计量经济学复习笔记(注释)
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。
古扎拉蒂《计量经济学基础》(第5版)笔记和课后习题详解
三、计量经济学方法论
大致说来，传统的计量经济学方法论按如下路线进行：
1．理论或假说的陈述；
2．理论的数学模型设定；
3．统计或计量经济模型设定；
4．获取数据；
5．计量经济模型的参数估计；
理论计量经济学是要找出适当的方法，去测度由计量经济模型设定的经济关系。为此，计量经济学家非常依赖于数理统计。
在应用计量经济学中，利用理论计量经济学工具去研究经济学或管理学中的某些特殊领域。
0.2
本章没有课后习题。本章是全书的一个引言，对计量经济学这门学科作一个简要介绍。对于本章内容，学员简单了解即可。
（3）在问卷调查中，无应答的问题也可能相当严重。
（4）获取数据的抽样方法可能变化很大，要比较不同样本得来的结果常常非常困难。
（5）通常获得的经济数据都是高度加总的。
（6）由于保密性质，某些数据只能以高度加总的形式公布。
研究结果不可能比数据的质量更好。所以，如果在一定情况下，研究者发现研究的结果“不能令人满意”的话，原因不一定是误用模型，而是数据的质量不好。
4．名义尺度
此类变量不具备比率尺度变量的任何一个特征。因此适合于比率尺度变量的计量经济方法可能不适合于名义尺度变量。
1.2
1．表1-1给出了7个工业化国家的消费者价格指数（CPI）数据，以1982～1984年为该指数的基期并令1982—1984=100。
1．经济理论所作的陈述或假说大多数是定性的。计量经济学家的工作就是要提供这一数值估计。换言之，计量经济学对大多数的经济理论赋予经验内容。
2．数理经济学的主要问题，是要用数学形式(方程式)来表述经济理论，而不管该理论是否可以量化或是否能够得到实证支持。计量经济学家常常使用数理经济学家所提供的数学方程式，但要把这些方程式改造成适合于经验检验的形式。这种从数学方程到计量经济方程的转换需要有许多的创造性和实际技巧。
伍德里奇计量经济学笔记
伍德里奇计量经济学笔记伍德里奇计量经济学（Wooldridge Econometrics）是一门应用计量经济学的学科，它结合了经济学和数理统计学的理论和方法。
1. 引言- 计量经济学的定义：利用数理统计学和计量经济模型来分析经济问题。
- 经济学模型包括描述经济系统和理论关系的方程。
- 计量经济学的目标是估计和测试经济模型中的参数。
2. 统计学基础- 假设检验：用统计方法来验证经济理论。
- 最小二乘法（OLS）：估计经济模型中未知参数的方法。
- OLS估计结果的性质和假设：无偏性、一致性和有效性。
3. 单变量回归模型- 简单线性回归模型：一个自变量和一个因变量之间的线性关系。
- 估计参数和评估模型：OLS估计、t统计量、R方和调整的R 方。
- 解释和预测：利用估计的模型进行解释和预测。
4. 多变量回归模型- 多元线性回归模型：多个自变量和一个因变量之间的线性关系。
- 估计参数和评估模型：OLS估计、t统计量、F统计量、R方和调整的R方。
- 控制变量和决策：利用控制变量来减少混淆因素，做出更准确的决策。
5. 动态模型- 差分方程：描述变量随时间变化的关系。
- 滞后变量和滞后因变量：引入滞后变量来解释变量之间的时序关系。
- 动态因果关系：解释一些经济变量之间的长期和短期关系。
6. 面板数据模型- 面板数据：包含多个个体和多个时间观测的数据集。
- 固定效应模型和随机效应模型：解释面板数据中个体效应和时间效应。
- 引入个体和时间固定效应：控制个体特征和时间变化对变量关系的影响。
7. 工具变量估计- 决定性和随机性端变量：用于解决内生性问题的变量。
- 工具变量的选择和检验：选择有效的工具变量来估计内生性模型。
- 两阶段最小二乘法（2SLS）：用工具变量估计内生性模型。
8. 非线性回归模型- 非线性函数：描述实际经济关系的复杂性。
- 估计非线性模型：使用非线性最小二乘法（NLS）估计非线性模型。
