(完整word版)庞浩计量经济学复习重点整理版.docVIP

计量经济学复习重点总结 任课老师：姜婷  By fantasy 题型：单选 20*2 多选 5*3 判断 5*3 计算 3*10 第一章 导论 计量经济学数据类型 ： 时间序列数据： 把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 （如 月度 .季度 .年度）排列起来，这样的统计数据称为时间序列数据。时间序列数据可以是时期数 据，也可以是时点数据。如 逐年的 GDP CPI 截面数据： 同一时间（时期或时点）某个指标在不同空间的观测数据。如 某一年各省 GDP 面板数据：指时间序列数据和截面数据相结合的数据。 如在居民收支调查中收集的对各个固定 调查户在不同时期的调查数据。 虚拟变量数据： 某些客观存在的定性现象，如政策、自然灾害、战争等等 第二章 简单线性回归模型 总体回归函数的表示形式： 条件期望形式： 个别值形式： 样本回归函数的表示形式： 条件均值形式 个别值形式 随机扰动项和残差项的区别和联系： 区别：随机扰动项代表总体的误差，反应了未知因素、模型设定误差、变量观测误差；残差代 表样本的误差，残差 =随机误差项 +参数估计误差。随机扰动项无法直接观测；残差的数值可 以求出。联系：残差概念上类似于随机扰动项， 将残差引入样本回归函数和随机引入总体回归 函数的理由是相同的。 简单线性回归的基本假定： P31 随机扰动项和解释变量不相关假定， 零均值假定： 同方差假定： 正态性假定： 无自相关假定： 采用普通最小二乘法拟合的样本回归线的性质： P34 回归线通过样本均值： Yi 估计值的均值等于实际值的均值： 剩余项的均值为零： 被解释变量估计值与剩余项不相关： 解释变量与剩余项不相关： OLS 估计式的统计性质： P36 BLUE最佳线性无偏估计量）线性特性：无偏性： 最小方差性： 可决系数： R2=ESS/TSS=1-RSS/TSS 回归系数的假设检验： t 检验选取的统计量及其服从的分布 P48 回归模型结果的经济含义分析： 练习题： 2.7 和 2.9 2.7 设销售收入 X 为解释变量，销售成本 Y 为被解释变量。现已根据某百货公司某年 12 个月的有关资料 计算出以下数据： （单位：万元） ( X t X )2 425053.73 X 647. 88 (Y Y ) 2 262855.25 Y 549.8 t ( X t X )(Yt Y ) 334229.09 1） 拟合简单线性回归方程，并对方程中回归系数的经济意义作出解释。 2） 计算可决系数和回归估计的标准误差。 3） 对 2 进行显著水平为 5%的显著性检验。 （4） 假定下年 1 月销售收入为 800 万元，利用拟合的回归方程预测其销售成本，并给出置信度为 95%的 预测区间。 (1) 建立回归模型 : Yi1 2 X iui ? (X i X )(Yi Y ) xi yi 334229.09 用 OLS法估计参数 : 0.7863 2 ( X i X ) 2 xi2 425053.73 ? Y ? 549.8 0.7863 647.88 66.2872 1 2 X 估计结果为 : ? 66.2872 0.7863X i Yi 说明该百货公司销售收入每增加1 元, 平均说来销售成本将增加 0.7863 元。 (2)计算可决系数和回归估计的标准误差 可决系数为： 2 y?2 ( ? x 2 ? 2 x 2 R i 2 i ) 2 i yi 2 yi2 yi2 0.78632 425053.73 262796.99 0.999778 262855.25 262855.25 由 r 2 ei2 ei2 (1 R2 ) yi2 1 可得 yi2 ei2 (1 R2) yi2 (1 0.999778) 262855.25 58.3539 回归估计的标准误差 : ? ei2 ( n 2)58.3539 (12 2) 2.4157 对 2 进行显著水平为 5%的显著性检验 * ? 2 ? t 2 2 ~ t( n 2) ^ ^ SE( ?2 ) SE( ?2 ) ^ ? 2.4157 2.4157 SE( ?2 ) xi2 0.0037 425053.73 651.9614 t * ? 0.7863 ^ 2 212.5135 SE( ?2 ) 0.0037 查表得 0.05时 , t0.025 (12 2) 2.228 t* 212.5135 表明 2 显著不为 0, 销售收入对销售成本有显著影响 . (4) 假定下年 1 月销售收入为 800 万元，利用拟合的回归方程预测其销售成本，并给出置信度为 95%的预 测区间。 ? Yi 66.2872 0.7863X