计量经济学 重点难点总结.pdf
《计量经济学 重点难点总结.pdf》由会员分享,可在线阅读,更多相关《计量经济学 重点难点总结.pdf(19页珍藏版)》请在麦多课文档分享上搜索。
1、第一章 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。 计量经济学与理论经济学、 数 理经济学、经济统计学、数理统计学既有区别又有联系。 2 、计量 经济研究分为模型设定、参数估计、模型检验、模型运用等四个步骤。 3 、模型 的设定主要 是选择变量 和确定变量 间联系的数 学形式。适 于对实际经 济活动 作 计量分析的计量经济模型应包含经济变量、 待确定的参数和随机误差项。 行为方程、 技术方 程、制度方程和定义方程可作为建立模型时参考。 4 、计量经济 模型中的变 量分为被解 释变量(应
2、变量)和解 释变量、内 生变量和外 生 变 量。 5 、参数 是计量经济 模型中表现 经济变量相 互依存程度 的因素,通 常具有相对 稳定性 。 参数无法直接观测和计算, 只能用适当的方法根据变量的样本观测值去估计。 参数估计的方 法应符合“尽可能地接近总体参数真实值”的准则。 6 、计量 经济研究中 应用的数据 包括时间序 列数据、截 面数据、面 板数据、虚 拟变量 数 据等。 7 、 、对 模型检验包括经济意义检验、统计推断检验、计量经济学检验和模型预测检验。 8 、计量 经济模型主要可应用于经济结构分析、政策评价和经济预测。 第二章 1 、 变量间的关系分为函数关系与相关关系。 相关系数
3、是对变量间线性相关程度的度量。 2 、现代意义 的回归是一 个被解释变 量对若干个 解释变量依 存关系的研 究,回归的 实质 是由固定的解释变量去估计被解释变量的平均值。 简单线性回归模型是只有一个解释变量的 线性回归模型。 3 、总体回归函 数(PRF )是 将 总体 被解 释 变量Y 的条件均值 () ii EY X 表现 为 解释 变量X 的某种函数。 样本回归函数 (SRF)是将 被解释变量Y 的样本条件均值 i Y 4 、随机扰动项 表示为解释变量X 的 某种函数。总体回归函数与样本回归函数的区别与联系。 i u 是 被解释 变量实际值 i Y 与条件均值 () ii EY X 5
4、、简单线性回归的基本假定:对模型和变量的假定、对随机扰动项 u 的假定(零均值 假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态性假定) 的偏差,代表排除在模 型以外的所有因素对Y 的影响。 6 、普通最 小 二乘法(OLS )估计参 数 的基本思 想 及估计式 ;OLS 估计式的 分布性质及 期望、方差和标准误差;OLS 估计式是最佳线性无偏估计式。 7 、对回归系数区间估计的思想和方法。 8 、拟合优度 是样本回归 线对样本观 测数据拟合 的优劣程度 ,可决系数 是在总变差 分解 基础上确定的。可决系数的计算方法、特点与作用。 9 、对回归系数假设检验的基本思想。对回归系
5、数 t 检验的思想与方法;用 P 值判 断参 数的显著性。 10 、 被解释变 量平均值预测与个别值预测的关系, 被解释变量平均值的点预测和区间预 测的方法,被解释变量个别值区间预测的方法。 11 、运用 EViews 软件实现 对简单线性回归模型的估计和检验。 第二章主要公 式表 1 、总体回归 函数 12 i ii Y Xu =+ 12 () ii i EY X X = +2 、样本回归函数 12 i ii Y Xe = + 12 ii YX = +3 、基本假定 () 0 i Eu = 12 () ii EY X = +2 () () ii Var u Var Y = = (, ) (
6、) 0 i j ij Cov u u E u u = =(, ) 0 ii Cov u X = 2 (0, ) i uN 4 、最小二乘估计 2 2 2 () ii i i ii N XY X Y NX X = 2 ii i xy x = 2 1 2 2 () i i i ii ii X Y X XY NX X = 12 YX = 5 、参数 OLS 估计式的期 望 () k k E =6 、参数 OLS 估计式的方 差 2 2 2 () i Var x = 2 2 1 2 () i i X Var Nx = 7 、 参数估计式的标准误 差 2 2 () i SE x = 2 1 2 () i
7、 i X SE Nx = 8 、 的无 偏估计 2 2 2 i e n = 9 、t 检验统 计量 * 22 2 22 ( 2) () () t tn SE SE = = 8 、样本可决系数 22 22 1 i ii ye yy = + 2 2 2 i y r y = 2 2 2 1 i i e r y = 9 、参数估计的置信区间 2 22 2 2 22 () () 1 P t SE t SE + =10 、平均值 预测区间 22 22 22 1( ) 1( ) , FF FF ii XX XX Yt Yt nx nx + + 11 、个别值 预测区间 2 2 2 1( ) 1 F F F
