计量经济学知识要点.docx

《计量经济学知识要点.docx》由会员分享，可在线阅读，更多相关《计量经济学知识要点.docx（7页珍藏版）》请在第一文库网上搜索。

1、考试题型一.推断说明5*5=25分（明确表达正确或是错误1分，说明分析4分）二.计算检验（类似于课本作业题的方式）.模型结果说明（理解每一个上机输出结果的含义）四.分析题开卷考试，允许带计算器，书本肯定没有一模一样的题目计量经济学知识要点一.陈述理论二.建立模型1 .分类：一元线性模型（第二章），多元线性模型（第三章），非线性回来模型（第四章）2 .非线性方程（1）分类：a.非标准回来模型b.可线性化回来模型c.本科线性化回来模型（2）线性化方法：变量替换（P90-95页）（3）几种典型的可以做线性化处理的非标准线性回来模型（知道如何把这些非线性变为线性）1.多项式函数模型2双曲函数模型3对数

2、函数模型4S-型曲线模型（4）在探讨经济问题时常常遇到的可线性化的非线性回来模型1指数函数模型2幕函数模型2 .假定条件：一元线性模型有5个，分别是：零均值假定，同方差假定，无序列相关假定,说明变量及随机误差项无关假定，正态分布假定。多元线性模型有6个假定条件，在一元线性模型的基础上多加了无多重贡献性假定。3 .说明变量的分类：定量的说明变量（可以直观用数字表达如：价格，质量）；定性的说明变量（分为虚拟变量和时间变量。虚拟变量用“D”表示，如：男女，好中差。时间变量用“t”表示，顾名思义就是表示一段时间的数列）4 .留意问题：说明变量及被说明变量的确定，两者之间有单向因果关系，说明变量是因，被

3、说明变量是果，就是说只能是由于说明变量的变化导致了被说明变量的变化。三收集数据(包括时间序列，截面数据，面板数据)四.估计参数1方法：(1) .01S即一般最小二乘法(核心准则:残差平方和最小，表示为Q=E(yi-yi)2)其中B(T和B厂具备B1UE特性即最佳线性无偏估计量(线性性，无偏性，最小方差性)。满意高斯马尔科夫定理P61。(第二章)(2) .加权最小二乘法(用于异方差检验)在等式两边同除以随机误差项的标准差，去除异方差再用一般最小二乘法检验。(第五章)(3) .广义最小二乘法(用于自相关检验)本期及滞后一期相减。(第六章)五.假设检验1 .经济学意义检验符号和系数大小是否及现实意义

4、相符合2 .统计学检验(1) .假合优度检验I(可决系数/2和修正可决系数不弓)越接近1越好R2=1-(1-R2)*(n-1n-k-1)=1-(ESS/n-k-1)/(TSS/n-1)TSS(总离差平方和)=RSS(回来平方和)+ESS(残差平方和)R2=RSS/TSS=I-ESSTSS(作用是用来度量方程的拟合优度，R,2越接近于1,表示被说明变量中的变异性被估计的回来方程说明的部分越多，估计的回来方程对样本观测值的拟合度越好)留意问题：为什么可决系数是说明变量的递增函数？当样本容量不变时,假如在模型中增加新的说明变量,并不会改变离差平方和，但是可能增加回来平方和，从而可能改善模型的说明功能

5、。修正的可决系数正是消退可决系数对说明变量个数的依靠性。可决系数和修正的可决系数并不是评价模型优劣的唯一标准，有时为了使有重要经济意义的说明变量保留在模型中，宁可牺牲一点拟合优度。(2) .历程显著性检验(F)F=(Rssk)/(Ess(n-k-1)“Fa(k,n-k-1)适用于多元的回来模型，假如不显著说明说明变量的斜率系数都为0,说明变量对被说明变量没有影响。假如显著说明总体回来方程存在显著的线性关系，即说明变量及被说明变量之间的线性关系是显著的。(3) .参数显著性检验(t)t=B(估计量)/SB(标准差)“t(n-k-1)假如检验显著说明说明变量对被说明变量有显著的影响，应当保留该说明

