計量經濟學+重點

1計量經濟學重點2第一章經濟計量學的特征及研究范圍31、經濟計量學的定義(P1)4(1)經濟計量學是利用經濟理論、數學、統計推斷等工具對經濟現5象進行分析的一門社會科學；6(2)經濟計量學運用數理統計學分析經濟數據，對構建于數理經濟7學基礎之上的模型進行實證分析，并得出數值結果。8 92、學習計量經濟學的目的(計量經濟學與其它學科的區(qū)別)(P1-P2) 10(1)計量經濟學與經濟理論11經濟理論：提出的命題和假說，多以定性描述為主13進行數值估計14(2)計量經濟學與數理經濟學15數理經濟學：主要是用數學形式或方程(或模型)描述經濟理論16計量經濟學：采用數理經濟學家提出的數學模型，把這些數學模17型轉換成可以用于經驗驗證的形式18(3)計量經濟學與經濟統計學19經濟統計學：涉及經濟數據的收集、處理、繪圖、制表20計量經濟學：運用數據驗證結論223、進行經濟計量的分析步驟(P2-P3) (1)建立一個理論假說(2)收集數據(3)設定數學模型26(4)設立統計或經濟計量模型27(5)估計經濟計量模型參數28(6)核查模型的適用性：模型設定檢驗29(7)檢驗源自模型的假設30(8)利用模型進行預測 324、用于實證分析的三類數據(P3-P4) 33(1)時間序列數據：按時間跨度收集到的(定性數據、定量數據)；34(2)截面數據：一個或多個變量在某一時點上的數據集合；35(3)合并數據：包括時間序列數據和截面數據。37同一個橫截面單位的跨期調查數據)39第二章線性回歸的基本思想：雙變量模型401、回歸分析(P18)41用于研究一個變量(稱為被解釋變量或應變量)與另一個或多個42變量(稱為解釋變量或自變量)之間的關系442、回歸分析的目的(P18-P19) 45(1)根據自變量的取值，估計應變量的均值；46(2)檢驗(建立在經濟理論基礎上的)假設；47(3)根據樣本外自變量的取值，預測應變量的均值；48(4)可同時進行上述各項分析。503、總體回歸函數(PRF)(P19-P22)51(1)概念：反映了被解釋變量的均值同一個或多個解釋變量之間的52關系53(2)表達式：i12i2i12ii58μi：隨機擾動項(隨機誤差項、噪聲)12i60μ：非系統/隨機部分i 624、隨機誤差項(P22) 65項的均值為066(2)性質 67①誤差項代表了未納入模型變量的影響；68②反映人類行為的內在隨機性；69③代表了度量誤差；70④反映了模型的次要因素，使得模型描述盡可能簡單。725、樣本回歸函數(P22-P25)73(1)概念：是總體回歸函數的近似74(2)表達式75①確定/非隨機樣本回歸函數：?=b+bXi12i2i12ii78e：殘差項(殘差)，e=Y-?iiii12i826、條件期望與非條件期望84可以通過X給定條件下的條件(概率分布)得到；85(2)非條件期望：在不考慮其他隨機變量取值情況時，某個隨機變86量的期望值。它可以通過該隨機變量的非條件分布或邊緣分布得到。886、線性回歸模型 89回歸參數為線性(B)的模型 917、回歸系數/回歸參數 948、回歸系數的估計量(b) 95說明了如何通過樣本數據來估計回歸系數Bs，計算出的回歸系96數的值稱為樣本回歸估計值 989、隨機總體回歸函數與隨機樣本回歸函數的關系 99(1)隨機樣本回歸函數：從所抽取樣本的角度說明了被解釋變量Yiii101(2)隨機總體回歸函數：從總體的角度說明了被解釋變量Y同解釋i102變量X及隨機誤差項μ之間的關系。i10410、關于線性回歸的兩種解釋(P25-P26)105(1)變量線性：應變量的條件均值是自變量的線性函數12i12i12i109*線性回歸在教材中指的是參數線性的回歸【精品文檔】11111、多元線性回歸的表達式(P26)12(1)確定/非隨機總體回歸函數：E(X)=B+BX+BX+BX122i33i44ii122i33i44ii11512、最小二乘法(OLS法)(P26-P28)116(1)最小二乘118原則對回歸模型中的系數進行估計的方法。