期末计量经济学公式.docxVIP

序 公式名 称 号 真实的回归模 型 估计的回归模 型 真实的回归函 数 估计的回归函 数 最小二乘估计公式 6 和 的方 差 的无偏估 计量 8 和 估计 的方差  计 算 公式 y t = 0 +1 x t + t u yt = + xt + E( yt ) = 0 + 1 xt = + xt b1 Y b2 X b2 xiyi Xi X Yi Y Xi Yi nXY x2 i 2 X 2 nX 2 i X X i = s 2 = 总平方和 TSS ( yt - 2 ) 回归平方和 RSS  2 ( - ) 误差平方和 ESS ( yt - ) 2 = ( ) 2 可决系数（确定系数） =RSS/TSS 检验 0 ， 1 是否为零的 t 统计量 14 1 的置信区间 - t ( T-2) 1 + t ( T-2) 单个 yT+1 的点 预测 =+ x T +1 E( yT +1) 的区间预测 单个 yT+1 的区间预测 样本相关系数 表 3.4 多元 性回 模型的主要 算公式 序号 公 式 名 称 算 公 式 1 真 的回 模型 Y = X + u 2 估 的回 模型 Y = X + 3 真 的回 函数 E(Y) = X 4 估 的回 函数 = X 5 最小二乘估 公式 = ( X X) -1 X Y 6 回 系数的方差 Var( ) = 2 ( X X) -1 7 的无偏估 量 = s2 = / ( T - k) 8 回 系数估 的方差 ( ) = ( X X) -1 9 回 平方和 SSR= = - T 10 平方和 SST Y Y - T = 11 残差平方和 SSE= 12 可决系数 13 整的可决系数 F 量 15 16  量 C = (1 xT+1 1 xT+1 2 ? xT +1 k-1 ) 点 公式 17 18 19 20 21 22 23  = C = 0 + 1 x T+1 1 + ? +k-1 x T+1 k-1 E( yT+1) 的置信区 C t s /2 (1, T - k) 个 yT+1 的置信区 C t s /2 ( T-k) 差 et = - yt , t = 1, 2, ? , T 相 差 PE = , t = 1, 2, ? , T 差均方根 差平均 相 差 平均 24 Theil 系数 25 26  偏相关系数 是控制 z t 不 条件下的 x t , t 的 相关系数。 y t 与 x t 1, x t 2, ?, tk – 1 的 y x 是 y 与 的 相关系数。其中 是 y x , x , ? x – 1 1 2 复相关系数 回 的 合 2：随机误差项的性质 （1）误差项代表了未纳入模型变量的影响； （ 2）即使模型中包括了决定数学分数的所有变 量，其内在随机性也不可避免，这是做任何努力都无法解释的； （ 3） u 代表了度量误差； （4）“奥卡姆剃刀原则” ，即描述应该尽可能简单，只要不遗漏重要的信息。 3：解释回归结果的步骤 1）看整个模型的显著性，看F 统计量的值；（ 2）看单个参数的显著性； 3）解释斜率的经济含义； （ 4）解释 R2。 4：古典线性回归模型的基本假定（同多元线性回归模型的基本假定相同） 1）所有自变量是确定性变量； 2） 3）自变量之间不存在完全多重共线性。 12：样本回归方程， ei 为残差项， Yi b1 b2 Xi ei 总体回归方程， ui 为随机误差项 Yi B1 B2 X i ui 5： ? 样本回归函数： b1 b2 Xi Yi 随机样本回归函数 ：Yi b1 b2 Xi ei 总体回归函数： E(Y | Xi ) B1 B2 Xi 随机总体回归方程： Yi B1 B2 Xi ui 观察值可表示为： Yi ? ei Yi Yi E(Y | Xi ) ui 6：普通最小二乘法就是要选择参数 b1 、 b2 ，使得参差平方和最小。 b1 Y b2 X 2 xiyi Xi X Yi Y XiYi nXY b xi2 Xi X 2 Xi2 nX 2 7： R2的计算公式： ( R2度量了回归模型对 Y 变异的解释比例 ) TSS：总离差平方和 ESS：回归平方和 RSS：残差平方和 1） TSS ESS RSS ESS RSS （2） 1 TSS TSS 3） R2ESS TSS 8： F 检验 ESS d. f . F RSS d. f . (b2 yt x2t b3 yt x3t ) 2 et2 (n 3) ~ F ( 2,