计量经济学笔记
计量经济学复习笔记
2023计量经济学笔记PERSONAL NOTES计量经济学笔记目录CH1导论 (3)CH2简单线性回归模型 (5)CH3多元线性回归模型 (11)CH4多重共线性 (14)CH5异方差 (16)CH6自相关 (19)CH1导论1、计量经济学：以经济理论和经济数据的事实为依据，运用数学、统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
研究主体是经济现象及其发展变化的规律。
2、运用计量分析研究步骤：●模型设定——确定变量和数学关系式●估计参数——分析变量间具体的数量关系●模型检验——检验所得结论的可靠性●模型应用——做经济分析和经济预测3、模型（1）变量A.解释变量:表示被解释变量变动原因的变量，也称自变量，回归元，X。
B.被解释变量:表示分析研究的对象，变动结果的变量，也成应变量，Y。
C.内生变量:其数值由模型所决定的变量，是模型求解的结果。
D.外生变量:其数值由模型意外决定的变量。
（外生变量数值的变化能够影响内生变量的变化，而内生变量却不能反过来影响外生变量。
）E.前定内生变量：过去时期的、滞后的或更大范围的内生变量，不受本模型研究范围的内生变量的影响，但能够影响我们所研究的本期的内生变量。
F.前定变量：前定内生变量和外生变量的总称。
（2）数据●时间序列数据：按照时间先后排列的统计数据（t）。
●截面数据：发生在同一时间截面上的调查数据（i）。
●面板数据：时间序列数据和截面数据结合的数据（t,i）。
●虚拟变量数据：表征政策，条件等，一般取0或1（d）.4、估计评价统计性质的标准无偏：E（＾β）=β有效：最小方差性一致：N趋近无穷时，β估计越来越接近真实值5、检验经济意义检验：所估计的模型与经济理论是否相等统计推断检验：检验参数估计值是否抽样的偶然结果，是否显著计量经济检验：是否符合计量经济方法的基本假定预测检验：将模型预测的结果与经济运行的实际对比6、计量经济学的研究过程CH2简单线性回归模型一、相关知识点：1、变量间的关系分为函数关系与相关关系（相关系数是对变量间线性相关程度的度量。
计量经济学复习笔记要点
计量经济学 总复习第一部分：统计基础知识均值的概念：通常人们所说的均值就是“平均数”，统计意义上的均值是“期望值”。
方差：变量的每个样本与均值的距离大小的概念。
标准差：对方差开根号就是标准差。
数学期望值与方差的数学性质总体方差： 1.常量aE （a ）=a 2σ(a)=0抽样方差： 2.变量 y=a+bxE(y)=a+bE(x)总体标准偏差： 2σ(y)=b^2 * 2σ(x)抽样标准偏差：假设检验的定义：事先做一个假设，然后再用统计方法来检验这个假设是否有统计意义。
假设检验的步骤：第一步，设定假设条件。
原定假设，H0:u=u0，和替代假设，Ha:u ≠u0。
第二步，决定用哪种检验， 如果n ≥30,用Z 检验，如果n<30, 用t 检验。
第三步，找出临界值， 根据给定的定义域的大小，即α=1%、α=5%、或 α=10% 从概率分布表中查出Zc 值，或tc 值。
第四步，计算统计值， 或者第五步，比较统计值与临界值而得出结论。
如果统计值的绝对值大于临界值，那么我们就否定原定假设； 如果统计值的绝对值小于临界值，那么我们就不能否定原定假设。
第二部分 最小二乘法最小二乘法的假设条件：（1） （2） （3） （4） （5） 文字解释：Nu x Ni ∑-=22)(σ1)(22--=∑n x xs ni2σσ=2s s =nux Z σ0*-=n s u x t 0*-=)(=X E i ε∞<=22,)(σσεi Var 0),(=j i Cov εε0),(=i i X Cov ε1),(±≠j i X X Cov(1)每个误差必须是随机的，其误差的期望值是零；(2)误差都是雷同的，其方差相等，同时其方差的变化量必须是有限的； (3)每个误差之间必须是相互独立的； (4)误差项与方程式中的自变量是无关的； (5)自变量之间无直接的线性关系。
通用最小二乘法的步骤：第一步：求出误差项：第二步：求误差的平方和最小。
计量经济学笔记(总)
计量经济学三、课程大致安排 1、内容框架2、参考书目：初、中级教程：计量经济学 王维国 东北财经大学出版社计量经济学/Basic Econometrics （印度）古扎拉蒂 中国人民大学 计量经济学 赵国庆 中国人民大学出版社 计量经济学 李子奈 潘文卿 高等教育出版社 高级教程：计量经济模型与经济预测 平耿克 钱小军译 机械工业出版社 《经济计量分析》( Econometric Analysis )3、安装eview ，数据（演算一下）OLS 法（缺少数据）4、安装pdf第二部分 数学预备知识概率论第一章随机变量及其分布一、随机变量的定义设随机试验Ed样本空间为{}π=，如果对两个？？？，都有唯一w的实数()x w与之对应，并且对任意实数X，？？是随机事件，则称事件，则称定义在π上的实单值函数()x w为随机变量。
通俗的说，在实验结果能取得不同数值的量，称为随机变量它的数值是随机试验结果而它由于试验的结果是随机的，所以它的值也是随机的。
二、分类（连续型和离散型）例子：在一个箱子里放着t个数字球，-2，1，1，3，3，3，3从中取一个球，取到球上面的数字是随着试验结果不同而变化。
又如：考四、六级，考过记为1，不过记为0。
再如：抛硬币，正面记为1，反面记为0。
引入话题：举一些现实中的例子，如考试，在公交场等车随机变量-事件-概率-频率-分布率-分布函数-连续随机变量上面我们讲的是一种事件有很多种不同的结果，但在现实中这些出现的结果的可能性并不是相同的。
例子：考六级出现的结果不同，大多数分数集中在50-60和60-70之间，也就是说出现2和3的可能性更大。
=0（0-50），1（50-60），2（60-70），3（70-80），4（80-100）问题：用什么衡量可能性呢？（概率）我们用的概率都是古典概型，即用事件发生概率来表示概率。
频率的定义：一随机事件的n个结果互斥且两个结果等可能发生，并且事件A会有m个基本结果，则事件A发生的概率即是()p A，就是() p A= mn=事件发生的总数/结果总数两点需要注意：1、试验结果互斥；2、等可能性相当。
计量经济学重点笔记第四讲
第四讲 异方差一、 同方差与异方差：图形展示对于模型12i i i y x ββε=++，在高斯-马尔科夫假定下有：12222()iii iy E y x εββδδδ=+==其中22iεδδ=意味着同方差假定成立。
为了理解同方差假定，我们先考察图一。
在图一中，空心圆点代表(,())i ix E y ，实心圆点代表观测值(,)i i x y 观测，i y 观测是随机变量i y 的一个实现（注意，按照假定，i x 是非随机的，即在重复抽样的情况下，给定i 的取值，ix 不随样本的变化而变化），倾斜的直线代表总体回归函数：12()i iE y x ββ=+。
图一显示了一个重要特征，即，尽管12,,...y y的期望值随着12,,...x x 的不同而随之变化，但由于假定222iiyεδδδ==，它们的离散程度（方差）是不变的。
然而，假定误差项同方差从而被解释变量同方差可能并不符合经济现实。
例如，如果被解释变量y 代表居民储蓄，x 代表收入，那么经常出现的情况是，低收入居民间的储蓄不会有太大的差异，这是因为在满足基本消费后剩余收入已不多。
但在高收入居民间，储蓄可能受消费习惯、家庭成员构成等因素的影响而千差万别。
图二能够展示这种现象。
图一同方差情况图二异方差情况在图二中，依据x1所对应的分布曲线形状，x5所对应的实心圆点看起来是一个异常点（但依据x5所对应的分布曲线形状，它或许称不上是异常点）。
异常点的出现是同方差假定被违背情况下的一个典型症状，事实上通过散点图来发现异常点从而初步识别异方差现象在实践中经常被采用，见图三。
浙江工商大学金融学院姚耀军讲义系列图三异方差情况下的散点图笔记：应该注意的是，如果第一个高斯-马尔科夫假定被违背，即模型设定有误，那么也可能出现异方差症状。
例如，正确模型是非线性的，但我们错误地设定为线性，以这个线性模型为参照，散点图也许显示出明显的异方差症状。
事实上，在很多情况下，异方差症状被认为是模型错误设定的一个表现。
庞皓《计量经济学》笔记和课后习题详解(简单线性回归模型)【圣才出品】
圣才电子书 十万种考研考证电子书、题库视频学习平台
图 2-1 变量相关关系的散点图 根据涉及的变量数量、相关性质及相关程度的不同，变量之间的相关关系可以分为若干 类型。相关关系的类型见表 2-1。
表 2-1 相关关系的类型
2 / 39
圣才电子书 十万种考研考证电子书、题库视频学习平台
4 / 39