119(1)表達式122(2)重要性質1124②殘差的均值()總為0；ii129第三章雙變量模型：假設檢驗 1301、古典線性回歸模型的假設(P41-P44) 131(1)回歸模型是參數線性的，但不一定是變量線性的：Y=B+BX+i12i132μi【精品文檔】133(2)解釋變量X與擾動誤差項μ不相關134(3)給定X，擾動項的期望或均值為0：E(μ|X)=0ii135(4)μ的方差為常數，或同方差：var(μ)=σ2(每個Y值以相ii136同的方差分布在其均值周圍，非這種情況為異方差)137(5)無自相關假定：兩個誤差項之間不相關，cov(μ，μ)=0ij138(6)回歸模型是正確假定的：實證分析的模型不存在設定偏差或設139定誤差、OLS估計量142運用最小二乘法計算出的總體回歸參數的估計量1443、普通最小二乘估計量的方差與標準誤(P44-P46)(1)(1)1146①方差：147147②標準誤：(2)149①方差：150150②標準差：(3)【精品文檔】153153(4)：回歸標準誤，常用于度量估計回歸線的擬合優(yōu)度，1564、OLS估計量的性質(P46)12121122bB1211221635、OLS估計量的抽樣分布或概率分布(P47-P48)12iiii11b122b21706、假設檢驗(P48-P53)171(1)使用公式(近似)【精品文檔】(2)方法間法②顯著性檢驗法：對統計假設的檢驗過程(3)幾個相關檢驗②雙邊檢驗：備擇假設是雙邊假設的檢驗③單邊檢驗：備擇假設是單邊假設的檢驗183183(1)重要公式：(TSS=ESS+RSS)①總平方和(TSS)=1185②解釋平方和(ESS)=：估計的Y值圍繞其均值(?=)的186變異，也稱為回歸平方和(由解釋變量解釋的部分)1187③殘差平方和(RSS)=：Y變異未被解釋的部分188(2)r2(判定系數)的定義：度量回歸線的擬合程度(回歸模型對Y189變異的解釋比例/百分比)(3)r2的性質(4)r2的計算公式195(5)r的計算公式【精品文檔】1988、同方差性199方差相同 2019、異方差性 202方差不同20410、BLUE206偏估計量中方差最小20811、統計顯著209拒絕零假設的簡稱211第四章多元回歸：估計與假設檢驗2121、三變量線性回歸模型i12t33ti122t33ti2162、偏回歸系數(B，B)： 23Y232 218變動量323220變動量2223、多元線性回歸模型的若干假定(P73-P74)223(1)回歸模型是參數線性的，并且是正確設定的232323227(3)誤差項的期望或均值為0：E(μ)=0i228(4)同方差假定：var(μ)=σ2iiiijXX不存在完全共線性，即兩個解釋變量之232間無嚴格的線性關系(X不能表示為另一變量X的線性函數)23i 2364、多重共線性問題 237(1)完全共線性：解釋變量之間存在的精確的線性關系238(2)完全多重共線性：解釋變量之間存在著多個精確的線性關系【精品文檔】2405、多元回歸函數的估計(P74-P75)2456、OLS估計量的方差與標準誤(P75-P76)246(1)b的方差與標準誤1249(2)b的方差與標準誤1252(3)b的方差與標準誤32567、多元判定系數(P76-P77)【精品文檔】2598、多元回歸的假設檢驗(P78)263(方法類似于第三章)2659、檢驗聯合假設(P80-P81)266(1)聯合假設：H：B=B=0(H：R=0)(多元回歸的總體顯著性檢02302267驗)268(2)三變量回歸模型的方差分析表變異來變異來源來自回歸(ESS)來自殘差(RSS)總計(TSS)2n-1MSSssd.f.平方和269(2)F分布公式27210、F與R之間的重要關系(P82-P83) 273(1)關系式【精品文檔】275(2)R2形式的方差分析表變異來源來源于回歸(ESS)來源于殘差(RSS)總和(TSS)平方和2n-1MSSSS/d.f.27711、設定誤差(P84)278會導致模型中遺漏相關變量28012、校正判定系數(P84-P85)281(1)作用282衡量了解釋變量能解釋的離差占被解釋變量總離差的283比例284(2)公式286(3)性質288正判定系數越來越小于非校正判定系數【精品文檔】289②雖然未校正判定系數R2總為正，但校正判定系數可能為負29113、受限最小二乘法(P86-P87)23293(2)非受限模型：包含了所有相關變量S296(5)判定對模型施加限制是否有效的F分布公式 29914、顯著性檢驗 (1)單個多元回歸系數的顯著性檢驗304④將t統計量的絕對值|t|同相應自由度和顯著性水平下的臨界305值相比較；t假設。該步驟中務必要使307用合適的單邊或雙邊檢驗。308(2)所有偏斜率系數的顯著性檢驗309①零假設：H：B=B=...