计量经济学复习【爆款】.doc

精选 计量经济学：是统计学、经济学、数学相结合的一门综合性学科，是一门从数量上研究物质资料生产、交换、分配、消费等经济关系和经济活动规律及应用的科学。其中经济学提供理论基础，统计学提供资料依据，数学提供研究方法。计量经济学的核心内容是模型参数的估计方法。 被解释变量:作为研究对象的变量，也就是因果关系中的“果”。在单一方程模型中，处于左端。解释变量：作为“原因”的变量，在单一方程模型中，处于右端。 计量经济学的目的：1、结构分析2、预测未来3、政策评价4、经济理论的检验与发展。 计量经济学研究问题的方法：1、建立模型2、参数估计3、检验模型4、经济预测。 常用的样本数据有三类：时间序列数据、截面数据和虚拟变量数据。 时间序列数据，是一批按照时间先后顺序排列的统计数据。截面数据，是一批发生在同一时间截面上的调查数据。 虚拟变量数据，也称为二进制数据，一般取0或1。虚拟变量经常被用在计量经济学模型中，以表征政策、条件等因素。 样本数据的质量可概括为：完整性、准确性、可比性、一致性。 随机扰动项产生的原因：⒈客观现象的随机性——引入随机扰动项的根本原因；⒉社会环境和自然环境的随机性；⒊模型省略了变量。被省略的变量包含在随机扰动项中；⒋测量与归并误差。测量误差致使观察值不等于实际值，汇总也存在误差；⒌数学模型形式设定造成的误差。由于认识不足或简化，将非线性设定成线性模型。经济计量模型的随机性，正是为什么要采用数理统计方法的原因。 最小二乘法：为了研究总体回归模型中变量X与Y之间的线性关系，需要求一条拟合直线。一条好的拟合直线应该是使平方和达到最小，以此为准则，确定X与Y之间的线性关系。 最小二乘估计量的统计性质：线性性、无偏性、最小方差性。 针对最小二乘法，线性回归模型的基本假设：⒈解释变量是确定型变量，且解释变量之间不相关；⒉随机误差项服从0均值且同方差；⒊随机误差项在不同样本之间独立，不存在序列相关；⒋随机误差项与解释变量之间不相关;⒌随机误差项服从0均值且同方差的正态分布 序列相关性：模型的随机误差违背了相互独立的基本假设的情况。 最小样本容量：从最小二乘原理和最大似然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。 异方差：随机误差项的方差受到解释变量的影响，随解释变量取值的变化而变化，称随机误差项存在异方差。变量为截面数据的模型更常出现异方差。 异方差的检验：图示法、Goldfeld-Quandt检验、Spearman等级相关系数检验、Glejser（戈里瑟）检验、Reset检验、White检验。 序列自相关：在经典线性回归模型基本假定3中，我们假设随机扰动项序列的各项之间不相关，如果这一假定不满足，则称之为自相关。即用符号表示为 自相关的原因：惯性，经济周期性；设定偏误：应含而未含变量的情形；蛛网现象；滞后效应；数据的“编造”，在经验分析中，许多数据是经过加工而成的；自相关也可能出现在横截面数据中，但更一般出现在时间序列数据中。 自相关的后果：OLS估计得到的虽然仍为线性、无偏估计，参数估计量非有效性；即使在大样本下仍不具有渐进有效性；变量的显著性检验失效；模型预测失败。 序列相关性的检验：图解法、DW检验(Durbin-Watson) 序列自相关的修正：差分法（ρ已知），Durbin两步法（ρ未知），迭代法（ρ未知） 多重共线性：对于模型 Yi=?0+?1X1i+?2X2i+?+?kXki+?i i=1,2,…,n 其基本假设之一是解释变量是互相独立的。如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。如果存在c1X1i+c2X2i+…+ckXki=0 i=1,2,…,n 其中: ci不全为0，则称为解释变量间存在完全共线性。如果存在c1X1i+c2X2i+…+ckXki+vi=0 i=1,2,…,n 其中ci不全为0，vi为随机误差项，则称为近似共线性或交互相关。 产生多重共线性的主要原因：（1）经济变量在时间上有共同变动的趋势。经济变量间的这种相关因素是造成多重共线性的主要根源；（2）某一变量及其滞后变量同时作为解释变量。几乎可以肯定带有解释变量滞后性的模型存在多重共线性；（3）样本资料的限制。 多重共线性的后果：1.完全共线性下参数估计量不存在；2.近似共线性下OLS估计量非有效；3.参数估计量经济含义不合理；4.变量的显著性检验失去意义；5.模型的预测功能失效。 多重共线性的检验方法：1.两个解释变量的相关性检验；2.多个解释变量的相关性检验；3.参数估计值的经济检验；4.参数估计值的稳定性；5.参数估计值的统计检验 多重共线性检验的任务：检验多重共线性是否存在；估计多重共线性的范围，即判断哪些变量之间存在共线性。 多重共线性的修正方法：