計(jì)量經(jīng)濟(jì)學(xué) 知識(shí)點(diǎn)及關(guān)鍵詞解釋 第1-9章 緒論-計(jì)量經(jīng)濟(jì)學(xué)綜合實(shí)驗(yàn)

計(jì)量經(jīng)濟(jì)學(xué)知識(shí)點(diǎn)

第一章緒論

一、知識(shí)點(diǎn)列表

序號(hào)知識(shí)點(diǎn)頁(yè)碼教材章節(jié)

1計(jì)量經(jīng)濟(jì)學(xué)的定義P11.1.1

2經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)P2-P31.1.2

3現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)P3-P81.1.2

4建立計(jì)量經(jīng)濟(jì)學(xué)模型的主要步驟P81.1.3

5計(jì)最經(jīng)濟(jì)學(xué)應(yīng)用研究中的數(shù)據(jù)結(jié)構(gòu)類型P91.1.4

6Stata軟件的基本操作P10-P181.3

二、關(guān)鍵詞

1、計(jì)量經(jīng)濟(jì)學(xué)的定義

關(guān)鍵詞：計(jì)量經(jīng)濟(jì)學(xué)

計(jì)量經(jīng)濟(jì)學(xué)是誕生于20世紀(jì)30年代的經(jīng)濟(jì)學(xué)的一個(gè)分支學(xué)科，是以揭示經(jīng)濟(jì)活動(dòng)

中客觀存在的數(shù)量關(guān)系為內(nèi)容的分支學(xué)科；是經(jīng)濟(jì)理論、統(tǒng)計(jì)學(xué)和數(shù)學(xué)的結(jié)合。計(jì)量經(jīng)濟(jì)學(xué)

作為一種實(shí)證經(jīng)濟(jì)研究方法，其核心問題就是如何實(shí)現(xiàn)經(jīng)濟(jì)理論、數(shù)學(xué)和統(tǒng)計(jì)學(xué)的科學(xué)的結(jié)

合。

2、經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)

關(guān)鍵詞：經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)

經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)是在20世紀(jì)30年代創(chuàng)立、40-50年代發(fā)展、60年代擴(kuò)張。它倡導(dǎo)

“經(jīng)濟(jì)理論、數(shù)學(xué)、統(tǒng)計(jì)學(xué)結(jié)合”的本質(zhì)，具有堅(jiān)實(shí)的概率論基礎(chǔ)，注重“利用現(xiàn)有的數(shù)據(jù)

資料以提取關(guān)于經(jīng)濟(jì)如何運(yùn)行的信息”，以及它遵循“關(guān)于經(jīng)濟(jì)活動(dòng)的觀察（即行為分析）

一關(guān)于經(jīng)濟(jì)理論的抽象（即理論假說）一建立總體回歸模型一獲取樣本觀測(cè)數(shù)據(jù)一估計(jì)模型

一檢驗(yàn)?zāi)Ｐ鸵粦?yīng)用模型”的研究步驟

3、現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)

關(guān)鍵詞：現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)

現(xiàn)代經(jīng)濟(jì)計(jì)量經(jīng)濟(jì)學(xué)是在經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)長(zhǎng)足發(fā)展上展開,其目的是如何在模型研究中

充分利用“現(xiàn)有的數(shù)據(jù)資料”，使其所揭示和描述的“經(jīng)濟(jì)如何運(yùn)行的信息”與現(xiàn)實(shí)的經(jīng)濟(jì)

運(yùn)行實(shí)際更加吻合。目前.現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)正在快速發(fā)展，其主要研究分支有：時(shí)間月列計(jì)

量經(jīng)濟(jì)學(xué)(TimeSeriesEconometrics)、微觀計(jì)量經(jīng)濟(jì)學(xué)(Microeconometrics)、非參數(shù)計(jì)

量經(jīng)濟(jì)學(xué)(NonparametricEconometrics)面板數(shù)據(jù)計(jì)量經(jīng)濟(jì)學(xué)(PanelDataEconometrics)

(包括空間計(jì)量經(jīng)濟(jì)學(xué)(SpatialEconometrics))o

4、計(jì)量經(jīng)濟(jì)學(xué)應(yīng)用研究中的數(shù)據(jù)結(jié)構(gòu)類型

關(guān)鍵詞：橫截面數(shù)據(jù)

橫截面數(shù)據(jù)是對(duì)給定的某個(gè)時(shí)間點(diǎn)的個(gè)人、家庭、企業(yè)、城市、國(guó)家或者一系列其他單

位采集的樣本所構(gòu)成的數(shù)據(jù)集。它的重要特征是數(shù)據(jù)假定是從總體中通過隨機(jī)抽樣而得到。

經(jīng)典計(jì)量模型理論以該類數(shù)據(jù)為基礎(chǔ)。

關(guān)鍵詞：時(shí)間序列數(shù)據(jù)

時(shí)間序列數(shù)據(jù)是在不同時(shí)間點(diǎn)卜收集到的數(shù)據(jù),反映了某一事物、現(xiàn)象等隨時(shí)間的變化