=B=0，即所有的偏回歸系數均為0；023k【精品文檔】310②備擇假設：至少一個偏回歸系數不為0；F的臨界值，拒絕零假313設，否則接受；314⑤315(3)在(1)和(2)中可以不事先選擇好顯著性水平，只需得到相318第五章回歸模型的函數形式3191、不同的函數形式(P121)模型模型線性雙對數對數—線性線性—對數倒數逆對數形式斜率性3212、多元對數線性回歸模型(P104-P107)【精品文檔】 3243、線性趨勢模型(P110) 3274、多項式回歸模型(P116-P117)3305、過原點的回歸(P118)3336、標準化變量的回歸(P120)338第六章虛擬變量回歸模型 3391、虛擬變量(P133-P134) 340因變量受到一些定性變量的影響，這類定性變量稱為虛擬變量， 3432、虛擬變量陷阱(P136) 344引入的虛擬變量個數應該比研究的類別少一個，否則就會造成完【精品文檔】345全多重共線，即通常說的虛擬變量陷阱3473、虛擬變量回歸模型的類型348包含一個定量變量、一個定性變量的回歸模型349(1)只影響截距(加法模型)353(2)只影響斜率(乘法模型)357(3)同時影響截距與斜率(混合模型)3624、交互效應(P142)3665、分類變量和定性變量 367這類變量的取值不是一般的數據(數值變量或定量變量)，它們368通常代表所研究的對象是否具有的某種特征。 3706、方差分析模型(ANOVA) 371解釋變量僅包含定型變量或虛擬變量的回歸模型。3737、協方差分析模型(ANOCVA)374回歸模型中的解釋變量有些是線性的，有些是定量的。 3768、差別截距虛擬變量 377包含此變量的模型能夠分辨被解釋變量的均值在不同類別之間378是否相同。 3809、差別斜率虛擬變量 381包含此變量的模型能夠分辨不同類別之間被解釋變量均值變化382率的變化范圍384第七章模型選擇：標準與檢驗3851、好的模型具有的性質(P164-P165)386(1)簡約性：模型應盡可能簡單；387(2)可識別性：每個參數只有一個估計值；388(3)擬合優(yōu)度：用模型中所包含的解釋變量盡可能地解釋應變量的389變化；【精品文檔】390(4)理論一致性：構建模型時，必須有一定的理論基礎；(5)預測能力：選擇理論預測與實踐吻合的模型。(1)研究者對所研究問題的相關理論了解不深(2)研究者沒有關注本領域前期的研究成果(3)研究者在研究中缺乏相關數據(4)數據測量時的誤差3、設定誤差的類型(P165)400(1)遺漏相關變量：“過低擬合”模型(P165-P168)401實際模型：402估計模型：403后果：43212405也就是說，其均值或期望值與真實值不一致；406②a和a也是不一致的，即無論樣本容量有多大，偏差也不會消12407失；823322409致的；410④根據兩變量模型得到的誤差方差是真實誤差方差σ2的有偏估411計量；【精品文檔】⑤此外，通常估⑤此外，通常估計的估計量方差的2a2413有偏估計量。即使等于零，這一方差仍然是有偏的；415因此可能會“更頻繁地”接受零假設：系數的真實值為零。416(2)包括不相關變量：“過度擬合”模型(P168-169)417正確模型：418錯誤模型：419后果：420①過度擬合模型的估計量是無偏的(也是一致的)；421②從過度擬合方程得到的σ2的估計量是正確的；423然是有效的；型中估計的a是無效的——其方差比真實模型中b前者的假設檢驗是有效的?？傊?，428先性無偏估計量。429(3)不正確的函數形式(P170-171)431估計量。432(4)度量誤差433①應變量中度量誤差對回歸結果的影響【精品文檔】iiOLS方差也是無偏的；436iii.估計量的估計方差比沒有度量誤差時的大，因為應變量437中的誤差加入到了誤差項中。438②解釋變量的度量誤差對回歸結果的影響440ii.OLS估計量也是不一致的。442或替代變量。34444、設定誤差的診斷445(1)診斷非相關變量(P172-P174)446(2)對遺漏變量和不正確函數形式的檢驗(P174-P175)89450(3)在線性和對數線性模型之間選擇：MWD檢驗(P175-P176)1453數【精品文檔】4456④求458的，則拒絕H04459⑥求461則拒絕H1462(4)回歸誤差設定檢驗：RESET(P177-P178)466而考慮如下模型746468③令從以上模型中得到的為，從前一個方程得到的為46469，然后利用如下F檢驗判別從以上方程中增加的是否是統計470顯著的。1的顯著水平下計算的F值是統計顯著的，則認為原473始模型是錯誤設定的。4475第八章多重共線性：解釋變量相關會有什么后果4761、完全多重共線性(P183-P185)477回歸模型的某個解釋變量可以寫成其他解釋變量的線性組合。 