计量经济学期末考试复习纲要第一章:绪论1.计量经济学:统计学、经济理论、和数学这三者对于了解现在经济生活来说都是必要的,但本身又并非是充分条件,这三者结合起来,就是力量,这种结合便构成了计量经济学。2.计量经济学模型:解释经济活动中各因素的定量的关系,用随机数学方程的形式加以描述。(前面是名词解释)后面是判断题考点:计量经济学模型与数理经济学模型最大的区别在于计量经济学模型含有随机误差项。3.时间序列数据:一批按照时间序列先后排列的统计数据。4.截面数据:发生在同一时间截面上的数据。5.虚变量数据:也称为二进制数据,一般取0或者1。6.弹性:一个变量的相对变化引起另一个变量相对变化量的度量。7.乘数:某一变量的绝对变化一起另一个变量绝对变化量的度量。8.经典计量经济学特征:(1)模型类型:随机模型,(2)模型导向:以经典计量经济学理论为基础(3)模型结构:变量之间的关系表现为线性关系或者可以化为线性的关系。(4)数据类型:以时间序列数据或者截面数据为样本被解释变量为服从正态分布的连续随机变量(5)估计方法:ols法或者最大似然法为估计模型。后面还有个应用方面的特征有三个点鄙人认为不重要。但老师讲的时候说了句他不重要。9.简述计量分析工作程序:(1)第一是理论模型的设计,理论模型的设计主要包括三部分工作,第一个是选择变量,第二个是确定变量间的数学关系,第三个是拟定待估参数的数值范围。(2)小复习要点:选择解释变量的时候要考虑以下几个方面:要正确理解和把握经济现象中暗含的经济学理论和经济行为规律;选择变量时候要考虑数据的可得性;选择变量时候要考虑每个解释变量都是独立的。(3)第二个大的任务是样本数据的收集,样本的数据收集要注意数据的完整性准确性可比性和一致性。然后是模型参数的估计(4)第三个大的任务是模型的检验,模型的检验主要需要检验四个部分:经济意义检验,统计检验,计量经济学检验以及模型的预测检验。9.对计量经济学模型的评价准则有哪些:主要有三个部分:理论、方法和数据。10.计量经济学主要有哪些应用领域:(1)结构分析:弹性分析,主要指某一变量的相对变化引起另外一变量相对变化的量的度量,是相对变化量的变化率之比。乘数分析:某一变量的绝对变化引起另一变量绝对变化量的度量。变量与变量之比,也称倍数。比较静力分析:比较经济系统中不同经济平衡位置之间的联系,探究经济系统从一个平衡点到另一个平衡点时变量的变化,研究某个经济系统中,某个变量或者参数的变化对另外变量或者参数的影响。(2)经济预测:应该看到,计量经济学模型是模拟历史,从已经发生的经济活动中,找出变化规律为主要的技术手段。于是,对于非稳定的计量经济学发展过程,对于缺乏规范行为理论的经济活动,计量经济学显得有点无能为力了。(非黑体字)(3)政策评价:经济数学模型可以起到“经济政策实验室”的作用,尤其是计量经济学模型,他揭示了经济系统中变量之间的关系,将经济目标作为被解释变量,经济政策作为解释变量,可以方便的找到不同政策对目标的影响(黑体字)(4)检验和发展经济理论:二、第二章:一元线性回归模型1.回归分析:是研究一个变量关于另外一个变量的依赖程度的计算方法和理论。其目的在于通过后者的已知值或者设定值,去估计或者预测前者的(总体)均值。前一个变量称为被解释变量或者因变量,后一个变量称为解释变量或者自变量。(都是黑体字)2.相关分析:主要研究随机变量之间的相关形式和相关程度。3.叙述回归分析与相关分析的联系和区别:(非黑体字,但是书上有)首先,两者都是研究非确定性变量之间的统计依赖关系,并能度量依赖程度的大小。其次,两者又有明显的区别,相关分析仅仅是从统计数据上测量变量间的相关程度,而无需考察他的因果关系,因此,变量的地位在相关分析中是对称的,而且都是随机变量;回归分析则更关注具有统计相关关系的变量间的因果分析,变量的地位是不对等的,有解释变量和被解释变量之分,再次,相关分析只关注变量间的相关联系程度,不关注具体的依赖关系;回归分析更加注重变量间的具体的依赖关系,因此可以进一步通过解释变量的变化来估计被解释变量的的变化,达到深入分析变量之间的依存关系的目的,掌握其运动规律。