- 非线性回归模型的解释和预测：利用估计的非线性模型进行解释和预测。
伍德里奇《计量经济学导论》(第4版)笔记和课后习题详解-第1~4章【圣才出品】
Байду номын сангаас
2．假设让你进行一项研究，以确定较小的班级规模是否会提高四年级学生的成绩。
4 / 119
圣才电子书 十万种考研考证电子书、题库视频学习平台
（i）如果你能设定你想做的任何实验，你想做些什么？请具体说明。 （ii）更现实地，假设你能搜集到某个州几千名四年级学生的观测数据。你能得到他们 四年级班级规模和四年级末的标准化考试分数。你为什么预计班级规模与考试成绩存在负相 关关系？ （iii）负相关关系一定意味着较小的班级规模会导致更好的成绩吗？请解释。 答：（i）假定能够随机的分配学生们去不同规模的班级，也就是说，在不考虑学生诸如 能力和家庭背景等特征的前提下，每个学生被随机的分配到不同的班级。因此可以看到班级 规模（在伦理考量和资源约束条件下的主体）的显著差异。 （ii）负相关关系意味着更大的班级规模与更差的考试成绩是有直接联系的，因此可以 发现班级规模越大，导致考试成绩越差。 通过数据可知，两者之间的负相关关系还有其他的原因。例如，富裕家庭的孩子在学校 可能更多的加入小班，而且他们的成绩优于平均水平。 另外一个可能性是：学校的原则是将成绩较好的学生分配到小班。或者部分父母可能坚 持让自己的孩子进入更小的班级，而同样这些父母也更多的参与子女的教育。 （iii）鉴于潜在的其他混杂因素（如 ii 所列举），负相关关系并不一定意味着较小的班 级规模会导致更好的成绩。控制混杂因素的方法是必要的，而这正是多重回归分析的主题。
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．
古扎拉蒂《计量经济学基础》复习笔记和课后习题详解(定性响应回归模型)【圣才出品】
第15章定性响应回归模型15.1 复习笔记考点一：定性响应模型的性质★★定性响应模型是指模型中的回归子是一个二值或二分变量的模型，通常被称为概率模型。
回归子也可以是多分响应变量或多类型响应变量。
将二值响应变量建立成概率模型的方法包括线性概率模型（LPM）、logit模型、probit模型和tobit模型。
考点二：线性概率模型（LPM）★★★★1．LPM的定义以下述回归模型为例说明：Y i＝β1＋β2X i＋u i。
其中X表示家庭收入；Y＝1，则表示该家庭拥有住房；Y＝0，则该家庭不拥有住房。
该模型被称为线性概率模型，因为Y i在给定X i下的条件期望E（Y i|X i）可解释为在给定X i下事件（家庭拥有住房）发生的条件概率，即Pr（Y i＝1|X i）。
2．LPM的特征令P i表示“Y i＝1”（即事件发生）的概率，而1－P i表示“Y i＝0”（即事件不发生）的概率，则变量Y i服从贝努利概率分布。
根据期望的定义，有：E（Y i）＝0（1－P i）＋1P i＝P i。
此外有：E（Y i|X i）＝β1＋β2X i ＝P i，即模型的条件期望事实上可以解释为Y i的条件概率。
该模型的约束条件为：0≤E（Y i|X i）≤1。
3．LPM的问题（1）干扰项u i的非正态性若把方程写成：u i＝Y i－β1－β2X i，u i的概率分布见表15-1。
表15-1 u i的概率分布可见u i服从贝努利分布而不是正态分布。
虽然干扰项不满足正态性假定，但OLS的点估计值仍具有无偏性。
此外在大样本下，OLS估计量一般都趋于正态分布，因此LPM的统计推断仍可用正态性假定下的OLS程序。
（2）干扰项的异方差性即使LPM中的干扰项满足零均值和无序列相关性假定，但也不能说它具有同方差性。
对于贝努利分布，理论上的均值和方差分别为P和P（1－P），可见方差是均值的函数，而均值的取值依赖于X的值，因此LPM中的干扰项具有异方差性。
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。
计量经济学复习笔记要点（达莫达尔版）_免费!!!