狀態(tài)或程度。并且時(shí)間序列獨(dú)有的特征是觀測(cè)值按時(shí)間先后排序使得其傳遞了潛在的重.要信

息。

關(guān)鍵詞：面板數(shù)據(jù)

面板數(shù)據(jù)是由數(shù)據(jù)集中每個(gè)橫截面單位的一個(gè)時(shí)間序列組成，面板數(shù)據(jù)前后年份的樣本

是相同的，具有可比性。面板數(shù)據(jù)對(duì)同一單位的多次觀測(cè)，使研究者能控制觀測(cè)單位的某些

觀測(cè)不到的特征。

第二章一元線性回歸模型

一、知識(shí)點(diǎn)列表

序號(hào)知識(shí)點(diǎn)頁(yè)碼教材章節(jié)

1回歸分析基本概念P12.1.1

2回歸模型的設(shè)定P1-P22.1.2

3一元線性回歸模型中對(duì)模型的假設(shè)P32.2.1

4一元線性回歸模型中對(duì)解釋變量的假設(shè)P32.2.1

5一元線性回歸模型中對(duì)隨機(jī)干擾項(xiàng)的假P3

2.2.1

設(shè)

6普通最小二乘法P3-P52.3.1

7最小二乘估計(jì)量的統(tǒng)計(jì)性質(zhì)P5-P62.3.2

8一元線性回歸模型中的假設(shè)檢驗(yàn)P62.4.1

9一元線性回歸模型中的回歸系數(shù)的顯著

P72.4.2

性檢驗(yàn)

10一元線性回歸模型的Stata軟件操作P8-P172.5

二、關(guān)鍵詞

1、回歸分析基本概念

關(guān)鍵詞：回歸分析

在計(jì)量經(jīng)濟(jì)學(xué)中，回歸分析方法是研究某一變量關(guān)于另一（些）變量間數(shù)量依賴關(guān)系的

一種方法，即通過后者觀測(cè)值或預(yù)設(shè)值來估計(jì)或預(yù)測(cè)前者的（總體）均值。問歸的主要作用

是用來描述自變量與因變量之間的數(shù)量關(guān)系，還能夠基于自變量的取值變化對(duì)因變量佗取值

變化講行預(yù)測(cè)，也能夠用來揭示自變量與因變量■之間的因果關(guān)系

關(guān)鍵詞：解釋變量、被解釋變量

影響被解稱變量的因素或因子記為解釋變量，結(jié)果變量被稱為被解釋變量。

2、回歸模型的設(shè)定

關(guān)鍵詞：隨機(jī)誤差項(xiàng)（隨機(jī)干擾項(xiàng)）

不包含在模型中的解釋變量和其他一些隨機(jī)因素對(duì)被解釋變量的總影響稱為隨機(jī)誤差

項(xiàng)。產(chǎn)生隨機(jī)誤差項(xiàng)的原因主要有：（1）變量選擇上的猊差；（2）模型設(shè)定上的誤差；（3）

樣本數(shù)據(jù)誤差；（4）其他原因造成的誤差。

關(guān)鍵詞：殘差項(xiàng)（residual）

通過樣本數(shù)據(jù)對(duì)回歸模型中參數(shù)估計(jì)后，得到樣本回歸模型。通過樣本回歸模型計(jì)算得

到的樣本估計(jì)值與樣本實(shí)際值之差，稱為殘差項(xiàng)。也可以認(rèn)為殘差項(xiàng)是隨機(jī)誤差項(xiàng)的估計(jì)值。

3、一元線性回歸模型中對(duì)隨機(jī)干擾項(xiàng)的假設(shè)

關(guān)鍵詞：線性回歸模型經(jīng)典假設(shè)

線性回歸模型經(jīng)典假設(shè)有5個(gè)，分別為：（1）回歸模型的正確設(shè)立；（2）解釋變量是確

定性變量，并能夠從樣本中重復(fù)抽樣取得；（3）解釋變量的抽取隨著樣本容量的無(wú)限增加,

其樣本方差趨于非零有限常數(shù)；(4)給定被解釋變量，隨機(jī)誤差項(xiàng)具有零均值，同方差和無(wú)

序列相關(guān)性。(5)隨機(jī)誤差項(xiàng)服從零均值、同方差的正態(tài)分布。前四個(gè)假設(shè)也稱為高斯馬爾

科夫假設(shè)。

4、最小二乘估計(jì)量的統(tǒng)計(jì)性質(zhì)

關(guān)鍵詞：普通最小二乘法(OrdinaryLeastSquares,OLS)

普通最小二乘法是通過構(gòu)造合適的樣本回歸函數(shù)，從而使得樣本回歸線上的點(diǎn)與真實(shí)

的樣本觀測(cè)值點(diǎn)的“總體誤差”最小，即：被解釋變量的估計(jì)值與實(shí)際觀測(cè)值之差的平方和

最小。

n9n「

(匕一(y.-p(}-曝了

i=l/=!/=1

關(guān)鍵詞：無(wú)偏性

由于未知參數(shù)的估計(jì)量是一個(gè)隨機(jī)變量，對(duì)于不同的樣本有不同的估計(jì)量。這些估計(jì)量

對(duì)于參數(shù)的真實(shí)取值，一般都會(huì)有偏差，要求不出現(xiàn)偏差幾乎是不可能的。但是，如果在多

次試驗(yàn)中所取得的估計(jì)量的平均值與參數(shù)的真實(shí)值相吻合，稱為估計(jì)量的無(wú)偏性。即滿足:

￡(%)=凡

關(guān)鍵詞：有效性

在運(yùn)用OLS法進(jìn)行回歸系數(shù)估計(jì)的時(shí)候，其系數(shù)估計(jì)的方差在線性無(wú)偏估計(jì)類中方差

達(dá)到最小。

關(guān)鍵詞：一致性

回歸系數(shù)的最小二乘估計(jì)依概率收斂到實(shí)際參數(shù)值

5、一元線性回歸模型中的假設(shè)檢驗(yàn)

關(guān)鍵詞：顯著性檢驗(yàn)

顯著性檢驗(yàn)是一種利用樣本結(jié)果來證實(shí)一個(gè)虛擬假設(shè)真?zhèn)蔚臋z驗(yàn)程序。它的基本思想是

先對(duì)總體參數(shù)提出一個(gè)假設(shè)，然后利用樣本信息來判斷這一假設(shè)是否成立。它通過數(shù)據(jù)來確

認(rèn)原假設(shè)的合理性，一般總是將期望結(jié)果的反面作為原假設(shè)，即原假設(shè)確定了一個(gè)與我們期

望不符的參數(shù)值。其原理是概率性質(zhì)的反證法，小概率事件原理，即小概率事件在1次試驗(yàn)

中幾乎是不可能發(fā)生。

第三章多元線性回歸模型

一、知識(shí)點(diǎn)列表

序號(hào)知識(shí)點(diǎn)頁(yè)碼教材章節(jié)

1多元線性回歸模型設(shè)定的必要性P13.1

2多元線性回歸模型的代數(shù)和矩陣表示形P1-P3

3.1

式

3多元線性回歸模型的參數(shù)估計(jì)和系數(shù)解P2-P3

3.2

釋

4多元線性回歸模型的基本假設(shè)P3-P53.3

5多元線性回歸模型的遺漏變量偏誤性P53.4.2

6多元線性回歸模型的擬合優(yōu)度檢驗(yàn)P5-P63.4.3

7多元線性回歸模型變量系數(shù)的顯著性檢

P73.5.1

驗(yàn)（t統(tǒng)計(jì)量）

8多元線性1口1歸模型參數(shù)線性組合的檢驗(yàn)

P9-P123.5.2-3.5.3

（F統(tǒng)計(jì)量）

9多元線性回歸模型整體顯著性檢驗(yàn)（F統(tǒng)

P133.5.4

計(jì)量）

二、關(guān)鍵詞

1、多元線性回歸模型的代數(shù)和矩陣表示形式

關(guān)鍵詞：多元線性總體回歸模型

多元線性總體回歸模型是指被解釋變量了與多個(gè)解釋變量不,馬，…,Z之間具有線性

關(guān)系，是解群變量的多元線性函數(shù)?？梢员磉_(dá)為：

￡二4)+A內(nèi)i+A/i+L尸d#4(i=l,2,3,L,〃)

多元線性回歸模型相對(duì)于一元線性回歸模型來說，其解釋變量較多，因而計(jì)算公式比較

復(fù)雜。必要時(shí)需要借助計(jì)算機(jī)來進(jìn)行。

2、多元線性回歸模型的基本假設(shè)

關(guān)鍵詞：線性于參數(shù)

總體I可歸模型是關(guān)于參數(shù)是線性的，因此稱其為線性于參數(shù)。

關(guān)鍵詞：完全共線性

在樣本中，沒有一個(gè)自變量是常數(shù),白變量方間也不存在嚴(yán)格(完全)的線性關(guān)系“如

果方程中有一個(gè)自變量是其他自變量的線性組合，那么我們說這個(gè)模型遇到了完全共線性問

題。

關(guān)鍵詞：零條件數(shù)學(xué)期望

給定解釋變量的任何值，誤差的期望值為零，即：磯〃|西,々1,王)二0。

關(guān)鍵詞：內(nèi)生解釋變量和外生解釋變量

如果解釋變量滿足零條件數(shù)學(xué)期望，則稱該自編為內(nèi)生解釋變量；反之，則為外生解釋

變量。

關(guān)鍵詞：同方差

對(duì)于解釋變量的所有觀測(cè)值，隨機(jī)誤差項(xiàng)有相同的方差，

即：Var(u.)=￡(?/)=<^2,(z=1,2,3,L,n)

關(guān)鍵詞：無(wú)序列相關(guān)性

隨機(jī)誤差項(xiàng)兩兩不相關(guān)。即Cov(Ui，u)=E(%,%)=0,(/*jJJ=1,2,3,L,〃)