圣才电子书 十万种考研考证电子书、题库视频学习平台
是要根据解释变量的数值去估计所研究的被解释变量的总体平均值。 （4）相关分析与回归分析的联系与区别（见表 2-2） 表 2-2 相关ቤተ መጻሕፍቲ ባይዱ析与回归分析的联系与区别
注意：相关分析和回归分析只是从数据出发定量地分析经济变量间相互联系的手段，并 不能决定经济现象相互之间的本质联系。在对经济问题开展相关分析和回归分析时，要注意 与定性的经济分析相结合，才能得到有实际意义的结果。
圣才电子书 十万种考研考证电子书、题库视频学习平台
第 2 章 简单线性回归模型
2.1 复习笔记
考点一：回归分析与回归函数 ★★★
1．相关分析与回归分析 （1）经济变量间的相互关系 ①确定性的函数关系 当一个或若干个变量 X 取一定数值时，某一个变量 Y 有确定的值与之相对应，则称变 量之间的这种关系为确定性的函数关系。一般情况下，确定性的函数关系可表示为 Y＝（f X）。 ②相关关系 当一个或若干个变量 X 取一定数值时，与之相对应的另一个变量 Y 的值虽然不确定， 但却按某种规律在一定范围内变化，则称变量之间的这种关系为不确定的统计关系或相关关 系，一般可表示为 Y＝f（X，u），其中，u 为随机变量。 坐标图（又称散点图）可以用来描述变量之间的相关关系，如变量 X 和 Y 之间关系的 散点图可描述为图 2-1。
古扎拉蒂《计量经济学基础》(第5版)笔记和课后习题详解
资料来源：EconomicReport ofthe President，2007，Table13-110，P.356．
答：a．把汇率的对数作为纵轴并把时间作为横轴进行描点，如图1-4所示，汇率的波动性很大。比如，在1985年，1美元只能兑换0.257比索，但到了2004年，它能兑换约11.29比索。
2．回归分析与相关分析的区别
回归分析中，对因变量和解释变量的处理方法存在着不对称性。因变量被当作是统计的、随机的，也就是它有一个概率分布。而解释变量则被看作是（在重复抽样中）取固定值的。
相关分析中，任何（两个）变量的处理方法都是对称的；因变量和解释变量之间不加区别；两个变量都被看作是随机的。
五、术语与符号
计量经济学可定义为实际经济现象的数量分析。这种分析基于理论与观测的并行发展，而理论与观测又通过适当的推断方法得以联系。
计量经济学可定义为这样的社会科学：它把经济理论、数学和统计推断作为工具，应用于经济现象的分析。
2．研究对象和研究方法
计量经济学研究经济定律的经验判定。计量经济学家的艺术，就在于找出一组足够具体且足够现实的假定，使他尽可能最好地利用他所获得的数据。
图1-3
b．如图1-3所示，这六个国家的通货膨胀率与美国的通货膨胀率正相关。
c．相关并不意味着因果关系。从逻辑上说，回归得到的统计关系式本身不可能意味着任何因果关系。肯德尔和斯图亚特认为，一个统计关系式永远不能确立因果方面的联系，对因果关系的理念，必须来自统计学以外的某种理论。
3．表1-3给出了9个工业化国家1985～2006年间的外汇汇率数据。除英国外，汇率都定义为一美元兑换外币的数量；而英国的汇率定义为一英镑兑换美元的数量。
资料来源：Economic Report of the President，2007，Table l08，P.354．
(完整word版)计量经济学复习笔记
计量经济学复习笔记CH1导论1、计量经济学：以经济理论和经济数据的事实为依据，运用数学、统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
研究主体是经济现象及其发展变化的规律。
2、运用计量分析研究步骤：模型设定一一确定变量和数学关系式估计参数一一分析变量间具体的数量关系模型检验一一检验所得结论的可靠性模型应用一一做经济分析和经济预测3、模型变量：解释变量：表示被解释变量变动原因的变量，也称自变量，回归元。
被解释变量：表示分析研究的对象，变动结果的变量，也成应变量。
内生变量：其数值由模型所决定的变量，是模型求解的结果。
外生变量：其数值由模型意外决定的变量。
外生变量数值的变化能够影响内生变量的变化，而内生变量却不能反过来影响外生变量。
前定内生变量：过去时期的、滞后的或更大范围的内生变量，不受本模型研究范围的内生变量的影响, 但能够影响我们所研究的本期的内生变量。
前定变量：前定内生变量和外生变量的总称。
数据:时间序列数据：按照时间先后排列的统计数据。
截面数据：发生在同一时间截面上的调查数据。
面板数据：虚拟变量数据：表征政策，条件等，一般取0或1.4、估计评价统计性质的标准无偏：E （人3 ）= 3 随机变量，变量的函数？有效：最小方差性一致：N趋近无穷时，3估计越来越接近真实值5、检验经济意义检验：所估计的模型与经济理论是否相等统计推断检验：检验参数估计值是否抽样的偶然结果，是否显著计量经济检验：是否符合计量经济方法的基本假定预测检验：将模型预测的结果与经济运行的实际对比CH2 CH3线性回归模型模型（假设）一一估计参数一一检验一一拟合优度一一预测1、模型（线性）（1）关于参数的线性模型就变量而言是线性的；模型就参数而言是线性的。
Yi = 3 1+ 3 2lnX i+u线性影响随机影响Y i=E (Y|X i) +u E (Y|X i) =f(X i)= 3 1+3 2lnX 引入随机扰动项，（3）古典假设A零均值假定 E ( U i |X i) =0B同方差假定Var(u i|XJ=E(u i2)=2(TC无自相关假定Cov(u i ,u j)=0D随机扰动项与解释变量不相关假定Cov(u i ,X i )=0E正态性假定u~N(0, d 2)F无多重共线性假定Rank(X)=k2、估计在古典假设下，经典框架，可以使用OLS方法：OLS 寻找min Ee i2人B iois = (Y均值)-人B 2(X均值)人B 2ois = Ex i y〃Ex i23、性质OLS回归线性质(数值性质)(1)回归线通过样本均值(X均值,Y均值)(2)估计值人Y的均值等于实际值Y的均值(3)剩余项e i的均值为0(4)被解释变量估计值人Y与剩余项8不相关Cov(人Y,ej=0(5)解释变量X与剩余项8不相关Cov(e i,X i)=0在古典假设下，OLS的统计性质是BLUE统计最佳线性无偏估计4、检验(1) Z检验Ho: B 2=0原假设验证B 2是否显著不为0标准化：Z= (A B 2- B 2) /SE (A B 2)〜N( 0,1 ) 在方差已知，样本充分大用Z检验拒绝域在两侧，跟临界值判断，是否B2显著不为0(2) t检验一一回归系数的假设性检验方差未知，用方差估计量代替 A d 2=Ee i2/(n-k) 重点记忆t =(人卩2- B 2) / A SE (A B 2)〜t (n-2)拒绝域：|t|>=t 2/a( n-2)拒绝，认为对应解释变量对被解释变量有显著影响。
计量经济学笔记
解释变量观测值的平均值和被解释变量观测值的平均值处于 OLS 回归线上。
将被解释变量取值 yi 分解成拟合值和残差两个部分，������! = ������! + ������!。定义总体平方和 SST
N
2
∑ 为 ( yi − y) ，解释平方和 SSE 为 !!!!(������! − ������)!，残差平方和 SSR 为 !!!!(������!)!，则可定义
∑ 1
N
N
u
2 i
，但是由于
ui
是非观测值，所以我们可以用残差
u
来代替，但此时由于假定
1，2
i =1
∑ 对残差做了限制，所以这里的自由度是
N-‐2
而不是
N，即 σ2
=
1 N −2
N i=1
u i2
。将此估计量放
入到对 β1 的估计量的样本方差公式中就可以得到有关 β1 样本方差的无偏估计量。
Assumption 1-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐ E( y − β0 − β1x) = 0 Assumption 2-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐-‐ E(x( y − β0 − β1x)) = 01
该无偏性应是以x!， … ，x!为条件的无偏性。但是对于横截面数据，在 Assumption2 的随机
抽样假定下，由于（x!， … ，x!）提供的信息集和 xi 提供的信息集一样都是总体的信息集，
计量经济学复习笔记
第一章统计概念1.什么是计量经济学计量经济学是对经济的测度，利用经济理论、数学、统计推断等工具对经济现象进行分析的一门社会科学。
2.计量经济学的方法论（计量经济分析步骤）（1）建立理论假说。
（2）收集数据。
（3）假定数学模型。
（4）设立统计或计量模型。
（5）估计经济模型参数（6）核查模型的适用性：模型设定检验。