计量经济学复习笔记要点（达莫达尔版）_免费例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。
若取这些数值的概率为p,则p属于[0, 1]。
r.v.通常⽤⼤写字母X，Z…表⽰。
如：⼈的年龄、⾝⾼、体重、肺活量；猪⾁价格；抛两枚硬币，正⾯朝上的个数按其取值情况随机变量可分为两类：离散型r.v：只可能取到有限或可列个结果连续型r.v：可以取某⼀区间范围内的任意值2、总体、个体、样本总体（样本空间），它是所有可能结果的集合.通常情况下，它＝研究对象。
例：⼴西男青年的⾝⾼、南宁市猪⾁价格、东盟国家的出⼝额个体，它是组成总体的基本单位，代表了样本空间中的某⼀种结果。
例：男青年甲的⾝⾼、某摊贩的猪⾁价格、越南出⼝额总体具有同质性：同⼀总体中的每个个体具有某些共同的特征，因⽽与其它总体相区别抽样：通常情况下总体难以被穷举，因此难以直接观测其性质。
需要通过抽取样本的⽅法来研究其性质。
样本性质总体性质样本，是总体中抽出若⼲个个体（样本点）组成的集合。
样本中包含的个体个数称为样本的容量，⼜称为样本的⼤⼩。
注意：抽样是按随机原则选取的，即总体中每个个体有同样的机会被选⼊样本。
3、描述性统计量期望值/均值：度量r.v.取值的集中趋势（Expected value/Mean）⽅差、标准差：度量对均值的偏离程度（Variance、Standard Deviation / S.d.）第⼆部分线性回归模型Ch6、7 双变量模型——线性回归的基本思想、实现步骤Ch8 多变量模型Ch9 其它函数形式的回归模型实际运⽤得最多Ch10 包含虚拟变量的回归模型§1. 回归分析概述◆◆回归分析：⼀种统计技术在计量经济学中被⼤量使⽤◆◆主要⽤意：分析⼀个叫做被解释变量的变量对另外⼀个（或多个）叫做解释变量的变量的统计依赖性术语和符号1、被解释变量与解释变量的多种叫法被解释变量Explained variable 解释变量Explanatory variable应变量Dependent variable ⾃变量Independent variable预测⼦Predictand 预测元Predictor回归⼦Regressand 回归元Regressor响应Response 控制变量Control variable内⽣变量Endogenous 外⽣变量Exogenous variable2、回归模型的分类和叫法双变量回归、⼀元回归、简单回归多变量回归、多元回归、复变量回归3、符号约定被解释变量—— Y解释变量——横截⾯数据——下标i§2. 双变量回归的基本概念总体回归线（Population Regression Line）在⼏何意义上，总体回归线就是解释变量取给定值时，被解释变量的条件均值或期望值的轨迹。
考研名校：《计量经济学》各章重点知识总结整理笔记
《计量经济学》各章重点知识总结整理笔记第二章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。
2、现代意义的回归是一个被解释变量对若干个解释变量依存关系的研究，回归的实质是由固定的解释变量去估计被解释变量的平均值。
简单线性回归模型是只有一个解释变量的线性回归模型。
3、总体回归函数（PRF ）是将总体被解释变量Y 的条件均值()i i E Y X 表现为解释变量X 的某种函数。
样本回归函数（SRF ）是将被解释变量Y 的样本条件均值^i Y 表示为解释变量X 的某种函数。
总体回归函数与样本回归函数的区别与联系。
4、随机扰动项i u 是被解释变量实际值i Y 与条件均值()i i E Y X的偏差，代表排除在模型以外的所有因素对Y 的影响。
5、简单线性回归的基本假定：对模型和变量的假定、对随机扰动项u 的假定（零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态性假定）6、普通最小二乘法（OLS ）估计参数的基本思想及估计式；OLS 估计式的分布性质及期望、方差和标准误差；OLS 估计式是最佳线性无偏估计式。
7、对回归系数区间估计的思想和方法。
8、拟合优度是样本回归线对样本观测数据拟合的优劣程度，可决系数是在总变差分解基础上确定的。
