《计量经济学》各章主要知识点.doc

计量经济学各章主要知识点第一章：绪论1计量经济学的学科属性、计量经济学与经济学、数学、统计学的关系；2计量经济研究的四个基本步骤（1）建立模型（依据经济理论建立模型，通过模型识别、格兰杰因果关系检验、协整关系检验建立模型）；（2）估计模型参数（满足基本假设采用最小二乘法，否则采用其他方法：加权最小二乘估计、模型变换、广义差分法等）；（3）模型检验：经济意义检验（普通模型、双对数模型、半对数模型中的经济意义解释，见例1、例2），统计检验（T检验，拟合优度检验、F检验，联合检验等）；计量经济学检验（异方差、自相关、多重共线性、在时间序列模型中残差的白噪声检验等）；（4）模型应用。例1：在模型中，y某类商品的消费支出，x收入，P商品价格，试对模型进行经济意义检验，并解释的经济学含义。,其中参数都可以通过显著性检验。经济意义检验可以通过（商品需求与收入正相关、与商品价格负相关）。商品消费支出关于收入的弹性为0.25（）；价格增加一个单位，商品消费需求将减少31%。例2：研究金融发展与贫富差距的关系，认为金融发展先使贫富差距加大（恶化），尔后会使贫富差距降低（好转），成为倒U型。贫富差距用GINI系数表示，金融发展用（贷款余额/存款总额）表示。回归结果为：，模型参数都可以通过显著性检验。在x的有意义的变化范围内，GINI系数的值总是大于1，细致分析后模型变的毫无意义；同样的模型还有：GINI系数的值总是为负。3计量经济学中的一些基本概念（1） 数据的三种类型：横截面数据、时间序列数据、面板数据；（2） 线性模型的概念；（3） 模型的解释变量与被解释变量，被解释变量为随机变量（如 果一个变量为随机变量，并与随机扰动项相关，这个变量称为内生变量），被解释变量为内生变量，有些解释变量也为内生变量。第二章：回归模型1两个变量的相关关系，相关关系与随机因果关系的区别；2总体回归函数与线性总体回归函数；3一元与多元线性回归模型，回归模型的基本假设；4最小二乘估计的基本原理与最小二乘估计量的具体表达式，随机扰动项的方差的估计方法；5最小二乘估计的数值性质与最小二乘估计的统计性质，样本容量变化对统计性质的影响；6在回归模型中（包括对数模型）计量单位变化对模型参数估计的影响（例3）； 7样本回归直线及其性质；8高斯-马尔柯夫定理及其证明。在回归模型中，我们将解释变量看成非随机变量，但如果解释变量为随机变量，并解释变量与随机扰动项相关，那么高斯-马尔柯夫定理就不成立，实际上在此时，对参数的最小二乘估计并不是一个无偏估计；9总体平方和分解公式及其含义；10拟合优度的含义与计算，拟合优度检验的适用条件；11解释变量的显著性检验，T统计量的计算方法，T统计量与样本容量的关系，的显著性检验方法，模型参数（解释变量）的置信区间（区间估计）；12联合检验与模型的显著性检验方法，F统计量的具体计算方法，F统计量与样本容量的关系；13与F统计量、与的相互关系；14回归分析结果中，各变量之间的相互关系；15利用回归模型进行点预测与区间预测；16非线性模型的线性化方法，普通回归模型、半对数模型、双对数模型的具体解释意义上的区别；17回归结果的标准表达方式。例3：考虑下面模型中，计量单位（如从元改变为万元）变化对模型参数的影响，,第三章：回归模型的扩展1 异方差的定义，异方差与模型基本假设的违背；2 异方差的产生原因：模型缺失重要解释变量、样本数据的观察误差、异常值的影响、模型函数形式的设定误差、随机因素的影响；3 存在异方差的后果：最小二乘估计不再为有效估计（有效估计的概念）、无法正确估计系数的标准误差、t检验的可靠性降低（具体的影响方式）、增大模型的预测误差；4 异方差的检验方法：图示检验法（一元与多元模型的检验方法）、Goldfeld-Quandt检验（Eviews中的实现方法）、White检验与实现方法、Park检验和Gleiser检验与实现方法；5 