经济计量学考试重点.docVIP

经济计量学考试重点 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。用意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。前一个变量被称为被解释变量或应变量后一个变量被称为解释变量或自变量 总体回归函数（方程）：PRF由于统计相关的随机性，回归方程关心的是根据解释变量的已知或给定值，考察被解释变量的总体均值，即当解释变量取某个确定值时，与之统计相关的被解释变量所可能出现的对应值的平均值。 在给定解释变量条件下被解释变量的期望轨迹称为总体回归线，或更一般地称为总体回归曲线相应的函数（方程）： 总体回归函数（方程）（PRF）含义：回归函数（PRF）说明被解释变量的平均状态（总体条件期望）随解释变量X变化的规律 传统或经典方法论（建立模型）（一）理论模型的设计1、理论或假说的陈述；2、理论的数学模型的设定；3、理论的计量经济模型的设定；（二）获取数据（三）模型的参数估计（四）模型的检验1、经济意义的检验2、统计检验3、计量经济学检验4、预测检验（五）模型应用1、经济分析/构分析2、经济预测3、政策评价4、检验与发展经济理论 计量经济学模型成功的三要素理论、方法、数据 随机干扰项是在模型设定中省略下来而由集体地影响着被解释变量的全部变量的替代物 样本回归函数（SRF） 样本回归函数的随机形式 线性回归模型在上述意义上的基本假设：(1) 解释变量,,…是确定性变量，不是随机变量，而且解释变量之间互不相关。(2) 随机误差项具有０均值和同方差。即Ｅ()＝０　　i=1,2,…n Var()= i=1,2,…n其中E表示均值或期望，也可用Ｍ表示；Ｖar表示方差，也可以用Ｄ表示。(3) 随机误差项在不同样本点之间是独立的，不存在序列相关。即　Cov(,)=0 ij i,j=1,2,…n其中Ｃov表示协方差。(4) 随机误差项与解释变量之间不相关。即　Cov(,)=0 j=1,2,…k i=1,2,…n(5) 随机误差项服从０均值、同方差的正态分布。即 　 i=1,2,…n 一元线性回归模型的参数估计：普通最小二乘法估计已知一组样本观测值（,），（i=1,2,…n），要求样本回归函数尽可能好地拟合这组值，即样本回归线上的点与真实观测点的“总体误差”尽可能地小，或者说被解释变量的估计值与观测值应该在总体上最为接近，最小二乘法给出的判断的标准是：二者之差的平方和最小。即在给定样本观测值之下，选择出、能使与之差的平方和最小。为什么用平方和？因为二者之差可正可负，简单求和可能将很大的误差抵消掉，只有平方和才能反映二者在总体上的接近程度。这就是最小二乘原则。根据微积分学的运算，可推得用于估计、的下列方程组　　　　　　　　　　　　　 方程组(2.2.6)称为正则方程组 线性性：即是否是另一随机变量的线性函数；无偏性：即它的均值或期望值是否等于总体的真实值；有效性：即它是否在所有线性无偏估计量中具有最小方差。 高斯—马尔可夫定理：在给定经典线形回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量 普通最小二乘估计量OLS(ordinary least Squares)具有线性、无偏性、最小方差性等优良性质。具有这些优良性质的估计量又称为最佳线性无偏估计量，即BLUE估计量 总体方差在总体方差的无偏估计量求出后,估计的参数和的方差和标准差的估计量分别是的样本方差： 的样本标准差： 样本方差： 的样本标准差：的无偏估计量为 一元线性回归模型的统计检验1. 拟合优度检验：对样本回归直线与样本观测值之间拟合优度的检验。 度量拟合优度的指标：判定系数　　TSS=ESS+RSS 称为总离差分解式，说明Ｙ的观测值围绕其均值的总离差可分解为两部分，一部分来自回归线，另一部分则来自随机势力。称为（样本）判定系数，表明，在总离差平方和中，回归平方和所占的比重越大，残差平方和所占的比重越小，则回归直线与样本点拟合得越好。在回归分析中，是一个比r更有意义的度量，因为前者显示因变量的变异中由解释变量解释的部分占怎样一个比例，即对一个变量的变异在多大程度上决定另一个变量的变异，提供一个总的度量，而后者则没有这种价值存在 2.参数显著性检验（t检验）在一元线性回归模型中，在随机误差项为正态分布的假设下，由于~则可构造统计量 t =~ t(n-2)即该t统计量服从自由度为n-2的t分布。用t统计量进行参数显著性检验的步骤：对总体参数提出假设（原假设） ： ， （对立假设/备则假设） ： 以原假设构造t统计量，并由观测数据计算其值 t = 式中，为参数估计量的标准差：==给定显著