可决系数的计算方法、特点与作用。
9、对回归系数假设检验的基本思想。
对回归系数t 检验的思想与方法；用P 值判断参数的显著性。
10、被解释变量平均值预测与个别值预测的关系，被解释变量平均值的点预测和区间预测的方法，被解释变量个别值区间预测的方法。
11、运用EViews 软件实现对简单线性回归模型的估计和检验。
第二章主要公式表第三章1、多元线性回归模型是将总体回归函数描述为一个被解释变量与多个解释变量之间线性关系的模型。
通常多元线性回归模型可以用矩阵形式表示。
2、多元线性回归模型中对随机扰动项u的假定，除了零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态性假定以外，还要求满足无多重共线性假定。
伍德里奇《计量经济学导论》(第6版)复习笔记和课后习题详解-第一篇(第4~6章)【圣才出品】
型中未知参数的个数（即 k 个斜率参数和截距β0）。
∧
∧
t 统计量服从 t 分布而不是标准正态分布的原因是 se（βj）中的常数σ已经被随机变量σ
所取代。t
∧
∧
统计量的计算公式可写成标准正态随机变量（βj－βj）/sd（βj）与
σ∧ 2/σ2
的平方
根之比，可以证明二者是独立的；而且（n－k－1）σ∧ 2/σ2～χ2n－k－1。于是根据 t 随机变量
有一个联合正态分布。
考点二：单个总体参数检验：t 检验 ★★★★
1．总体回归函数 总体模型的形式为：y＝β0＋β1x1＋…＋βkxk＋u。假定该模型满足 CLM 假定，βj 的 OLS 量是无偏的。
2．定理 4.2：标准化估计量的 t 分布
∧
∧
在 CLM 假定 MLR.1～MLR.6 下，（βj－βj）/se（βj）～tn－k－1，其中，k＋1 是总体模
定理 4.1（正态抽样分布）：在 CLM 假定 MLR.1～MLR.6 下，以自变量的样本值为条
∧
∧
∧
∧
件，有：βj～Normal（βj，Var（βj））。将正态分布函数标准化可得：（βj－βj）/sd（βj）～
Normal（0，1）。
1 / 89
∧
∧
∧
∧
注：β1，β2，…，βk 的任何线性组合也都符合正态分布，且 βj 的任何一个子集也都具
1．对排除性约束的检验 对排除性约束的检验是指检验一组自变量是否对因变量都没有影响，该检验不适用于不 同因变量的检验。F 统计量通常对检验一组变量的排除有用处，特别是当变量高度相关的时 候。 含有 k 个自变量的不受约束模型为：y＝β0＋β1x1＋…＋βkxk＋u，其中参数有 k＋1 个。 假设有 q 个排除性约束要检验，且这 q 个变量是自变量中的最后 q 个：xk－q＋1，…，xk，则 受约束模型为：y＝β0＋β1x1＋…＋βk－qxk－q＋u。 虚拟假设为 H0：βk－q＋1＝0，…，βk＝0，对立假设是列出的参数至少有一个不为零。 定义 F 统计量为 F＝[（SSRr－SSRur）/q]/[SSRur/（n－k－1）]。其中，SSRr 是受约束模型 的残差平方和，SSRur 是不受约束模型的残差平方和。由于 SSRr 不可能比 SSRur 小，所以 F 统计量总是非负的。q＝dfr－dfur，即 q 是受约束模型与不受约束模型的自由度之差，也是 约束条件的个数。n－k－1＝分母自由度＝dfur，且 F 的分母恰好就是不受约束模型中σ2＝ Var（u）的一个无偏估计量。 假设 CLM 假定成立，在 H0 下 F 统计量服从自由度为（q，n－k－1）的 F 分布，即 F～ Fq，n－k－1。如果 F 值大于显著性水平下的临界值，则拒绝 H0 而支持 H1。当拒绝 H0 时，就 说，xk－q＋1，…，xk 在适当的显著性水平上是联合统计显著的（或联合显著）。
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。
伍德里奇《计量经济学导论》(第6版)复习笔记和课后习题详解-第1章及第一篇(第2~3章)【圣才出品】
品数（output）方面的信息。 （i）仔细陈述这个政策问题背后其他情况不变的思维试验。 （ii）一个企业培训其员工的决策看起来有可能独立于工人特征吗？工人可观测与不可