關(guān)鍵詞：最優(yōu)線性無(wú)偏估計(jì)量

滿足以下假設(shè)條件的OLS估計(jì)量稱為最優(yōu)線性無(wú)偏右計(jì)量：（1）線性與參數(shù)；（2）X固

定；（3）X有變異；（4）不存在完全共線性；（5）零條步數(shù)學(xué)期望；（6）同方差；（7）無(wú)序

列相關(guān)性。

關(guān)鍵詞：經(jīng)典正態(tài)線性回歸模型

如果回歸模型的OLS估計(jì)量為最優(yōu)線性無(wú)偏估計(jì)量，并且隨機(jī)誤差項(xiàng)〃服從均值為零,

方差為5的正態(tài)分布，則稱該線性回歸模型為經(jīng)典正態(tài)線性回歸模型。

3、多元線性回歸模型的遺漏變量偏差性

關(guān)鍵詞：遺漏變量偏差

遺漏變量導(dǎo)致的OLS估計(jì)量的偏差被稱為遺漏變量偏差。遺漏變量必須滿足以下兩個(gè)

條件：（1）是被解釋變量的一個(gè)決定因素；（2）與其他解釋變量相關(guān)。

4、多元線性回歸模型的擬合優(yōu)度檢驗(yàn)

關(guān)鍵詞：擬合度

擬合優(yōu)度是指樣本In歸直線對(duì)觀測(cè)數(shù)據(jù)擬合的優(yōu)劣程度。我們所希望的就是圍繞回歸

直線的剩余盡可能的小。樣本觀測(cè)值距離回歸線越近，擬合優(yōu)度越好，解釋變量對(duì)被解釋變

量的解釋能力也就越強(qiáng)。

關(guān)鍵詞：總離差平方和（TotalSumofSquares）

總離差和反映了模型中樣本觀測(cè)值總體離差的大小。記為：

關(guān)鍵詞：殘差平方和（ResidualSumofSquares）

殘差平方和反映樣本觀測(cè)值與估計(jì)值偏離的大小，也可以看作是模型中解釋變量未解釋

的那部分離差的大小.記為：

Z￥=Z（Z-9）2=ESS

關(guān)鍵詞：回歸平方和（ExplainedSumofSquares）

回歸平方和反映模型中解釋變量所解釋的那部分離差的大小。記為：

TSS=RSS+ESS

關(guān)鍵詞：*(R-squared)

R?有時(shí)稱為判定系數(shù)，可以用來解釋波動(dòng)于總波動(dòng)之比，因此被解釋成為y的樣本波

動(dòng)中被x解釋的部分。記為：

SSESSR

Ro2—........=1t--------

SSTSST

5、多元線性回歸模型變量系數(shù)的顯著性檢驗(yàn)（t統(tǒng)計(jì)量）

關(guān)鍵詞：自由度

自由度指的是計(jì)算某一統(tǒng)計(jì)量時(shí)，取值不受限制的變量個(gè)數(shù)。通常左。其中n

為樣本數(shù)量，k為被限制的條件數(shù)或變量個(gè)數(shù)，或計(jì)算某一統(tǒng)計(jì)量時(shí)用到其它獨(dú)立統(tǒng)計(jì)量的

個(gè)數(shù)。

關(guān)鍵詞：標(biāo)準(zhǔn)誤

標(biāo)準(zhǔn)誤是在給定樣本大小下（里面有多少個(gè)觀測(cè)值），樣本的某個(gè)統(tǒng)計(jì)量的抽樣分布的

標(biāo)準(zhǔn)差。

第四章回歸分析專題

一、知識(shí)點(diǎn)列表

序號(hào)知識(shí)點(diǎn)頁(yè)碼教材章節(jié)

1對(duì)數(shù)-對(duì)數(shù)模型P14.4.1

2對(duì)數(shù)-線性模型P14.1.2

3線性-對(duì)數(shù)模型P24.1.3

4倒數(shù)模型P24.2.1

5多項(xiàng)式回歸模型P24.2.2

6無(wú)截距模型P24.2.3

7虛擬變量回歸P34.4

8各種模型的Stata應(yīng)用P4-P104.5

9分位數(shù)回歸的提出背景P114.6.1

10分位數(shù)回歸原理、估計(jì)方法及擴(kuò)展P12-P134.6.2

11分位數(shù)回歸的假設(shè)檢驗(yàn)（擬合優(yōu)度檢驗(yàn)、

約束回歸檢驗(yàn)、斜率相等檢驗(yàn)和斜率對(duì)稱P15-P164.6.3

性檢驗(yàn)）

12貝葉斯估計(jì)的相關(guān)基本概念P18-P194.7.1

13線性單方程計(jì)量經(jīng)濟(jì)學(xué)模型的貝葉斯估

P19-P234.7.2

計(jì)

二、關(guān)鍵詞

1、對(duì)數(shù)-對(duì)數(shù)模型

關(guān)鍵詞：對(duì)數(shù)-對(duì)數(shù)模型

對(duì)數(shù)-時(shí)數(shù)模型旨在將非線性形式變量轉(zhuǎn)換為簡(jiǎn)單變量。

記為：Iny=PxInx,+Inx24-InA+Inu

4度最了y對(duì)*的彈性，即y的單位變動(dòng)引起再單位變動(dòng)的百分比，因此我們也稱對(duì)

