计量经济学期末复习提纲（红色部分要注意）绝密!!

计量经济学期末复习提纲（红色部分要注意）绝密!!

计量经济学复习提纲

第一章绪论

一、计量经济学的含义

二、计量经济学与其他学科的联系与区别

三、计量经济学的内容体系

四、计量经济学的研究步骤

五、计量经济学的发展概况

需要掌握的主要内容

1.如何理解计量经济学？（研究对象、理论基础、与经济学的区别、所研究变量的特点）

计量经济学是经济学的一个分支，（起因：对经济问题的定量研究名词：1926年弗瑞希仿造出“Biometrics” “Econometrics”标志：1930年成立计量经济学会 1933年创刊《Econometrica》说明：“计量经济学” “经济计量学”）

“用数学方法探讨经济学可以从好几个方面着手，但任何一个方面都不能和计量经济学混为一谈。

计量经济学与经济统计学绝非一码事；它也不同于我们所说的一般经济理论，尽管经济理论大部分具有一定的数量特征；计量经济学也不应视为数学应用于经济学的同义语。经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说，都是必要的，但本身并非是充分条件。三者结合起来，就是力量，这种结合便构成了计量经济学。”

2.狭义计量经济学研究的是具有因果关系的经济现象，用的是回归的分析方法。

3.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

计量经济学模型成功的三要素 :理论,数据,方法,三者缺一不可.

4.选择解释变量时需要注意的问题：（1）根据经济规律确定变量的数目（2）考虑数据的可得性（3）

考虑所有入选变量的关系，要求各变量独立。---否则会引起多重共线性

5.如何确定模型的数学形式？（1）根据经济理论（2）画散点图（3）试模拟

6.什么是时间序列数据？在不同时间点上收集到的数据，这类数据反映了某一事物、现象等随

时间的变化状态或程度。如我国国内生产总值从1949到2009的变化就是时间序列数据。什么是截面数据？截面数据就是同一时间点上各个主体的数据，比如2007年各省的GDP数据放在一起就是一组截面数据与之相对的是时间序列数据（要求能够判断）

7.数据的要求：完整性、准确性、可比性、一致性。

8.模型的检验内容：（每一项里又具体包括哪些内容？F、t检验步骤是什么？）

经济学检验: 根据拟定的符号、大小、关系以判断其合理性。

统计学检验: 由数理统计理论决定, 包括拟合优度检验（R2）, 总体显著性检验（F检验）, 变量

显著性检验（t检验）

计量经济学检验: 由计量经济学理论决定, 包括异方差性检验, 序列相关性检验, 多重共线性

检验

模型的预测检验: 由模型的应用要求决定, 包括稳定性检验：扩大样本重新估计,预测性能检验：

对样本外一点进行实际预测

模型应用的四个方面：结构分析、经济预测、政策评价、检验与发展经济理论。

第二章与第三章回归模型(包括一元与多元回归)

第一节回归分析概述

1、回归分析：研究一个变量关于另一个（些）变量的统计以及关系的计算方法和理论，其用意

在于通过后者的已知值或者设定值，去估计和预测前者的（总体）均值。

2、相关分析与回归分析的区别：清楚相关分析无须考察两者是否有因果关系；回归分析则更关

注变量间的因果关系分析。

3、总体回归函数与总体回归模型的形式

总体回归函数：用来描述在给定解释变量X条件下被解释变量Y 的期望轨迹的函数。

Y=

总体回归模型：在总体回归函数中加入随机误差项就总体回归模型。

Y=

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

6、回归系数的经济含义是什么？（要会具体问题具体分析）

第二节基本假设

1、回归模型的一般形式与基本假定

一般形式：Y=β0+β1 X+μ

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。

第三节参数估计

1、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，最大似然法（LM）概念：当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。

普通最小二乘法与最大似然法之间的区别：普通最小二乘法（估计量无偏）、最大似然法（估计量有偏）在满足一系列基本假设的情况下，模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。

2、正规方程组

最小二乘估计量的表达形式

其中

3、最小二乘法估计量的统计性质：线性性、无偏性、有效性（证明过程)

模型参数估计出后，需考虑参数估计值的精度，即是否能代表总体参数的真值，或者说需考察参数估计量的统计性质。