观测的特征各有哪些？ （iii）除工人特征之外，再列出一个影响工人生产力的因素。 （iv）你若发现 training 和 output 之间成正相关关系，你令人信服地证明了工作培训
2．工作培训项目的理由之一是能提高工人的生产力。假设要求你评估更多的工作培训 是否使工人更有生产力。不过，你没有工人的个人数据，而是有俄亥俄州制造企业的数据。 具体而言，对每个企业，你都有人均工作培训小时数（training）和单位工时生产的合格产
4 / 91
圣才电子书 十万种考研考证电子书、题库视频学习平台
十万种考研考证电子书、题库视频学习平台
表 1-1 经济数据的结构
2．面板数据与混合横截面数据的比较（见表 1-2） 表 1-2 面板数据与混合横截面数据的比较
2 / 91
圣才电子书 十万种考研考证电子书、题库视频学习平台
考点三：因果关系和其他条件不变 ★★
1．因果关系 因果关系是指一个变量的变动将引起另一个变量的变动，这是经济分析中的重要目标之 一。计量分析虽然能发现变量之间的相关关系，但是如果想要解释因果关系，还要排除模型 本身存在因果互逆的可能，否则很难让人信服。
答：讲不通。因为找出每周学习小时数（study）和每周工作小时数（work）之间的关 系，是说每周学习小时数（study）和每周工作小时数（work）之间有关系，但没有说是因 果关系，每周学习小时数可能与其他因素有关或每周工作小时数与其他因素有关。
4．对税收有控制权的州或省份有时候会减少税收来刺激经济增长。假设你被某州政府 雇佣来估计公司税率的影响，比如说对每单位州生产总值增长的影响。
古扎拉蒂《计量经济学基础》(第5版)笔记和课后习题详解
古扎拉蒂《计量经济学基础》（第5版）笔记和课后习题详解关注薇公号-精研学习网-查找资料引言0.1复习笔记考点一：计量经济学概况★1计量经济学的定义计量经济学是以一定的经济理论为基础，运用数学、统计学方法，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系的一门经济学学科。
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。
2研究对象和研究方法在一系列的假定条件下，计量经济学主要通过对经济数据的统计推断，研究经济定律的经验判定。
计量经济学的研究方法是，利用统计推断的理论和技术，以达到经济理论和实际测算相衔接的目的。
3计量经济学是一门单独的学科计量经济学是一门单独的学科，理由如下：（1）经济理论所作的陈述或假说大多数是定性的。
计量经济学提供了经济理论的数值估计，对大多数的经济理论赋予经验内容。
（2）数理经济学只用方程式表达经济理论，却未考虑实证检验问题。
计量经济学家对数学方程式进行改造，使其成为更适合于经验检验的形式。
（3）经济统计学主要收集、加工并通过图表的形式来展现经济数据，不考虑怎样利用所收集来的数据去检验经济理论。
计量经济学通过数据来检验经济理论。
考点二：计量经济学方法论★1计量经济学的方法论路线传统的计量经济学方法论大致按如下路线进行：（1）理论或假说的陈述；（2）理论的数学模型设定；（3）统计或计量经济模型设定；（4）获取数据；（5）计量经济模型的参数估计；（6）假设检验；（7）预报或预测；（8）利用模型进行控制或制定政策。
2计量经济学的类型计量经济学可划分为两大类：理论计量经济学和应用计量经济学。
在每一大类中按照估计方法逻辑又分为经典方法和贝叶斯方法。
理论计量经济学主要研究计量模型和计量方法，以求更精准测度由计量经济模型设定的经济关系。
应用计量经济学主要将理论计量经济学工具应用到经济学或管理学中的某些特殊领域。
计量经济学笔记(1-9章)
引言计量经济学建模方法:1)理论或假设的陈述;2)理论的数学模型的设定;3)理论的计量经济模型的设定;4)获取资料;5)计量经济模型的参数估计;6)假设检验;7)预报或预测;8)利用模型进行控制或制定政策。
第一章回归分析的性质1、回归分析:研究一个叫应变量的变量对另一个或多个叫做解释变量的变量的依赖关系,其用意在于通过后者的已知或设定值,去估计和预测前者的均值。
2、虚拟变数:定性变量或范畴变量。
3、时间序列数据:一个变量在不同时间取值的一组观测结果。
4、横截面数据:一个或多个变量在同一时间点上收集的数据。
