2023年計(jì)量經(jīng)濟(jì)學(xué)讀書筆記

計(jì)量經(jīng)濟(jì)學(xué)讀書筆記

第一部分基礎(chǔ)內(nèi)容

計(jì)量經(jīng)濟(jì)學(xué)與相關(guān)學(xué)科的關(guān)系

古典假設(shè)下計(jì)量經(jīng)濟(jì)學(xué)的建模過程

1.依據(jù)經(jīng)濟(jì)理論建立模型

2.抽樣數(shù)據(jù)收集

3.參數(shù)估計(jì)

4.模型檢驗(yàn)

(1)經(jīng)濟(jì)意義檢驗(yàn)(包括參數(shù)符號(hào)、參數(shù)大小等)

(2)統(tǒng)計(jì)意義檢瞼(擬合優(yōu)度檢臉、模型顯著性檢E僉、參數(shù)顯

著性檢驗(yàn))

(3)計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)(異方差檢驗(yàn)、自相關(guān)檢驗(yàn)、多重共線性

檢驗(yàn))

(4)模型預(yù)測(cè)性檢驗(yàn)(超樣本特性檢驗(yàn))

5.模型的應(yīng)用(結(jié)構(gòu)分析、經(jīng)濟(jì)預(yù)測(cè)、政策評(píng)價(jià)、檢驗(yàn)和發(fā)展經(jīng)

濟(jì)理論)

三、幾個(gè)重要的“變量”

1.解釋變量與被解釋變量

2.內(nèi)生變量與外生變量

3.滯后變量與前定變量

4.控制變量

四、回歸中的四個(gè)重要概念

1.總體回歸模型(PopuIationRegressionModeI,PRM)

%=+%一代表了總體變量間的真實(shí)關(guān)系。

2.總體回歸函數(shù)(PopuIationRegressionFunction,PRF)

E(yt)=%+々%一代表了總體變量間的依存規(guī)律。

3.樣本回歸函數(shù)(SampIeRegressionFunction,SRF)

/X/\

x=d+b\xt+，一代表了樣本顯示的變量關(guān)系。

4.樣本回歸模型(SampIeRegressionModeI,SRM)

/X/\

%=%+4七--代表了樣本顯示的變量依存規(guī)律。

總體回歸模型與樣本回歸模型的主要區(qū)別是：①描述的對(duì)象不同。

總體回歸模型描述總體中變量y與x的相互關(guān)系，而樣本回歸模

型描述所關(guān)的樣本中變量y與X的相互關(guān)系。②建立模型的依據(jù)

不同。總體回歸模型是依據(jù)總體全部觀測(cè)資料建立的，樣本回歸

模型是依據(jù)樣本觀測(cè)資料建立的。③模型性質(zhì)不同。總體回歸模

型不是隨機(jī)模型，而樣本回歸模型是一個(gè)隨機(jī)模型，它隨樣本的

改變而改變。

總體回歸模型與樣本回歸模型的聯(lián)系是：樣本回歸模型是總體回

歸模型的一個(gè)估計(jì)式，之所以建立樣本回歸模型，目的是用來估

計(jì)總體回歸模型。

五、隨機(jī)誤差項(xiàng)的內(nèi)容

1.模型中被忽略的影響因素的影響

2.模型關(guān)系設(shè)定不準(zhǔn)確的影響

3.變量的測(cè)量誤差影響

4.隨機(jī)因素影響

六、一元線性回計(jì)模型的基本假定（古典假定）

①零均值￡（%）=。

2

②同方差Var{ui）=cy

③無自相關(guān)性Cov^u^u.）=0

④解釋變量與隨機(jī)擾動(dòng)項(xiàng)巧不相關(guān)。皿為心）=0

⑤隨機(jī)擾動(dòng)項(xiàng)服從正態(tài)分布小?Ng,/）

⑥解釋變量之間不相關(guān)（多重共線性）Cou（x,.,Xj）=0（屬于多元

線性回歸假定）

七、OLS估計(jì)式特性（BestLinearUnbiasedEstimators）

＞線性性（Linear,指參數(shù)估計(jì)量百與4分別為觀測(cè)值/和隨機(jī)

