计量经济学via卡小婷.doc

简答，推导 一．相关分析与回归分析（简答及选择） 对变量间统计依赖关系的考察主要是通过相关分析或回归分析来完成的。 相关分析：主要研究随机变量间的相关形式及相关程度。适用于所有统计关系；对称地对待任何（两个）变量，两个变量都被看作是随机的。 回归分析：是研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论。仅对存在因果关系而言。其目的在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。对变量的处理方法存在不对称性，即区分因变量（被解释变量）和自变量（解释变量），前者是随机变量，后者不一定是。 回归分析构成计量经济学的方法论基础，其主要内容包括： 根据样本观察值对经济计量模型参数进行估计，求得回归方程；对回归方程、参数估计值进行显著性检验；利用回归方程进行分析、评价及预测。 二．简述相关分析和回归分析的联系和区别。 答：相关分析与回归分析既有联系又有区别。 首先，两者都是研究非确定性变量间的的统计依赖关系，并能测度线性依赖程度的大小。 其次，两者间又有明显的区别。相关分析仅仅是从统计数据上测度变量间的相关程度，而无需考察两者间是否有因果关系，因此，变量的地位在相关分析中式对称的，而且都是随机变量；回归分析则更关注具有统计相关关系的变量间的因果关系分析，变量的地位是不对称的，有解释变量和被解释变量之分，而且解释变量也往往被假设为非随机变量。再次，相关分析只关注变量间的联系程度，不关注具体的依赖关系；而回归分析则更加关注变量间的具体依赖关系，因此可以进一步通过解释变量的变化来估计或预测被解释变量的变化，达到深入分析变量间依存关系，掌握其运动规律的目的。 三．一元 参数估计的OLS P34 必考简答!!!1、普通最小二乘原理 根据被解释变量的所有观测值与估计值之差的平方和最小的原则求得参数估计量。简单求和可能将很大的误差抵消掉，只有平方和才能反应二者在总体上的接近程度。 推导： 当Q对(0，(1的一阶偏导数为0时，Q到到最小，即可推出用语估计(0，(1的下列方程组；该关于参数估计量的线性方程组称为正规方程组 求解正规方程组得到结构参数的普通最小二乘估计量及其离差形式： 也可以写成 分布参数的普通最小二乘估计量 四．最小二乘估计量的统计性质（推导）这个 很重要 （1）线性性，即它是否是另一随机变量的线性函数； （2）无偏性，即它的均值或期望值是否等于总体的真实值； （3）有效性，即它是否在所有线性无偏估计量中具有最小方差。 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 （4）渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值； （5）一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值； （6）渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。 当不满足小样本性质时，需进一步考察估计量的大样本或渐近性质 五．多元 最小二乘原理OLS （推导）这个也很重要 原理：根据被解释变量的所有观测值与估计值之差的平方和最小的原则求得参数估计量。 即是残差平方和最小的参数估计量。 最小二乘参数估计：即利用系统的输入输出得到参数估计的表达方式： 1.正规方程组的矩阵形式，参数的最小二乘估计值为： 正规方程组的另外一种写法： 2.离差形式的普通最小二乘估计法 3.随机误差项(的方差(的无偏估计 = 六．异方差性(计算案例见P116) 定义：即对于不同的样本点，随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性 实际经济问题中的异方差性 例4.1.1：截面资料下研究居民家庭的储蓄行为 Yi=(0+(1Xi+(i Yi:第i个家庭的储蓄额 Xi:第i个家庭的可支配收入 高收入家庭：储蓄的差异较大； 低收入家庭：储蓄则更有规律性，差异较小。 (i的方差呈现单调递增型变化 以绝对收入假设为理论假设、以截面数据为样本建立居民消费函数： Ci=(0+(1Yi+(I 将居民按照收入等距离分成n组，取组平均数为样本观测值。 一般情况下，居民收入服从正态分布：中等收入组人数多，两端收入组人数少。而人数多的组平均数的误差小，人数少的组平均数的误差大。 样本观测值的观测误差随着解释变量观测值的不同而不同，往往引起随机项的异方差