计量经济学重点内容

计量经济学

第一章

use 打开数据 describe 查看数据集情况 summary 描述统计

tabstat +[stats] 计算描述性统计量（指定） table+[contents] 类别变量+连续变量列联表 table/ tabulate 类别变量频次表 histogram 直方图

第二章 一元回归线性模型：基本思想

∑∑∑∑--=

=

2

22

2

X

n X Y X n Y X x

y x b i

i i i

i

i

X b Y b 21-=

第三章 第四章 一元、多元线性回归模型：假设检验 随机扰动项、参数的方差、标准误计算

sort 排序 order 排序

drop 去除记录 keep 保留记录

generate 生产新变量 replace 给变量赋新值 rename 给变量重命名

统计检验

1模型的拟合优度检验：R2判定系数（可决系数）

调整的可决系数：

范围在0和1之间，越接近1，说明模型具有较高的拟合优度

2方程的显著性检验：F 统计量，prob （F ）

F >F(k-1,n-k)，拒绝原假设H0，即显著。 F

显著性概率为0，小于给定显著性水平（0.05），表明模型对总体拟合显著 3变量的显著性检验：T 统计量 (服从n-2，n-k )，p 值

Β2一般为0，T>2.306为显著，T<2.306为不显著（5％水平） 线性回归模型的基本假设：

假设1：模型具有线性性（针对模型）。Y 是参数βi 的线性组合，不一定要求是变量X 的线性组合。

假设2 ：解释变量X 与u 不相关（针对扰动项）。 数学表达：cov(Xi,ui)=0通常说法：X 具有外生性 假设3：给定X ，扰动项的期望或均值为零（针对扰动项）。数学表达：E(i |Xi)=0，i=1,2, …,n 假设4：同方差假定（针对扰动项）。数学表达：Var (ui) = σμ2 = Var (Yi) i=1,2, …,n. 假设5：无自相关（针对扰动项）。数学表达：Cov(μi, μj ) = 0= Cov(Y i, Y j ) i≠j 假设6：回归模型设定是正确的（表面是针对模型，实质上是针对扰动项）

假设7：扰动项符合正态分布（针对扰动项）数学表达：μi ~N(0, σμ2 ) Y i ~N(β0+β1X, σμ2 )

2

R

第五章 线性回归模型拓展（函数形式，变量测度单位）

第六章 虚拟变量回归

有截距，m 个类别（取值），仅引入m-1个虚拟变量，无截距可以m 个

第七章 模型设定误差

1包含无关变量：后果（F ，T 检验） 参数估计是无偏且一致的估计， 但不是有效的估计，

检验仍然有效，但方差增大，接收错误假设的概 率较高。

2遗漏重要变量：后果（残差图）

如果遗漏的变量X2与X1相关，那么是有偏且不 一致的估计；

如果X2与X1不相关，那么是无偏的，但是有偏的 同理，参数估计量的方差估计也是有偏的， 再次，参数显著性检验结果不可靠。

第八，九，十章 异方差、多重共线性、自相关检验

异方差

多重共线性

自相关

3不同函数形式的选择 MWD 检验，散点图 4测量误差： 应变量有误差：

OLS 估计量是无偏的。

OLS 估计量的方差也是无偏的。

估计量的估计方差比没有测量误差时的大。

自变量有误差：

OLS 估计量是有偏的（趋零偏误） OLS 估计量的方差也是有偏的。

含

义

例如：

)

(≠

j

i

u

u

E

后果：自相关降低

解U中包含未知x X中包含x，xx U，x

异方差在截面数据中较常见，在时间序列中较少，多重共线性是样本现象。

是程度问题,不是有无问题

时间序列中常见

后果1、参数OLS估计仍然是线性无偏的

2、方差估计是错误的

3、从而t检验效率降低。（无偏非有效）

检验残差图检验

Park, Glejster,

Breusch–Pagan,

White

Goldfeld–Quandt

1、R方较大而显著的T值较小

2、辅助回归

3、方差膨胀因子判断法

图形法

Dw检验

游程检验

偏相关系数检验

布罗斯-戈弗雷检验

修正Wls gls

对数转换

稳健回归、模型变换法

变量：去除变量，变量转换

样本：增加样本

广义差分法

2

2

1

1-

-

-

-

=

t

t

*Y

p

Y

p

Y

Y

判断题

1、简单线性回归模型与多元线性回归模型的基本假定是相同的。

错，在多元线性回归模型里除了对随机误差项提出假定外，还对解释变量之间提出无多重共线性的假定。

2、在模型中引入解释变量的多个滞后项容易产生多重共线性。

对，在分布滞后模型里多引进解释变量的滞后项，由于变量的经济意义一样，只是时间不一致，所以很容易引起多重共线性。

3、DW 检验中的d 值在0 到4 之间，数值越小说明模型随机误差项的自相关度越小，数值越大说明模型随机误差项的自相关度越大。

错，DW值在0到4之间，当DW落在最左边（0

4、在计量经济模型中，随机扰动项与残差项无区别。

错，它们均为随机项，但随机误差项表示总体模型的误差，残差表示样本模型的误差；另外，残差=随机误差项+参数估计误差。

5、在经济计量分析中，模型参数一旦被估计出来，就可将估计模型直接运用于实际的计量经济分析。

错，参数一经估计，建立了样本回归模型，还需要对模型进行检验，包括经济意义检验、统计检验、计量经济专门检验等。

6、线性回归模型意味着因变量是自变量的线性函数。

错，线性回归模型本质上指的是参数线性，而不是变量线性。同时，模型与函数不是同一回事。

7、多重共线性问题是随机扰动项违背古典假定引起的。

错，应该是解释变量之间高度相关引起的。

8、通过虚拟变量将属性因素引入计量经济模型，引入虚拟变量的个数与样本容量大小有关。错，引入虚拟变量的个数样本容量大小无关，与变量属性，模型有无截距项有关。

9、双变量模型中，对样本回归函数整体的显著性检验与斜率系数的显著性检验是一致的。正确，要求最好能够写出一元线性回归中，F统计量与t统计量的关系，即F=t^2的来历；或者说明一元线性回归仅有一个解释变量，因此对斜率系数的t检验等价于对方程的整体性检验。

11、在实际中，一元回归几乎没什么用，因为因变量的行为不可能仅由一个解释变量来解释。

错，在实际中，在一定条件下一元回归是很多经济现象的近似，能够较好地反映回归分析的基本思想，在某些情况下还是有用的。

13、虚拟变量只能作为解释变量。

错，虚拟变量还能作被解释变量。

14、设估计模型为。。。。。。表明模型有很好的拟合优度，则模型不存在伪（虚假）回归。错，可能存在伪（虚假）回归，因为可决系数较高，而DW 值过低。

15、随机扰动项的方差与随机扰动项方差的无偏估计没有区别。

错，随机扰动项的方差反映总体的波动情况，对一个特定的总体而言，是一个确

定的值。

16、经典线性回归模型（CLRM）中的干扰项不服从正态分布的，OLS 估计量将有偏的。错，即使经典线性回归模型（CLRM）中的干扰项不服从正态分布的，OLS 估计量仍然是无偏的。

17、虚拟变量的取值原则上只能取0 或1。

对，虚拟变量的取值是人为设定的，主要表征某种属性或特征或其它的存在与否，0 或1 正好描述了这种特性。当然，依据研究问题的特殊性，有时也可以取其它值。