5、实验资料：在保持一些因素不变的情况下收集数据。
、6、非实验资料：收集的资料不受研究者控制。
、7、回归分析的主要用意，是分析一个叫做应变量的变量，对另一个或多个叫做解释变量的变量的统计依赖性，这种分析的目的，是要在解释变量已知或固定值的基础上，估计和预测应变量的均值，实际上，回归分析的成功有赖于适用资料的获得。
、、第二章 双变量回归分析：一些基本概念1、总回归函数（PRF ）：)()(i i X f X Y E =它仅仅表明在给定i X 下Y 分布的均值与i X 有函数关系，换句话说，他说出应变量的均值或平均值是怎样随解释变量变化的。
在几何意义上，总体回归曲线就是解释变量给定值时应变量的条件均值或期望值的轨迹。
、i i X X Y E 21)/(ββ+=：称为线性总体回归函数或简称线性总体回归。
2、PRF 的随机设定)/(i i i X Y E Y u -= 或 i i i u X Y E Y +=)/(i u 称为随机干扰项或随机误差。
是从模型中省略下来的而又集体地影响这应变量的全部变量的替代物。
)/(i X Y E 这一个成分被称为系统性或确定性成份；i u 为随机或非系统性成分。
若i i X X Y E 21)/(ββ+=ii i u X Y ++=21ββ3、随机干扰项的意义 1）理论的模糊性。
伍德里奇《计量经济学导论》(第6版)复习笔记和课后习题详解-工具变量估计与两阶段最小二乘法
第15章工具变量估计与两阶段最小二乘法15.1复习笔记考点一：工具变量法★★★★★1．简单模型的工具变量法简单回归模型为y＝β0＋β1x＋u，其中x与u相关：Cov（x，u）≠0。
（1）为了在x和u相关时得到β0和β1的一致估计量，需要有一个可观测到的变量z，z满足两个假定：①工具外生性条件，z与u不相关，即Cov（z，u）＝0，意味着z应当对y无偏效应（一旦x和u中的遗漏变量被控制），也不应当与其他影响y的无法观测因素相关；②工具相关性条件，z与x相关，即Cov（z，x）≠0，意味着z必然与内生解释变量x 有着或正或负的关系。
满足这两个条件，则z称为x的工具变量，简称为x的工具。
（2）工具变量的两个要求之间的差别①Cov（z，u）是z与无法观测误差u的协方差，通常无法对它进行检验：在绝大多数情形中，必须借助于经济行为或反思来维持这一假定。
②给定一个来自总体的随机样本，z与x（在总体中）相关的条件则可加以检验。
最容易的方法是估计一个x与z之间的简单回归。
在总体中，有x＝π0＋π1z＋v，从而，由于π1＝Cov（z，x）/Var（z）所以式Cov（z，x）≠0中的假定当且仅当π1≠0时成立。
因而就能够在充分小的显著水平上，相对双侧对立假设H 1：π1≠0而拒绝虚拟假设H 0：π1＝0。
就能相当有把握地肯定工具z 与x 是相关的。
2．工具变量估计量（1）参数的工具变量（IV）估计量参数的识别意味着可以根据总体矩写出β1，而总体矩可用样本数据进行估计。
为了根据总体协方差写出β1，利用简单回归方程可得z 与y 之间的协方差为：Cov（z，y）＝β1Cov（z，x）＋Cov（z，u）在Cov（z，u）＝0与Cov（z，x）≠0的假定下，可以解出β1为：β1＝Cov（z，y）/Cov（z，x）β1是z 和y 之间的总体协方差除以z 和x 之间的总体协方差，说明β1被识别了。
给定一个随机样本，用对应样本量来估计总体量。
庞皓《计量经济学》笔记和课后习题详解(自相关)【圣才出品】
第6章 自相关6.1 复习笔记考点一：什么是自相关 ★★★1．自相关的概念自相关又称序列相关，是指总体回归模型的随机误差项u i 之间存在相关关系的一种现象。
在古典假定中假设随机误差项是无自相关的，即：Cov （u i ，u j ）＝E （u i u j ）＝0（i ≠j ）。
如果该假定不能满足，就称u i 与u j 存在自相关，即不同观测点上的误差项彼此相关。
自相关系数可用来表示自相关的程度。
随机误差项u t 与滞后一期的u t －1的自相关系数ρ的计算公式为：1nt t u uρ-=∑式中u t －1是u t 滞后一期的随机误差项，因此上式计算的自相关系数ρ称为一阶自相关系数。
自相关系数ρ的取值范围为－1≤ρ≤1。
