W-计量经济学公式概念.docVIP

. . . . 计量经济学概念公式 第1章 一、数据类型：截面、时间序列、面板 1. 横截面数据（cross-sectional data set） 定义：对给定的某个时间点的个人、家庭、企业、城市、洲、国家或者一系列其他单位采集的样本所构成的数据集。常被用于劳动经济学、健康经济学和农村经济学中。重要特征：数据假定是从总体中通过随机抽样而得到。 2. 时间序列数据（time series data） 定义：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。如我国国内生产总值从1949到2015的变化就是时间序列数据。 3. 面板或纵列数据（panel data） 定义：由数据集中每个横截面单位的一个时间序列组成 与混合横截面数据区别：面板数据的同一横截面数据单位都被跟踪了一段特定的时期。 面板数据前后年份的样本是相同的，具有可比性。但是混合横截面数据前后年份的样本很可能大部分不相同，不具有可比性。 面板数据的优点：对同一单位的多次观测，使我们能控制观测单位的某些观测不到的特征使我们能研究决策行为或结果中滞后的重要性。 四、用数据度量因果效应，其他条件不变的概念 1. 因果效应 经济学家的目标就是要推定一个变量对另一个变量具有因果关系我们希望去解释：什么导致一些事情发生？是这个因素还是那个因素？假设在现实世界中，X（自变量，一个可能的原因）确实是Y（因变量，被解释的变量），那我们就能预见数据分析支持以下假设：如果X的数值增加，Y的数值也增加。但由于存在误差或数据不足，统计检验可能出错或被错误地解释。 2. 其他条件不变（ceteris paribus） 意味着“其他（相关）因素保持不变”。在因果关系中，其他条件不变是具有重要作用的。多元回归中，所得到的“其他因素不变的效应”，并非是通过在实际抽样中，固定其他因素不变。多元回归分析的优势，在于它使我们能在非实验环境中去做自然科学家在受控实验中所能做的事情：保持其它因素不变。 第2章 一、回归分析的基本概念 现代意义的回归是一个被解释变量对若干个解释变量依存关系的研究，回归的实质是由固定的解释变量去估计被解释变量的平均值。 二、回归分析的常用术语 ——因变量、被解释变量、相应变量、被预测变量、回归子 ——自变量、解释变量、控制变量、预测变量、回归元、协变量 ——误差项、干扰项，表示除x之外其他影响y的因素，包括没有观测到的和不可观测到的 ——斜率参数，代表了回归元的边际效果，是研究的主要兴趣所在 ——截距参数 三、回归中的四个重要概念 总体回归模型（Population Regression Model，PRM) --代表了总体变量间的真实关系。 总体回归函数（Population Regression Function，PRF） --代表了总体变量间的依存规律。 样本回归函数（Sample Regression Function，SRF） --代表了样本显示的变量关系。 样本回归模型（Sample Regression Model，SRM） ---代表了样本显示的变量依存规律。 总体回归模型与样本回归模型的主要区别是： = 1 \* GB3 ①描述的对象不同。总体回归模型描述总体中变量y与x的相互关系，而样本回归模型描述所关的样本中变量y与x的相互关系。 = 2 \* GB3 ②建立模型的依据不同。总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。 = 3 \* GB3 ③模型性质不同。总体回归模型不是随机模型，而样本回归模型是一个随机模型，它随样本的改变而改变。 总体回归模型与样本回归模型的联系是：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。 四、线性回归的含义 线性：被解释变量是关于参数的线性函数（可以不是解释变量的线性函数），至于y和x与我们所关注的被解释变量和解释变量有何联系，并没有限制。 五、线性回归模型的基本假设 1. 简单线性回归的基本假定 对模型和变量的假定： 假定SLR.1：线性于参数 在总体模型中，因变量y与自变量x和误差（干扰）u的关系如下： 其中，和分别表示总体的截距和斜率参数。 假定SLR.2：随机抽样 我们具有一个服从总体模型方程的随机样本，其样本容量为n。 假定SLR.3：解释变量样本有波动性 x的样本结果即，不是完全相同的数值。 对随机扰动项u的假定（零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态性假定） 假定SLR.4：零均值假定 给定解释变量的任何值，误差的期望值都为零。换言之，。 假定SLR.5：同方差假定 给定解释变量的任何值，误差都具有相同的方差，换言之， 2. 多元线性回归模型的基本假定：