计量经济学复习要点1.docxVIP

计量经济学复习要点 参考教材：伍德里奇 《计量经济学导论》 第 1 章 绪论 数据类型：截面、时间序列、面板 用数据度量因果效应，其他条件不变的概念 习题：C1、C2 第 2 章 简单线性回归 回归分析的基本概念，常用术语 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。 简单线性回归模型是只有一个解释变量的线性回归模型。 回归中的四个重要概念 1. 总体回归模型（ Population Regression Model ，PRM) yt 0 1x u -- 代表了总体变量间的真实关系。 t t 2. 总体回归函数（ Population Regression Function ，PRF） E( yt ) 0 1x -- 代表了总体变量间的依存规律。 t 3. 样本回归函数（ Sample Regression Function ，SRF） ? ? yt x e 0 1 t t -- 代表了样本显示的变量关系。 4. 样本回归模型（ Sample Regression Model ，SRM） y? ?0 ?1 --- t x t 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。 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） 线性回归模型的基本假设 简单线性回归的基本假定：对模型和变量的假定、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） 1 普通最小二乘法（原理、推导） 最小二乘法估计参数的原则是以“残差平方和最小” 。 Min i n 1 ? 2 (Y Y ) i i ? ? ( , )： 0 1 n ? 1 i 1 (X X )(Y Y ) i i n 2 ( X X ) i ， ?0 Y ?1 X i 1 OLS 的代数性质 2 拟合优度 R 离差平方和的分解： TSS=ESS+RSS “拟合优度” 是模型对样本数据的拟合程度。 检验方法是构造一个可以表征拟合程度的指 标 —— 判定系数又称决定系数。 （1） 2 SSE SST SSR 1 SSR SST SST SST R ，表示回归平方和与总离差平方和之比；反映了样 本回归线对样本观测值拟合优劣程度的一种描述； （2） 2 [0,1] R ； （3） 回归模型中所包含的解释变量越多， 2 R 越大！ 改变度量单位对 OLS统计量的影响 函数形式（对数、半对数模型系数的解释） （1） ? ? ? Y X ：X 变化一个单位 Y 的变化 i 0 1 i （2） ln Yi ln Xi : X 变化 1%，Y 变化 ?1 %，表示弹性。 ? ? ? 0 1 （3） ln ? ? ? Y X ：X 变化一个单位， Y 变化百分之 100 i 0 1 i ? 1 （4） Y? ? ? ln X ：X 变化 1%，Y 变化 ?1 %。 i 0 1 i OLS 无偏性，无偏性的证明 OLS 估计量的抽样方差 误差方差的估计 OLS 估计量的性质 （1）线性：是指参数估计值 y 0 和 1 分别为观测值 t 的线性组合。 （2）无偏性：是指 0 和 1 的期望值分别是总体参数 0 和 1。 （3）最优性（最小方差性） ：是指最小二乘估计量 0 和 1 在在各种线性无偏估计中，具有最 2 小方差。 高斯-马尔可夫定理 OLS 参数估计量的概率分布 Var 2 ^ ( ) 2 2 x i 2 OLS 随机误差项 μ的方差 σ 的估计 ^ 2 2 e i n 2 简单回归的高斯马尔科夫假定 对零条件均值的理解 习题：4、5、6；C2、C3、C4 第 3 章 多元回归分析：估计 1、变量系数的解释（剔除、控制其他因素的影响） ? ? ? ? Y X X i 0 1 1i 2 i 2 ? ? Y = Xβ+u ? 对斜率系数 ? 的解 释：在控制其他解释变量（ X2）不 2 -1 ? var( (XX) 1 变的条件下， X1 变化一个单位对 Y 的影响；或者，在剔除了其他解释变量的影响之后， X1 的变化对 Y 的单