高级计量经济学总结.docVIP

高级计量经济学 第1章 经典回归模型相关理论 相关分析是研究变量间相互关系的最基本方法。相关指两个或两个以上变量间相互关系的程度或强度。相关指的是线性相关。 1．相关的分类： （1）按强度分：完全相关，强相关，弱相关，零相关。 （2）按变量个数分：简单相关（按形式：线性、非线性相关；按符号：正、负、零相关。） 复相关，偏相关。 2．相关的度量： 简单线性相关系数，简称相关系数，用 ( 表示。 r 的统计表达式是 r == 其中T，样本容量；xt，yt变量的观测值；,变量观测值的均值。 3．简单相关系数的检验 查相关系数临界值表 6．偏相关系数 以3个变量xt, yt, zt,为例（多于3个变量的情形与此相似。），假定控制zt不变，测度xt, yt偏相关关系的偏相关系数定义如下。 = 控制zt不变条件下的xt, yt的简单相关系数。 7．复相关系数 （2）计算yt与的简单相关系数，则称是yt与xt1, xt2, …, xt k -1的复相关系数。 复相关系数与简单相关系数r的区别是简单相关系数r的取值范围是[-1，1]，复相关系数的取值范围是[0，1]。 简单线性回归模型 （熟知各个估计量、统计量，学会分析EViews输出结果） 简单线性回归模型如下， yt = (0 + (1 xt + ut 模型包含的经济意义。边际系数，弹性系数等。对经济问题，有时yt对固定的t只能取一个或若干个值。但从建模原理上认为yt，ut是随机变量。对固定的t，它们的值服从某种分布。 假定条件： (1) ut ( N (0, ( ( ), (2) Cov(ui, uj) = 0, (3) xi是非随机的。(4) Cov(ui, xi) = 0. 1．最小二乘估计（OLS）：最小二乘法估计参数的原则是以“残差平方和最小”。 = = 2．最小二乘估计量和的特性： （1）线性特性，（2）无偏性，（3）最小方差性。 3．OLS回归直线的性质： (1) 残差和等于零，( ut = 0 (2) 估计的回归直线 =+ xt 过（,）点。 (3) yt 的拟合值的平均数等于其样本观测值的平均数，=。 4．注意分清4个式子的关系： 真实的统计模型，yt = (0 + (1 xt + ut （通常是见不到的。） 估计的统计模型， yt =+ xt + （对上式的估计。） 真实的回归直线，E(yt) = (0 + (1 xt （通常是见不到的。） 估计的回归直线，=+ xt （对上式的估计。）= yt - 5．yt的分布和的分布（保证正态分布是进行t, F检验的基础。） yt ( N ((0 + (1 xt, ( ( )。 ( N ((1, ( ( )。 6．( ( 的估计：（( ( 是对每一个ut而言，但估计时却是用整个样本的残差计算而得。） = , s.e. = （s.e.越小越好），分母为什么是（T-2）？ 7．拟合优度的测量（评价模型的一个重要指标） R2 = = （回归平方和）/（总平方和）= SSR/SST =1-= 1- 8．回归参数的显著性检验（用以检验相应变量是否为重要解释变量。） H0：(1 = 0； H1：(1 ( 0 t = = = ( t (T-2) 若 ( t ( t( (T-2) ，则 (1 ( 0； 若 ( t ( t( (T-2) ，则 (1 = 0。 （EViews输出结果中相应概率小于0.05回归系数有显著性。） 9．回归参数的置信区间（给出模型参数真值的可信范围） - t( (T-2) ( + t( (T-2) 10．单方程回归模型的预测 单个yT+1的点预测。 根据估计的回归函数， =+ xt，得=+ x T+1 单个的区间预测是 ( t((T-2) s () = ( t((T-2) E(yT+1)的区间预测是 ( t((T-2) s (E()) = ( t((T-2) （单个的预测区间比E(yT+1)的预测区间多ut的一个标准差。） 1.3 多元线性回归与最小二乘估计 1．假定条件、最小二乘估计量和高斯—马尔可夫定理 yt = (0 +(1xt1 + (2xt2 +…+ (k- 1xt k -1 + ut , 对经济问题的实际意义：yt与xt j存在线性关系，xt j, j = 0, 1, … , k - 1, 是yt的重要解释变量。ut代表众多影响yt变化的微小因素。使yt的变化偏离了E( yt) = (0 + (1xt1 + (2xt2 +…+ (k- 1xt k -1 决定的k维空间平面。 当给定一个样本（yt ,