计量经济学复习笔记
- 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)。
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 i
2.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 −Y
i ̌)2
=Min ∑(Y i −b 1−b 2X i )^2
4.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。
(4)残差项与Y i ̌的乘积求和为0
第三章:双变量模型的假设检验(综合题) 1.判定系数R 2的概念(拟合优度)
Ess 表示回归平方和(自由度=k-1) Tss 表示总平方和(自由度=n-1) Rss 表示残差平方和(自由度=n-k ) Tss=ess+rss
R 2有意义的前提(1)普通最小二乘法估计获得(2)模型必须有截距项 R 2的含义:解释变量对被解释变量(多元情形是对模型)的解释程度的描述
∑
∑∑∑-
===2
2222
1ˆi i
i
i y e y
y
TSS
ESS
r
2.回归分析结果的报告形式
回归分析应给出项:(1)估计方程 (2)参数标注误se (b i ) (3)参数所对应的t 值 (4)参数检验所对应的p 值 (5)拟合优度(6)自由度(7)DW 值
对应关系: t = b i −o se(b i ) = b i se(b i )
自由度= n –k (k
值是包括截距项在内的参数个数)
3.假设检验
运用普通最小二乘法对参数进行估计后,得到样本回归方程
Y i =b 1+b 2X i
首先获得se (b 1)、se (b 2)。 se (b i )中的 σ
2
的未知时用 估计量来代替 σ2。 (1) 参数显著性检验 H 0 :Bi = 0 H 1 : Bi ≠ 0 构造统计量: σ2已知
8
..7849
.0)0006.0)(1085.5()4354.5)(5774.25()000245.0)(9061.16(0013.04138.432ˆ2
9
==⨯===+=-f d r
p t se X Y i i 2
ˆ2
2
-=∑n e i
σ
)
1,0(~/
22
22
22
N x
B b B b Z i
b
∑-=
-=
σσ
σ2未知
t值足够大就拒绝原假设,
p值足够小就拒绝原假设
第四章多元回归
1.偏回归系数含义
在多元回归方程中,例如Y i=B1+B2X2i+B3X3i+u i B2表示当其他条件不变
时(包括X
3不变),X
2
变动一个单位Y的均值的改变量; B
3
表示当其他
条件不变时(包括X
2不变),X
3
变动一个单位Y的均值的改变量。
2.回归模型的基本假设
(1)回归模型是参数线性
(2)解释变量越扰动项不相关
(3)随机扰动项均值为0
(4)随机扰动项同方差
(5)随机扰动项之间不相关
(6)解释变量之间不存在严格线性关系
(7)模型设定正确
(8)附加假设扰动项设服从N(0,σ2)的标准正态分布
3.联合假设检验
(1)联合假设检验的原因
对参数进行单独显著性检验后,并不能说明参数联合起来也是显著地,另外可能在参数进行单独检验是不能拒绝原假设,在进行联合检验时拒绝了原假设,此时可能存在共线性问题、。