计量经济学高频考点.docVIP

计量经济学高频考点

以下是计量经济学中的一些高频考点：

一、基本概念

1.总体回归函数（PRF）与样本回归函数（SRF）

-总体回归函数

-描述被解释变量的均值与解释变量之间的关系，例如在一元线性回归模型中\(E(Y|X_i)=\beta_0+\beta_1X_i\)，其中\(\beta_0\)是截距项，\(\beta_1\)是斜率系数。

-样本回归函数

-基于样本数据得到的回归方程，如\(\hat{Y}_i=\hat{\beta}_0+\hat{\beta}_1X_i\)，\(\hat{\beta}_0\)和\(\hat{\beta}_1\)是总体参数\(\beta_0\)和\(\beta_1\)的估计值。

2.随机误差项与残差

-随机误差项（\(u_i\)）

-是总体回归函数中不可观测的误差，包含了除解释变量以外影响被解释变量的所有因素。它具有零均值、同方差、无序列相关等假设。

-残差（\(e_i\)）

-是样本回归函数中观测值\(Y_i\)与预测值\(\hat{Y}_i\)的差值，即\(e_i=Y_i-\hat{Y}_i\)。

二、普通最小二乘法（OLS）

1.OLS估计量的推导

-对于一元线性回归模型\(Y_i=\beta_0+\beta_1X_i+u_i\)，OLS的目标是最小化残差平方和\(\sum_{i=1}^{n}e_i^2=\sum_{i=1}^{n}(Y_i-\hat{\beta}_0-\hat{\beta}_1X_i)^2\)。

-通过对\(\hat{\beta}_0\)和\(\hat{\beta}_1\)求偏导数并令其为零，得到OLS估计量\(\hat{\beta}_1=\frac{\sum_{i=1}^{n}(X_i-\bar{X})(Y_i-\bar{Y})}{\sum_{i=1}^{n}(X_i-\bar{X})^2}\)和\(\hat{\beta}_0=\bar{Y}-\hat{\beta}_1\bar{X}\)。

2.OLS估计量的性质

-线性性：\(\hat{\beta}_0\)和\(\hat{\beta}_1\)是随机变量\(Y_i\)的线性组合。

-无偏性：\(E(\hat{\beta}_0)=\beta_0\)，\(E(\hat{\beta}_1)=\beta_1\)，即在重复抽样中，OLS估计量的均值等于总体参数。

-有效性（最小方差性）：在所有线性无偏估计量中，OLS估计量具有最小方差。

三、假设检验

1.单个系数的t检验

-检验原假设\(H_0:\beta_j=\beta_{j0}\)（通常\(\beta_{j0}=0\)）。

-统计量\(t=\frac{\hat{\beta}_j-\beta_{j0}}{s.e.(\hat{\beta}_j)}\)，其中\(s.e.(\hat{\beta}_j)\)是\(\hat{\beta}_j\)的标准误差。如果\(\vertt\vertt_{\alpha/2,n-k-1}\)（双侧检验），则拒绝原假设，\(t_{\alpha/2,n-k-1}\)是自由度为\(n-k-1\)（\(n\)是样本容量，\(k\)是解释变量个数）的\(t\)分布的上\(\alpha/2\)分位数。

2.总体显著性的F检验

-检验原假设\(H_0:\beta_1=\beta_2=\cdots=\beta_k=0\)。

-统计量\(F=\frac{(SSR/k)}{(SSE/(n-k-1))}\)，其中\(SSR\)是回归平方和，\(SSE\)是残差平方和。如果\(FF_{\alpha}(k,n-k-1)\)，则拒绝原假设。

四、多重线性回归

1.多重共线性

-概念

-解释变量之间存在完全或近似的线性关系。完全多重共线性会导致OLS估计量无法唯一确定；近似多重共线性会使估计量的方差增大，系数估计值不稳定，\(t\)检验不显著等问题。

-检测方法

-计算解释变量之间的相关系数矩阵，如果某些相关系数接近1或-1，则可能存在多重共线性；还可以通过辅助回归（将一个解释变量对其他解释变量进行回归），如果拟合优度\(R^2\)很高（接近1），也表明存在多重共线性。

2.模型选择准则

-可决系数（\(R^2\)）

-\(R^2=\frac{SSR}{SST}=1-\frac{SSE}{SST}\)，其中\(SST=\sum_{i=1}^{n}(Y_i-\b