计量经济学复习资料——概念和问答

计量经济学复习资料——概念和问答

计量经济学复习资料

一、基本概念

1、计量经济学

以经济理论为指导，以事实为依据，以数学和统计推断为方法，以电脑技术为工具，以建立经济计量模型为手段，定量分析研究具有随机性特征的经济变量关系的经济学科。

2、相关关系

当一个或几个相互联系的变量取一定的数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。

3、因果关系

一个变量(y)的变化是另一个变量(x)的变化所引起的，这两个变量间的关系称为因果关系

4、解释变量

影响研究对象的变量，它解释了研究对象的变动。

5、被解释变量

是作为研究对象的变量，又称因变量。它的变动是由解释变量做出的解释。

6、总体回归线

在给定解释变量Xi条件下因变量Yi的条件均值或期望的轨迹。

7、总体回归函数:总体回归线所对应的函数E(Y/X i)=f(X i)称为总体回归函数。总体回归函数（PRF）说明被解释变量Y的平均状态（总体条件期望）随解释变量X变化的规律。

8、拟合优度检验：就是检验模型对样本观测值的拟合程度。（拟合优度检验的方法：通过构造一个可以表征拟合程度的统计量来实现。）

9、判定系数2r：是告诉人们样本回归函数对数据拟合效果的一个总度量。2r表示在Y的总变异中由回归模型解释的那个部分所占的比例或百分比。

10、调整后的判定系数：由于增加解释变量个数引起的R2的增大与拟合好坏无关，从而对2R所进行的调整。调整的思路是：将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟

合优度的影响：

2

2

2

2

2

21

1

)

1(

1

)1

/(

)

/(

1

Y

i

i

Se

k

n

n

R

n

y

k

n

u

R

Λ

Λ

Λ

-

-

=

-

-

-

-

=

-

-

-

=

∑

∑δ

11、置信区间：求两个正数δ和)1,0(

,∈

α

α，使得随机区间)

,

(

2

2

δ

β

δ

β+

-

Λ

Λ包含真实

2

β的概率为α-1，如果这样的区间存在，就被称为置信区间。

12、偏回归系数：在多元回归i

i

i

i

u

X

X

Y+

+

+

=

3

3

2

2

1

β

β

β中，2β、3β称为偏回归系数。如

2

β度量着保持X3不变的情况下，X2每变化1单位时，Y的均值E(Y| X2, X3)的变化。

13、偏相关系数：简单相关系数是指双变量回归模型中因变量与自变量的线性相关程度的度量；偏相关系数是其它变量保持不变，两个变量之间的相关程度的度量。

14、方差分析:TSS=ESS+RSS。对TSS的这些构成部分的研究从回归的观点叫做方差分析（ANOVA)。

【ANOVA表

P】一个回归模型所包含的回归元都

127

是虚拟变量或定型变量，这种模型被称为方差分析（ANOVA)模型。

15、协方差分析：若回归方程同时含有定性和定量的变量称为协方差分析。

16、虚假序列相关：由于随机项的序列相关往往是在模型设定中遗漏了重要的解释变量或对模型的函数形式设定有误，这种情形可称为虚假序列相关，应在模型设定中排除。避免产生虚假序列相关性的措施是在开始时建立一个一般的模型，然后逐渐剔除确实不显著的变量。

二、基本思想

一、数理经济模型和计量经济模型的区别

数理经济学是用数学形式来表达经济理论中的确定性关系，而不管理论是否可以量化或是能够得到实证支持。

计量经济学利用数学方程表达经济变量间的非确定性关系，并用实际数据验证经济理论。

二、时间序列数据和横截面数据有何不同？

时间序列数据是对一个变量在不同时间取值的一组观测结果。（往往不能满足回归分析的基本假定：平稳性，均值和方差不随时间而系统地变化）横截面数据是指对一个或多个变量在同一时间点上收集的数据。（可以近似假定，是从总体中通过随机抽样获得）

三、回归分析与相关分析的区别与联系

联系：回归分析和相关分析都是研究变量间关系的统计学课题。

区别：1）回归分析中需要区别自变量和因变量；相关分析中不需要区分 2）相关分析中所涉及的变量y与x全是随机变量。而回归分析中，因变量y是随机变量，自变量x可以是随机变量，也可以是非随机的确定变量。

3）相关分析的研究主要是为刻画两类变量间线性关系的密切程度。而回归分析不仅可以揭示变量x对变量y的影响大小，还可以由回归方程进行

预测和控制。

四、随机误差项包含哪些因素影响。

随机误差项是模型遗漏的而又一起影响着Y的全部变量的替代物。

1.理论的含糊性。有些影响Y的变量我们不是一无所知就是不太确定，

因此用模型所排除或忽略的全部变量的替代变量。

2.数据的欠缺。有些变量的信息很难得到。

3.核心与周边变量。一些变量的影响很小，充其量是一种非系统或随

机的影响，将其映入模型划不来，故把它们的共同影响当作一个随机变量来看待。

4.人类行为的内在随机性。即使我们成功地把所有有关的变量都引进

到模型中来，在个别Y中仍不免有一些解释不了的“内在” 随机性，干扰项可以很好地反映这种随机性。

5.糟糕的替代变量。一些变量的实际数据会受到测量误差的干扰，甚

至有些不可直接观测，只能利用替代变量。这时干扰项可用来代表测量误差。

6.节省原则。我们想保持一个尽可能简单的回归模型，若我们能用两

三个变量“基本上”解释Y的行为，且我们的理论还未完善到足以提出可以包含进来的其他变量，就让代表其他变量。

7.错误的函数形式。人们可能不确定回归元和回归子之间应该采用哪

种函数形式。

五、最小二乘法和最大似然法的基本原理。

1.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，称为

最小二乘准则。

2.最大似然法：用产生该样本概率最大的原则去确定样本回归函数，称为最

大或然法。

六、为什么要计算调整后的可决系数？

是模型中解释变量或回归元个数的非减函数，即随着回归元个数增加，必然增加或永不减少。调整的对中平方和所涉及到的自由度进行调整，随着X变量个数的增加，调整的比未调整的增加的慢些。将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响。

七、拟合优度检验（P3章）与方程显著性检验（P8章）的区别与联系。

区别：拟合优度检验就是检验模型对样本观测值的拟合程度，用判定系数来度量。方程显著性检验旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立做出推断，用F检验来判断显著性水平。

联系：F与R2同向变化：R2越大,F值也

越大。当R2＝0时,F＝0;当R2=1时,F为无穷大；因此F检验是回归方程总的显著性的一个度量，也是R2的一个显著性度量。

八、正态性检验的方法（P132）

1.残差直方图。

2.正态概率图