（7）检验源自模型的假定（8）利用模型进行预测4.数据类型（1）时间序列数据：按时间跨度获得的数据。
特征是一般变量如 Y t、X t下标为t。
（2）截面数据：同一时点上的一个或多个变量的数据集合。
如：各地区2002年人口普查数据。
（3）合并数据：既包括时间序列数据有包括截面数据。
例：20年间10个国家的失业数据。
20年失业数据是时间序列，10个国家又是截面数据。
（4）面板数据：同一个横截面的单位的跨期调查数据。
例：对相同的家庭数量在几个时间间隔内进行的财务状况调查。
5.理解回归关系回归关系是一种统计上的相关关系，并不意味着自变量和因变量之间存在着因果关系。
第二章线性回归的基本思想1.回归分析的含义: 回归分析是反映的自变量和因变量之间的统计关系，回归分析是在自变量给定条件下的因变量的变化，是一种条件回归分析E（Y i|X i）=B1+B2X i2.随机误差项的性质（为什么要引入随机误差项）（1）随机误差项代表着未纳入模型变量对因变量的影响（2）即使模型包括了影响因变量的所有因素，模型也有不可避免的随机性。
（3）μ还代表着度量误差（4）模型设定应该尽可能简单，只要不遗漏重要变量，把因变量的次要影响因素归于随机项 μ 。
（奥卡姆剃刀原则）3.参数估计方法———普通最小二乘法的基本思想 选择参数使得残差平方和最小——Min ∑e i 2=Min ∑（Y i −Yi ̌）2=Min ∑（Y i −b 1−b 2X i ）^24.根据Ols 法得出参数 b 1 b 2 称为最小二乘估计量，最小二乘估计量的性质： （1）Ols 方法获得样本回归直线过样本均值点（X ，Y ） （2）残差的均值总为0，（3）残差项与解释变量的乘积求和为0，即残差项与解释变量不相关。
计量经济学笔记(总)
数学预备知识第一篇 概率论 第一章 随机变量及其分布一、随机变量的定义设随机试验Ed 样本空间为{}w π=，如果对两个？？？，都有唯一的实数()x w 与之对应，并且对任意实数X ，？？是随机事件，则称事件，则称定义在π上的实单值函数()x w 为随机变量。
通俗的说，在实验结果能取得不同数值的量，称为随机变量它的数值是随机试验结果而它由于试验的结果是随机的，所以它的值也是随机的。
二、分类（连续型和离散型）第二章 事件例子：在一个箱子里放着t 个数字球，-2，1，1，3，3，3，3从中取一个球，取到球上面的数字是随着试验结果不同而变化。
又如：考四、六级，考过记为1，不过记为0。
再如：抛硬币，正面记为1，反面记为0。
引入话题：举一些现实中的例子，如考试，在公交场等车 随机变量-事件-概率-频率-分布率-分布函数-连续随机变量上面我们讲的是一种事件有很多种不同的结果，但在现实中这些出现的结果的可能性并不是相同的。
例子：考六级出现的结果不同，大多数分数集中在50-60和60-70之间，也就是说出现2和3的可能性更大。
ε=0（0-50） ，1（50-60），2（60-70），3（70-80），4（80-100）问题：用什么衡量可能性呢？（概率）我们用的概率都是古典概型，即用事件发生概率来表示概率。
频率的定义：一随机事件的n 个结果互斥且两个结果等可能发生，并且事件A 会有m 个基本结果，则事件A 发生的概率即是()p A ，就是()p A =mn=事件发生的总数/结果总数 两点需要注意：1、试验结果互斥；2、等可能性相当。
第三章 概率假设1000人去参加6级考试，或1个人参加1000次难度相同的考试。
① 等可能②结果互斥01)2500.252)5000.53ε (0,60) 50 0.05⎧⎪ [60,70 ⎪=⎨[70,80 ⎪⎪ [80,100] 200 0.2⎩ 例题：5只球，编号1、2、3、4、5。
计量经济学复习笔记(注释)
计量经济学复习笔记CH1导论1、计量经济学：以经济理论和经济数据的事实为依据，运用数学、统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
研究主体是经济现象及其发展变化的规律。
2、运用计量分析研究步骤：模型设定——确定变量和数学关系式估计参数——分析变量间具体的数量关系模型检验——检验所得结论的可靠性模型应用——做经济分析和经济预测3、模型变量:解释变量:表示被解释变量变动原因的变量，也称自变量，回归元。
被解释变量:表示分析研究的对象，变动结果的变量，也成应变量。
内生变量:其数值由模型所决定的变量，是模型求解的结果。
外生变量:其数值由模型意外决定的变量。
外生变量数值的变化能够影响内生变量的变化，而内生变量却不能反过来影响外生变量。
前定内生变量：过去时期的、滞后的或更大范围的内生变量，不受本模型研究范围的内生变量的影响，但能够影响我们所研究的本期的内生变量。
前定变量：前定内生变量和外生变量的总称。
数据:时间序列数据：按照时间先后排列的统计数据。
截面数据：发生在同一时间截面上的调查数据。
面板数据：虚拟变量数据：表征政策，条件等，一般取0或1.4、估计评价统计性质的标准无偏：E（＾β）=β 随机变量，变量的函数？有效：最小方差性一致：N趋近无穷时，β估计越来越接近真实值5、检验经济意义检验：所估计的模型与经济理论是否相等统计推断检验：检验参数估计值是否抽样的偶然结果，是否显著计量经济检验：是否符合计量经济方法的基本假定预测检验：将模型预测的结果与经济运行的实际对比CH2 CH3 线性回归模型模型（假设）——估计参数——检验——拟合优度——预测1、模型（线性）（1）关于参数的线性 模型就变量而言是线性的；模型就参数而言是线性的。
Y i =β1+β2lnX i +u i线性影响 随机影响Y i =E （Y i |X i ）+u i E （Y i |X i ）=f(X i )=β1+β2lnX i引入随机扰动项，（3）古典假设A 零均值假定 E （u i |X i ）=0B 同方差假定 Var(u i |X i )=E(u i 2)=σ2C 无自相关假定 Cov(u i ,u j )=0D 随机扰动项与解释变量不相关假定 Cov(u i ,X i )=0E 正态性假定u i ~N(0,σ2)F 无多重共线性假定Rank(X)=k2、估计在古典假设下，经典框架，可以使用OLS方法：OLS 寻找min ∑e i2 ＾β1ols = (Y 均值)-＾β2(X 均值)＾β2ols = ∑x i y i /∑x i 23、性质OLS 回归线性质（数值性质）（1）回归线通过样本均值 （X 均值,Y 均值）（2）估计值＾Y i 的均值等于实际值Y i 的均值（3）剩余项e i 的均值为0（4）被解释变量估计值＾Y i 与剩余项e i 不相关 Cov(＾Y i ,e i )=0（5）解释变量X i 与剩余项e i 不相关 Cov(e i ,X i )=0在古典假设下，OLS 的统计性质是BLUE 统计 最佳线性无偏估计4、检验(1)Z 检验Ho:β2=0 原假设 验证β2是否显著不为0标准化： Z=（＾β2-β2）/SE （＾β2）~N （0,1） 在方差已知，样本充分大用Z 检验拒绝域在两侧，跟临界值判断，是否β2显著不为0(2)t 检验——回归系数的假设性检验方差未知，用方差估计量代替 ＾σ2=∑e i 2/(n-k) 重点记忆t =（＾β2-β2）/＾SE （＾β2）~t （n-2）拒绝域：|t|>=t 2/a (n-2)拒绝，认为对应解释变量对被解释变量有显著影响。
计量经济学知识点(超全版)
1．经济变量：经济变量是用来描述经济因素数量水平的指标。
（3分）2．解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。
（2分）它对因变量的变动做出解释，表现为方程所描述的因果关系中的“因”。
（1分）3．被解释变量：是作为研究对象的变量。
（1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。
（2分）4．内生变量：是由模型系统内部因素所决定的变量，（2分）表现为具有一定概率分布的随机变量，是模型求解的结果。
（1分）5．外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。
（2分）它影响模型中的内生变量，其数值在模型求解之前就已经确定。
（1分）6．滞后变量：是滞后内生变量和滞后外生变量的合称，（1分）前期的内生变量称为滞后内生变量；（1分）前期的外生变量称为滞后外生变量。
（1分）7．前定变量：通常将外生变量和滞后变量合称为前定变量，（1分）即是在模型求解以前已经确定或需要确定的变量。
（2分）8．控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量，（2分）它一般属于外生变量。
