-
学习好资料
欢迎下载
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
< br>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)
(
< br>1
)建立理论假说。(
2
)收集
数据。(
3
)假定数学模型。(
4
p>
)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
、
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
< br>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
(
|
)
=
+
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。
学习好资料
欢迎下载
(
3
)
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
。(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
< br>
=Min
(
)
4.
根据
O
ls
法得出参数
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(
,
)
(
2
p>
)
残差的均值总为
0
,
)
=Min
(
(
3
p>
)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。
的乘积求和为
0
(
< br>4
)残差项与
第三章:双变量模型的假设检验(综合题)
1.
判定系数
的概念(拟合优度)
r
2
ESS
?
?
TSS
?
?
y
?
i
2
y
< br>2
i
?
1
?
?
2
e
?
i
y
i
2
p>
Ess
表示回归平方和(自由度
=k-1
)
Tss<
/p>
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
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
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
学习好资料
欢迎下载
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<
/p>
se
(
)
(
3
p>
)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
?
?
432
.
4138
?
0
.
0013
X
Y
i
i
se
?
(
16
.
9
061
)(
0
.
000245
)
t
?
(
25
.
5774
)(
5
.
4354
)
p
?
(
5
.
85
?
10
r
?
9
)(
0
.
< br>0006
)
d
.
f
.
?
8
2
?
0
.
7849
对应关系
:
t
=
=
自由度
=
n
–
k
(
k
3.
假设检验
值是包括截距项在内的参数个数)
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
<
/p>
Y
i
=b
1
p>
+b
2
X
i
首先获得
se
(<
/p>
b
1
)、
se<
/p>
(
b
2
)。
p>
se
(
b
i
)中的
e
的未知时用
估计量来代替
。
?
?
p>
?
?
2
2
i
n
?
2
(
1
)
参数显著性检验
:
Bi
= 0
: Bi
≠
0
构造统计量:
已知
Z<
/p>
?
b
2
?
B
2
?
b
?
b
2
?
B
2
2
?
/
?
x
2
i
~
N
(
0<
/p>
,
1
)
学习好资
料
欢迎下载
未知
b
2<
/p>
?
B
2
b
2
?
B
2
t
?
?
?
~
t
(
n
?
2
)
2
?
b
2
?
se
(
b
2
)
p>
?
?
/
?
x
i
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
=B
1
+B
2
X
2
i
+B
3
X
3
i
+u<
/p>
i
B
2
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<
/p>
(
3
)随机扰
动项均值为
0
(
4
< br>)随机扰动项同方差
(
5
p>
)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
<
/p>
(
8
)附加假设扰动项设服从
N
(
0
,
)的标准正态分布
3.
联合假设检验
< br>(
1
)联合假设检验的原因
<
/p>
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、。
b<
/p>
2
?
B
2
学习好资料
欢迎下载
(2)
联合检验的步骤
H
0
:
B
< br>2
?
B
3
?
0
或
原假设:
构造
F
统计量
或
F
统计量的含义表示
H
0
p>
:
R
?
0
2
ESS
/(
k
?
1
).
F
?
~
F
(
k
?
1
,
< br>n
?
k
)
RSS
/(
n
?
k
)
R
2
/(
k
?
1
)
F
?
(
1
p>
?
R
2
)
/(
n
?
k
)
被
X
2
和
X
3
解释的
Y
的变动
未被
X
2
和
< br>X
3
解释的
< br>Y
的变动
所有
F
统计量越大越好
4.
矫正
引入原因:回归模型的
具有随着解释变量个数增多增大的性质,多元回归模
型解释变量对被解释变量的实际拟合效果需要考虑自由度的变化。
RSS
/(
n
?
k
)
R<
/p>
?
1
?
TSS<
/p>
/(
n
?
1
p>
)
RSS
(
n
p>
?
1
)
2
n
?
1
?
1
?
?
1
< br>?
(
1
?
R
)
TSS
(
n
?
k
)
n
?
k
2
5.<
/p>
什么时候可以增加新的解释变量
只要矫
正
R^2
增加就可以新的解释变量,这个条件等价于:如果引进
变量的参
数显著检验
|t|
值大于
p>
1
,就可以引进变量。
学习好资料
欢迎下载
第五章
回归模型的形式
1.
