计量经济学复习提纲—庞皓版

1.计量分析的四个步骤：模型设定——参数估计——模型检验——模型应用

2.计量模型检验：经济意义检验——统计推断检验——计量经济学检验——模型预测检验

3.计量模型的应用：结构分析——经济预测——政策评价——检验与发展经济理论

4.正确选择解释变量的原则：符合理论、规律——忽略众多次要因素，突出主要经济变量

——数据可得性——每个解释变量之间是独立的

5.参数的数据类型：时间序列数据——截面数据——面板数据——虚拟变量数据

第二章

1.总体相关系数：ρ=Cov(X,Y)/√Var(X)√Var(Y)

2.样本相关系数：rxy=Σ(Xi-X_)(Yi-Y_)/√Σ(Xi-X_)^2√Σ(Yi-Y_)^2

3.总体回归函数中引入随机扰动项的原因：作为未知影响因素的代表——作为无法取得数

据的已知因素代表——作为众多细小影响因素的综合代表——模型的设定误差——变量的观测误差——经济现象的内在随机性

4.简单线性回归模型的基本假定：1、对变量和模型的假定；2、对随机扰动项ui统计分

布的假定（古典假定）：零均值假定——同方差假定——无自相关假定——随机扰动项ui与解释变量Xi不相关——正态性假定

5.违反零均值假定：影响截距上的估计（影响小）

6.违反正态性假定：不影响OLS估计是最佳无偏性，但会使t检验F检验失真（影响大）

7.样本回归函数的离差形式：yi^=β2^*xi

8.OLS估计值的离差表达式：β2^=Σ(Xi-X_)(Yi-Y_)/Σ(Xi-X_)^2=Σxiyi/Σxi^2

β1^=Y_-β2^*X_

9.OLS回归线的性质：样本回归线过（X_,Y_）——估计值均值等于实际值均值——剩余项

ei的均值为零——Cov(Yi^,ei)=0——Cov(Xi,ei)=0

10.β^的评价标准：无偏性——有效性——一致性

11.β^的统计性质：线性——无偏性——有效性

12.Var(^β1)=Ơ^2/Σxi^2——Var(^β2)=ΣXi^2/n*Ơ^2/Σxi^2

13.^Ơ^2=Σei^2/(n-2)

14.总变差平方和：Σ(Yi-Y_)^2=Σyi^2……TSS……n-1

回归平方和：Σ(Yi^-Y_)^2=Σ^yi^2……ESS……k-1

残差平方和：Σ(Yi-Yi^)^2=Σei^2……RSS……n-k

15.可决系数：R^2=ESS/TSS

16.SE(^β1)=√(Ơ^2ΣXi^2)/(nΣxi^2)

SE(^β2)=√Ơ^2/Σxi^2

17.t=(^β1-β1)/^SE(^β1)~t(n-2)

t=(^β2-β2)/^SE(^β2)~t(n-2)

18.区间估计：

1.当总体方差Ơ^2已知，α=0.1—±1.645, α=0.05—±1.96, α=0.01—±

2.33，

P[-tα

2.当总体方差Ơ^2未知，样本容量大，可用^Ơ^2=Σei^2/(n-2)代替Ơ^2，

z=(^β2-β2)/(^Ơ/√Σxi^2)

3.当总体方差Ơ^2未知，样本容量小，P[-tα/2< t=(^β2-β2)/^SE(^β2)

19.对Y平均值的区间预测：SE(^Yf)=Ơ√{1/n+[(Xf-X_)^2/Σxi^2]}，置信度1-α的预测区间

[^Yf-tα/2* SE(^Yf), ^Yf+tα/2* SE(^Yf)]

20.对Y个别值预测区间：Yf=^Yf±tα/2*^Ơ√{1+1/n+[(Xf-X_)^2/Σxi^2]}

1.多元线性回归模型的古典假定：零均值假定——同方差和无自相关假定——随机扰动项

与解释变量不相关——无多重共线性假定——正态性假定

2.修正的可决系数：_R^2=1-(1-R^2)(n-1)/(n-k)……k是待估参数个数，R^2必定为正，但修

正的可决系数可能为负，这是规定其为0，随着k的增加，_R^2越来越小于R^2

3.F=ESS(k-1)/RSS(n-k)=R^2/(1-R^2)*(n-k)/(k-1)

4.S.E. of regression：Ơ^2=Σei^2/(n-k)——Ơ=

5.t-statistic=coefficient/std.error

6.TSS=(n-1)*(S.D.dependent var)^2

第四章

1.多重共线性产生的原因：经济变量之间具有共同变化趋势——模型中包含滞后变量——

利用截面数据建立模型也可能出现多重共线性——样本数据自身的原因

2.完全多重共线性产生的后果：参数的估计值不确定——参数估计值得方差无限大

3.不完全多重共线性后果：参数估计值的方差和协方差增大——对参数区间估计时，置信

区间趋于变大——严重多重共线性时，假设检验容易作出错误判断——参数估计经济含义不合理。当严重多重共线性时，可能造成可决系数较高，经F检验的参数联合显著性也很高，但对各个参数单独的t检验却可能不显著，甚至可能使估计的回归系数符号相反，得出完全错误的结论

4.多重共线性↑——VIF↑——var(^β2)↑、cov(^β2，^β3)↑

5.方差膨胀因子：VIF=1/(1-r23^2)

6.

7.多重共线性的检验：简单相关系数检验法（几乎不用）——方差膨胀因子法（常用）—

—直观判断法（预判）——逐步回归检验法（既能检验又能修正，不用）

8.VIFj=1/(1-Rj^2)，多重共线性越严重，VIF越大，越弱VIF越接近1，VIFj>=10，R^2>=0.9

时，存在严重多重共线性，会过度地影响最小二乘估计

9.直观判断法：参数估计值有很大的偶然性——参数显著性检验未通过——经济意义检验

未通过——相关系数大

10.多重共线性的补救措施：一、经验方法

1.剔除变量法：简单相关系数法：选相关系数较大的两个变量中，相对不重要剔除

方差膨胀因子法：首先剔除最大，如果仍存在，剔除第二大的

2.增大样本容量

3.变换模型形式（差分法）：一般增量之间的线性关系远比总量之间的线性关系弱