（1分）9．计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，（2分）是以数学形式对客观经济现象所作的描述和概括。
（1分）10．函数关系：如果一个变量y的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定，则y与这个变量或这组变量之间的关系就是函数关系。
（3分）11．相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。
（3分）12．最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法，称为最小二乘法。
（3分）13．高斯－马尔可夫定理：在古典假定条件下，OLS估计量是模型参数的最佳线性无偏估计量，这一结论即是高斯－马尔可夫定理。
计量经济学重点内容笔记讲
一、基本概念：估计量与估计值所谓估计量就是指估计总体参数地一种方法•在该方法下，给定一个样本，我们可以获得一个具体地估计结果，该结果就是所谓地估计值•例如，基于一个样本容量为N地样本，其中为第i次观测值，我们用样本均值来作为对总体均值地估计.在这里，就属于估计量，由于其取值随着样本地变化而变化，因此它是随机地.现在假设我们持有A、B两个样本：与，则基于这两个样本，可以计算出:文档来自于网络搜索分别是估计量可能地取值，它们就是估计值•既然估计量是随机变量，那么它一定服从某种分布，由于估计量与抽样相联系，因此我们把估计量所服从地分布称为抽样分布.有关统计学地一些基本知识请参见本讲附录一一.文档来自于网络搜索笔记：观测值是随机变量地一个可能地取值.我们用样本均值来估计总体均值，实际上就是用来估计.在数理统计中，这被称为矩估计，因为被称为样本（一阶）矩，而被称为总体（一阶）矩.矩估计其要点可以归结为，符号与符号E相对应. 我们再来看看矩估计思想地一个应用.为了估计随机变量地方差E[- E（）]2（也即总体方差），在矩估计法下，则方差估计量将是：.应该注意到，这个方差估计量是有偏估计，而才是方差地无偏估计.如果样本容量很大，这两个估计量相差无几，事实上两者都是方差地一致估计量.这个例子暗示，矩估计并不一定会获得一个无偏地估计量，但将获得一个一致地估计量.关于估计量无偏性与一致性地基本含义见附录1文档来自于网络搜索二、高斯-马尔科夫假定对于模型：，贝叽相应地OLS估计量就是：在一些重要地假定下，OLS估计量表现出良好地性质.我们把这些假定称为高斯-马尔科夫假定.•假定一：真实模型是：.有三种情况属于对该假定地违背：（1）遗漏了相关地解释变量或者增加了无关地解释变量；（2）y与x间地关系是非线性地；（3）并不是常数.文档来自于网络搜索笔记：1、遗漏了地解释变量将进入误差项，从而这很可能导致误差项不在满足下面所列举地一些假定；如果真实模型是非线性地，但我们却用一条直线来近似它，显然这是南辕北辙；如果参数并不是常数，然而我们却基于特定样本用一些常数去近似它们，这显然也不合理地.文档来自于网络搜索2、经济学理论或许很少直接认为y与x地关系是线性地，y与x具有非线性关系可能更符合现实.然而把模型建立成非线性形式常常会付出代价，因为非线性模型其待估计地参数可能更多，从而导致自由度地耗费，带来估计精度地下降.另外，从数学上讲，利用泰勒展开，我们也常常可以用一个线性模型去近似非线性模型.文档来自于网络搜索•假定二：对解释变量地N次观测即被预先固定下来，即不会随着样本地变化而发生变化，是一个非随机列向量.显然，如果解释变量含有随机地测量误差，那么该假定被违背.还存其他地违背该假定地情况.文档来自于网络搜索笔记:1、被假定不会随着样本地变化而发生变化，但这并不意味着在一个给定地样本中.事实上，在含有一个截距与一个解释变量地简单线性回归模型中，将意味着OLS 估计量失去意义，见高斯-马尔科夫假定六.文档来自于网络搜索2、被假定为非随机并不是一个标准假定，然而在该假定下数学处理要简单得多，而且OLS基本地涵义也并未丧失.是随机地情况更一般化，此时，高斯- 马尔科夫假定二被更改为：对任意与，与不相关，此即所谓地解释变量具有严格外生性.显然，当非随机时，与必定不相关•事实上，假定二其最终目地在于保证与不相关.文档来自于网络搜索3、在建立模型时，我们总是希望误差项是由一些不重要、没有任何信息价值地成分所构成.如果与相关，这意味着误差项还具有一定地信息价值，因此在某种程度上可以认为，我们预先建立地模型是不完备地.应该注意到，如果模型遗漏了解释变量，而这些被遗漏地解释变量又与已存在地解释变量是相关地，那么这将导致误差项与已存在地解释变量是相关地.文档来自于网络搜索4、为了理解非随机性地假定，我们考虑如下一个例子.我们试图考察受教育年限（x）对收入（y）地影响.假定我们预先知道总体中有1%地人口接受了22 年地学校教育；有3%地人口接受了19年地学校教育；有10%地人口接受了16 年地学校教育….现在，我们进行一个样本容量为1000地抽样调查.为了使样本尽量反映总体地情况，我们要求样本中有10人接受了22年地教育；有30人接受了19年地教育；有100人接受了16年地教育.这种抽样技术被称为分层随机抽样（Stratified random sample .在抽样中，设定前10次观测对象是那些接受了22年地教育地人，接下来是那些接受了19年教育地人….在这种方法下我们可以获得多个样本，但被预先固定下来，即它不会随着样本地变化而发生变化.文档来自于网络搜索•假定三：误差项期望值为0,即.笔记：1、当随机时，标准假定是：根据迭代期望定律有：，因此，如果成立，必定有：.另外，根据迭代期望定律也有：而•故有：因此，在是随机地情况下，假定二、三可以修正为一个假定：2、所谓迭代期望定律是指：如果信息集，则有.无条件期望所对应地信息集是空集，因此按照迭代期望定律必有：•本讲义第十讲对该定律进行了更为详细地介绍.文档来自于网络搜索3 、回忆第一讲，对模型，在OLS法下我们一定能保证：（1）残差均值为零；（2）残差与x样本不相关.我们希望残差是对误差地良好近似，但如果假定二、三不成立，即，误差项期望值不为零，误差项与解释变量相关，显然此时残差并不是对误差项地良好近似.由于，，因此，如果残差并不是对误差项地良好近似，那么参数地OLS估计量就不是对真实参数良好地近似.由此看来，为保证OLS估计量具有良好地性质，假定二、三地成立非常重要.文档来自于网络搜索4 、当假定成立时，必有；，进而（在这里对各随机变量未加注脚标，这是因为无论脚标是什么，相关等式都成立.现在我们来利用所谓地矩估计思想.误差项观测不到，故我们不得不把残差当做是对误差地观测.于是按照矩估计思想有：；，而这两个式子正是OLS估计法中地两个正规方程，由正规方程就可以得到参数地OLS估计量.由此看来，当假定成立时，OLS估计不过是矩估计地特例.如果知道了这一点，我们就会很快地记住OLS估计量公式：当时，.用样本协方差与样本方差代替总体协方差与总体方差，则有：.我们以后在学习工具变量估计法时，将再次体会到矩估计思想地重要性.文档来自于网络搜索可以发现，矩估计仅仅涉到了x与同期不相关地假定，从这个意义上讲，这个条件过于强了，但只有在这个条件下OLS估计量地无偏性才能保证成立，这可参见更高级地教科书.文档来自于网络搜索•假定四：，即所谓地同方差假定.笔记：1、在是随机地情况下，该假定修订为：2、如果误差项是异方差地，那么N个误差项将具有N个不同地分布.如果把残差近似为对误差地观测，则此时每一个分布下只有一次观测，显然仅凭一次观测我们很难对随机变量地分布性质进行统计分析.文档来自于网络搜索•假定五：，即所谓地序列不相关假定.笔记：1、在是随机地情况下，该假定修订为：2、如果误差项序列相关，这表明误差项还含有系统性地、可资利用地信息.但如果我们已建立地线性模型是完备地，那么假定误差项序列不相关就显得相当自然了.文档来自于网络搜索•假定六：，在多元回归中，该假定演变为地逆存在，即矩阵列向量线性无关.笔记：1、假定六是最基本地，因为违背该假定则OLS估计量地相关公式就失去了意义•但假定六在实践中最不值得担心，因为当该假定被违背时，计量软件将立即告诉我们此时无法进行计算.文档来自于网络搜索2、在模型含有截距地情况下，矩阵列向量线性无关这个条件要强于各解释变量线性无关这个条件.高斯-马尔科夫假定二、三、四、五都可以被归结为对误差项性质地假定，而假定一部分可以认为是对误差项性质地假定.假定六是关于参数可识别地假定.结合OLS地代数性质，我们是不是可以直接感觉到假定一、二、三地重要性？但不幸地是，初级计量经济学经常把重心放在了假定四、五上了.文档来自于网络搜索怎么让我们相信假定一至五是成立地呢？首先我们应尽量利用经济学理论来判断相关假定地合理性，其次我们可以进行一系列计量经济检验.