8、i XX YYt nx = + 2 第三章 1 、多元线性回归模 型是将总体 回归函数描 述为一个被 解释变量与 多个解释变 量之间线 性关系的模型。通常多元线性回归模型可以用矩阵形式表示。 2 、多元 线性回归模型中对随机扰动项 u 的假定 ,除了零均值假定、同方差假定、无自 相关假定、 随机扰动与解释变量不相关假定、 正态性假定以外, 还要求满足无多重共线性假 定。 3 、多元线性 回归模型参 数的最小二 乘估计式; 参数估计式 的分布性质 及期望、方 差和 标准误差; 在基本假定满足的条件下, 多元线性回归模型最小二乘估计式是最佳线性无偏估 计式。 4 、多元 线性回归模型中参数区间估计
9、的方法。 5 、多重 可决系数的意义和计算方法,修正可决系数的作用和方法。 6 、 F 检 验是对多元线性回归模型中所有解释变量联合显著性的检验, F 检验是在方差分 析基础上进行的。 7 、多元回归分析中 ,为了分别 检验当其它 解释变量不 变时,各个 解释变量是 否对被解 释变量有显著影响,需要分别对所估计的各个回归系数作 t 检验。 8 、利用 多元线性回归模型作被解释变量平均值预测与个别值预测的方法。 第三章主要公 式表 1 、多元线性 回归模型 1 2 1 22 33 ( , ) i k i i k ki EY X X X X X X =+ + + 1 22 33 i i i k k
10、i i Y X X Xu =+ + + + Y=X +U 2 、样本回归函数 1 22 33 i i i k ki Y XX X =+ + + 1 22 3 3 i i i k ki i Y X X Xe =+ + + + Y=X + e 3 、基本假定 E(U)=0 2 , (, ) ( ) 0, i k ik ik Cov u u E u u ik = = = ( , ) 0 ( 1, 2, , ) ji i Cov X u j k = = Rank(X)=k 2 (0, ) i uN () E = YX Y=X 4 、最小二乘估计 XY=XX -1 =( XX ) XY5 、参数 OLS
11、 估计的期 望 = E() 6 、参数 OLS 估计的方 差 ) ( j Var = jj C 2 = 2 () i jj e C nk 7 、 参数估计的标准误 差 8 、 的无 偏估计 2 2 i e nk = 9 、参数估计的置信区 间 22 1 jj jj j jj P tc tc + =10 、多重可 决系数 2 2 2 11 () i i e RSS R TSS Y Y = = 11 、修正的 可决系数 22 2 22 () 1 11 () ( 1 ) () ii ii e nk e n R YY n n k YY = = 12 、F 检验统计量 ( 1) ( 1, ) () ES
12、S k F Fk n k RSS n k = 13 、t 检验统 计量 * ( ) () jj jj j jj t tn k SE c = = 14 、点预测 值 f Y = f X 15 、平均值 预测区间 22 () f f ff Y t EY Y t + -1 -1 f ff X (X X) X X (X X) X16 、个别值 预测区间 22 11 f ff Yt Y Yt + + + -1 -1 ff ff X (X X) X X (X X) X () j jj SE C = 2 第四章 1 、经典线性回归模型的假定之一是各个解释变量 X 之间不存在多重共线性。一般说来,多 重共线性
13、是指各个解释变量 X 之间 有准确或近似准确的线性关系。 2 、多重共线性的后果是:如果各个解释变量 X 之间有完全的共线性,则它们的回归系数是 不确定的, 并且它们的方差会无穷大。 如果共线性是高度的但不完全的, 则回归系数的估计 是可能的, 但有较大的标准误差的趋势。 结果回归系数不能准确地加以估计。 不过, 如果 目 的是估计这些系数的线性组合用于预测,多重共线性不是严重问题。 3 、诊断共线性的经验方法主要有:(1)多重共线性的明显表现是可决系数 R2 异常高而回归 系数在通常的 t 检验中在 统计上不显著。 (2)在仅有两个解释变量的模型中, 检查两个变量之 间的零阶或简单相关系数,
14、一般说来高的相关系数通常可认为有多重共线性。(3) 当模型中 涉及多于两个解释变量的情形时, 较低的零阶相关也可能出现多重共线性, 这时需要检查偏 相关系数。(4) 如果 R2 高 而偏相关系数低, 则多重共线性是可能的, 这时会存在一个或多个 解释变量是多余的。如果 R2 高而偏 相关系数也高,则多重共线性难以识别。(5)在建模时, 首先可以将 每一个解释 变量 i X 对其余 所有解释变 量进行辅助 回归,并计 算出相应的 可 决 系 数 2 i R 。较高的 2 i R 可能表明 i X 和其余的解释 变量高度相 关,在不会 引起严重的 设定偏 误 的 前提下,可考虑把 i X 从模型中
