计量经济学重点

计量经济学重点

1.计量经济学是以经济理论为前提，利用数学、数理统计方法与计算技术，根据实际观测资料来研究带有随机影响的经济数量关系和规律的一门学科。经济理论、数据和统计理论这三者对于真正了解现代经济生活中的数量关系都是必要的，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。经济理论的作用是对经济现象进行分析和解释，描述在一定条件下经济变量之间的相互关系。体现在计量经济学模型之中。

2.三大要素的经济理论：经济理论对于计量经济学是建立计量经济模型的依据和出发点。计量经济学对于经济理论而言是理论到实际的桥梁和检验工具。观测数据：主要是指统计数据和各种调查数据。是所考察的经济对象的客观反映和信息载体，是计量经济工作处理的主要现实素材。经济数据是计量经济分析的材料。经济数据是经济规律的信息载体。数据类型有时间序列数据、截面数据、平行数据、虚拟变量数据。统计理论：是指各种数理统计方法，

包括参数的估计，假设检验等内容。是计量经济的主要数学基础，很多计量经济学方法都是在数理统计的基础上发展起来的。

3.计量经济模型的应用：结构分析经济预测政策评价检验与发展经济理论

4.回归的含义：回归分析是研究关于一个叫做被解释变量的变量对另一个或多个叫做解释变量的依赖关系。其用意在于通过后者（在重复抽样中）的已知或被设定值去估计和（或）预测前者的（总体）均值。回归分析构成计量经济学的方法论基础，主要内容包括：根据样本观察值对经济计量模型参数进行估计，求得回归方程；对回归方程、参数估计值进行显著性检验；利用回归方程进行分析、评价及预测。回归分析的用途：通过自变量的值来估计应变量的值。对独立性进行假设检验——根据经济理论建立适当的假设。通过自变量的值对应变量进行预测。上述多个目标的综合。

5.回归关系与确定性关系：回归关系（统计

关系）：研究的是非确定现象随机变量间的关系。确定性关系（函数关系）：研究的是确定现象非随机变量间的关系。

6. 回归关系与因果关系：回归关系研究一个变量对另一个变量的统计依赖关系，从逻辑上说，统计关系式本身并不意味着任何因果关系。

7. 回归分析与相关分析：回归分析/相关分析研究一个变量对另一个（些）变量的统计依赖关系，但它们并不意味着一定有因果关系。有相关关系并不意味着一定有因果关系。相关分析对称地对待任何（两个）变量，两个变量都被看作是随机的。回归分析对变量的处理方法存在不对称性，即区分应变量（被解释变量）和自变量（解释变量）：前者是随机变量，后者不是。

8. 变量线性：

VL 、PL

V Ｌ, PNL

V

y a bx u

=++y a bx u =++b y ax u =

NL,PNL

9. 参数线性

VL 、PL

VNL , PL

VNL,PNL

10. 随机干扰项的定义：

随机项又称随机干扰项，是从模型中省

略下来的而又集体的影响着因变量y 的全部变量的替代物。主要包括：模型中被省略的变量：理论的含混不清；数据的不可得性；省略一些次要变量（基于节俭原则保留主要变量） 一些随机因素：众多微小的随机因素或者偶然因素。一般，这些因素不可控制、不可预测、不可测量，但影响是存在的。测量误差、确定的数学模型形式的误差

11. 对ui 分布的假定：

为了假设检验，假定随机项u 服从均值为0，方差为σ u 2的正态分布，即

y a bx u =++2y a bx u =++b y ax u =

u ～N(0, σ u

2)

一元：

①无自相关假定：Cov(ui, uj)=0, i ≠ j, i,j=1,2…..n

②随机项与自变量不相关：Cov(ui, xi)=0 ③同方差假定：Var(ui)= σ u 2, i=1,2,…n ④零均值假定：E(ui)=0,i=1,2,….n

二元：

①无自相关假定：Cov(ui, uj)=0, i ≠ j, i,j=1,2…..n

②随机项与自变量不相关：Cov(ui, xi)=0 ③同方差假定：Var(ui)= σ u 2, i=1,2,…n ④零均值假定：E(ui)=0,i=1,2,….n

⑤解释变量X1 ，X2之间不存在线性相关关系，即两个解释变量之间无确切的线性关系。

12. 最小二乘估计量b0’ 、b1’的计算 ◆ 另：Xci=Xi-Xp, Yci=Yi-Yp

◆ 则：

◆ b1’=∑Xci Yci/∑Xci 2

◆ b0’ =Yp - b1’Xp Y X

822051268144175268

◆ 计算Y 对X 的线性回归方程 Y’= b0’+b1’X

◆ X 的平均数＝ 4

◆ Y 的平均数＝14 ◆ ∑Xci Yci =186

◆ ∑Xci 2 =62

◆ b1’ =3

◆ b0’ =Yp - b1’Xp =14-3*4=2

13. 最优线性无偏（BLUE ）性质

OLS 估计量b0’ ,b1’具有线性、无偏性、有效性，简化记为具有最优线性无偏BLUE(Best Linear Unbiased Estimator)性质。 b0’ ,b1’称为BLUE 估计量。

14. 离差： Y X Y - mean X - mean 8

2-6-220-12-451-9-32681241440017531268124Y

X Y - mean X - mean (X -X )(Y-Y)(X -X )(X -X )82-6-212420-12-4481651-9-32792681244816144000017531312681244816

Y的第i个观测值Yi与Y的样本平均值Yp之差叫做Yi的离差。记为：

yi= Yi - Yp

总离差平方和分解公式：TSS=ESS+RSS

其中TSS=∑yi2 ，ESS=∑yi’2 ，RSS=∑ei 2 推导

ESS= ∑yi’2叫做回归平方和，是由回归直线所解释的部分，表示了解释变量X对Y 的线性影响。

RSS= ∑ei 2叫做残差平方和，它是未被回归直线解释的部分。是由解释变量X对Y 的影响以外的一切因素对Y作用而造成。15.样本决定系数:

R2=ESS/TSS= ∑yi’2 / ∑yi2 0≤R2 ≤1

如果R2越接近于1，表示回归直线与样本

观测值拟合越好，称“拟合优度越好”。

R2 =1时，表示完全拟合。如果R2越接

近于0，表示回归直线与样本观测值拟

合越差，称“拟合优度越差”。R2 =0时，

表示被解释变量与解释变量没有线性关

系。