应该注意到，假定一至五基本上都涉及到对误差项分布性质地假定，因此计量经济检验可以说就是检验误差项地分布性质.不过困难之处在于，误差项不可观测.但如果高斯-马尔科夫假定成立，残差将是对误差地良好近似，于是，我们可以通过分析残差地性质来间接推断误差项地分布性质.文档来自于网络搜索三、高斯-马尔科夫定理当高斯-马尔科夫假定成立时，在所有线性无偏估计量中，OLS估计量方差最小，即OLS估计量是最有效地.换句话说，当高斯-马尔科夫假定成立时，O LS估计量是最优线性无偏估计量(Best linear unbiased estimator, BLUE)，此即高斯-马尔科夫定理.文档来自于网络搜索笔记：1、对一个估计量，我们希望它具有什么样地性质？(1)简单实用.随着计量软件地发展，这一点可能不那么重要了；(2)不同地人利用不同地样本得到不同地估计结果，但我们希望平均来看，估计结果将是准确地，此即估计量地无偏性；(3)不同地人利用不同地样本得到不同地估计结果，但我们希望这些结果差异不要太大，事实上差异越小越好，即估计量地方差越小越好，此即估计量地有效性；(4)如果把总体全部展示在我们面前，则我们希望所利用地估计量能够得到真实地参数值，此即估计量地一致性.显然一致性是一个合理地估计量应该满足地最低要求.如果把事情地真相都告诉你了，你却依据一估计方法得到错误地结果，那么这个估计方法一定是一个垃圾！文档来自于网络搜索2、我们很希望一个无偏估计量也是有效地.下面一个调侃计量经济学家地笑话或许有助于我们理解这一点.三个计量经济学家去森林中打猎.一个计量经济学家一枪击到一头野猪前面五米处，一个计量经济学家一枪击到这头野猪后面五米处，第三个计量经济学家高兴得跳起来喊道，“击中了！击中了！我们平均击中了！” .文档来自于网络搜索3、一个估计量可能是有偏地、无效地，但如果满足一致性，它也是有用地.因为当我们手中地样本容量确实很大时，那么基于这个一致估计量地估计结果应该是对真实参数良好地近似.我们在前面地笔记中曾提到，如果假定二、三不成立，则残差并不是对误差项地良好近似，进而参数地OLS估计量就不是对真实参数良好地近似•由此看来假定二、三地成立对于保证OLS估计量地一致性非常重要.文档来自于网络搜索（一）OLS估计量是线性估计量所谓OLS估计量是线性估计量，是指它能够被表示为地线性函数.例如：在这里我们定义.应该注意到，在假定二下，k i是非随机地.练习：把表示成地线性函数：，其中.笔记：可以从数学上验证：另外一种简单地验证方式是：（1）假定被解释变量与解释变量都是x,那么回归直线地斜率将为1，截距将为0，即有：文档来自于网络搜索（2）假定被解释变量取值恒为1,那么回归直线地斜率将为0,截距将为1,即有：（二）OLS估计量具有无偏性：；证明：注意到；，再利用高斯-马尔科夫假定三：，于是有：.笔记：1 、在是随机地情况下，我们需证：2、我们在证明无偏性实际上应用了高斯-马尔科夫假定一、二、三. 练习：证明（三）在所有线性无偏估计量中，OLS估计量方差最小1、OLS估计量地方差利用高斯-马尔科夫假定五：与高斯-马尔科夫假定四：有：.注意到：因此有：笔记：1、，当N趋于无穷大时，样本方差收敛于总体方差，故当N趋于无穷大时，趋于0.由于，因此，当N趋于无穷大时，在概率上收敛于，即是地一致估计量.你能够表明是地一致估计量吗？文档来自于网络搜索2我们得到上述方差公式时实际上利用了高斯-马尔科夫假定一、二、四、五.当上述假定不成立时，上述公式无意义.文档来自于网络搜索练习：（1）证明在高斯-马尔科夫假定下：（2）证明在高斯-马尔科夫假定下：2、OLS估计量地有效性任意一种线性估计量都可表示为，当时，该估计量即为地OLS估计量.现在我们将证明：在所有无偏地地线性估计量中，OLS估计量具有最小地方差.文档来自于网络搜索“在所有无偏地地线性估计量中”是一个前提条件.我们地任务是，在给定前提下（约束条件），证明OLS估计量所对应地权数使方差（目标函数）取最小值.文档来自于网络搜索首先分析前提条件：线性估计量地表达是为了保证地无偏性，那么下面地等式应该恒成立：因此，.其次分析方差表示：在高斯-马尔科夫假定四、五下，有：■最后，形成数学问题：常数只影响目标函数值但不影响地选择，因此在求解上述优化问题时可以省去. 对上述极值问题，其拉格朗日函数是：相应地一阶条件是：把（3group）中各式相加并利用（4）有：把（3group）中第i式两边同时乘以后再各式相加，然后利用（5），有：由（6）、（7）有：于是我们已知道这个权数正是地OLS估计量所对应地权数，故问题得证.练习：证明在所有地线性无偏估计量中OLS估计量其方差是最小地.笔记：线性性质不过是OLS估计量在假定一下所具有地代数性质，无偏性与有效性才是高斯-马尔科夫定理所强调地•高斯-马尔科夫定理为OLS地广泛应用提供了理论依据.当然问题是，该定理涉及到如此众多地假定，这些假定同时成立实属罕见！从而这涉及到两个问题：（1）如何检验这些假定？（2）如果一些假定并不成立，那么OLS估计量具有什么性质？此时我们应该采取何种估计方法？本讲义后续章节将讨论这些问题.文档来自于网络搜索在附录二中，本讲义提供了很多教科书对高斯-马尔科夫地另外一种证明形式四、补充知识点（一）估计误差地方差模型中地误差项其方差经常未知而有待估计.可以证明，在高斯-马尔科夫假定下，对误差项地一个无偏估计是：为简单计，考虑一元线性回归模型地情况，此时k=1.我们需要证明.证明：在高斯马尔科夫假定下，有：因此，，故.注意到：而因此有：故：因此，笔记：1、实际上是残差地样本方差[在含截距地简单线性回归模型中，残差地自由度是N-2].误差是观测不到地，但我们能利用样本得到残差.直观来看，我们可以利用残差地样本方差来作为对误差方差地估计.上述证明结果表明，这个估计还是无偏地.文档来自于网络搜索2、在第一讲谈到自由度调整时，我们曾经举个一例：当计算样本方差时如果注意自由度调整，我们将得到一个对总体方差地无偏估计.文档来自于网络搜索3、只有残差是对误差地良好近似时，基于残差地样本方差来估计误差地方差才是合理地.因此，高斯-马尔科夫假定非常重要地.例如，如果违背假定四，即误差项是异方差地，那么我们利用一个不会随着i地变化而变化地数（会随着i地变化而变化吗？）去估计一系列随i而变化地参数（误差项方差随i地变化而变化），显然这是不合理地.文档来自于网络搜索应该注意，尽管在高斯-马尔科夫假定下是对地无偏估计，然而并不是对地无偏估计，不过可以证明是对地一致估计.被称为“回归地标准误”（standard error of regression,SER .文档来自于网络搜索笔记：1、为什么在高斯-马尔科夫假定下是对地无偏估计，但并不能由此推出是对地无偏估计？从数学上可以表明，当是非线性函数时，由不能推出•事实上由利用Jen sen不等式有：文档来自于网络搜索，而所谓Jen sen不等式是指：，g是凸函数(凸向原点)；，g是凹函数(凹向原点)•2、另外还可以证明是对地一致估计，即：.概率极限运算具有如下性质：由上述性质，则•按照定义，是标准差，是非负地，故有：，即，如果是对地一致估计，则是对地一致估计，反之亦然.文档来自于网络搜索(二)基于样本回归直线地预测假定真实模型是：，模型满足高斯-马尔科夫假定.利用OLS法得到：•现在我们获得一次新地观测，然而此次观测只获得X地取值X f，现在我们考虑基于样本回归直线来预测y f和E(y f).文档来自于网络搜索1、预测y f以作为对y f地预测.则预测误差是：.显然E(ei)=0 ；笔记：1、地随机性来源于.与是不相关地，因此与无关.2、根据上述表达式可知，当时，预测误差方差最小.直觉是什么呢？以工资对教育水平回归为例.首先你基于一个样本得到估计结果，该样本主要由具有初中和高中学教育水平地人构成.想一想，如果利用已有地回归结果去预测一位博士地收入，预测精度会高吗？如果利用已有地回归结果去预测一位小学可能都未读完地人地收入，预测精度会高吗？文档来自于网络搜索2、预测E(y f)以作为对E(y f)地预测.此时预测误差是：显然，E(62)=0.比较可知，尽管既是y f地无偏预测也是E(y f)地无偏预测，但它更适合作为对E(y f) 地预测.直觉上，由于y f是随机地而E(y f)是非随机地，因此对y f地预测应该难于对E(y f)地预测，即对y f地预测精度应该低于对E(y f)地预测精度上述两种预测都属于点预测.还有一种预测被称为区间预测，参见第三讲附录附录一：通过例子学习统计学知识(一)期望值、均值、估计量、估计值在座各位所形成地班级是一个总体，总体地平均身高()等于各位同学身高之和除以总人数.我打算利用样本平均身高来估计总体参数.现在我将从在座各位中随机抽取N 位同学以形成一个样本容量为N地样本.