计量经济学考试范围..docVIP

第一章 计量经济学含义：以经济理论为基石，以经济数据为基础，运用从概率论与数理统计学中产生的计量经济学方法量化经济变量间的关系，来检验经济理论，提出政策建议或进行政策评价与结构分析，以减少未来经济活动中的不确定性的的一门经济学的分支学科。 数据类型： 横截面数据：给定时点，随机抽样得到 时间序列数据：不同时间的观测值 混合横截面数据：随机+不同时间 综列（或纵剖面）数据：若干单位、不同时间、重复跟踪调查 变量类型：应变量；解释变量；随机变量 计量经济学模型范式（即建模过程）P5 经济理论 数学模型 计量经济模型 获取数据 参数估计 假设检验 预测 检验经济理论，政策评价和结构分析 计量经济学与其他学科的关系：计量经济学是经济学、统计学和数学三科结合而成的交叉型学科。经济学为其提供理论基础，统计学和数学为其提供研究方法。 但计量经济学又是一门独立的学科。①经济学主要做定性研究，而计量经济学又添加了定量研究；②统计学主要收集加工数据，而计量经济学又在数据的基础上检验经济理论和政策结构分析；③数学往往用实验数据，计量经济学往往用非实验数据。 第二章第三章 线性指什么（对于参数或变量）P102 对于变量来说，Y的条件期望是解释变量Xi的线性函数，此时回归曲线是一条直线。 对于参数来说，Y的条件期望是各参数β的线性函数，可以是或不是解释变量X的线性函数。因此只要模型中的回归系数是线性的，就可以认为是线性模型。 回归的本质：通过一定变量或一些变量的变化解释另一变量的变化 回归分析与相关分析的联系与区别： 两者的联系：①相关分析是回归分析的前提和基础；回归分析是相关分析的深入和继续。 ②相关分析需要依靠回归分析来表现变量之间的数量关系，而回归分析需要靠相关分析来表现变量之间数量变化的相关程度 ③只有当变量之间存在显著相关时，进行回归分析寻求其相关的具体形式才有意义。 两者的区别：①在回归分析中，y被称为因变量，处在被解释的特殊地位，而在相关分析中，x与y处于平等的地位，即研究x与y的密切程度和研究y与x的密切程度是一致的 ②相关分析可以不必确定变量中哪个是自变量，哪个是因变量，其所涉及的变量可以都是随机变量。而回归分析则必须事先研究确定具有相关关系的变量中哪个为自变量，哪个为因变量,通常被解释变量y是随机变量，解释变量x是非随机变量。 简单回归系数与偏回归系数的联系与区别： 联系：都是线性回归模型中的回归系数，表示解释变量的单位变动对被解释变量平均值的影响。 区别：①简单回归系数存在于简单线性回归模型中，表示模型中唯一解释变量的单位变动对被解释变量平均值的影响。 ②偏回归系数存在于多元线性回归模型中，偏回归系数βi（i＝1，2，，，，k）表示的是当控制其它解释变量不变的条件下，第i个解释变量的单位变动对被解释变量平均值的影响。 ③简单线性回归模型把许多未观测到的因素放入到扰动项中，从而使研究者无法通最小二乘法控制这些变量，因而回归系数所反映的并不是模型中的解释变量对应变量的净影响。所以一般简单回归系数的最小二乘是有偏和不一致的。 ④多元回归方程解决了实验科学中保持其他情况不变的问题，使对经济学的研究更具有“实验性”，这是简单线性回归不能做到的。 最小二乘法思想和公式 思想：估计的回归系数能使原有数列的实际数值与趋势线的估计数值的残差平方和最小 公式：P23 估计系数：使残差平方和最小的回归系数的估计 经典线性回归的基本假设： 1、随机扰动项的数学期望（均值）为0 2、随机扰动项方差相等 3、随机扰动项之间不存在相关关系 4、随机扰动性与解释变量不相关 5、随机扰动项为服从正态分布的随机变量 6、解释变量必须有足够的变异（为了使样本回归系数的值能够被计算出来） 总体回归模型与样本回归模型： 定义： 总体回归模型：在总体回归函数基础上，考虑进随机扰动项的影响。（总体回归函数：指在给定Xi下Y分布的总体均值与Xi所形成的函数关系或者说总体被解释变量的条件期望表示为解释变量的某种函数）。 样本回归函数：指从总体中抽出的关于Y，X的若干组值形成的样本所建立的回归函数。t检验是单个系数显著性的检验F检验是整个方程性的检验R方是反映拟合，F统计量是反映整体显著性。如果R方小，F检验通过表明模型解释变量只能解释一部分原因，遗漏了一些重要解释变量。 对于多元线性回归模型，为什么在进行了总体显著性F检验之后，还要对每个回归系数进行是否为0的t检验？? 答：多元线性回归模型的总体显著性F检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。通过F检验，就可以说模型中的全部解释变量对被解释变量的共同影响是显著的，但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著的。因此还需要就每个解释变量对被解