计量总结1.docxVIP

第2章 多元线性回归分析 1.模型: (2-1) (2-3)这里 (2-4)矩阵第1列元素全部是1，表示与相伴的变量恒取1。2.基本假定: 假定1 的每一个元素，均服从正态分布。 假定2 相当于 (2-5)假定3和假定4或 (2-7)假定5 数据矩阵是一个固定的数集，是非随机的或与干扰项不相关，即 假定6 的秩为。3.最小二乘估计: 4.统计性质: 线性 (2-17) 无偏性 (2-18) 有效性 的无偏估计量: (2-31)5.拟合优度与修正拟合优度: (2-35) (2-38)6.检验与置信区间: (2-51) 7.F检验: (2-72) 检验和拟合优度都从整体上反映了回归模型的显著性。统计量与拟合优度有如下关系： (2-73)8.预测:第3章 线性回归模型的扩展1.非线性回归模型(非线性→线性): 双对数模型 两边取对数： 代表对的弹性: 2.半对数模型 (3-8)两边取对数： (3-9)斜率代表因变量的相对改变量与自变量的绝对改变量之比，凡属这一比值为常数的情形，均可用这种模型来描述。柯布-道格拉斯生产函数模型 (3-12)2.虚拟变量模型: (1)自变量中只有虚拟变量 (2)自变量中既有定量变量又有虚拟变量 只影响模型的截距 既影响消费函数的截距又影响斜率 第4章 异方差性1.异方差性: ， 2.实际经济问题中的异方差性:(1)储蓄函数 (2)学习模型 3.异方差性模型OLS估计的结果 (1)线性和无偏性 (2)有效性 (3)显著性检验也失去意义，进而导致预测失效。4.异方差性的检验: (1)残差图判断法 (2)斯皮尔曼等级相关检验法 (1) 对原模型应用普通最小二乘法，求出残差。 (2) 将||和自变量观测值分成等级,将这些数据等级化之后，计算||和之间的等级相关系数： （4-8） (3) 对总体等级相关系数进行显著性检验 检验统计量为 (3) 戈特菲尔德—奎恩特检验法(1) 将自变量观测按由小到大的顺序排列,摒弃c个观测值，再将剩余的个观测值分成数目相等的两组，每组个：（2）对每一组观测值分别应用普通最二乘法，求出两组残差。设值较小的一组的残差平方和为，值较大的一组的残差平方和为。（3）用所得的两个残差平方和构造F统计量，可以证明在模型不存在异方差性的假定下， (4) 帕克—格莱泽检验法 （4-14） 对进行估计并进行显著性检验。5.异方差性模型的计量经济方法: 加权最小二乘法（WLS） 且 （4-17） 具体方法是：用去除式（4-16）两端(或用乘以式(4-16)两边),得到 令 在该模型中， （常数）第5章 自相关1.自相关:自相关（autocorrelation）又称序列相关，一般指同一随机变量在不同时间（或空间）上的取值之间存在相关关系。这里要讨论的是，回归模型中随机干扰项的逐次值之间是否相关。 自相关有正自相关和负自相关之分2. 引起自相关的原因:略去了自相关的被解释变量略去了自相关的解释变量错误地确定回归模型的数学形式随机干扰项自身的特性所决定数据整理3.自相关强度的量度——自相关系 这里主要讨论一阶自相关，而且假定是一种线性自相关 (5-1)式(5-1)中的是一个常数，称为自相关系数；是一个新的随机项，它满足经典回归的全部假定： (5-2)是回归系数。由于满足经典回归的全部基本假定，可用OLS法估计 (5-3)当样本容量较大时，有，于是式(5-3)可改写为 (5-4)所以把称为自相关系数是自然的。4. 存在一阶线性自相关时的统计性质 仍然满足均值为零和同方差的假定，只是协方差不等于零。这正是我们所讨论的自相关之含义。 在这种情况下，回归模型随机干扰项之协方差矩阵为 (5-9)5.自相关所造成的后果: (1)不影响OLS估计量的线性和无偏性 (2)自相关使OLS估计量失去有效性 (3)显著性检验也失去意义，进而导致预测失效。6.自相关的检验(1)图形检验法绘制残差对时间的散点图 绘制（，）的散点图(2)杜宾一沃森检验法 D-W检验法，其基本思想是，对于一阶自相关形式，，显然，当=0时，不具有一阶自相关，当≠0时，存在一阶自相关。D-W检验法是通过构造统计量 值介于0与4之间；的真实分布介于两个极限分布之间：一个称为下极限分布，其下临界值用表示；另一个称为上极限分布，其下临界值用表示；下极限分布的上临界值为（），上极限分布的上临界值为（），如图5-3所示。 实际的D-W检验可按如下步骤进行： 用普通最小二乘法求出样本回归方程，并算出残差； 根据式(5-20)计算值。这一步计