记为第i次被抽取同学地身高.在第i次抽取具体实施之前，是一个随机变量，而各位同学地身高都是该随机变量可能地取值.由于班级中地每位同学都等可能地被抽到，因此，这个随机变量地期望值()就是总体地平均身高().我将进行N次抽取，当N次抽取都未具体实施时，那么由所构成地样本是随机样本，而相应地样本均值也是随机地，即，作为地估计量，它是随机地•在N次抽取都已经具体实施之后，我获得了一个特定地样本，该样本均值是非随机地，它实际上就是随机变量地一个可能取值，即所谓地估计值.文档来自于网络搜索（二）无偏性、一致性事实上我可以获得无限多个样本容量等于N地特定地样本，因此相应会有无限多地样本均值.如果这些样本均值地再平均等于总体均值，这就意味着样本均值是总体均值地一个无偏估计量［成立吗？请证明］.应该注意到，利用特定地样本计算出一个样本均值，该样本均值恰好等于是不太可能地.但如果样本均值是总体均值地无偏估计，那么平均来看，样本均值等于总体均值［对谁平均？］.文档来自于网络搜索对于随机样本，如果样本容量越大，那么利用样本情况来反映总体情况就会越准确.如果样本容量为无穷大，那么该样本应该包含了在座地各位，因此，关于总体地任何信息都会被样本所包含.故从直觉上看，随着N地增加，估计量地方差应该会越来越小；当N趋于无穷时，等于地概率应该趋于1［请对这些结论进行严格地数学证明］.如果当N趋于无穷时，等于地概率趋于1,则就是地一致估计量［回忆一下，数理统计中哪一个定理表明了样本均值是总体均值地地一致估计］. 文档来自于网络搜索附录二：证明高斯-马尔科夫定理地其他方式（一）无偏性再利用高斯-马尔科夫假定三：，贝即是地无偏估计量.（二）最小方差性1关于方差在高斯-马尔科夫假定五：及其假定四：下，2、证明方差最小我们已知道OLS估计量是线性无偏估计量，即,.假设是用其他估计方法得到地线性无偏估计量，设.因此，.当然，也是成立地.令，贝U必有：现在来求地方差：在高斯-马尔科夫假定五与假定四下，有：而故，.当时等号成立.注意，恰好是OLS估计量地方差.版权申明本文部分内容，包括文字、图片、以及设计等在网上搜集整理。
计量经济学读书笔记
计量经济学读书笔记【篇一：很好的计量经济学读书笔记】很好的计量经济学读书笔记第一章：统计基础 ....................................................................................................... .. (2)第二章：计量经济学总论 ....................................................................................................... .. (7)第三章：双变量回归分析 ....................................................................................................... .. (9)第3.1回归方法 ....................................................................................................... .. (9)第3.2结果检验 ....................................................................................................... (10)第3.3回归参数的分布 ....................................................................................................... . (11)第四章：多变量回归分析 ....................................................................................................... (13)第五章：ols的基本假设 ....................................................................................................... .. (13)第六章：多重共线性 ....................................................................................................... .. (15)第七章：异方差性 ....................................................................................................... (16)第八章：自相关 ....................................................................................................... . (17)第九章：时间序列分析 ....................................................................................................... . (19)第十章：面板数据分析 ....................................................................................................... . (29)第十一章：其他重要的分析方法 ....................................................................................................... (47)******加权最小二乘法 ....................................................................................................... .. (48)******二阶段最小二乘法tsls ..................................................................................................... (48)******非线性最小二乘法 ....................................................................................................... . (49)******多项分布滞后（pdls） ............................................................................................ . (49)******广义矩估计 ....................................................................................................... . (50)******logit和probit模型 ....................................................................................................... (50)******因子分析 ....................................................................................................... .. (51)******granger因果分析 ....................................................................................................... .. (52)****** 广义线性回归（generalized leastsquares） (52)******格兰格因果检验 ....................................................................................................... .. (55)******误差修正模型（ecm） ............................................................................................ (55)第十二章：eviews ............................................................................................... .. (55)第12.1节eviews基本操作 ....................................................................................................... (55)第12.3节eviews时间序列分析 ....................................................................................................... . (57)第十三章：spss ................................................................................................... . (58)第13.1spss基本操作 ....................................................................................................... . (58)第十四章：数据分析实战经验 ....................................................................................................... . (67)第一章：统计基础0 常用英文词汇的统计意义 panel data=longitudinal data 是对各个个体进行连续观察的截面数据。
计量经济学笔记
计量经济学笔记
计量经济学是一门多领域交叉的研究科学，其研究对象是应用计量分析来研究宏观经济问题，以及微观经济学的实证研究的经济数据。
计量经济学的主要方法有统计分析、非参数估计等，基于这些方法，可以进行模型构建和数据分析，从而研究不同的宏观经济或者微观经济研究问题。
计量经济学的发展受益于对经济数据的收集和提供，经济学家可以利用大量的数据分析、实验设计、数值模拟等技术手段，研究和探索经济数据所表达的信息。
庞皓《计量经济学》笔记和课后习题详解(导论)【圣才出品】
第1章导论1.1 复习笔记考点一：什么是计量经济学★1．计量经济学的产生与发展计量经济学是社会经济发展到一定阶段的客观需要，主要是用来对社会经济问题的数量规律进行研究。
随着世界计量经济学会的成立，计量经济学成为经济学的一门独立学科。
第二次世界大战以后，计量经济学在西方各国得到了广泛的传播，逐渐发展成为经济学中的重要分支。
尤其是在20世纪40～60年代，经典计量经济学逐步完善并得到广泛应用。
目前，计量经济学的理论和应用有了很多突破，形成了众多新的分支学科。
2．计量经济学的性质（1）计量经济学的定义计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
注意：计量经济学研究的主体是经济现象及其发展变化的规律，所运用的数学方法只是工具，数学方法是为经济问题服务的，所以它是一门经济学科。
（2）计量经济学的类型①理论计量经济学理论计量经济学研究如何建立合适的方法，去测定由计量经济模型所确定的经济关系，理论计量经济学要较多地依赖数理统计学方法。
②应用计量经济学应用计量经济学是运用理论计量经济学提供的工具，研究经济学中某些特定领域经济数量问题的学科。
应用计量经济学研究的是具体的经济现象和经济关系，研究它们在数量上的联系及其变动规律性。
3．计量经济学与其他学科的关系计量经济学是与经济学、经济统计学及数理统计学都有关系的交叉学科。
但计量经济学又不是这些学科的简单结合，它与这些学科既有联系又有区别。
计量经济学与其他学科的联系与区别见表1-1。
表1-1 计量经济学与其他学科的联系与区别考点二：计量经济学的研究步骤★★1．模型设定：确定变量和数学关系式经济模型是指对经济现象或过程的一种数学模拟。
建立模型时需要考虑模型中变量的取舍与相互关系形式的设计（线性关系与非线性关系）这两个主要方面，进而把所研究的主要经济因素（表现为经济变量）之间的关系，用适当的数学关系式近似地、简化地表达出来。
计量经济学复习笔记要点达莫达尔版
计量经济学复习笔记要点达莫达尔版1、什么是计量经济学？计量经济学（Econometrics）意为“经济测量”，它是利⽤经济理论、数学、统计推断等⼯具，对经济现象进⾏分析的⼀门社会科学。
区别与联系经济理论计量经济学vs {数理经济学统计学2、计量经济学的传统⽅法论Step1 理论或假说的陈述经典步骤→分析经济问题的⼋个经典步骤Step5 计量模型的参数估计Step6 检验模型设定是否正确Step7 假设检验（检验来⾃模型的假说）Step8 预测或控制◆关于数据1、数据分类（1）时间序列数据（Time Series Data）：对⼀个变量在不同时间取值的⼀组观测结果。
如每年、每⽉、每季度等（2）横截⾯数据（Cross Section Data）：对⼀个变量在同⼀个时间点上搜集的数据。
如同⼀年的分国别、分省、分⼚家数据（3）混合数据（Pooled Data）：时序和横截⾯的混合数据，既有分时，每⼀时点的观察对象⼜有不同(多个横截⾯单元) ⼴泛运⽤的⼀类特殊的混合数据——⾯板数据/综列数据/合成数据（Panel Data）：在时间轴上对相同的横截⾯单元跟踪调查得到的数据。
如每年对各省GDP的报告。
2、研究结果永远不可能⽐数据的质量更好观测误差、近似进位计量、⾼度加总、选择性偏误3、数据来源：⽹站、统计年鉴、商业数据库等（1）统计局、央⾏、证券交易所、世⾏、IMF等官⽅⽹站（2）图书馆（纸质、电⼦版年鉴）（3）商业数据库◆两个例⼦例1：凯恩斯消费理论①⼈们倾向于随他们收⼊的增加⽽增加消费，但消费的增加不如收⼊的增加那么多。
②C=a+bI →确定性关系③Y=β1+β2X+µ→µ为扰动项，⾮确定性关系④搜集80～91年美国消费及收⼊数据⑤估计参数：解释：平均⽽⾔，收⼊↑1美元，消费↑72美分⑥检验模型设定的正确性：是否应当加⼊别的可能影响消费额的变量，如就业等。
⑦假设检验：H0 : β2 < 1 （边际消费倾向<1）⑧预测：给定X，算Y控制：给定Y，算X例2：受挫⼯⼈假说（P2～8）◆基本的统计学术语和概念1、随机变量(r.v)以⼀定的概率取到各种可能值的变量，取值由抽样或试验结果决定。
计量经济学笔记
所以，当模型出现序列相关性时，它的预测功能失效。
四、序列相关性的检验
序列相关性检验方法有多种，但基本思路相同：
首先，采用OLS法估计模型，以求的随机误差项的近似估计量，
然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。
方程的显著性检验(F检验)
即检验模型Yi=0+1X1i+2X2i++kXki+ii=1,2,,n中的参数j是否显著不为0。
可提出如下原假设与备择假设： ：0=1=2==k=0 ：j不全为0
根据数理统计学中的知识，在原假设 成立的条件下，统计量
给定显著性水平，可得到临界值 ,由样本求出统计量F的数值，通过
而且，在大样本情况下，参数估计量虽然具有一致性，但仍然不具有渐近有效性。
2、变量的显著性检验失去意义
在变量的显著性检验中，统计量是建立在参数方差正确估计基础之上的，这只有当随机误差项具有同方差性和互相独立性时才能成立。
如果存在序列相关，估计的参数方差 出现偏误（偏大或偏小），t检验就失去意义
3、模型的预测失效
如：帕克检验常用的函数形式：
若在统计上是显著的，表明存在异方差性。
3、戈德菲尔德-匡特检验
G-Q检验以F检验为基础，适用于样本容量较大、异方差递增或递减的情况。
G-Q检验的思想：
先将样本一分为二，对子样①和子样②分别作回归，
然后利用两个子样的残差平方和之比构造统计量进行异方差检验。
由于该统计量服从F分布，因此假如存在递增的异方差，则F远大于1；
而且，在大样本情况下，尽管参数估计量具有一致性，但仍然不具有渐近有效性
（财务知识）计量经济学读书笔记最全版