异方差的补救方法：模型变换法（与Park检验和Gleiser检验的关系）、加权最小二乘估计（加权最小二乘估计的基本思想：怎样利用权重进行调整，更加重视大的方差还是小的方差），模型变换方法与加权最小二乘估计方法的区别，建立半对数模型或双对数模型；6 自相关的定义，自相关与模型基本假设的违背，一阶自相关与高阶自相关；7 自相关产生的原因：模型中遗漏了重要的解释变量（与异方差同）、经济变量的惯性作用、某些经济行为的滞后性、模型函数形式设置不当（与异方差同）、随机因素的影响（与异方差同）；8 存在自相关性的后果：最小二乘估计不再为有效估计、系数的标准差被严重低估（T统计量被放大、T检验的可靠性降低）、降低模型的预测精度；9 自相关的检验方法：图示法与相关性检验（包括对残差序列进行自相关、偏自相关分析）、DW检验法（检验统计量的推导、五个区域的检验方法、DW检验法的适用条件）、高阶自相关性检验（BG检验）；10 自相关性的补救方法（一阶自相关的补救方法）：广义差分方法（相关系数已知，相关系数需要估计，不同的估计方法）、广义最小二乘法；11 多重共线性与完全多重共线性的定义；12 多重共线性的产生原因：经济变量的内在联系、经济变量的共同变化趋势、模型中滞后变量的影响；13 存在多重共线性的后果：增大OLS估计量的方差、难于区分每个解释变量的单独影响、T检验的可靠性降低（可能存在低估T统计量的情况）、回归模型缺乏稳定性，需要注意的是，在存在多重共先线性的情况下，如果我们构建模型的目的是为了预测，只要构建模型的样本是随机样本（样本数据中的共线性结构与总体中的共线性结构相同），那么存在共线性的模型并不会影响模型的预测准确性；14 多重共线性的检验方法：相关系数检验法、辅助回归模型法、变量显著性与模型显著性的综合检验、方差膨胀因子检验；15 多重共线性的补救方法：增加样本容量（共线性现象是由抽样不当造成）、直接剔除次要的解释变量、利用先验信息方法改变模型的结构（减少解释变量的个数）、面板数据方法、逐步回归法；16 虚拟变量的定义与虚拟变量的设置、虚拟变量陷阱；17 虚拟变量模型的构建方法：加法模型及其含义、乘法模型及其含义、混合模型及其含义，虚拟变量模型的等价形式；18 虚拟变量模型的应用：将定性因素引入模型（检验定性因素对被解释变量的影响）、模型的结构变化检验、分段回归模型的构建；19 Chou检验方法及其应用。第四章：时间序列模型1时间序列的平稳性概念（强平稳、弱平稳-协方差平稳）；2白噪声过程是一个平稳时间序列，其线性组合亦为平稳时间序列（例4）；3一元平稳时间序列建模时的模型识别：自回归模型的自相关系数、偏自相关系数的特征，移动平均过程的自相关系数、偏自相关系数的特征，自回归移动平均回归的自相关系数、偏自相关系数的特征；4时间序列的平稳性检验方法：单位根检验（ADF检验）的检验模型、检验的原假设、检验结果的分析方法（例5、例6）；5格兰杰因果关系的含义，格兰杰因果关系检验的模型，格兰杰因果关系检验的结果分析；6格兰杰因果关系检验与时间序列的平稳性的关系。例4：已知为一个白噪声过程，试证明为一个平稳时间序列。证明：设，则； 而当K2时，因此为一个平稳时间序列。例5：分析在0.1和0.05、0.01三个显著性水平下，下列时间序列的平稳性问题。表5-1 股指序列单位根检验输出结果变量（c，t，m）ADF检验值1%临界值5%临界值10%临界值SH（c，0，0）-2.1636-3.47-2.86-1.57SZZ（0，0，0）-0.0967-2.57-1.94-1.62SZC（c，0，0）-2.2654-3.47-2.86-1.57SH（0，0，0）-48.2344-2.57-1.94-1.62SZZ（0，0，0）-47.6970-2.57-1.94-1.62SZC（0，0，0）-46.9451-2.57-1.94-1.62其中c常数项、t趋势项、m滞后阶数。例6：证明随机游走过程是一个非平稳的时间序列，其中为一个白噪