计量经济学期末复习总结

第一章导论

*1．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。

*2．计量经济学与经济理论、数学、统计学的联系和区别是什么？

计量经济学是经济理论、数学、统计学的结合，是经济学、数学、统计学的交叉学科（或边缘学科）。*3、计量经济学的研究步骤：

（1）确定变量和数学关系式——模型假定；（2）分析变量间具体数量关系——估计参数；（3）检验所得结论的可靠性——模型检验；（4）作经济分析和经济预测——模型应用

*4．计量经济学中常用的数据类型：

根据（生成过程）和（结构方面）的差异，可分为：

（1）时间序列数据：把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔排列起来构成的数据。

（2）截面数据：同一时间（时期或时点）某个指标在不同空间的观测数据。

（3）面板数据：指时间序列数据和截面数据相结合的数据。

（4）虚拟变量数据：人为构造的虚拟变量数据，通常以1表示某种状态发生，以0表示某种状态不发生。

5．计量经济学模型的检验包括哪几个方面？为什么要进行模型的检验？

经济意义经验、统计推断检验、计量经济学检验、模型预测检验四个方面。

6．从变量的因果关系上，可分为被解释变量和解释变量。

根据变量的性质，可分为内生变量和外生变量是

9．计量经济学模型中包含的变量之间的关系主要有哪些？

主要是解释变量与被解释变量之间的因果关系，包括单向因果关系、相互影响关系、恒等关系。

第二章一元线性回归模型

1．什么是相关分析？什么是回归分析？相关分析与回归分析的关系如何？

相关分析是研究变量之间的相关关系的形式和程度的一种统计分析方法，主要通过绘制变量之间关系的散点图和计算变量之间的相关系数进行。

回归分析是研究不仅存在相关关系而且存在因果关系的变量之间的依存关系的一种分析理论与方法，是计量经济学的方法论基础。

相关分析与回归分析既有联系又有区别。联系在于：相关分析与回归分析都是对存在相关关系的变量的统计相关关系的研究，都能测度线性相关程度的大小，都能判断线性相关关系是正相关还是负相关。区别在于：相关分析仅仅是从统计数据上测度变量之间的相关程度，不考虑两者之间是否存在因果关系，因而变量的地位在相关分析中是对等的；回归分析是对变量之间的因果关系的分析，变量的地位是不对等的，有被解释变量和解释变量之分。

3．回归线与回归函数：

总体回归线：给定解释变量条件下被解释变量的期望轨迹称为总体回归曲线或总体回归线。

总体回归函数：将总体被解释变量Y的样本条期望值E(Yi|Xi)表现为解释变量X的某种函数。

总体回归模型：引入了随机误差项，称为总体回归函数的随机设定形式，也是因为引入了随机误差项，成为计量经济学模型，称为总体回归模型

样本回归模型：根据样本数据对总体回归函数作出的估计称为样本回归函数。引入样本回归函数中的代表各种随机因素影响的随机变量，称为样本回归模型。

*4．为什么要对模型提出假设？线性回归模型的基本假设有哪些？

线性回归模型的参数估计方法很多，但估计方法都是建立在一定的假设前提之下的，只有满足假设，才能保证参数估计结果的可靠性。

简单线性回归的基本假定：包括两个方面：一是对变量和模型的假定；二是对随机扰动项i u 统计分布的假定。

其中对随机扰动项i u 的假定有：

（1）i u 的期望为0，即()0i E u =； （2）的方差为一常数，即2()i Var u σ=；

（3）i u 与j u 相互独立，即(,)0,i j Cov u u i j =≠ ；

（4）随机误差项i u 与自变量j X 不相关，即(,)0,j i Cov X u i j =≠；

（5）i u 服从正态分布

这5条假设中的前4条是线性回归模型的古典假设，也称为高斯假设，满足古典假设的线性回归模型称为古典线性回归模型。 5

、相关系数的计算：XY n X Y X Y r -=

6、模型引进随机扰动项的原因？ （1）作为未知因素的代表；（2）作为无法取得数据的已知因素的代表；（3）作为众多细小影响因素的综合代表；（4）模型的设定误差；（5）变量的观测误差；（6）经济现象的内在随机性 7．参数的普通最小二乘估计法和基本思想各是什么？

基本思想是使样本回归函数尽可能好地拟合样本数据，反映在图上，就是要使样本散点偏离样本回归直线的距离总体上最小。

最小二乘法以剩余平方和表示被解释变量的估计值与实际观察值的偏差总体上最小，称为最小二乘准则。

*8、OLS 回归线的性质？

（1）样本回归线过样本均值点，即样本回归线必过点 X Y （，）。

（2）估计值^

i

Y 的均值

^

i

Y n

∑ 等于实际值i Y 的均值-

Y ；

（3）剩余项i e 的均值为零，即

1

0n

i

i e

==∑；

（4）被解释变量估计值^

i Y 与剩余项i e 不相关； （5）解释变量i X 与剩余项i e 不相关；

*9、参数估计量的评价标准：（1）无偏性；（2）有效性；（3）一致性

*10、OLS 估计量的统计特性？ （1）线性性；（2）无偏性；（3）有效性 11．什么是拟合优度？什么是拟合优度检验？拟合优度通过什么指标度量？为什么残差平方和不能作为拟合优度的度量指标？

拟合优度：指样本回归线对样本观测数据拟合的优劣程度，拟合优度检验就是检验样本回归线对样本数据拟合的精确程度。

样本残差平方和是一个可用来描述模型拟合效果的指标，残差平方和越大，表明拟合效果越差；残差平方和越小，表明拟合效果越好。但残差平方和是一个绝对指标，不具有横向可比性，不能作为度量拟合优度的统计量。