2009年级博士高级计量经济学指南.doc

2009级博士高级计量经济学学习指南 第一部分 条件期望与条件方差第二部分 古典假设与最小二乘 第三部分 最小二乘的有限样本第四部分 最小二乘的大样本性质第五部分 非球型扰动与广义回归模型 第六部分 异方差与自相关 第七部分 工具变量和两阶段最小二乘 第八部分 广义矩估计 第九部分 极大似然估计 第十部分 检验（Wald检验、检验和检验） 第十一部分 模型的设定和检验 第一部分 条件期望与条件方差 在正式进入计量经济学的学习之前，需要对条件期望以及条件方差熟练掌握，它们将在以后的学习中经常遇到。 一、条件期望 1、条件均值的定义 条件均值的定义为： 2、条件均值的性质 条件均值有几个简单而有用的性质： （1）条件期望的条件期望等于无条件期望。，其中，记号表示关于?x值的期望。 Interpretation: the expectation of Y can be calculated by first conditioning on X, finding E(Y |X) and then averaging this quantity with over X. Proof: We need to show: Where . We have . Continuous Case: ，and Q.E.D. 迭代期望律的一般表述方式 其中，，是的子集，为非随机函数。 语义：若已知的结论，我们也就知道的结论。 记： 则： Proof 需要较多的测度论的知识，这里只是加以说明证明的思路。 中，的信息多于。因此，当时，运用的信息，也可描述。例如，和分别为天平的砝码，为1克的集合，为5克的集合，因此，有。当我们用的信息描述时，也可以用的信息加以描述。 特例： 另外，也成立。 （2） （3） （4）为的标量函数，为随机变量，那么： （），表示时刻的信息集。 （6）对于任何二元变量的分布， 证明： 从这个公式中，我们需要理解线性回归中的两个古典假设： 由此零均值假定（在给定的条件下，的条件均值为零）与随机扰动项与解释变量不相关的假定，这将在以后的学习中经常提及。（7），在假设和条件下，有。其中，为任意函数。特殊情形，，。 证明： 又 3、条件方差的定义 条件方差的定义为： 它的简化公式为： 证明：（作业？？） （2）一个重要的方差分解定理： 在一个联合分布中有， 它表示，在一个二元分布中，y的方差可分解为条件均值函数的方差加上将此式变形即可得到： 它表示从平均意义上看，在条件约束下，条件化减少了变量的方差。我们有清楚的结论：y的条件方差不大于y的无条件方差。 （3） 证明： 利用性质：， 则： 小结： 1、方差分解定理可以表述为： 它表示，在一个二元分布中，y的方差可分解为条件均值函数的方差加上条件方差的期望。 在方差分解定理的公式中，是的方差，也就是回归式中的总离差平方和TSS。条件均值的方差是回归式中的回归平方和ESS；条件方差的期望是回归的残差平方和RSS。 （注意总体与样本的区别） 2、依据方差分解定理，可以构造R2统计量： 3、对方差分解定理进行简单的扩展，得到如下的表达式： 两边取期望，由迭代期望定理得到： 由于回归方程的总离差平方和TSS是不变的，因此，上式说明，在回归式中增加新的变量会使得可决系数增大。 第二部分 古典假设与最小二乘 一、背景 本部分开始我们正式进入计量经济学的学习。在计量经济学中，我们考察经济变量之间的相互关系，最基本的方法是回归分析。回归分析是计量经济学的主要工具，也是计量经济学理论和方法的主要内容。本部分从多元回归模型入手，对古典假设进行，然后就最小二乘估计法的算法、双残差回归和模型拟合优度的一些问题进行探讨。 二、知识要点 1、回归模型 2、古典假设 3、最小二乘法 4、双残差回归 5、方差分解和拟合优度 参考章节：Chapter2，Chapter 3 三、要点细纲 1、回归模型 一般的，我们可以将回归模型写为条件期望和条件异方差的和，即：。对于的讨论构成条件异方差自回归模型，我们这里仅考虑当条件方差为常数1时的情形，即：。 当取不同的形式时，也就构成了不同的模型，包括：线性、非线性和非参数等。我们这里的是线性