數(shù)-對(duì)數(shù)模型為常彈性模型

2、對(duì)數(shù)-線性模型

關(guān)鍵詞：對(duì)數(shù)-線性模型

研究者時(shí)常對(duì)某一經(jīng)濟(jì)變量的增長(zhǎng)率感興趣，而對(duì)數(shù)-線性模型可以符合他們的使用需

求。記為：lny=a+/x+〃。被

解釋變量是對(duì)數(shù)形式，解釋變量是水平值，該模型也稱為半對(duì)數(shù)模型。在此模型中，p

表示的火?單位變動(dòng)引起y相對(duì)量的平均增量，即），變動(dòng)100/7%。正因?qū)?shù)一線性模型具備

度量變量增長(zhǎng)率的特性，故此模型亦稱增長(zhǎng)率模型。

3、倒數(shù)模型

關(guān)鍵詞：倒數(shù)模型

通常把如下形式的模型稱為倒數(shù)模型：匕=6+四,+4。倒數(shù)模型的一個(gè)顯著特征

Xi

是，隨著X的無(wú)限增大，,趨于零，y將逐漸接近4的漸進(jìn)值或極值。所以，當(dāng)變量X無(wú)

X

限增大時(shí)，倒數(shù)回歸模型將逐漸趨于漸近值或極值。

4.多項(xiàng)式回歸模型

關(guān)鍵詞：多項(xiàng)式回歸模型

研究一個(gè)因變量與一個(gè)或多個(gè)自變量間多項(xiàng)式的回歸分析方法，稱為多項(xiàng)式回歸。如果

自變量只有一個(gè)時(shí)，稱為一元多項(xiàng)式回歸；如果自變量有多個(gè)時(shí)，稱為多元多項(xiàng)式回歸?？?/p>

記為：

K=a+/3\Xi+d++內(nèi)。

多項(xiàng)式回歸的最大優(yōu)點(diǎn)就是可以迪過增加X的高次項(xiàng)對(duì)實(shí)測(cè)點(diǎn)進(jìn)行逼近，直至滿意為

止。因此可以將多項(xiàng)式回歸當(dāng)做處理非線性問題的一種方法。

5、虛擬變量回歸

關(guān)鍵詞：虛擬變量

虛擬變量(DummyVariables)又稱虛設(shè)變量、名義變量或啞變量，用以反映質(zhì)的屬性

的?個(gè)人工變量，是量化了的自變量，通常取值為0或1。引入啞變量可使線形回歸模型變

得更復(fù)雜，但對(duì)問題描述更簡(jiǎn)明，一個(gè)方程能達(dá)到兩個(gè)方程的作用，而且接近現(xiàn)實(shí)。

6、分位數(shù)回歸

關(guān)鍵詞：分位數(shù)回歸

分位數(shù)回歸是估計(jì)一組回歸變量X與被解釋變量Y的分位數(shù)之間線性關(guān)系的建模方法。

7、貝葉斯估計(jì)

關(guān)鍵詞：先驗(yàn)分布

先驗(yàn)分布，是概率分布的一種。與“后驗(yàn)分布”相疝。先驗(yàn)分布與試驗(yàn)結(jié)果無(wú)關(guān)，或與

隨機(jī)抽樣無(wú)關(guān)，反映在進(jìn)行統(tǒng)計(jì)試驗(yàn)之前根據(jù)其他有關(guān)參數(shù)口的知識(shí)而得到的分布

第五章放寬基本假定的模型

一、知識(shí)點(diǎn)列表

序號(hào)知識(shí)點(diǎn)頁(yè)碼教材章節(jié)

1多重共線性概念P15.1

2多重共線性產(chǎn)生的原因P15.1.2

3多重共線性的后果P1-P35.1.3

4多重共線性的檢驗(yàn)（判斷多重共線性是否P3

5.1.4

存在、確定多重共線性的范圍）

5克服多重共線性的方法（排除引起共線性P3-P11

5.1.5

的變量、嶺回歸法）

6異方差性概念、類型和來源P115.2.1

7異方差性的檢驗(yàn)（圖示法、布羅施一帕甘、

P12-P145.2.2

G-Q法、懷特法）

8異方差性的修正（加權(quán)最小二乘法、異方

P14-P155.2.3

差穩(wěn)健標(biāo)準(zhǔn)誤法）

9序列相關(guān)性的定義及后果P225.3.1

10序列相關(guān)的檢驗(yàn)方法（圖示法、回歸檢驗(yàn)

法、D.W.檢驗(yàn)法、拉格朗日乘數(shù)檢驗(yàn)法、P22-P255.3.1

自相關(guān)圖法、Q統(tǒng)計(jì)量檢驗(yàn)）

11序列相關(guān)性的修正（廣義最小二乘法、廣

義差分法、序列相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤法、序列P27-P315.3.2

相關(guān)穩(wěn)健估計(jì)方法）

二、關(guān)鍵詞

1、多重共線性概念

關(guān)鍵詞：多重共線性

對(duì)于回歸模型：y二夕0+夕2七2+L內(nèi)，如果某兩個(gè)或多個(gè)解釋變量之

間出現(xiàn)了相關(guān)性，則稱為存在多重共線性。而多重共線性又可分為完全共線性和近似共線性

（交互相關(guān)）。

2、異方差性概念、類型和來源

關(guān)鍵詞：異方差性

對(duì)于回歸模型：X=4+LBgk+〃,，如果出現(xiàn)

