计量经济学小抄.docVIP

计量经济学的研究步骤：模型设定 估计参数 模型检验 模型应用 流量：一定时期内累计发生的数量 存量：某一试点所存在状态的总量 解释变量：被解释变量变动原因的变量 被解释变量：表示分析研究的对象，作为变动结果的变量 内生变量：数值由模型决定的变量 外生变量：数值由模型以外决定的变量 滞后的内生变量：过去时期的内生变量 时间序列数据：反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔排列起来 截面数据：同一时间某个指标在不同空间的观测数据 面板数据：时间序列数据和截面数据形结合 虚拟变量数据 总体回归函数：将总体被解释变量Y的条件期望表现为解释变量X的函数 线性函数：模型就参数而言是线性的，而结实变量可以是线性也可以是非线性。 随机扰动项：代表着那些对Y有影响但又未纳入模型的诸多因素的综合影响 样本回归函数（SRF）：把被解释变量Y的样本条件均值表示为解释变量X的某种函数 简单线性回归的基本假定：零均值假定 同方差 无自相关 与被解释变量X不相关 正态性 OLS回归线的性质：1.必然通过（,)2.估计值Y的均值等于实际值Y的均值 3.剩余项的均值为零4.被解释变量估计值Y与剩余项不相关 5.解释变量与剩余项不相关 最小二乘估计式的统计性质：无偏性 有效性 一致性 随机误差项ui和残差项ei的区别与联系。ui 是观察值Yi围绕它的期望值E的离差，是一个不可观测的随机变量。ei 是残差项，代表了其他影响Yi的随机因素的集合。总的来说，ui 是相对与 整体而言的，是整体模型的随机干扰项，ei 是相对与样本而言的，是样本的残差项。 多元线性回归模型的古典假定：1.零均值假定，2.同方差和无自相关假定3.随机扰动项与解释变量不相关假定4.无多重共线性假定5.正态性假定 在多元线性回归分析中，检验与检验有何不同？在一元线性回归分析中二者是否有等价的作用？ F检验：旨在对模型中解释变量和被解释变量之间的线性关系在总体上是否显著成立作出推断 T检验：方程的总体线性关系显著≠每个解释变量对被解释变量都是显著的，因此，必须队每个解释变量进行显著性检验，以决定是否座位解释便来那个被保留在模型中。 多重共线性：解释变量之间的精确的或者近似的线性关系 背景：经济变量之间具有共同变化趋势 模型中包含之后变量 利用截面数据建立模型 样本数据自身原因 多重共线性的后果：理论后果：OLS估计量依旧是最佳线性无偏估计量（blue）. 后果：OLS估计量的方差和标准误较大；置信区间较宽；t检验不显著；R2较高，但t检验并不都是不显著；OLS估计量及其标准误很不稳定；回归系数符号有误；难以评估各个解释变量对回归平方和或者R2的贡献。 异方差性：被解释变量观测值的分散程度岁解释变量的变化而变化。 产生异方差的原因：1.模型设定误差2.测量误差的变化3.截面数据中总体各单位的差异 异方差性的后果：1.参数的OLS估计仍然具有无偏性2.方差不再是最小的3.严重破坏t检验和F检验的有效性 4.对Y的预测将不是有效的，预测精度也会下降 异方差性的检验：1.图示检验法 2.戈德菲尔德-夸特（Goldfeld-Quanadt） 前提条件：适用于大样本，除了同方差假定不成立外，其他假定均满足 看法：在两次回归结果中找到（SUM squared resid)项，读取其数据，然后相除，然后查出相应的F统计量进行比较，如果大于，则有异方差性。3.White检验，特点：不仅能检验异方差存在性，还能判断是哪一个变量引起。看法：找到（Obs R-squared)项，查相应X2分布表，如果大于，则有。 ARCH检验，看法与WHITE一样 加权最小二乘法：存在异方差时，方差越小，其样本偏离均值的程度越小，观测值应受到重视，反之。在拟合时，对不同的方差区别对待，对较小方差给予更大权数，反之。 自相关：总体回归模型的随机误差项存在相关关系 自相关产生原因：经济系统的惯性，经济活动的滞后效应，数据处理造成的相关，蛛网现象，模型设定偏误 DW检验法：前提：解释变量X为非随机，随机误差项为一阶自回归形势，解释变量中不包含滞后的被解释变量，截距项不为0，数据序列无缺失项。 看法：根据样本容量n和解释数量的数目（不包括常数项）k，查DW分布表，得临界值和，0=DW= 正相关,DW=,不能判断,DW4-,无自相关，4-=DW=4-,不能判断，4-=DW=4负相关 相关系数：普通最小二乘法(OLS):使剩余项ei越小越好 min TSS（总变差，总离差平方和）：被解释变量Y的样本观测值与其平均值的离差平方和 ESS（回归平方和）：被解释变量Y的样本估计值与其平均值的离差平方和 RSS（残差平方和