如果ρ＜0，则u t 与u t －1间存在负相关关系；如果ρ＞0，则u t 与u t －1间存在正相关关系；如果ρ＝0，则u t 与u t －1不相关。
2．自相关产生的原因（见表6-1）表6-1 自相关产生的原因自相关关系主要存在于时间序列数据中，但是在横截面数据中也可能会出现，通常称横截面数据中出现的自相关为空间自相关。
多数经济时间序列在较长时间内都表现为上升或下降的趋势，因此大多表现为正自相关。
但就自相关本身而言，既有正相关也有负相关。
3．自相关的表现形式（1）一阶自相关随机误差项的一阶自相关形式为：u t＝ρu t－1＋v t（－1＜ρ＜1）。
其中，ρ为自相关系数；v t为满足古典假定的误差项，即E（v t）＝0，Var（v t）＝σ2，Cov（v t，v t＋s）＝0，s ≠0。
一阶自回归形式记为AR（1），相应的式中的ρ称为一阶自相关系数。
（2）m阶自相关如果一阶自相关中的随机误差项v t是不满足古典假定的误差项，即v t中包含有u t的成分，如包含有u t－2，…，u t－m的影响，则需将u t－2，…，u t－m包含在回归模型中，即：u t＝ρ1u t －1＋ρ2u t －2＋…＋ρm u t －m ＋v t 。
- 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)。
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。
P 值是尚不能拒绝原假设的最大显著水平。
（所以P 越小，显著性越好）P 值>a 不拒绝 P 值<a 拒绝(3)F 检验——回归方程显著性检验，检验整个模型原假设Ho:β2=β3=β4=0 （多元，依次写下去）F=[ESS/(k-1)]/[RSS/(n-k)]~F （k-1,n-k ）统计量F 服从自由度为k-1和n-k 的F 分布F> F a （k-1,n-k ） (说明F 越大越好)拒绝：说明回归方程显著，即列入模型的各个解释变量联合起来对被解释变量有显著影响一元回归下，F与t检验一致，且 F=t25、拟合优度检验（1）可决系数（判定系数）R2=ESS/TSS=1-RSS/TSS特点：非负统计量，取值[0,1]，样本观测值的函数，随机变量对其解释：R2=0.95,表示拟合优度比较高，变量95%的变化可以用此模型解释，只有5%不准确(2)修正的可决系数adjusted R2=1-(1- R2）(n-1)/(n-k)adjusted R2取值[0,1] 计算出负值时，规定为0k=1时，adjusted R2= R2（3）F与可决系数F=[(n-k)/（k-1）]*[ R2/ (1-R2)]adjusted R2,R2,F 都是随机变量联系：a都是显著性检验的方法b构成统计量都是用TSS=ESS+RSSc二者等价，伴随可决系数和修正可决系数增加，F统计量不断增加R2 =0时，F=0；R2=1时，F趋近无穷；区别：a F有明确分布，R2没有b F检验可在某显著水平下得出结论，可决系数是模糊判断6、预测平均值预测和个别值预测A预测不仅存在抽样波动引起的误差，还要受随机扰动项的影响。
个别值预测比平均值预测的方差大。
个别值预测区间也大于平均值预测区间。
B 对平均值和个别值预测区间都不是常数。
X f趋近X均值，预测精度增加，预测区间最窄C 预测区间和样本容量N有关，样本容量越大，预测误差方差越小，预测区间越窄。
样本容量趋于无穷个别值的预测误差只决定于随机扰动项的方差。
CH4多重共线性后果/原因——如何检验——如何修正1、后果/原因（1）完全/不完全多重共线X3=X1+2X2完全多重共线参数无法估计非满秩矩阵不可逆X3=X1+X2+u 不完全多重共线性（2）无多重共线性模型无多重共线性,解释变量间不存在完全或不完全的线性关系X是满秩矩阵可逆Rank(X)=k Rank(X’X)=k 从而X’X可逆（X’X）-1存在（3）多重共线原因经济变量之间具有共同变化趋势模型中包含滞后变量使用截面数据建立模型样本数据自身原因（4）后果存在多重共线性时，OLS估计式仍然是BLUE（最佳线性无偏估计）不影响无偏性（无偏性是重复抽样的特性）不影响有效性（是样本现象，与无多重共线性相比方差扩大，但采用OLS估计后，方差仍最小）不影响一致性2、检验（1）两两相关系数（充分条件）两两相关可以推出多重共线性反过来不一定系数比较高，则可认为存在着较严重的多重共线性（2）直观判断（综合判断法）参数联合显著性很高（通过F检验）但个别重要解释变量存在异常，t不显著，或者β为负，与经济意义违背。
