计量经济学复习提纲.doc

第一早

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塑关系和规律的一门经济学科。计童经济学与理论经济学、数理经济学、经济统计学、数理统计学既有区别乂有联系。

2、计量经济研究分为模型设定、参数估计、模型检验、模型运用等四个步骤。

3、模型的设定主要是选择变量和确定变最间联系的数学形式。适于对实际经济活动作计量分析的计量经济模型应包含经济变量、待确定的参数和随机误差项。行为方程、技术方程、制度方程和定义方程可作为建立模型时参考。

4、计量经济模型屮的变量分为被解释变量（应变量）和解释变量、内生变量和外生变量。

5、参数是计量经济模型中表现经济变量相互依存程度的因素，通常具有相对稳定性。参数无法直接观测和计算，只能用适当的方法根据变量的样本观测值去估计。参数估计的方法应符合“尽可能地接近总体参数真实值”的准则。

6、计量经济研究中应用的数据包括时间序列数据、截而数据、而板数据、虚拟变量数据等。

7、、对模型检验包括经济意义检验、统计推断检验、计量经济学检验和模型预测检验。

8、计量经济模型主要可应川于经济结构分析、政策评价和经济预测。

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禅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。简单线性回归模熨是只有一个解释变量的线性回归模型。

3、总体冋归函数（PRF）是将总体被解释变量Y的条件均值XJ表现为解释变量

A

X的某种函数。样木回归函数（SRF）是将被解释变量Y的样本条件均值齐表示为解释变量X的某种函数。总体回归函数为样本回归函数的区别与联系。

4、随机扰动项堆是被解释变量实际值E与条件均值J的偏差，代表排除在模型以外的所有因素对Y的影响。

5、简单线性冋归的基本假定：对模型和变量的假定、対随机扰动项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、对冋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、对冋归系数假设检验的基木思想。对冋归系数t检验的思想与方法；用P值判断参数的显著性。

10、被解释变暈平均值预测为个别值预测的关系，被解释变暈平均值的点预测和区间预测的方法，被解释变暈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佔计和检验。

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Z间线性关系的模型。通常多元线性冋归模型可以用矩阵形式表示。

2、多元线性冋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■解释变量不相关假定、正态性假定以外，还要求满足无多車共线性假定。

3、多元线性回归模型参数的最小二乘估计式；参数估计式的分布性质及期望、方差和标准误差；在基木假定满足的条件下，多元线性冋归模型最小二乘估计式是最佳线性尢偏估计式。

4、多元线性回归模型中参数区间估计的方法。

5、多重可决系数的意义和计算方法，修正可决系数的作川和方法。

6、F检验是对多元线性冋归模型中所有解释变量联合显著性的检验，F检验是在方差分析基础上进行的。

7、多元回归分析中，为了分别检验当其它解释变量不变时，各个解释变量是否对被解释变量有显苦影响，需要分别对所估计的各个回归系数作t检验。

8、利川多元线性回归模型作被解释变暈平均值预测与个别值预测的方法。

第三章主要公式表

第四章

1、经典线性回归模型的假定Z—是各个解释变量XZ间不存在多虫共线性。一般说来，多重共线性是指各个解释变量x之间有准确或近似准确的线性关系。

2、多重共线性的后果是：如果各个解释变量X之间有完全的共线性，则它们的冋归系数是不确定的，并且它们的方差会无穷大。如果共线性是高度的但不完全的，则回归系数的估计是对能的，但有较大的标准误差的趋势。结果回归系数不能准确地加以估计。不过，如果目的是估计这些系数的线性组合用于预测，多重共线性不是严重问题。

3、诊断共线性的经验方法主要有：（1）多重共线性的明显表现是可决系数R2异常高而冋归系数在通常的t检验中在统计上不显著。（2）在仅有两个解释变量的模型中，检查两个变量Z 间的零阶或简单相关系数，一般说来高的相关系数通常可认为有多亜共线性。（3）当模型中涉及多于两个解释变量的情形时，较低的零阶相关也可能出现多重共线性，这时需要检查偏相关系数。（4妆II果R2高而偏相关系数低，则多重共线性是可能的，这时会存在一个或多个解释变量是多余的。如果R2高而偏相关系数也高，则多重共线性难以识别。（5）在建模时, 首先可以将每一个解释变量X,对其余所有解禅变量进行辅助回归，并计算出相应的可决系数用。较高的可能表明X,和其余的解释变量高度相关，在不会引起严重的设定偏误的前提下，可考虑把Xj从模型中剔除。

4、降低多重共线性的经验方法有:（1）利用外部或先验信息；（2）横截而与吋间序列数据并用；（3）剔除高度共线性的变量；（4）数据转换；（5）获取补充数据或新数据；（6）选择有偏估计量（如岭回归）。经验方法的效果取决丁•数据的性质和共线性的严重程度。

第四章主要公式表

第五章

1、异方差性是指模型屮随机误差项的方差不是常量，而且它的变化为解释变暈的变动有关。

2、产生异方差性的主要原因有：模型中略去的变量随解释变量的变化而呈规律性的变化、变量的设定问题、截血数据的使用，利用平均数作为样本数据等。

3、存在异方差性时对模型的OLS估计仍然具有无偏性，但最小方差性不成立，从而导致参数的显著性检验失效和预测的精度降低。

4、检验异方差性的方法有多种，常用的有图形法、Goldfeld-Qunandt检验、White检验、ARCH检验以及Glejser检验，运用这些检验方法吋要注意它们的假设条件。

5、修止异方差性的主要方法是加权最小二乘法，也可以用变量变换法和对数变换法。变量变换法与加权最小二乘法实际是等价的。

第五章主要公式表