Var（ui|X",Xi2,Xz3,???,Xik）=岑，，=1,2,3,…,〃

即對(duì)于不同的樣本點(diǎn)，隨機(jī)干擾項(xiàng)的方差不再是常數(shù)，而是互不相同，則認(rèn)為出現(xiàn)了異

方差性?？梢哉J(rèn)為被解群變量的波動(dòng)幅度隨解釋變量不同而變化時(shí)，產(chǎn)生了異方差。并且異

方差可以分為以下三類：CD單調(diào)遞增型（隨機(jī)干擾的方程隨被解釋變量的增大而增大）；

（2）單調(diào)遞減型（隨機(jī)干擾的方程隨被解釋變量的增大而減少）；（3）復(fù)雜型（隨機(jī)干擾的

方程隨被解釋變量的增大而減少）。

3、異方差性的檢驗(yàn)

關(guān)鍵詞：布羅施一帕甘檢驗(yàn)（B-P檢驗(yàn)）

布羅施一帕甘檢驗(yàn)（B-P檢驗(yàn)）是通過將OLS殘差的平方對(duì)模型中解釋變量做回歸的一

種檢查異方差的方法。。

關(guān)鍵詞：G-Q（Goldfeld-Quandt）檢驗(yàn)

G-Q檢驗(yàn)是先按某一解釋變量對(duì)樣本排序，再對(duì)排序后的樣本一分為二，對(duì)兩個(gè)子樣本

分別進(jìn)行普通最小二乘回歸，然后利用兩個(gè)子樣本的殘差平方和之比構(gòu)造F統(tǒng)計(jì)量進(jìn)行檢

驗(yàn)異方差的方法。

關(guān)鍵詞：懷特（White）檢驗(yàn)

懷特（While）檢驗(yàn)是將OLS殘差的平方對(duì)OLS擬合值和擬合值的平方進(jìn)行回歸佗一種

異方差檢驗(yàn)方法。其最一般的形式是將OLS殘差的平方對(duì)解釋變量、解釋變量的平方和和解

釋變量之間所有多余的交互項(xiàng)進(jìn)行回歸。

3、異方差性的修正

關(guān)鍵詞：加權(quán)最小二乘法

加權(quán)最小二乘法是對(duì)原模型加權(quán)，使之變成一個(gè)新的不存在異方差性的模型，然后采用

普通最小二乘法估計(jì)其參數(shù)。其中，每個(gè)殘差平方都用一個(gè)等于誤差（估計(jì)）方差的倒數(shù)作

為權(quán)數(shù)。

關(guān)鍵詞：異方差-穩(wěn)健標(biāo)準(zhǔn)誤法

異方差-穩(wěn)健標(biāo)準(zhǔn)誤法是對(duì)未知形式的異方差保持（漸近）穩(wěn)健的誤差。通過先采用普

通最小二乘估計(jì)量，再對(duì)估計(jì)量的方差進(jìn)行修正，從而消除異方差性的后果。

4、序列相關(guān)性的定義及后果

關(guān)鍵詞：序列相關(guān)性

在時(shí)間序列或面板數(shù)據(jù)模型中，不同時(shí)期的誤差之間存在相關(guān)性，從而稱為序列的相關(guān)

性。

4、序列相關(guān)的檢驗(yàn)方法

關(guān)鍵詞：D.W.檢驗(yàn)法

在經(jīng)典線性回歸假設(shè)下，用于檢驗(yàn)時(shí)間序列【可歸模型之誤差項(xiàng)中的一階序列相關(guān)的檢驗(yàn)

方法。

關(guān)鍵詞：忖格朗日乘數(shù)（LM）檢驗(yàn)

拉格朗日乘數(shù)檢驗(yàn)法是僅在大樣本下用于檢驗(yàn)遺漏變量、異方差性、序列相關(guān)和不同模

型設(shè)定問題的檢驗(yàn)方法。

關(guān)鍵詞：自相關(guān)系數(shù)

自相關(guān)系數(shù)是用來刻畫時(shí)間序列X,與其滯后項(xiàng)的相關(guān)性程度。若一個(gè)時(shí)間序列Xf>其

滯后k階的白相關(guān)系數(shù)為：

之（%一元）（%-元）

“二15^--------------

—一）2

r=l

關(guān)鍵詞：偏自相關(guān)系數(shù)