3.回归分析构成了计量经济学的方法论基础,其主要内容包括:(1)根据样本观察值对计量经济学模型进行参数估计,求得回归方程;(2)对样本方程、参数估计值进行显著性检验;(3)利用回归方程进行分析,评价和预测。介个是老师说了的哦~~他拿这个举了例子。4.e(Y/X)=b+b1X总体回归函数U=Y-E(Y/X)其中u为观察值y围绕他的期望值E(Y/X)的离差,它是个不可观测的随机变量,通常又不加区分的称为随机干扰项。5.有关引入随机干扰项的原因,或者是随机干扰项的影响因素,实际上是一个问题:以原因为例:(1)随机干扰项代表未知的影响因素;(2)随机干扰项代表残缺数据;(3)随机干扰项代表众多细小的因素;(4)随机干扰项代表数据的观测误差;(5)随机干扰项代表模型的设定误差。(6)随机干扰项代表模型变量的内在随机性。6.总体回归模型与样本回归模型之间的区别与联系?(题库上的题目,答案不确定)数据?拟合值?随机干扰项与残差项?书上有句话,但是没说明他的区别:回归分析的主要目的,就是根据样本回归函数去估计总体回归函数,即设计出一种方法,构造SRF,以使SRF尽可能的接近与PRF,或者说使他们的系数尽可能接近。7.OLS估计的基本假设:前四个假设称为高斯-马尔可夫假设,满足假设能够保证估计方法的估计值具有良好的效果。有个小要点,我看卷子上选择题还是什么好像考过:随机误差项与解释变量不存在任何的相关性,这种解释变量称之为外生解释变量,否则称之为内生解释变量。8.最小二乘法的估计原理:最小二乘法:当从模型中随机抽取N组样本观测值后,最合理的参数估计量能够使得模型能够较好地拟合该组数据。普通最小二乘的估计方法要求样本回归函数尽可能好的拟合这组值,即样本回归线上的点与真实观测点的“总体误差”尽可能小,其给出的判断标准是:被解释变量的估计值与实际观测值之差的平方和尽可能小。(最小二乘法的估计原理。)9.最大似然法ml:对于最大似然法,当从模型总体随机抽取n组样本观测值后,最合理的参数估计量应该是从模型中抽取该N组样本观测值的概率最大。最小二乘估计量的统计性质:注意有限样本性质和大样本渐进性质之间的区别线性性:即估计量b0b1是y的线性组合;无偏性:估计量的均值(期望)等于总体回归参数真值;有效性:在所有线性无偏的估计量中,普通最小二乘的估计量具有最小方差性。渐进无偏性:即样本容量趋于无穷大的时候,他的均值序列是是否趋于总体均值。渐进一致性:样本容量趋于无限大的时候,他是否依概率收敛于总体真值渐进有效性:样本容量趋于无穷大的时候,他的所有一致估计量中是否具有最小方差。最佳线性无偏估计量:前三个准则叫有限样本性质或者叫他小样本性质,一旦估计量具有这类性质,他是不以样本大小而改变的,拥有这类估计量叫最佳线性无偏估计量。性质有关的假设???(待确认)线性性:??无偏性:39页最下面表示出,证明的时候用到了均值为0的假设。另外一道与他有关的题目(这道题我也不知道为什么,然后先背着吧。最小方差性模型设定的假设•模型是正确设定的。模型正确设定有两个意思:一个是选择了正确的变量,另外一个正确的函数形式。对解释变量的假设•解释变量X是确定性变量不是随机变量,在重复抽样中取固定值•解释变量X是所抽取的样本中具有变异性,而且随着样本容量的无限增加,解释变量的样本方差趋于一个非零的有限常数随机误差项的假设•随机误差项具有给定X条件下的零均值、同方差和不序列相关性•随机误差项与解释变量不相关•随机误差项服从零均值同方差的正态分布那老师没讲,好多是最小方差性用到的。):用OLS法估计方程的参数,要使参数估计具有最佳线性无偏估计,要求,均值为0(无偏)同方差,(有效)不序列相关,并要求解释变量为非随机变量,与随机误差项的cov为010.42页那个总体方差的ols估计量,同时要知道总体方差的最大似然估计量是又有偏估计,但是具有一致性,在大样本下,依概率趋向于总体均值。