(2021年整理)计量经济学复习提纲—庞皓版

(完整版)计量经济学复习提纲—庞皓版编辑整理：尊敬的读者朋友们：这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布的，发布之前我们对文中内容进行仔细校对，但是难免会有疏漏的地方，但是任然希望（(完整版)计量经济学复习提纲—庞皓版）的内容能够给您的工作和学习带来便利。

同时也真诚的希望收到您的建议和反馈，这将是我们进步的源泉，前进的动力。

本文可编辑可修改，如果觉得对您有帮助请收藏以便随时查阅，最后祝您生活愉快业绩进步，以下为(完整版)计量经济学复习提纲—庞皓版的全部内容。

(完整版)计量经济学复习提纲—庞皓版编辑整理：张嬗雒老师尊敬的读者朋友们:这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布到文库，发布之前我们对文中内容进行仔细校对,但是难免会有疏漏的地方，但是我们任然希望（完整版）计量经济学复习提纲—庞皓版这篇文档能够给您的工作和学习带来便利.同时我们也真诚的希望收到您的建议和反馈到下面的留言区，这将是我们进步的源泉，前进的动力。

本文可编辑可修改，如果觉得对您有帮助请下载收藏以便随时查阅，最后祝您生活愉快业绩进步，以下为〈(完整版)计量经济学复习提纲—庞皓版> 这篇文档的全部内容。

第一章1.计量分析的四个步骤:模型设定--参数估计—-模型检验-—模型应用2.计量模型检验：经济意义检验-—统计推断检验—-计量经济学检验——模型预测检验3.计量模型的应用：结构分析——经济预测-—政策评价——检验与发展经济理论4.正确选择解释变量的原则：符合理论、规律——忽略众多次要因素，突出主要经济变量—-数据可得性—-每个解释变量之间是独立的5.参数的数据类型：时间序列数据——截面数据-—面板数据-—虚拟变量数据第二章1.总体相关系数：ρ=Cov（X,Y）/√Var(X）√Var（Y)2.样本相关系数：rxy=Σ(Xi—X_）（Yi-Y_)/√Σ（Xi—X_)^2√Σ（Yi-Y_）^23.总体回归函数中引入随机扰动项的原因：作为未知影响因素的代表-—作为无法取得数据的已知因素代表—-作为众多细小影响因素的综合代表——模型的设定误差——变量的观测误差——经济现象的内在随机性4.简单线性回归模型的基本假定:1、对变量和模型的假定；2、对随机扰动项ui统计分布的假定（古典假定）:零均值假定——同方差假定——无自相关假定—-随机扰动项ui与解释变量Xi不相关——正态性假定5.违反零均值假定：影响截距上的估计（影响小)6.违反正态性假定：不影响OLS估计是最佳无偏性,但会使t检验F检验失真（影响大)7.样本回归函数的离差形式:yi^=β2^＊xi8.OLS估计值的离差表达式：β2^=Σ（Xi—X_）（Yi-Y_)/Σ(Xi-X_)^2=Σxiyi/Σxi^2β1^=Y_-β2^＊X_9.OLS回归线的性质：样本回归线过（X_，Y_)——估计值均值等于实际值均值-—剩余项ei的均值为零——Cov(Yi^,ei)=0—-Cov(Xi，ei）=010.β^的评价标准：无偏性-—有效性——一致性11.β^的统计性质：线性—-无偏性——有效性12.Var（^β1）=Ơ^2/Σxi^2—-Var(^β2)=ΣXi^2/n*Ơ^2/Σxi^213.^Ơ^2=Σei^2/(n—2）14.总变差平方和:Σ（Yi-Y_）^2=Σyi^2……TSS……n-1回归平方和:Σ(Yi^—Y_)^2=Σ^yi^2……ESS……k—1残差平方和：Σ（Yi—Yi^）^2=Σei^2……RSS……n—k15.可决系数：R^2=ESS/TSS16.SE(^β1）=√（Ơ^2ΣXi^2)/(nΣxi^2）SE（^β2）=√Ơ^2/Σxi^217.t=（^β1-β1)/^SE（^β1）~t(n-2)t=(^β2—β2）/^SE(^β2)~t(n—2)18.区间估计：1.当总体方差Ơ^2已知，α=0。

1-±1.645, α=0.05—±1。

96，α=0.01—±2。

33，P[-tα<z=(^β2—β2)/^SE(^β2）<tα］=1-α2.当总体方差Ơ^2未知,样本容量大，可用^Ơ^2=Σei^2/（n-2）代替Ơ^2， z=（^β2—β2)/(^Ơ/√Σxi^2)3.当总体方差Ơ^2未知，样本容量小，P[—tα/2< t=(^β2-β2)/^SE(^β2)〈tα/2］=1-α19.对Y平均值的区间预测：SE(^Yf)=Ơ√{1/n+［(Xf-X_）^2/Σxi^2］｝,置信度1—α的预测区间 [^Yf-tα/2* SE（^Yf), ^Yf+tα/2＊ SE(^Yf)］20.对Y个别值预测区间：Yf=^Yf±tα/2＊^Ơ√｛1+1/n+［（Xf-X_)^2/Σxi^2］｝第三章1.多元线性回归模型的古典假定：零均值假定——同方差和无自相关假定——随机扰动项与解释变量不相关—-无多重共线性假定——正态性假定2.修正的可决系数：_R^2=1—（1-R^2）（n-1)/(n—k）……k是待估参数个数，R^2必定为正，但修正的可决系数可能为负，这是规定其为0，随着k的增加,_R^2越来越小于R^23.F=ESS(k-1）/RSS(n-k）=R^2/(1—R^2)*(n—k)/(k—1)4.S。

