定的变量。
外生变量数值的变化能够影响内生变量的变化，而内生变量却不能反过来影响外生变量。
前定内生变量：过去时期的、滞后的或更大范围的内生变量，不受本模型研究范围的内生变量的影响，但能够影响我们所研究的本期的内生变量。
前定变量：前定内生变量和外生变量的总称。
数据:时间序列数据：按照时间先后排列的统计数据。
截面数据：发生在同一时间截面上的调查数据。
面板数据：虚拟变量数据：表征政策，条件等，一般取0或1.4、估计评价统计性质的标准无偏：E（＾β）=β随机变量，变量的函数？有效：最小方差性一致：N趋近无穷时，β估计越来越接近真实值5、检验经济意义检验：所估计的模型与经济理论是否相等统计推断检验：检验参数估计值是否抽样的偶然结果，是否显著计量经济检验：是否符合计量经济方法的基本假定预测检验：将模型预测的结果与经济运行的实际对比CH2 CH3 线性回归模型模型（假设）——估计参数——检验——拟合优度——预测1、模型（线性）（1）关于参数的线性模型就变量而言是线性的；模型就参数而言是线性的。
Y i=β1+β2lnX i+u i线性影响随机影响Y i=E（Y i|X i）+u i E（Y i|X i）=f(X i)=β1+β2lnX i引入随机扰动项，（3）古典假设A零均值假定 E（u i|X i）=0B同方差假定 Var(u i|X i)=E(u i2)=σ2C 无自相关假定 Cov(u i ,u j )=0D 随机扰动项与解释变量不相关假定 Cov(u i ,X i )=0E 正态性假定u i ~N(0,σ2)F 无多重共线性假定Rank(X)=k2、估计在古典假设下，经典框架，可以使用OLS方法：OLS 寻找min ∑e i 2＾β1ols= (Y 均值)-＾β2(X 均值)＾β2ols = ∑x i y i /∑x i 23、性质OLS 回归线性质（数值性质）（1）回归线通过样本均值 （X 均值,Y 均值）（2）估计值＾Y i 的均值等于实际值Y i 的均值（3）剩余项e i 的均值为0（4）被解释变量估计值＾Y i 与剩余项e i 不相关 Cov(＾Y i ,e i )=0（5）解释变量X i 与剩余项e i 不相关 Cov(e i ,X i )=0在古典假设下，OLS 的统计性质是BLUE 统计 最佳线性无偏估计4、检验(1)Z 检验Ho:β2=0 原假设 验证β2是否显著不为0标准化： Z=（＾β2-β2）/SE （＾β2）~N （0,1） 在方差已知，样本充分大用Z 检验拒绝域在两侧，跟临界值判断，是否β2显著不为0(2)t 检验——回归系数的假设性检验方差未知，用方差估计量代替 ＾σ2=∑e i 2/(n-k) 重点记忆t =（＾β2-β2）/＾SE （＾β2）~t （n-2）拒绝域：|t|>=t 2/a (n-2)拒绝，认为对应解释变量对被解释变量有显著影响。
P 值是尚不能拒绝原假设的最大显著水平。
（所以P 越小，显著性越好）P 值>a 不拒绝 P 值<a 拒绝(3)F 检验——回归方程显著性检验，检验整个模型原假设Ho:β2=β3=β4=0 （多元，依次写下去）F=[ESS/(k-1)]/[RSS/(n-k)]~F （k-1,n-k ）统计量F 服从自由度为k-1和n-k 的F 分布F> F a （k-1,n-k ） (说明F 越大越好)拒绝：说明回归方程显著，即列入模型的各个解释变量联合起来对被解释变量有显著影响一元回归下，F 与t 检验一致，且 F=t 25、拟合优度检验（1）可决系数（判定系数）R 2=ESS/TSS=1-RSS/TSS特点： 非负统计量，取值[0,1]，样本观测值的函数，随机变量对其解释：R 2=0.95,表示拟合优度比较高，变量95%的变化可以用此模型解释，只有5%不准确(2)修正的可决系数 adjusted R 2=1-(1- R 2）(n-1)/(n-k)adjusted R 2取值[0,1] 计算出负值时，规定为0k=1时，adjusted R 2= R 2（3）F 与可决系数F=[(n-k)/（k-1）]*[ R2/ (1-R2)]adjusted R2,R2,F 都是随机变量联系：a都是显著性检验的方法b构成统计量都是用TSS=ESS+RSSc二者等价，伴随可决系数和修正可决系数增加，F统计量不断增加R2 =0时，F=0；R2=1时，F趋近无穷；区别：a F有明确分布，R2没有b F检验可在某显著水平下得出结论，可决系数是模糊判断6、预测平均值预测和个别值预测A预测不仅存在抽样波动引起的误差，还要受随机扰动项的影响。
个别值预测比平均值预测的方差大。
个别值预测区间也大于平均值预测区间。
B 对平均值和个别值预测区间都不是常数。
X f趋近X均值，预测精度增加，预测区间最窄C 预测区间和样本容量N有关，样本容量越大，预测误差方差越小，预测区间越窄。
样本容量趋于无穷个别值的预测误差只决定于随机扰动项的方差。