11.拟合优度:使用拟合优度的原因:在一个特定条件下做的最好并不一定是高质量的,说不定另外一组观测值能够更好的拟合方程.12.在总离差平方和中,回归平方和所占的比重越大,残差平方和所占的比重越小,回归直线与样本点拟合的越好。13.拟合优度(题目中有时候把这货叫判定系数)=相关系数2(一元的时候满足)14.变量的显著性检验:假设检验的基本思想是概率性质的反证法(理解P值检验)假设检验的根据是小概率原理,小概率事件在一次事件中是不可能发生的。在原假设Ho下构造一个事件,在这个事件中,随机抽取一个容量为N的样本观测值进行试验,如果该时间发生了,“原假设是正确”是错误的,因为不该发生的事件发生了。P值越小,拒绝原假设的理由约充分。也就是说,当其小于显著性水平时,拒绝原假设接受备择假设。如果用t检验的话,注意是t分布是双维分布,然后注意他的显著性水平要除以二,然后自由度是N-215.老师讲了,参数的置信区间是要考的呀呀呀呀~1-α的置信度下βj的置信区间是(βj−t∗S,Βj+t∗S)这个要注意49页的公式啊Q:S在ols输出表格中是不是stderr?16.如何缩小置信区间:增加样本容量n,提高模型的拟合优度。第三章:多元线性回归模型1.多元线性回归模型的是时候系数叫偏回归系数:表示在其他解释变量不变的情况下,Xj每变化一个单位的时候,Y的均值E(Y)的变化,或者说Bj给出Xj在单位变化对Y的净影响。2.多元函数哪几种随机方程的矩阵形式,建议自己写几遍。注意X矩阵里面第一列全部是常数1.矩阵乘法的规则是第一个行乘以第二个的列,每一个元素都要乘。然后相加。3.对于假设我们要注意多元回归和一元有个不用。解释变量各种X都是非随机或者固定的,各解释变量之间不存在严格的线性相关性(没有完全的多重共线性)4.普通最小二乘估计量的矩阵表达形式要记住:66页。样本的话,要有拟合的符号,如果残差项在后面,要注意的是Y就不用加拟合符号了。5.68页的随机干扰项的方差的普通最小二乘估计下面和一元的不一样n-k-1!!!!!!EVIEWSOLS输出结果中的SEOFREGRESSION是不是随机干扰项方差开个平方?6.样本的最小容量:不少于模型中解释变量的个数(包括常数项)所以这个是大于等于K+1满足基本要求的样本容量是另外一回事,上面在说,模型可以估计。这个是在说,模型的参数估计量有质量,这个是30或者3(k+1)7.调整的可决系数,在样本容量一定的情况下,增加解释变量必定使自由度减少,所以调整的思路是将残差平方和和总离差平方除以各自的自由度,以提出变量个数对拟合优度的影响。记这个系数为调整的可决系数。8.赤池准则和施瓦茨准则:这两个准则要求所增加的解释变量能够同时减少AIC的值或者sc的值才能在原模型中增加解释变量。9.记住啊,方程的F检验的统计量,是(ESS/K)/(RSS/(n-k-1))这个比值与F(k,n-k-1)去比。把这句话记下来,如果F统计量较大,则X的联合体对Y的解释程度较高,可以认为,总体存在线性关系。想想多重共线性那个判断方法,如果模型的F值很大,但是系数有一些却无法通过检验,就要想多重共线性的问题。10.调整的可决系数与模型的F统计量的关系:𝑅2/𝐾(1−𝑅2)/(n−k−1)注意里面全部应该用调整的可决系数。因为自己打不出来。这里可以看得出,F与调整的可决系数是同方向变化的。调整的可决系数为0的时候,F=1,调整的可决系数越大,F值也越大11.(黑体字)在应用中不必对调整的可决系数过分苛求,重要的是考察模型的经济关系是否合理。12.t统计量的自由度在多变量的时候是n-k-1;在一元检验中F统计量与t统计量检验是一致的。13.如何才能缩小置信区间呢?增加样本容量;提高模型的拟合优度;提高样本观测值的分散程度。(选择题考过,简答题也考过)14.可化为线性的多元非线性模型:一般地,关于解释