偏自相關(guān)系數(shù)刻畫的是X,與滯后k階的X1之間的條件相關(guān)性。X,與X,—的估計(jì)偏

自相關(guān)系數(shù)外,*的計(jì)算公式為：

f]k=\

k-l

而T---------k>T

1—ZeiM-j

J=I

其中，乙是滯后k階的自相關(guān)系數(shù)。

5、序列相關(guān)性的修正

關(guān)鍵詞：廣義最小二乘法

廣義最小二乘法是通過對(duì)原始模型的轉(zhuǎn)換，解釋了誤差方差的已知結(jié)構(gòu)（異方差性）、

誤差中的序列相關(guān)形式或同時(shí)解釋二者的方法。

關(guān)鍵詞：廣義差分法

廣義差分法是一類克服序列相關(guān)性的有效方法，是符原模型變換為滿足普通最小二乘法

的差分模型，在進(jìn)行普通最小二乘估計(jì)。

關(guān)鍵詞：序列相關(guān)穩(wěn)健估計(jì)法

序列相關(guān)穩(wěn)健估計(jì)法是通過采用最小二乘法估計(jì)原模型，滯后再對(duì)參數(shù)估計(jì)曷的方程或

標(biāo)準(zhǔn)差進(jìn)行修正，從而克服序列相關(guān)性。

關(guān)鍵詞：序列相關(guān)穩(wěn)健估計(jì)方法

序列相關(guān)的穩(wěn)健性估計(jì)方法又稱之為Newey-West方法，該方法與廣義最小二乘法相似,

只改變標(biāo)準(zhǔn)誤的估計(jì)值，而不改變回歸系數(shù)的估計(jì)值。為了不忽略高階自相關(guān)，樣本容量的

變化對(duì)估計(jì)值的影響，Nowoy-West方法先計(jì)算樣本的1〃或者1/3次幕，然后檢驗(yàn)殘差的

自相關(guān)性。

第六章工具變量回歸

一、知識(shí)點(diǎn)列表

序號(hào)知識(shí)點(diǎn)頁(yè)碼教材章節(jié)

1內(nèi)生性問題產(chǎn)生原因及分類P16.1

2工具變量選取P26.2.1

3工具變量應(yīng)用P36.2.2

4兩階段最小二乘法P4-P5G.3

5解釋變量的內(nèi)生性檢驗(yàn)P56.4.1

6過渡識(shí)別約束檢驗(yàn)P56.4.2

二、關(guān)鍵詞

1、內(nèi)生性問題產(chǎn)生原因及分類

關(guān)鍵詞：內(nèi)生性問題

內(nèi)生性問題是模型中的一個(gè)或多個(gè)解釋變量與隨機(jī)擾動(dòng)項(xiàng)相關(guān)的問題。變量的內(nèi)生性問

題是不可避免的，其產(chǎn)生的原因主要有（1）遺漏變量；（2）測(cè)量誤差；（3）雙向交互影響。

2、工具變量選取

關(guān)鍵詞：工具變量

工具變量是在含有內(nèi)生解釋變量的方程中，不出現(xiàn)在方程中、與方程中的誤差無(wú)關(guān)且與

內(nèi)生解釋變量（偏）相關(guān)的變量。

3、兩階段最小二乘法

關(guān)鍵詞：兩階段最小二乘法

兩階段最小二乘法是在做內(nèi)生解釋變量對(duì)所有外生變量的回歸時(shí),將得到的擬合值作為

內(nèi)生解釋變量的工具變量，由此進(jìn)行模型參數(shù)估計(jì)。

4、解釋變量的內(nèi)生性檢驗(yàn)

關(guān)鍵詞：豪斯曼（Hausman）檢驗(yàn)

豪斯曼檢驗(yàn)是如果X是內(nèi)生變量，通過尋找一外生變量Z作為工具變量，通過對(duì)比工具

變量法和普通最小二乘法的估計(jì)結(jié)果是否存在差異，從而對(duì)解釋變量的內(nèi)生性檢驗(yàn)。

5、過渡識(shí)別約束檢驗(yàn)

關(guān)鍵詞：過渡識(shí)別約束檢驗(yàn)

過度識(shí)別約束檢驗(yàn)是假設(shè)有一個(gè)內(nèi)生回歸變量，兩個(gè)工具變量且沒有包含的外生變量。

則可以計(jì)算兩個(gè)不同的兩階段最小二乘法估計(jì)量：其中一個(gè)利用第一個(gè)工具變量，另一個(gè)利

用第二個(gè)工具變量。由于抽樣變異性，這兩個(gè)估計(jì)量不會(huì)相同，但如果兩個(gè)工具變量都是網(wǎng)

上，則這兩個(gè)估計(jì)量往往比較接近。如果有這兩個(gè)工具變量得到的估計(jì)非常不同，則可以得

出其中一個(gè)或兩個(gè)工具變量都有內(nèi)生性問題的結(jié)論。

第七章時(shí)間序列分析

一、知識(shí)點(diǎn)列表

序號(hào)知識(shí)點(diǎn)頁(yè)碼教材章節(jié)

1時(shí)間序列數(shù)據(jù)的性質(zhì)P17.1

2時(shí)間序列模型分類P1-P27.2.