F检验通过， t不通过，因为方差扩大了 F是由RSS计算得出的（3）方差扩大因子VIF j=1/(1-R j2) 方差与VIF正相关 VIF>10 严重多重共线R j2是多个解释变量辅助回归确定多重可决系数（4）逐步回归（也是修正方法）不会有计算，但要了解过程针对多重共线性，没有什么特别好的修正方法，建模前要事先考虑，如果出现重要解释变量的多重共线性，可以考虑扩大样本容量CH5 异方差原因、后果——检验——修正（WLS）异方差：被解释变量观测值的分散程度是随解释变量的变化而变化的。
Var(u i|X i)=E(u i2)=σi2=σ2f(X i)1、原因后果（1）产生原因A 模型设定误差B 测量误差的变化C 截面数据中总体各单位的差异异方差性在截面数据中比在时间序列数据中可能更常出现，因为同一时点不同对象的差异，一般来说会大于同一对象不同时间的差异。
（2）后果A 参数的OLS估计仍然具有无偏性（无偏性仅依赖零均值假定，解释变量的非随机性）B 参数OLS估计式的方差不再是最小的，影响有效性（方差会被低估，从而夸大t统计量，t，F检验失效，区间预测会受影响，不显著的也有可能变显著）C 不满足有效性，则也会影响一致性2、检验(要知道判断时原假设和备择假设；检验命题统计量；辅助回归函数形式；适用条件)原假设：同方差备择假设：异方差（1）图示：简单易操作，但判断比较粗糙（2）GQ：Goldfeld-Quanadt戈德菲尔德-夸特检验A 大样本，除同方差假定不成立，其余假定要满足B 对解释变量大小排序C 去除中间C个观测值（样本的1/5-1/4），分成两个部分D构造F统计量，两个部分残差平方和服从卡方分布，则F=两部分残差平方和相除（大的除以小的）~F（(n-c)/2-k,(n-c)/2-k）F>临界值，拒绝原假设，则认为存在异方差E 可判断是否存在异方差，不能确定是哪个变量引起（3）WhiteA 大样本，丧失较多自由度B 做残差对常数项、解释变量、解释变量平方及其交叉乘积等所构成的辅助回归＾e i2C 计算统计量nR2，n为样本容量，R2为辅助回归的可决系数D 统计量服从卡方分布nR2>卡方a(df) 拒绝原假设，表明模型存在异方差E 不仅能够检验异方差，还能判断是哪个变量引起的异方差（4）ArchA 用于大样本，只对时间序列检验B 做OLS估计，求残差，并计算残差平方序列e t2,e t-12….做辅助回归e t2~e t-12…e t-p2C 计算辅助回归可决系数R2，统计量(n-p) R2p是ARCH过程的阶数D 统计量服从卡方分布（统计量就是”Obs*R-squared”所显示的数值）(n-p) R2>卡方a(p) 拒绝原假设，表明模型存在异方差E 能判断是否存在异方差，但不能诊断是哪一个变量引起的（5）Glejser可以忽略。
要求大样本3、修正（1）对模型变换，取对数，但不能消除，只能减轻后果（2）WLS （不考计算，主要掌握思想）使残差平方和最小，在存在异方差时，方差越小的应约重视，确定回归线作用越大，反之同理。
在拟合时应对较小的残差平方给予较大的权数，对较大的残差平方给予较小的权数。
通常可取w=1/σi2 将权数与残差平方相乘后再求和变换模型后剩余项u = u i/根号下f(X i) 已是同方差 Var(u)= σi2/f(X i)= σ2CH6 自相关原因/后果——检验（DW是唯一方法）——修正（从广义差分出发）自相关：（序列相关）总体回归模型的随机误差项u i之间存在的相关关系。
Cov(u i,u j)不为0自相关形式： u t=pu t-1+v t (-1<p<1) 一阶线性自相关1、原因（从时间序列出发考虑）经济系统的惯性经济活动滞后效应数据处理造成的相关蛛网现象（某种商品的供给量受前一期价格影响而表现出的规律性）模型设定偏误（虚假自相关，可以改变模型而消除）2、后果（1）违背古典假定，继续适用OLS估计参数，会产生严重后果，和异方差情形类似（2）影响有效性，一致性；但不会影响无偏性。