15、剔除。 4 、 降低多重共线性的经验方法有: (1)利用外部或先验信息; (2)横截面与时间序列数据并用; (3)剔除高度共线性的变量; (4)数据 转换; (5)获 取补充数据或新数据; (6) 选择有偏估计量 (如 岭回归) 。经 验方法的效果取决于数据的性质和共线性的严重程度。 第四章主要公 式表 方差膨胀因子(简称 VIF) ( ) 2 23 1 1 r VIF =多重共线性下参数估计式的方差 ( ) VIF x i = 2 2 2 2 var j j j j j VIF x R x Var = = 2 2 2 2 2 1 1 ) ( 特征根的病态指数 k , 0,1,2, i , =
16、 = i m i CI 的岭回归估计 ( ) ( ) Y X I X X + = 1 k k第五章 1 、异方差性 是指模型中 随机误差项 的方差不是 常量,而且 它的变化与 解释变量的 变 动 有关。 2 、产生异方 差性的主要 原因有:模 型中略去的 变量随解释 变量的变化 而呈规律性 的 变 化、变量的设定问题、截面数据的使用,利用平均数作为样本数据等。 3 、存在异方 差性时对模型的 OLS 估 计仍然具有无偏性,但最小方差性不成立,从而导 致参数的显著性检验失效和预测的精度降低。 4 、检验异方 差性的方法有多种,常用的有图形法、Goldfeld-Qunandt 检验、White 检
17、 验、ARCH 检 验以及 Glejser 检验,运 用这些检验方法时要注意它们的假设条件。 5 、修正异方 差性的主要 方法是加权 最小二乘法 ,也可以用 变量变换法 和对数变换 法 。 变量变换法与加权最小二乘法实际是等价的。 第五章主 要公式表 异方差性 2 ) ( i i u Var =Goldfeld-Qunandt 检验 的 F 统计量 = = 2 1 2 2 2 1 2 2 * 2 / 2 / i i i i e e k c n e k c n e FWhite 检验中 的辅助函数 (原模型只有两个解释变 量) 2 22 1 22 33 42 53 62 3 t t t t t
18、tt e xxxxx x =+ARCH 检验中 的辅助函数 22 2 0 11 t t ptp ee e =+ + Glejser 检验 中常用的辅 助函 数 v X e v X e v X e v X e v X e + + = + = + = + = + = ; 1 ; 1 ; ;一元函数下的加权最小二乘 估计 = = 2 * * * * 2 * * 2 * * 1 ) ( ) )( ( X X w Y Y X X w X Y i i i i i 一元函数下的对原模型的变 换 设 i i i u X Y + + = 2 1 并且 ) ( ) var( 2 2 i i i X f u = =
19、则 ) ( ) ( ) ( ) ( 2 1 i i i i i i i X f u X f X X f X f Y + + = 对数变换的模型 i i i u X Y + + = ln ln 2 1 第六章 1 、 当总体 回归模型的随机误差项在不同观测点上彼此相关时就产生了自相关问题。 2 、 时间序 列的惯性、经济活动的滞后效应、模型设定错误、数据的处理等多种原因 都可能导致出现自相关。 3 、 在出现 自相关时,普通最小二乘估计量依然是无偏、一致的,但不再是有效的。 如 果仍用OLS 法计算参数估计值的方差,将会低估存在自相关时参数估计值的真实方差。而 且 会因低 估真 实的 2 ,导
20、致 参数估 计值 的方差 被进 一步低 估。 由于真 实 2 4 、 随机误差 项的自相关形式决定于其关联形式, 可以为m 阶自回归形式 的 低估和 参数 估 计值方差的低估, 通常的t 检验和F 检验都不能有效地使用, 也使预测的置信区间不可靠, 降 低了预测的精度。 ) 2 , 1 m m = , 即 ) (m AR 。 为了研究问题的方便和考虑实际问题的代表意义, 通常将自相关设定为一阶自 相关即AR(1)模式。用一阶自相关系数 5 、 由于u 表示自相关的程度与方向。 t 不可观测,通常使用u t 的估计量e t 判断u t 的特性。绘制 1 t e , t e 的散点图或 按照时间顺
21、序绘制回归残差项 t e 的图形,可以判断自相关的存在。判断自相关的存在最常 用的方法是依据e t 6 、 如果自 相关系数 计算的DW 统计量,但要注意DW检验法的前提条件和局限性。 7 、 如果自 相关系数 是已知的,我们可以使用广义差分法消除序列相关。 是未知的,我们可采用科克伦奥克特迭代法或德宾两步法求 得 的估计值,然后用广义差分法消除序列相关。 第六章主要公 式表 1 、 自相关系数 ) ( 2 2 1 2 2 2 1 = = = = n t t n t t n t t t u u u u 2 、 一阶自回归 形式 AR(1) ut= u t-1 + v t3 、 m 阶自回归 形
- 1.请仔细阅读文档,确保文档完整性,对于不预览、不比对内容而直接下载带来的问题本站不予受理。
- 2.下载的文档,不会出现我们的网址水印。
- 3、该文档所得收入(下载+内容+预览)归上传者、原创作者;如果您是本文档原作者,请点此认领!既往收益都归您。
下载文档到电脑,查找使用更方便
2000 积分 0人已下载
下载 | 加入VIP,交流精品资源 |
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 计量 经济学 重点难点 总结 PDF