CH4多重共线性后果/原因——如何检验——如何修正1、后果/原因（1）完全/不完全多重共线X3=X1+2X2完全多重共线参数无法估计非满秩矩阵不可逆X3=X1+X2+u 不完全多重共线性（2）无多重共线性模型无多重共线性,解释变量间不存在完全或不完全的线性关系X是满秩矩阵可逆Rank(X)=k Rank(X’X)=k 从而X’X可逆（X’X）-1存在（3）多重共线原因经济变量之间具有共同变化趋势模型中包含滞后变量使用截面数据建立模型样本数据自身原因（4）后果存在多重共线性时，OLS估计式仍然是BLUE（最佳线性无偏估计）不影响无偏性（无偏性是重复抽样的特性）不影响有效性（是样本现象，与无多重共线性相比方差扩大，但采用OLS估计后，方差仍最小）不影响一致性2、检验（1）两两相关系数（充分条件）两两相关可以推出多重共线性反过来不一定系数比较高，则可认为存在着较严重的多重共线性（2）直观判断（综合判断法）参数联合显著性很高（通过F检验）但个别重要解释变量存在异常，t不显著，或者β为负，与经济意义违背。
F检验通过， t不通过，因为方差扩大了 F是由RSS计算得出的（3）方差扩大因子VIF j=1/(1-R j2) 方差与VIF正相关 VIF>10 严重多重共线R j2是多个解释变量辅助回归确定多重可决系数（4）逐步回归（也是修正方法）不会有计算，但要了解过程针对多重共线性，没有什么特别好的修正方法，建模前要事先考虑，如果出现重要解释变量的多重共线性，可以考虑扩大样本容量CH5 异方差原因、后果——检验——修正（WLS）异方差：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。
Var(u i|X i)=E(u i2)=σi2=σ2f(X i)1、原因后果（1）产生原因A 模型设定误差B 测量误差的变化C 截面数据中总体各单位的差异异方差性在截面数据中比在时间序列数据中可能更常出现，因为同一时点不同对象的差异，一般来说会大于同一对象不同时间的差异。
（2）后果A 参数的OLS估计仍然具有无偏性（无偏性仅依赖零均值假定，解释变量的非随机性）B 参数OLS估计式的方差不再是最小的，影响有效性（方差会被低估，从而夸大t统计量，t，F检验失效，区间预测会受影响，不显著的也有可能变显著）C 不满足有效性，则也会影响一致性2、检验(要知道判断时原假设和备择假设；检验命题统计量；辅助回归函数形式；适用条件)原假设：同方差备择假设：异方差（1）图示：简单易操作，但判断比较粗糙（2）GQ：Goldfeld-Quanadt戈德菲尔德-夸特检验A 大样本，除同方差假定不成立，其余假定要满足B 对解释变量大小排序C 去除中间C个观测值（样本的1/5-1/4），分成两个部分D构造F统计量，两个部分残差平方和服从卡方分布，则F=两部分残差平方和相除（大的除以小的）~F（(n-c)/2-k,(n-c)/2-k）F>临界值，拒绝原假设，则认为存在异方差E 可判断是否存在异方差，不能确定是哪个变量引起（3）WhiteA 大样本，丧失较多自由度B 做残差对常数项、解释变量、解释变量平方及其交叉乘积等所构成的辅助回归＾e i2C 计算统计量nR2，n为样本容量，R2为辅助回归的可决系数D 统计量服从卡方分布nR2>卡方a(df) 拒绝原假设，表明模型存在异方差E 不仅能够检验异方差，还能判断是哪个变量引起的异方差（4）ArchA 用于大样本，只对时间序列检验B 做OLS估计，求残差，并计算残差平方序列e t2,e t-12….做辅助回归e t2~e t-12…e t-p2C 计算辅助回归可决系数R2，统计量(n-p) R2p是ARCH过程的阶数D 统计量服从卡方分布（统计量就是”Obs*R-squared”所显示的数值）(n-p) R2>卡方a(p) 拒绝原假设，表明模型存在异方差E 能判断是否存在异方差，但不能诊断是哪一个变量引起的（5）Glejser可以忽略。
要求大样本3、修正（1）对模型变换，取对数，但不能消除，只能减轻后果（2）WLS （不考计算，主要掌握思想）使残差平方和最小，在存在异方差时，方差越小的应约重视，确定回归线作用越大，反之同理。
在拟合时应对较小的残差平方给予较大的权数，对较大的残差平方给予较小的权数。
通常可取w=1/σi2 将权数与残差平方相乘后再求和变换模型后剩余项u = u i/根号下f(X i) 已是同方差 Var(u)= σi2/f(X i)= σ2CH6 自相关原因/后果——检验（DW是唯一方法）——修正（从广义差分出发）自相关：（序列相关）总体回归模型的随机误差项u i之间存在的相关关系。
Cov(u i,u j)不为0自相关形式： u t=pu t-1+v t (-1<p<1) 一阶线性自相关1、原因（从时间序列出发考虑）经济系统的惯性经济活动滞后效应数据处理造成的相关蛛网现象（某种商品的供给量受前一期价格影响而表现出的规律性）模型设定偏误（虚假自相关，可以改变模型而消除）2、后果（1）违背古典假定，继续适用OLS估计参数，会产生严重后果，和异方差情形类似（2）影响有效性，一致性；但不会影响无偏性。