478設X可以寫成其他某些解釋變量的線性組合，即：223344kk480至少有一個a≠0,(i=2,3,…k)稱存在完全多重共線性i14822、高度多重共線性(P185-P187)483X與其他解釋變量高度共線性，即可以近似寫成其他解釋變量的2484線性組合23344kk486至少有一個a≠0,(i=2,3,…k),v是隨機誤差項。ii74883、產生多重共線的原因489(1)時間序列解釋變量受同一因素影響490經濟發(fā)展、政治事件、偶然事件、時間趨勢491經濟變量的共同趨勢492(2)模型設立：解釋變量中含有當期和滯后變量34944、多重共線性的理論后果(P187-P188)495OLS估計量仍然是最優(yōu)無偏估計量近似共線性的情形下，OLS估計量仍然是無偏的；497(2)近似共線性并未破壞OLS估計量的最小方差性；498(3)即使在總體回歸方程中變量X之間不是線性相關的，但在某個 5015、多重共線性的實際后果(P188-P189)S(2)置信區(qū)間變寬；(3)t值不顯著；(4)R2值較高；506(5)OLS估計量及其標準誤對數據的微小變化非常敏感507(6)回歸系數符號有誤；508(7)難以評估各個解釋變量對回歸平方和(ESS)或者R2的貢獻5106、多重共線性的診斷(P189-P192)511(1)觀察回歸結果514少有)變量系數是統計顯著的。515(2)簡單相關系數法516解釋變量兩兩高度相關。517變量相關系數比如超過0.8，則可能存在較為嚴重的共線性。519(3)檢查偏相關系數(不一定可行)520(4)判定系數法(輔助回歸)521某個解釋變量對其余的解釋變量進行回歸【精品文檔】i523共線524(5)方差膨脹因子 5277、多重共線性的補救(P195-P198) 528(1)從模型中刪除引起共線性的變量530克服多重共線性問題的方法)。回歸法533如果擬合優(yōu)度變化顯著—新引入的變量是一個獨立解釋變量；534選擇解釋變量的原則:t537ii.逐步剔除538①排除變量時應該注意：539i.由實際經濟分析確定變量的相對重要性，刪除不太重要的540變量；541ii.如果刪除變量不當，會導致模型設定誤差。542(2)獲取額外的數據或新的樣本543(3)重新考慮模型【精品文檔】544(4)先驗信息545(5)變量變換547將原模型變換為差分模型549可有效消除存在于原模型中的多重共線性550一般，增量之間的線性關系遠比總量之間的線性關系弱得多。552第九章異方差：如果誤差方差不是常數會有什么后果5531、異方差的定義554隨機誤差項u的方差隨著解釋變量X的變化而變化，即：ii5572、異方差的性質(P205-P208)558OLS估計仍是線性無偏，但不具最小方差559(1)線性性561(2)無偏性563(3)方差【精品文檔】5673、異方差性的后果(P209-P210)568經典模型假定下，OLS估計量是最優(yōu)線性無偏估計量(BLUE)。569去掉同方差假定：572(3)OLS估計量不再具有最小方差性，即不再是最優(yōu)(有效)估計573量。S575(5)偏差的產生是由于，即不再是真實σ2的無偏估計576量；578如果沿用傳統的檢驗方法，可能得出錯誤的結論。 5804、異方差的檢驗 581(1)圖形檢驗(P211-P212)【精品文檔】583(2)帕克檢驗(ParkTest)(P212-P214)584假定誤差方差與解釋變量相關形式：588②對e求平方，取對數i589③做輔助回歸2591(3)格萊澤檢驗(GlejserTest)(P214)592假定誤差方差與解釋變量相關形式：i做輔助回歸方程2599(4)懷特檢驗(WhiteTest)(P215-P216)600假定誤差方差與X、X和交叉乘積呈線性關系2602步驟：【精品文檔】60603①OLS估計得殘差604②做輔助回歸605③檢驗統計量6075、異方差的修正608(1)加權最小二乘法WLS(WeightedLeastSquares)(P217-P222)609①方差已知610原模型：611611加權后的模型：6613加權的權數：614②方差未知i617模型變換：621模型變換： 623(2)懷特異方差校正的標準誤(P222-P223)624①如果存在異方差，則對于通過OLS得到的估計量不能進行t626②懷特估計方法630第十章自相關：如果誤差項相關會有什么結果6311、自相關的定義(P233)632按時間或空間順序排列的觀察值之間存在的相關關系。 6342、自相關的性質(P233-P234) 635(1)若古典線性回歸模型中誤差項ui不存在自相關636Cov(ui