E. of regression：Ơ^2=Σei^2/（n-k)--Ơ=5.t-statistic=coefficient/std.error6.TSS=（n—1)＊(S。

D.dependent var)^2第四章1.多重共线性产生的原因：经济变量之间具有共同变化趋势——模型中包含滞后变量—-利用截面数据建立模型也可能出现多重共线性-—样本数据自身的原因2.完全多重共线性产生的后果：参数的估计值不确定——参数估计值得方差无限大3.不完全多重共线性后果：参数估计值的方差和协方差增大——对参数区间估计时，置信区间趋于变大——严重多重共线性时,假设检验容易作出错误判断—-参数估计经济含义不合理。

当严重多重共线性时,可能造成可决系数较高，经F检验的参数联合显著性也很高，但对各个参数单独的t检验却可能不显著，甚至可能使估计的回归系数符号相反，得出完全错误的结论4.多重共线性↑--VIF↑——var(^β2)↑、cov（^β2，^β3)↑5.方差膨胀因子：VIF=1/(1-r23^2)6.7.多重共线性的检验：简单相关系数检验法（几乎不用）——方差膨胀因子法(常用）——直观判断法（预判）-—逐步回归检验法（既能检验又能修正,不用）8.VIFj=1/（1—Rj^2）,多重共线性越严重，VIF越大，越弱VIF越接近1，VIFj>=10，R^2>=0.9时,存在严重多重共线性,会过度地影响最小二乘估计9.直观判断法：参数估计值有很大的偶然性--参数显著性检验未通过——经济意义检验未通过——相关系数大10.多重共线性的补救措施：一、经验方法1.剔除变量法:简单相关系数法：选相关系数较大的两个变量中，相对不重要剔除方差膨胀因子法：首先剔除最大，如果仍存在，剔除第二大的2.增大样本容量3.变换模型形式(差分法）：一般增量之间的线性关系远比总量之间的线性关系弱4.利用非样本先验形式5.横截面数据与时序数据并用6.变量变换二、逐步回归法，三、岭回归法第五章1.产生异方差的原因:模型设定误差-—测量误差的变化-—截面数据中总体各单位的差异，截面数据较时间序列数据更易产生异方差。

2.异方差后果：对参数估计统计特性的影响（仍然具有线性、无偏性、一致性、不再具有最小方差性）——对参数显著性检验的影响（方差、标准差增大，t统计量变小;t检验F检验失效）——对预测的影响（估计仍无偏；不再有效；扩大预测区间，精度下降；预测产生困难）3.异方差性的检验：图示检验法-—Goldfeld-Quanadt检验(戈德菲尔德-夸特检验）——White检验——ARCH检验-—Glejser检验4.Goldfeld—Quanadt检验：1.基本思想：分别对两个子样本进行回归-—计算比较两个回归的剩余平方和是否有明显差异2.前提条件（特点）：大样本——递减或递增-—只能判断异方差是否存在，无法确定具体是哪个—-检验功效取决于c,c越大功效越好3.步骤：排序——数据分组——提出假设H0：两部分数据方差相等H1：两部分数据方差不相等—-构造F统计量—-比较、判断4.5.White检验特点：大样本—-适用各类异方差检验—-可以判断具体是哪一个变量引起的异方差——辅助回归中可引入解释变量的相对于原模型的更高次幂—-可去掉辅助回归式中解释变量的交叉项6.ARCH检验特点：大样本——数据是时间序列数据-—只能判断是否存在，不能具体诊断是哪个一7.若Glejser辅助回归中的系数参数显著不为0，就认为存在异方差8.Glejser检验特点:可用于各种类型的异方差检验——由于异方差形式未知需进行各种测试—-不仅能对异方差的存在进行判断，还能给出异方差的具体形式——大样本9.异方差性的补救措施：1.模型变换法：（1）f(Xi）=Xi，Var（ui）=Ơ^2Xi，两端同除√Xi得2.加权最小二乘法3.模型的对数变换第六章1.自相关，又称序列相关,是指总体回归模型的随机误差项ui间存在相关关系2.自相关系数:3.自相关产生的原因：经济系统的惯性——经济活动的滞后效应——数据处理造成的相关-—蛛网现象—-模型设定偏误4.自相关的后果：一阶自回归形式的性质—-自相关对参数估计的影响（无偏性仍成立，不再具有最小方差性)——自相关对模型检验和预测的影响(参数显著性检验失效：t、F、拟合优度检验失效；区间预测精度降低：存在自相关→方差标准差增大→区间扩大）5.自相关检验：图示检验法—-DW检验法——相关图和Q统计量——序列相关LM检验6.DW检验的假定条件：解释变量X为非随机的——随机误差项为一阶自回归形式,即 ui=ρut-1+Ɛt——线性回归模型中不应含有滞后内生变量作为解释变量—-模型的截距项不为零-—数据无缺失7.步骤8.DW取值范围9.DW检验决策规则10.DW检验的缺点和局限性：有两个不能确定的区域—-上下界表要求n〉=15-—只能检验一阶自相关——有常数项，解释变量中不能含滞后的被解释变量11.LM检验特点：可用于检验高阶自相关—-对原模型的解释变量中有滞后被解释变量适用-—(完整版)计量经济学复习提纲—庞皓版滞后长度p不能先验确定。

12.自相关的补救：广义差分法——科克伦—奥克特迭代法-—一阶差分法13.。