计量重点整理by徐晨.docx

注：本重点提纲只适用于平时没有上过计量经济学的课的同学，是根据老师所画重点并基于【书面考试不会涉及深计算，而只涉及表面理论】的观点归纳，合适平时没听课的同学临时应急通关，对于已经有基础的同学则完全无效蓝色字体的需要记住，黑色字体的大概看看就行了一、普通最小二乘法(标准方法)概念:一种计算参数估计值并使残差平方和最小的回归估计方法二、多远回归系数概念:保持方程中其他解释变量不变，该解释变量每增加1各单位引起的被解释变量的变化.三、判定系数R2概念:回归离平方和与总离差平方和的比值四、调整的判定系数2 概念：衡量的是调整了自由度后回归方程解释Y与其均值离差的比例注：评价回归方程的拟合优度时通常用调整的判定系数2来代替判定系数R2五、回归分析的步骤1.查阅文献、建立理论模型便捷方法：经济文献杂志、面向企业的出版摘要、网络调查、经济文献检索其他方法：理论替代、求助相关人士2.选择解释变量和函数形式，确定模型（1）解释变量以及如何测量解释变量（2）变量间的函数形式（3）随机误差项的性质注：回归分析只能提供证据而不能证明经济中的因果关系3.对参数的符号作出假设4.搜集、检查、整理数据自由度：观测值个数减去带估计参数个数异常值：异常值指在其余观测值范围外的观测值5.估计、平评价方程敏感性分析：为检验结果是否稳定而估计其他设定形式的方程6.报告结果六、古典假设（1）回归模型是线性的、模型设定无误且含有误差项（2）误差项总体均值为0（3）所有解释变量与误差项都不相关（4）误差项观测值无不相关（无序列相关性）（5）误差项具同方差（无异方差性）（6）任一解释变量都不是其他解释变量的完全线性函数（无完全多重共线性）（7）误差项服从正态分布注：满足1-5的误差项成为古典误差项，若还满足7则成为古典正态误差项七、虚拟变量概念：依据特定状态条件是否成立取值为1或0的变量八、BLUE（高斯-马尔科夫定理-QLS是BLUE）意义：最优（方差最小）线性无偏估计值【有效估计量】九、假设检验中的错误第一类错误：拒绝了正确的原假设（显著性水平：发生概率）第二类错误：没有拒绝错误的原假设显著性水平：指若原假设正确则得到的t统计量大于临界值概率十、t检验（假设检验中使用t检验已成惯例）概念：通过对单个回归参数的假设进行的检验十一、遗漏变量概念：指一个重要的解释变量被遗漏在回归方程之外遗漏变量偏差、设定偏差：由方程遗漏变量而造成的偏误后果：导致回归方程中其余变量的参数估计值有偏（违背古典回归假设）十二、模型设定的四个重要准则1.理论：变量在方程中含义是否模糊不清、从理论上看是否合理2.t检验：变量的被估参数在预期假设下是否显著3.调整的判定系数2：变量加入后方程的整体拟合度是否得到改善4.偏误：变量加入后其他变量的参数值是否发生显著改变若都符合则该变量属于该方程，若都不符合则该变量是不相干变量十三、常数项（线性回归模型、0）概念：当所有解释变量、误差项都等于0时Y的期望值注：0包括（1）0的真实值 （2）任何设定误差的固定影响（遗漏变量） （3）设定正确的方程中的的期望值（若不等于0）为什么不能剔除常数项：1.剔除常数项将会违背古典假设（古典假设只有在常数项吸收了既定样本中误差观测值可能存在的非零均值后时才能满足）2.若省略常数项，常熟的影响将会被强行加入到其他参数的估计值中，从而造成潜在的偏误十四、备选函数形式1.线性形式（X、Y间斜率固定的模型）【默认函数形式】除非理论、常识、经验上要求选用其他函数形式否则一般都选用线性模型2.双对数形式（弹性固定而斜率不固定的模型）【一种线性模型】变量Y的自然对数为被解释变量，变量X的自然对数为解释变量3.半对数形式（增长率逐渐下降的模型）【双对数形式的一个变形】只有一部分的变量是以自然对数形式表示4.多项式形式（斜率会随变量自身变化而变化的模型）被解释变量Y由解释变量的函数形式表示，有些解释变量是多次放的5.反函数形式（随着解释变量增大，其影响逐渐缩小的模型）被解释变量是用包含一个或多个解释变量的倒数（反函数）形式的函数来表示的十五、多重共线性概念1.完全多重共线性：一个解释变量是另一个解释变量的完全线性函数2.两个或多个解释变量不完全线性相关后果1.估计量仍然是无偏的2.估计量的方差和标准差将会增大（主要）3.多重现性下的t统计量将会变小4.估计量对模型设定的变化变得极其敏感5.方程的整体拟合程度以及不存在多重共线性的变量的参数估计几乎不受影响诊断方法1.考察两个解释变量间的简单相关系数，若相关系数绝对值很大则量解释变量高度相关，则存在潜在的多重共线性问题（较高的简单相关系数）2.通过观察方程中一给定解释变量被方程中其他所有解释变量所解释的程度进行判断，当Ri2值为1时，存在完全多重共线性，VIF无限大；当Ri2值为为0时，不存在多重共线性VIF为1（较高的方差膨胀因子）VIF（方差膨胀因子）：一个反应多重共线性在多大程度上增大参数估计量方差的指标，较高的VIF值表明多重共线性在相当大程度上增大了参数估计量的方差（每个解释变量都有一个VIF值）补救措施1.什么都不做原因：方程中的多重共线性并非总是减少t统计量使其减少到不显著的程度，对s的影响也并非总是导致它的符号与预期值不同只有在多重共线性导致t统计量不显著或者参数估计值不可信 时 才应考虑针对多重共线性采取补救措施删除方程中本应包含的一个多重线性变量会导致方程设定偏误在理论上每次重新回归时都要冒设定误差的风险，且当在样本中存在显著多重共线性时银参数估计值对回归方程设定的的微笑变动很敏感，所以出现异常结