计量经济学复习笔记.docxVIP

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 Yt、Xt 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（Yi|Xi）=B1+B2Xi 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）μ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 μ 。（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——Minei2=Min（Yi-Yi）2=Min（Yi-b1-b2Xi）^2 4.根据Ols法得出参数 b1 b2 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（X，Y ） （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。 （4）残差项与Yi的乘积求和为0 第三章：双变量模型的假设检验（综合题） 1.判定系数R2的概念（拟合优度） Ess表示回归平方和（自由度=k-1） Tss表示总平方和（自由度=n-1） Rss表示残差平方和（自由度=n-k） Tss=ess+rss R2有意义的前提（1）普通最小二乘法估计获得（2）模型必须有截距项 R2的含义：解释变量对被解释变量（多元情形是对模型）的解释程度的描述 2.回归分析结果的报告形式 回归分析应给出项：（1）估计方程 （2）参数标注误se（bi） （3）参数所对应的t值 （4）参数检验所对应的p值 （5）拟合优度（6）自由度（7）DW值 对应关系: t = bi-ose(bi) = bise(bi) 自由度= n–k （k值是包括截距项在内的参数个数） 3.假设检验 运用普通最小二乘法对参数进行估计后，得到样本回归方程 Yi=b1+b2Xi 首先获得se（b1）、se（b2）。 se（bi）中的 σ2 的未知时用 估计量来代替 σ2。 参数显著性检验 H0 ：Bi = 0 H1 : Bi ≠ 0 构造统计量： σ2已知 σ2 未知 t值足够大就拒绝原假设， p值足够小就拒绝原假设 第四章 多元回归 1.偏回归系数含义 在多元回归方程中，例如Yi=B1+B2X2i+B3X3i+ui B2表示当其他条件不变时（包括X3 不变），X2变动一个单位Y的均值的改变量； B3表示当其他条件不变时（包括 X2 不变） ，X3变动一个单位Y的均值的改变量。 2.回归模型的基本假设 （1）回归模型是参数线性 （2）解释变量越扰动项不相关 （3）随机扰动项均值为0 （4）随机扰动项同方差 （5）随机扰动项之间不相关 （6）解释变量之间不存在严格线性关系 （7）模型设定正确 （8）附加假设扰动项设服从N（0，σ2）的标准正态分布 3.联合假设检验 （1）联合假设检验的原因 对参数进行单独显著性检验后，并不能说明参数联合起来也是显著地，另外可能在参数进行单独检验是不能拒绝原假设，在进行联合检验时拒绝了原假设，此时可能存在共线性问题、。 (2)联合检验的步骤 原假设： 或 构造F统计量 或 F统计量的含义表示 所有F统计量越大越好 4.矫正R2 引入原因：回归模型的R2具有随着解释变量个数增多增大的性质，多元回归模型解释变量对被解释变量的实际拟合效果需要考虑自由度的变化。 5.什么时候可以增加新的解释变量 只要矫正R^2