计量期末复习笔记.docxVIP

一、名词解释（要点）1随机扰动项代表那些对解释变量有影响但又未纳入模型的其他因素。2多重共线性 指多个解释变量间存在线性相关的情形。如果存在完全的线性相关性，则模型的参数就无法求出，OLS回归无法进行。3异方差对于不同的解释向量，被解释变量的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。4相关关系指经济变量之间具有相互依存关系。5自相关 指总体回归模型的随机误差项之间存在相关关系。6最小二乘法又称最小平方法，指根据残差平方和最小的原则确定样本回归函数的方法。7高斯-马尔可夫定理若一元线性模型满足计量经济基本假设，则参数的最小二乘估计(OLS)是最小方差的线性无偏估计。8计量经济学广义计量经济学：利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。狭义计量经济学：以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。9拟合优度指回归直线对观测值的拟合程度。10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）。11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。12时间序列数据在不同时间点上收集到的数据，这类数据反映了某一事物、现象等随时间的变化状态或程度。二、其他知识要点（答案来自我的上课笔记，即老师上课讲义的版本，不是书本的版本，书本的页码已标注，教材：《计量经济学》 庞皓 第三版）1简单线性回归的基本假定 P26①零均值假定（随机扰动项的条件均值为零）②同方差假定（随机扰动项的条件方差等于一个常数）③无自相关假定（随机扰动项的逐次值互不相关）④正态性假定（随机扰动项服从正态分布）⑤随机扰动项与解释变量不相关2异方差的后果及其补救措施 P116 P112 课件后果：①β估计量无偏（这一条并不是不良影响）②β估计量非有效(异方差不良影响的根源)1、直接计算公式错误2、考虑存在异方差时，的最小二乘估计不是β的有效估计③t检验、f检验失效补救措施：①加权最小二乘法②对数变换法3多重共线性的后果及其补救措施 P97 P102完全多重共线性后果：最小二乘估计得不到结果近似或高度共线性的后果：①最小二乘估计仍为最优线性无偏估计，但估计量的方差增大，估计精度降低。②参数区间估计的置信区间变得更宽，使得在假设检验时更容易接受原假设。③多个系数的t统计量的值倾向于不显著，但是拟合系数R2却有可能很高。（判断共线性的经验法则）④最小二乘估计的结果此时对数据的变动非常敏感。（个别数据调整会导致最小二乘结果发生巨大变化）补救措施：①增加样本（将向量延长）②剔除变量（逐步添加、逐步删除、最优子集）③岭回归法4 D-W检验的适用情况 P144D-W检验的使用前提条件：①解释变量X为非随机的②随机误差项为一阶自回归形式③线性模型的解释变量中不包含滞后的被解释变量④截距项不为零，即只适用于有常数项的回归模型⑤数据序列无缺失项5偏回归系数与简单线性回归系数的不同点课后思考题3.2多元线性回归模型中，回归系数（＝１，２，…，）表示的是当控制其它解释变量不变的条件下，第个解释变量的单位变动对被解释变量平均值的影响，这样的回归系数称为偏回归系数。简单线性回归模型只有一个解释变量，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。多元线性回归模型中的回归系数是偏回归系数，是当控制其它解释变量不变的条件下，某个解释变量的单位变动对被解释变量平均值的影响，从而可以实现保持某些控制变量不变的情况下，分析所关注的变量对被解释变量的真实影响。6随机扰动项与残差的区别 课后思考题2.3总体回归函数中，被解释变量个别值与条件期望的偏差是随机扰动项。样本回归函数中，被解释变量个别值与样本条件均值的偏差是残差项。残差项在概念上类似总体回归函数中的随机扰动项，可视为对随机扰动项的估计。总体回归函数中的随机误差项是不可以直接观测的；而样本回归函数中的残差项是只要估计出样本回归的参数就可以计算的数值。7可决系数（拟合系数）的计算 P36R2=ESS/TSS=1-RSS/TSS8多重可决系数 P74R2=ESS/TSS=1-RSS/TSS多重拟合系数是介于0和1之间的一个数。R2越接近1，模型对数据的拟合程度越好。9可决系数的缺陷随着模型中解释变量个数的增加，拟合系数R2往往会增大。10修正的可决系数的计算P75修正的可决系数2=1-（1-R2）若没有时，则2=1-（1-R2）11随机扰动项方差