（财务知识）计量经济学读书笔记最全版（财务知识）计量经济学读书笔记计量经济学读书笔记第壹部分基础内容一、计量经济学和相关学科的关系二、古典假设下计量经济学的建模过程1.依据经济理论建立模型2.抽样数据收集3.参数估计4.模型检验（1）经济意义检验（包括参数符号、参数大小等）（2）统计意义检验（拟合优度检验、模型显著性检验、参数显著性检验）（3）计量经济学检验（异方差检验、自相关检验、多重共线性检验）（4）模型预测性检验（超样本特性检验）5.模型的应用（结构分析、经济预测、政策评价、检验和发展经济理论）三、几个重要的“变量”1.解释变量和被解释变量2.内生变量和外生变量3.滞后变量和前定变量4.控制变量四、回归中的四个重要概念1.总体回归模型（PopulationRegressionModel，PRM)--代表了总体变量间的真实关系。
2.总体回归函数（PopulationRegressionFunction，PRF）--代表了总体变量间的依存规律。
3.样本回归函数（SampleRegressionFunction，SRF）--代表了样本显示的变量关系。
4.样本回归模型（SampleRegressionModel，SRM）---代表了样本显示的变量依存规律。
总体回归模型和样本回归模型的主要区别是：①描述的对象不同。
总体回归模型描述总体中变量y和x的相互关系，而样本回归模型描述所关的样本中变量y和x的相互关系。
②建立模型的依据不同。
总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。
③模型性质不同。
总体回归模型不是随机模型，而样本回归模型是壹个随机模型，它随样本的改变而改变。
总体回归模型和样本回归模型的联系是：样本回归模型是总体回归模型的壹个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。
五、随机误差项的内容1.模型中被忽略的影响因素的影响2.模型关系设定不准确的影响3.变量的测量误差影响4.随机因素影响六、壹元线性回归模型的基本假定（古典假定）①零均值②同方差③无自相关性④解释变量和随机扰动项不相关⑤随机扰动项服从正态分布⑥解释变量之间不相关（多重共线性）（属于多元线性回归假定）七、OLS估计式特性（BestLinearUnbiasedEstimators）线性性(Linear,指参数估计量和分别为观测值和随机误差项的线性函数或线性组合)无偏性（Unbiased,指参数估计量和的均值分别等于总体参数值和）最小方差性（Best,有效性，指在所有的线性、无偏估计量中，最小二乘估计量和的方差最小）第二部分计量经济检验在古典线性回归模型中，应用最小二乘法估计的估计量具有BLUE 的特性，可是当模型不是线性模型和不满足古典假设的时候，最小二乘法估计的估计量不再有BLUE的特性。
李子奈《计量经济学》笔记和课后习题详解(绪 论)【圣才出品】
第1章绪论1.1 复习笔记一、计量经济学1．计量经济学计量经济学，又称经济计量学，是由经济理论、统计学和数学结合而成的一门经济学的分支学科，其研究内容是分析经济现象中客观存在的数量关系。
2．计量经济学模型（1）模型分类模型是对现实生活现象的描述和模拟。
根据描述和模拟办法的不同，对模型进行分类，如表1-1所示。
表1-1 模型分类（2）数理经济模型和计量经济学模型的区别①研究内容不同数理经济模型的研究内容是经济现象各因素之间的理论关系，计量经济学模型的研究内容是经济现象各因素之间的定量关系。
②描述和模拟办法不同数理经济模型的描述和模拟办法主要是确定性的数学形式，计量经济学模型的描述和模拟办法主要是随机性的数学形式。
③位置和作用不同数理经济模型可用于对研究对象的初步研究，计量经济学模型可用于对研究对象的深入研究。
3．计量经济学的内容体系（1）根据所应用的数理统计方法划分广义计量经济学根据所应用的数理统计方法包括回归分析方法、投入产出分析方法、时间序列分析方法等；狭义计量经济学所应用的数理统计方法主要是回归分析方法。
需要注意的是，通常所述的计量经济学指的是狭义计量经济学。
（2）根据内容深度划分初级计量经济学的主要研究内容是计量经济学的数理统计学基础知识和经典的线性单方程计量经济学模型理论与方法；中级计量经济学的主要研究内容是用矩阵描述的经典的线性单方程计量经济学模型理论与方法、经典的线性联立方程计量经济学模型理论与方法，以及传统的应用模型；高级计量经济学的主要研究内容是非经典的、现代的计量经济学模型理论、方法与应用。
（3）根据研究目标和研究重点划分理论计量经济学的主要研究目标是计量经济学的理论与方法的介绍与研究；应用计量经济学的主要研究目标是计量经济学模型的建立与应用。
理论计量经济学的研究重点是理论与方法的数学证明与推导；应用计量经济学的研究重点是建立和应用计量模型处理实际问题。
（4）根据兴起时间划分图1-1 根据兴起时间划分计量经济学的内容体系如图1-1所示，以20世纪70年代作为经典计量经济学和非经典计量经济学的划分时间节点。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
建模是计量的灵魂，所以就从建模开始。
一、
建模步骤：A，理论模型的设计: a，选择变量b，确定变量关系c，拟定参数范围
B，样本数据的收集: a，数据的类型b，数据的质量
C，样本参数的估计: a，模型的识别b，估价方法选择
D，模型的检验
a，经济意义的检验1正相关
2反相关等等
b，统计检验：1检验样本回归函数和样本的拟合优度，R的平方即其修正检验
2样本回归函数和总体回归函数的接近程度:单个解释变量显著性即t检验，函数显著性即F检验，接近程度的区间检验
c，模型预测检验1解释变量条件条件均值与个值的预测
2预测置信空间变化
d，参数的线性约束检验：1参数线性约束的检验
2模型增加或减少变量的检验
3参数的稳定性检验：邹氏参数稳定性检验，邹氏预测检验----------主要方法是以F检验受约束前后模型的差异
e，参数的非线性约束检验：1最大似然比检验
2沃尔德检验
3拉格朗日乘数检验---------主要方法使用 X平方分布检验统计量分布特征
f，计量经济学检验
1，异方差性问题：特征：无偏，一致但标准差偏误。
检测方法：图示法，Park与Gleiser 检验法，Goldfeld-Quandt检验法，White检验法-------用WLS修正异方差
2，序列相关性问题：特征：无偏，一致，但检验不可靠，预测无效。
检测方法：图示法，回归检验法，Durbin-Waston检验法，Lagrange乘子检验法-------用GLS或广义差分法修正序列相关性
3，多重共线性问题：特征：无偏，一致但标准差过大，t减小，正负号混乱。
检测方法：先检验多重共线性是否存在，再检验多重共线性的范围-------------用逐步回归法，差分法或使用额外信息，增大样本容量可以修正。
4，随机解释变量问题：随机解释变量与随机干扰项独立----------对OLS没有坏影响。
随机变量与随机干扰项同期相关：有偏但一致-----扩大样本容量可以克服。
随机变量与随机干扰项同期相关：有偏且非一致--------工具变量法可以克服
二、
参数估计量性质的分析：a小样本和大样本性质
b无偏性
c有效性
d一致性
e Gauss-Markov定理
三、
A虚拟解释变量问题
a，加法方式：定性因素对截距的影响
b，乘法方式：定性因素对斜率项产生的影响
c，加法与乘法结合方式：定性应诉对截距和斜率项同时产生影响
B滞后变量问题
a，分布滞后模型：经验加权法，Almon多项式法，Koyck方法---来减少滞后项的数目b，自回归模型：工具变量法，OLS法
C模型设定偏误问题
a，解释变量选取偏误1漏选相关变量：OLS在小样本下有偏，大样本下不一致
2多选无关变量：OLS估计量无偏且一致，但无效
b，模型函数形式选取偏误：OLS有偏非一致且无效
c，1用t检验和f检验检验无关变量
2用RESET检验是否遗漏相关变量或模型函数选取错误
四、
联立方程计量经济学模型的单方程估计
a，工具变量法IV
b，ILS-----ab适用于恰好识别
c，2SLS---适用于恰好识别和过度识别
五、
二元离散选择模型
a，Probit离散选择模型：将随机干扰项的概率分布设定为标准正态分布----用最大似然估计法或GLS
b，Logit离散选择模型：将随机干扰项的概率分布设定为logistic分布得到---用最大似然估计法或GLS
六、
随机时间序列模型：
a，纯自回归AR模型----用Yule-Walker方程或OLS估计
b，纯移动平均MA模型
c，自回归移动平均ARMA模型----bc可以用矩估计法，对非平稳的时间序列检验协整性可用Engle-Granger两步法或直接估计法。