3時(shí)間序列的平穩(wěn)性的定義及判別P2-P37.3.1

4時(shí)間序列的平穩(wěn)性檢驗(yàn)（DF檢驗(yàn)、ADF檢P3-P5

7.3.2

驗(yàn)）

5協(xié)整的定義P57.4.1

6時(shí)間序列協(xié)整檢驗(yàn)P57.4.2

7誤差修正模型P67.4.3

二、關(guān)鍵詞

1、時(shí)間序列數(shù)據(jù)的性質(zhì)

關(guān)鍵詞：時(shí)間序列

時(shí)間序列（或稱動(dòng)態(tài)數(shù)列）是指將同一統(tǒng)計(jì)指標(biāo)的數(shù)值按其發(fā)生的時(shí)間先后順序排列而

成的數(shù)列。時(shí)間序列的數(shù)據(jù)具有以下特征：（1）時(shí)間序列是按照時(shí)間順序排列的；（2）時(shí)間

序列數(shù)據(jù)的隨機(jī)性來自于自己，變量的結(jié)果實(shí)現(xiàn)無(wú)法準(zhǔn)確預(yù)料。

關(guān)鍵詞：隨機(jī)過程

隨機(jī)過程，是依賴于參數(shù)的一組隨機(jī)變最的全體，參數(shù)通常是時(shí)間。隨機(jī)變最是隨機(jī)現(xiàn)

象的數(shù)顯表現(xiàn)，其取值隨著偶然因素的影響而改變。

2、時(shí)間序列模型分類

關(guān)鍵詞：時(shí)間序列的靜態(tài)模型

時(shí)間序列的靜態(tài)模型是指，在構(gòu)建時(shí)間序列模型中，考察的是解釋變量與被解釋變量同

期起關(guān)系，及在探討即期影響。

關(guān)鍵詞：時(shí)間序列的有限分布滯后模型

時(shí)間序列的有限分布滯后模型是指在構(gòu)建時(shí)間序列模型中，考慮了解釋變量對(duì)被解釋變

量的影響存在一定的時(shí)滯3

3、時(shí)間序列的平穩(wěn)性的定義及判別

關(guān)鍵詞：時(shí)間序列的平穩(wěn)性

時(shí)間序列的平穩(wěn)性是指如果從這個(gè)序列中任取一個(gè)隨機(jī)變量集，并把這個(gè)序列向前移動(dòng)

任意時(shí)期，其聯(lián)合概率分布是否保持不變。時(shí)間序列的平穩(wěn)性又可以分為嚴(yán)平穩(wěn)和寬平柞兩

種類型。

關(guān)鍵詞：白噪聲序列

白噪聲序列是滿足隨機(jī)時(shí)間序列零均值和同方差的獨(dú)立分布序列。

關(guān)鍵詞：?jiǎn)挝桓鶛z驗(yàn)

單位根檢驗(yàn)是指檢驗(yàn)序列中是否存在單位根，因?yàn)榇嬖趩挝桓褪欠瞧椒€(wěn)時(shí)間序列了。

單位根就是指單位根過程，可以證明，序列中存在單位根過程就不平穩(wěn)，會(huì)使回歸分析中存

在偽回歸。常見的單位根檢驗(yàn)方法有ADF檢驗(yàn)和DF檢驗(yàn)。

4、協(xié)整的定義

關(guān)鍵詞：協(xié)整

兩個(gè)或多個(gè)非平穩(wěn)的時(shí)間序列的線性組合可能是平穩(wěn)的，如果這樣的線性組合存在，那

么稱這個(gè)非平穩(wěn)的時(shí)間序列是協(xié)整(cointegration)的。需要注意的是作為對(duì)非平穩(wěn)變量

之間關(guān)系的描述，協(xié)整向量不是唯一的；同時(shí)，協(xié)整變量必須具有相同的單整階數(shù)；并且,

協(xié)整變量之間具有的共同的趨勢(shì)成分在數(shù)量上成比例。

5、時(shí)間序列協(xié)整檢驗(yàn)

關(guān)鍵詞：恩格爾-格蘭杰檢驗(yàn)法

恩格爾-格蘭杰檢驗(yàn)法是用來檢驗(yàn)時(shí)間序列協(xié)整關(guān)系的，主要是通過對(duì)回歸方程的殘差

進(jìn)行單位根檢驗(yàn)，從而判斷時(shí)間序列是否具有協(xié)整關(guān)系。

6、誤差修正模型

關(guān)鍵詞：誤差修正模型

協(xié)整關(guān)系描述了?種變量之間長(zhǎng)期均衡的關(guān)系，而實(shí)際經(jīng)濟(jì)生活中，變量在短期內(nèi)往往

會(huì)偏離長(zhǎng)期均衡從而使得模型精確度下降。誤差修正模型(errorcorrectionmodel,ECM)

的提出是為了增強(qiáng)模型的準(zhǔn)確度，描述的是短期內(nèi)的非均衡關(guān)系，方法是通過利用協(xié)整回歸

得到的誤差項(xiàng)，建立短期動(dòng)態(tài)模型來緩解長(zhǎng)期協(xié)整回歸模型的缺點(diǎn)。

第八章面板數(shù)據(jù)模型

一、知識(shí)點(diǎn)列表