模型系数含义
< br>(
1
)双对数模型
ln
Y
i
?
B
1
?
B
2
ln
X
i
?
u
i
斜率
< br>B
2
度量的是不变弹性
dY
X
?
B
2
dX
Y
(
2
)
半对数模型(对数线性模型)
增量:
复利的计算:
ln
Y
i
?
B
1
?
B
2
t
i
?
u
p>
i
B
2
表示
t
增加一个单位,
Y
的平均增长率(单利)即表示的是因变量的相对
d
ln
Y
?
ln
Y
1
dY
B
2
?
?
?
dt
dt
Y
dt
dY
Y
Y
的相对变化
?
?
dt
X
的绝对变化
(
3
p>
)线性趋势模型
Y
t
=
B
1
+
B
2
t
+
u
t
(
4
)半对数模型
(线性对数模型)
Y
i
?
B
1
?
B
2
ln
X
i
?
u
< br>i
B
2
的含义为:表示自变量的
一个单位相对增量引起应变量平均的绝对增量。
(
5
)倒数模型
1
Y
i
?
B
1
?
B
2
?
u
i
X
i
显著的特征是:随着
X
的无限增大,(
1/
X
i
)将接近于
0
,
< br>Y
将逐渐接近
B
1
渐
进值或极值。因此,当变量
X
无限增大时,上式回归模型将逐渐靠近其渐近线
或极值。
(
6
)多项式模型:
< br>B
3
表示增速
Y
i
?
B
1
?
B
2
X
i
?
B
3<
/p>
X
i
?
B
4
X
i
?
u
i
2
3
学习好资料
欢迎下载
第六章
虚拟变量
1.
基准类(基础类、参照类):虚拟变量定义为
0
的一类称为
基准类。
2.
虚拟变量引入个数:
如果模型有截距项,定性变量有
m
种,则需要引入
(
m-1
)个虚拟变量,不然
会产生完
全共线性问题
3.
协方差模型
(
1
)含一个虚拟变量形式的加法模型(差别截距项模型)
(
3
)
含虚拟变量的乘法模型(差别斜率项模型)
p>
Y
i
?
B
0
?
B
1
X
i
?
B
< br>2
D
i
?
u
i
Y
i
?
B
0
?
B
p>
1
X
i
?
B
2
D
i
X
i
?
u
< br>i
学习好资料
欢迎下载
第八章
共线性
1.
多重共线性的理论后果:
A. OLS
的估计量无偏
B.
方差估计无效即不在具备最小方差性
C.
由于多重共线性是
样本特征,因此,即使在总体回归中变量
X
之间不是线性相关,但在某个样本中,
X
变量之间可能线性相关
2.
多重共线性的实际后果:
A.
OLS
估计量的方差和标准误较大
B.
置信区间变宽
C.
t
值不显著
D. R^2
值较高,
但
t
值并不都是统计显著的
E. OLS
估计量及其标准误对数据的微小变化非常敏感
3.
多重共线性的诊断方法有哪些?
A. R^2
较高但解释变量
t<
/p>
值统计显著的不多
B.
解释变量两两高度相关
C.
检查偏相
关系数
D.
从属回归或者辅助回归
E.
方差
膨胀因子(
VIF>10
为高度共线性)
F.
条
件指数
4.
多重共线性的补救措施有哪些?
A.
删掉变量
B.
获取额外的数据或新的样本
C.
重新设定模型
D.
参数的先验信息
E.
变量变换(如总量变平均,名义变实际)
F.
因子或主成分分析
G.
岭回归
第九章——第十二章
第九章
如果异方差不是常数会有什么后果
一、异方差的后果(简答)
1
、
OLS
估计量仍是线性的
2
、
OLS
p>
估计量仍是无偏的
3
、
OLS
估计量不再具有最小方差性,即不再是有效
的
4
、
OLS
估计量的方差通常是有偏的
2
?
2
,即
?
?
2
5
、偏差产生是由于
?
i
/
d.f.
,不再是真实
?
的无偏估计量
6
、建立在
p>
t
分布和
F
分布之
上的置信区间和假设检验是不可靠的。
二、如何诊断存在异方差
-
-
-
-
-
-
-
-
-
上一篇:剑桥少儿英语三年级Flyers重点上下册
下一篇:模具专业英语——注塑模