誤差項(xiàng)“，的線性函數(shù)或線性組合）

＞無偏性（Unbiased,指參數(shù)估計(jì)量力）和百的均值分別等于總體

參數(shù)值/與4）

＞最小方差性（Best,有效性，指在所有的線性、無偏估計(jì)量中，

最小二乘估計(jì)量8。和勿的方差最?。?/p>

第二部分計(jì)量經(jīng)濟(jì)檢臉

在古典線性回歸模型中，應(yīng)用最小二乘法估計(jì)的估計(jì)量具有

BLUE的特性，但是當(dāng)模型不是線性模型和不滿足古典假設(shè)的時(shí)候，

最小二乘法估計(jì)的估計(jì)量不再有BLUE的特性。本部分主要解決非、

線性回歸模型和違反古典假設(shè)下的參數(shù)估計(jì)與假設(shè)檢驗(yàn)問題。

一、非線性回歸模型

1.可線性化模型

（1）雙對(duì)數(shù)模型（不變彈性模型）

Q=AIfK^eli—lnQ=lnA+alnL+/?lnK+〃

（2）半對(duì)數(shù)模型（不變?cè)鲩L(zhǎng)模型）

y=%In

Iny=b（）+4%+〃

（3）倒數(shù)模型（雙曲線模型）

,,1

y=d+4--\rU

X

1,1

_=b7（）—Fu

y%

（4）多項(xiàng)式模型

y=%+bixiH----Fbkxk+u

（5）成長(zhǎng)模型

A.Logistics成長(zhǎng)曲線

K

>777^其中/(，)=Q0++〃2廠+.??+〃/

k

簡(jiǎn)化式y(tǒng)blt

1+boe'

B.Gompertz成長(zhǎng)曲線

yt=e"，曲---ln(lnyt-K)=InZ?()+Z-In/?)

2.不可線性化模型

對(duì)于非線性化模型，一般采用高斯-牛頓迭代估計(jì)法進(jìn)行估計(jì)，

即將其展成泰勒級(jí)數(shù)之后，再利用迭代估計(jì)法進(jìn)行估計(jì)。

迭代估計(jì)法基本思想：通過泰勒級(jí)數(shù)展開先使非線性方程在某

一組初始參數(shù)估計(jì)值附近線性化，然后對(duì)這一線性方程應(yīng)用OLS法，得

出一組新的參數(shù)估計(jì)值。重復(fù)直至參數(shù)估計(jì)值妝斂為止。

二、違反古典假設(shè)的回歸模型

1.異方差性（針對(duì)古典假定②）

A概念：隨機(jī)誤差項(xiàng)小的方差不等于一個(gè)常數(shù)，即

04%區(qū)）=蘇工常數(shù)。=1,2,3,

B產(chǎn)生原因（遺漏了重要的解釋變量、模型形式有誤、統(tǒng)計(jì)

誤差、偶然隨機(jī)因素）

c后果（京廠（6）增大、無法計(jì)算估計(jì)誤差和估計(jì)區(qū)間、解釋

變量顯著性檢驗(yàn)失效t檢驗(yàn)失效、預(yù)測(cè)精度降

低）

D檢臉（圖示法、解析法Spearman等級(jí)相關(guān)系數(shù)檢臉、戈德

菲爾德一匡特GoIdfeId-Quandt檢臉、帕克

Park檢臉、格里瑟Glejser檢驗(yàn)、懷特White

檢驗(yàn)）一重點(diǎn)理解，要求解釋檢驗(yàn)過程

E措施（加權(quán)最小二乘法WLS）

2.自相關(guān)性（針對(duì)古典假定③）

A概念：在任何具體時(shí)期中，u值都與它自己以前的值（或

幾個(gè)數(shù)值）相關(guān)。

B產(chǎn)生原因（經(jīng)濟(jì)慣性、模型設(shè)定有誤、數(shù)據(jù)處理過程中產(chǎn)

生、蛛網(wǎng)現(xiàn)象、隨機(jī)現(xiàn)象本身原因）

C后果（參數(shù)估計(jì)量不再有效但仍無偏、估計(jì)誤差和估計(jì)區(qū)

間變大、t檢驗(yàn)失效、預(yù)測(cè)精度降低）

D檢臉（圖示法、D-W檢驗(yàn)）

（偏相關(guān)系數(shù)檢驗(yàn)、BG檢驗(yàn)）

E措施（廣義差分法）

3.多重共線性（針對(duì)古典假定⑥）

A概念：解釋變量之間存在精確的或近似的線性相關(guān)關(guān)系。

B產(chǎn)生原因（經(jīng)濟(jì)變量的內(nèi)在聯(lián)系、變量間有相同的變化趨