6、变量。留意:一元只做t检验,多元就要做F检验和t检验3 .计量经济学检验(检验假定条件是否满意)(1) .尾雀(第五章)A.假定条件：假定1,随机项Ui具有零均值i=1,2,，ni=1,2,，ni,j=1,2,，ni=1,2,nE(ui)=O假定2,随机项ui具有同方差Var(ui)=u2假定3,随机项ui无序列相关性Cov(ui,uj)=Oij假定4,随机项u及说明变量X之间不相关：Cov(Xi,ui)=O假定5,多元回来模型中说明变量之间不存在多重共线性rank(X)=k+1k+115)#结果推断:PDW我的表现F0DW2力非自相关/1D1fr=Q完全正自相关Pf=-1加=4完全负自相关0

7、/X1027F2区有某种程度的正自相关-1pO2W4Ut有某种程度的负自相关#当加值落在“不确定”区域时，有两种处理方法加大样本容量或重新选取样本，重作勿检验。有时以.值会离开不确定区。选用其它检验方法。切/检验临界值及三个参数有关。检验的显著性水平,样本容量n,原回来模型中说明变量个数衣（不包括常数项）d.自相关的修正广义最小二乘法是自相关的一种解决方法，即变换原回来模型，使变换后模型的随机误差项消退自相关,进而利用一般最小二乘法估计回来参数.e.留意（1）经济问题中的自相关主要表现为正自相关（2）自相关主要针对时间序列数据。（3）DW统计量只适用于检验一阶自相关形式.（4）应用DW检验,样

8、本容量不应太小（5）因为用统计量是以说明变量非随机为条件得出的，所以当回来式的说明变量中含有因变量的滞后项时，加检验无效（3） .多重共线性（第七章）A.假如某两个或多个说明变量之间出现了相关性，则称为多重共线性.完全共线性的状况并不多见，一般出现的是在肯定程度上的共线性，即近似共线性。综上所述，多重共线性就是指说明变量之间存在完全的线性关系或接近的线性关系除非是完全共线性，多重共线性并不意味着任何基本假设的违反；因此，即使出现较高程度的多重共线性，O1S估计量仍具有线性性，无偏性和最小方差性等良好的统计性质。问题在于，即使O1S法仍是最好的估计方法，它却不是“完备的”，尤其是在统计推断上无法

9、给出真正有用的信息。8 .多重共线性的住要缘由卜（1）经济变量相关的共同趋势.时间序列样本：经济旺盛时期，各基本经济变量（收入，消费，投资,价格）都趋于增长；衰退时期，又同时趋于下降。横截面数据:生产函数中，资本投入及劳动力投入往往出现高度相关状况,大企业二者都大，小企业都小。（2）滞后变量的引入在经济计量模型中，往往须要引入滞后经济变量来反映真实的经济关系。C.多重共线性的圆：1,完全多重共线性下参数估计量不存在2,近似多重共线性下O1S估计量非有效3,参数估计量经济含义不合理4,变量的显著性检验失去意义5,模型的预料功能失效D.多重共线性的脸矍9 .相关系数法。计算说明变量之间的简单相关系

10、数，若两个说明变量之间的相关系数接近于1则可以认为模型存在多重共线性。也可以建立两个说明变量之间的线性回来模型，依据拟合优度进行推断，可决系数越接近于1,说明变量之间的线性关系越显著。10 多个说明变量的想关性检验在这些确定系数中寻其最大而且接近于1者，比如说幻2最大，则可以判定说明变量及其它说明变量中的一个或多个相关程度高，因此就使得回来模型出现高度多重共线性。E.消退多重共线性的方法（P165页）1增加样本观测值11 删去不重要的说明变量12 变换模型的形式13 逐步回来法首先计算被说明变量对每一个说明变量的回来方程,这些回来方程叫做基本回来方程。对每一个基本回来方程进行统计检验，并依据经

11、济理论分析这些回来方程，通常是利用样本可决系数从中选出最合适的基本回来方程。然后再逐一增加其它的说明变量，重新再作回来。依据这个新加的说明变量的边际贡献（样本确定系数的增加量）和标准差，并考察对每个回来系数的影响，作如下的分析推断：第一，假如新加进的说明变量改进了应，并且其它回来系数在统计上仍是显著的,则，就可以认为新加进去的说明变量是有用的，作为模型中的说明变量予以保留。第二，假如加进去的说明变量未能改进应，对其它回来系数也没有影响，则不作为说明变量。第三，假如新加进的说明变量不仅改进了应，并且主要是显著地影响了回来系数的符号或数值，致使某些回来系数达到不能接受的地步，则可断言产生了严峻的多重共线性。对该说明变量同及之相关的其他说明变量进行比较，在模型中保留对被说明变量影响较大的，略去影响较小的.