计量经济学学总结

1.计量经济学的建模步骤？

一、理论模型的设计 : 确定模型包含的变量;确定模型的数学形式;拟定模型中待估计参

数的理论期望值区间二、样本数据的收集三、模型参数的估计四、模型的检验

计量经济学模型的运用

1、结构分析，

2、经济预测，

3、政策评价，

4、检验与发展经济理论

2、相关分析和回归分析的区别

联系:两者都是研究非确定变量间的统计关系，并且能够度量线性依赖程度的大小。

区别：前者关注相关程度，后者关注因果分析，还有具体的依赖关系。

4、随机误差项的含义：随机误差项是在模型设定中省略下来而又集体的影响着被解释变量

Y的全部变量的替代物。

5、随机误差项的内容有哪些？或者为什要在总体回归函数中引入随机误差项：

（1）代表未知的影响因素，（2）代表残缺数据，（3）代表众多细小影响因素，（4）代表数据观测误差，（5）代表模型设定误差，（6）变量的内在随机性

基本假设：（1）回归模型是正确设定的，（2）解释变量X是确定性变量，不是随机变量，在重复抽样中取固定值，（3）解释变量X在所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X的样本方差趋于一个非零的有限常数，（4）随机误差项μ具有给定X 的零均值、同方差以及不序列相关性（5）随机误差项与解释变量之间不相关（6）随机误差项服从零均值、同方差的正态分布。

记住：正态分布并不是得到最佳无偏估计的必要条件，只要满足前4个假设就可以得到最佳无偏估计。

7、普通最小二乘法（OLS）概念：残差平方和最小的准则，就是最小二乘准则

其

3、样本容量的关系

最小样本：样本容量必须不少于模型中解释变量中的数目（包括常数量）

一般认为，当n大于等于30或者至少n大于等于3（k+1）才能说满足模型估计的基本要求

9、回归模型的统计检验（拟合优度检验、参数的显著性检验、模型的显著性检验）

（1）拟合优度是指检验模型对样本观测值的拟合程度，用R2表示，该值越接近于1，模型对样本观测值拟合得越好。可决系数:

TSS(总离差平方和):自由度为：n-1

ESS(回归平方和)：自由度为：k

RSS(回归平方和)：自由度为：n-k-1

调整的可决系数:即

（2）参数的显著性检验（t检验）

t统计量的表达形式：在零均值假设下服从自由度t(n-k-1)

（t值的计算必考）

检验的经济意义：当小于临界值时，未通过检验，大于临界值则通过检验，

如果每一个回归系数都通过了t检验，说明模型中的每一个自变量都是显著娥，未通过显著性检验的系数所对应的变量，应结合实际情况考虑将其去除，这是自变量选择的一个最常用的方法。

（3）方程总体线性的显著性检验（F检验）

F统计量的表达形式：在零均值假设下服从自由度为（k,n-k-1）

检验的经济意义：若F大于临界值,则拒绝零假设，认为在显著性水平下，

y对自变量有显著的线性关系，回归方程是显著的；反之，则不能拒绝原假设，认为回归方程不显著。

（3）总离差平方和、回归平方和与残差平方和之间的关系:TSS=RSS+ESS

10、如何才能缩小置信区间

增大样本容量n，提高模型的拟合程度

14、异方差（无偏非有效性）

1）、异方差性：对于不同的样本点，随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性，一般经验告诉我们，对于采用截面数据作样本的计量经济学问题，由于在不同样本点上解释变量以外的其他因素的差异较大，所以往往存在异方差性。

2）、异方差产生的后果及检验方法

后果：参数估计量非有效；变量的显著性检验失去意义；模型的预测失效。

3）、异方差的类型

(1)单调递增型：σi2随X的增大而增大

(2)单调递减型：σi2随X的增大而减小

(3)复杂型：σi2与X的变化呈复杂形式

序列相关性的后果:参数估计量非有效；变量的显著性检验失去意义；模型预测失效。

定义：如果模型中的随机干扰项违背了相互独立的基本假设，称为存在序列相关性

多重共线性：产生多重共线的原因：经济变量相关的共同趋势；滞后变量的引入；样本资料的限制；

产生后果：完全共线性下参数估计量不存在；近似共线性下普通最小二乘法乘数估计量的方差变大；参数估计量经济含义不合理；变量的显著性检验和模型的预测功能失去意义。

检验方法：对两个解释变量的模型——简单相关系数；对多个解释变量的模型——综合统计检验法。

克服多重共线性的方法：排除引起共线性的变量；差分法。

随机解释变量

1、如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。对于

随机解释变量问题，分三种不同情况：随机解释变量与随机误差项独立；随机解释变量与随机误差项同期无关，但异期相关；随机解释变量与随机误差项同期相关。

2、随机解释变量的后果

（1）如果X与 相互独立，得到的参数估计量仍然是无偏、一致估计量。

（2）如果X与 同期不相关，异期相关，得到的参数估计量有偏、但却是一致的。

（3）如果X与 同期相关，得到的参数估计量有偏、且非一致。

工具变量：在模型估计中被作为工具使用，以替代与随机干扰项相关的随机解释变量。

原则：与所替代的随机解释变量高度相关，与随机干扰项不相关，与模型中其他解释变量不相关

虚拟变量：构造只取“0”或“1”的人工变量

加法方式：斜率不变，截距不同。

乘法方式：截距相等，斜率不同

1、滞后变量模型的分类以及系数含义

分布滞后模型：如果滞后变量模型中没有滞后被解释变量，仅有解释变量X的当期值极其若干期的滞后变量，称为分布滞后模型。

自回归模型：如果滞后变量模型中的解释变量仅包含X的当期值与被解释变量Y的一个或多个滞后值，则称为自回归模

内生变量：是具有某种概率分布的随机变量，它的参数是联立方程系统估计的元素，内生变量既可以作为解释变量，又可以在不同的方程中作为被解释变量。

外生变量：一般是确定性变量，或者是具有临界概率分布的随机变量，其参数不是模型系统研究的元素，外甥变量只能是解释变量。

先觉变量：外生变量与滞后变量的统称。

1、什么是调整后的判定系数

-

2

R?简单叙述为什么要引入

-

2

R?

就是将可决系数的残差平方和和总理差平方和各除以自己的自由度。在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是将可决系数的残差平方和和总理差平方和各除以自己的自由度，以剔除变量个数对拟合优度的影响。

以二元线性模型Y i=β0+β1X1i+β2X2i+μi为例，说明当X1与X2完全线性相关时，模型参数将无法估计。

对于以上二元线性模型，如果两个变量完全相关，设X2=LX1,则此二元线性回归模型退化为一元线性回归模型。。。。。这时只能确定。。。的估计值，无法确定其确定值。