计量复习2.docVIP

相关分析和回归分析的联系与区别 联系： 都是研究非确定性变量间的统计相关关系，并能度量线性依赖程度的大小。 区别： 相关分析中变量间的关系是对称的，并且变量都是随机的；回归分析中变量存在因果关系，并且解释变量是确定的。 相关分析只关注相关系数，不考虑依赖关系；回归分析则采用多种数学手段来分析变量间具体的依赖关系（弹性、乘数等） 下列经济变量之间可以采用回归分析的有： A 财政支出和财政收入 B 家庭消费支出和收入 C 货币需求和利率 D 农作物产值和农作物种植面积 E 商品销售额与销售量、销售价格 二、在总体回归函数中引入随机干扰项的原因： （1）代表未知的影响因素 （2）代表残缺的数据 （3）代表众多细小的影响因素 （4）代表数据观测误差 （5）代表模型设定误差 （6）变量的内在随机性 三、一元线性回归模型的基本假设 假设1：回归模型是正确设定的。 假设2：解释变量X是确定性变量，不是随机变量。 假设3：解释变量X在所抽取的样本中具有变异性，且随着样本容量的无限增加，解释变量x的样本方差趋于一个非零的有限常数。 假设4：随机干扰项具有零均值，同方差及不序列相 关性。 假设5：随机干扰项与解释变量间不相关。 假设6：随机干扰项服从零均值、同方差、零协方差的正态分布。 最小二乘估计量的性质 判断一个用于考察总体的估计量的好坏，可以从以下几个方面考虑： 线性性：它是否是另一随机变量的线性函数； 无偏性：它的均值或期望是否等于总体的真值； 有效性（最小方差性）：它是否在所有线性无偏估计中具有最小方差； 这三个准则也称作估计量的“小样本性质”，拥有这类性质的估计量称为“最佳线性无偏估计量”。 五、拟和优度检验 含义：检验模型对样本观察值的拟和程度 思路： （1）构造一个表示拟和程度的指标（统计量），该统计量是关于样本的函数； （2）利用样本数据计算出该统计量的值； （3）将统计量的值和某一标准相比较，得出检验结论 变量显著性检验 含义：检验模型中被解释变量和解释变量的线性关系是否显著成立；或者说考察所选择的解释变量是否对被解释变量有显著的线性影响。 实质：检验变量X是否显著，即检验模型参数 是否显著为0。 方法：数量统计中假设检验的思想。 第三章 一．多元线性回归模型的基本假定 假设1：模型是正确设定的。 假设2：解释变量X1,X2…，Xk是确定性变量，不是随 机变量,且相互之间不存在线性相关。 假设3：解释变量在样本中具有变异性，但样本方差趋于收敛。 假设4：随机干扰项具有零均值，同方差及不序列相 关性。 假设5：随机干扰项与解释变量间不相关。 假设6：随机干扰项服从零均值、同方差、零协方差 的正态分布。 二、普通最小二乘估计（思路） 通过引入X,Y的离差x,y，可以得到参数的 离差形式： 无偏性 3、有效性 三、样本容量问题 1、最小样本容量 二、方程总体线性的显著性检验（F检验） 目的：检验模型中被解释变量和解释变量的线性关系在总体上是否成立。 步骤： （1）提出原假设H0： （2）假定原假设H0正确； （3）构造小概率事件 a.构造统计量 b.构造小概率事件 如果小概率事件 发生了，不正 常，则原假设H0错误，拒绝原假设H0 ，变量间线 性关系在总体上是成立的，模型通过检验； 如果小概率事件没有发生，即 ， 正常，则原假设H0正确，接受原假设H0 ，变量间 线性关系不成立，模型没有通过检验。 如果发生 ，则在1－a的置信度水平下 拒绝原假设H0 ，即该变量是显著的，通过了变量显 著性检验；如果发生 ，则在1－a的置信 水平下接受原假设，即该变量是不显著的，未通过变 量显著性检验，应考虑予以剔除。 §5.1 虚拟变量模型 虚拟变量：人为构造的、用于反映某些因素性质或属 性、且只能取0或1的变量，通常记为D。常见的有性 别、职业、学历、自然灾害、季节等等。 一般地，虚拟变量的设置中，肯定类型和 基础类型取1，否定类型和比较类型取0，但是也没 有明确的规定。 同时含有一般解释变量和虚拟变量的模型就称之 为虚拟变量模型。 例如，一个以性别为虚拟变量来考察职工薪金的 模型就可以设定为： 一、虚拟变量的引入 1、加法方式：将虚拟变量以相加的方式引入模型。 3、加法+乘法方式：既直接将虚拟变量以相加的方 式引入模型，又将其与一般解释变量相乘 引入模型。 截距、斜率都不同——相异模型 二、虚拟变量的设置原则 虚拟变量的个数确定原则：每一定性变量所需的虚拟 变量个数比该定性变量的类别数少1。 如：“性别”—男、女2类—1个虚拟变量 “学历”—高中以下、