计量经济学复习指南2013版.doc

计量经济学复习指南2013版第一部分 线性回归模型1能够识别Eviews软件参数估计的结果，并且对不同形式解释变量的经济意义进行解释。水平值-水平值模型：乘数；对数-对数模型：弹性。2掌握拟合优度的计算公式，能够根据拟合优度对模型进行评价。解释为什么要对拟合优度进行调整，掌握R2与调整R2之间的关系。能够根据调整R2判断是否可以将新的解释变量加入模型。3掌握变量显著性检验的框架，包括检验的原假设与备择假设，t统计量的计算公式（），能够根据临界值准则和伴随概率准则得出检验结论。4多重共线性的定义（完全共线性和近似共线性）、后果（使估计量方差增大）。多重共线性的检验，包括初步判断：模型的拟合优度或者F统计量较高，但个别变量不显著则可能存在多重共线性；简单相关系数法和判定系数法。可以利用逐步回归对多重共线性进行修正。附：逐步回归的原理。分为向前和向后回归。向前回归：一开始只选用和被解释变量相关程度最高的解释变量建立模型，然后依次根据调整的R2、t统计量或者信息准则加入候选变量；向后回归：一开始将所有候选变量加入模型然后根据准则从模型中剔除。5掌握对线性约束条件是否成立（变量的联合显著性）进行F检验的框架，包括检验的原假设与备择假设，F统计量的计算公式，能够根据临界值准则和伴随概率准则得出检验结论。能够利用该检验判断是否应该对模型增加或者减少一组解释变量。6Chow检验的基本思想，检验的原假设与备择假设，F检验统计量的构造，能够使用Chow检验判断回归模型参数是否存在差异。附：Chow检验原理。将时间序列分为两个阶段，或者两个不同截面数据形成两个样本。分别使用两个样本的数据估计模型得到和以及两个残差平方和RSS1和RSS2。如果我们认为两个模型的回归系数没有显著差异，则将两个样本混合起来估计模型得到的残差平方和RSS与RSS1、RSS2之和相近。因此可以构造统计量为。7虚拟变量的定义以及引入方式；虚拟变量的设置原则。加法方式（斜率相同，截距不同）：时，；时，乘法方式（截距相同，斜率不同）：时，；时，虚拟变量的应用：研究不同类型总体均值是否相等、季节效应、参数是否发生结构变化的检验、门槛效应、等级效应。8模型误设的RESET检验的基本原理，检验的原假设与备择假设、检验统计量的构造。能够根据RESET检验结果得出检验结论。附：RESET检验的原理。以拟合值的若干次幂（称为检验阶数）作为遗漏变量的替代，即：，其中和都是解释变量的非线性函数。如果模型设定正确，则和前的回归系数不显著，即约束条件成立。专题二 异方差与序列相关1异方差的定义以及带来的后果（估计量丧失有效性）2异方差检验的基本原理；Breusch-Pagan检验与White检验的辅助回归、原假设与备择假设以及检验统计量的构造。附：Breusch-Pagan检验与White检验的原理Breusch-Pagan检验：认为异方差具有线性形式，即。如果解释变量前的系数不全为0，则模型是异方差的。因此，Breusch-Pagan检验就是对辅助回归进行方程的显著性检验，可以构造F统计量。White检验：在Breusch-Pagan检验的基础上加入解释变量的非线性形式。以回归模型为例，进行OLS回归得到残差序列e，构造辅助回归：。利用LM统计量判断辅助回归的显著性，即3异方差的修正加权最小二乘法。如果，权重为。4序列相关的定义、带来的后果（估计量丧失有效性）。一阶序列相关可以表示为；高阶序列相关可以表示为。5对一阶序列相关的DW检验和对高阶序列相关的LM检验。附：DW检验的原理。辅助回归：。DW统计量的表达式为。DW统计量的临界值有两个dL和dU，取决于样本容量n和解释变量个数k（含截距）。时，正相关；，无法确定。LM检验的原理。辅助回归为检验假设为：，不全为0得到可决系数R2，并构造LM统计量：6使用广义最小二乘法和广义差分法修正序列相关性专题三 离散选择模型1线性概率模型及其存在的问题。注意对线性概率模型回归系数的经济意义进行解释。在中，在其他因素保持不变的情况下，当X1增加1个单位，Y取1的概率（“成功率”）增加个单位。该模型中解释变量的边际效应是恒定的，并且存在异方差问题以及随机误差项非正态问题。2Logit模型和probit模型的基本思想、成功率的计算、解释变量边际效应的计算。令为probit或者logit模型的拟合结果。则成功率可以根据以下两个公式计算。probit模型：；logit模型：在此基础上我们还可以计算某个解释变量的边际效应。的边际效应：3Logit和probit模型的拟合优度检验。，为模型中所有解释变量的系数都为0时的对数似然函数值，在软件中表示为“Restr. log likelihood”，为拟合模型后的对数似然函数值，在软件中表示为“Log likelihood”。专题四 联立方程模型1单方程计量经济学模型与联立计量经济学模型的区别；计量经济学方法中的联立方程问题。由于存在内生变量，解释变量与随机误差项相关，参数估计有偏。2联立方程模型中的基本概念：包括变量（内生变量、先决变量、外生变量）、结构式与简化式等。能够在结构式模型中识别出哪些变量是内生变量，哪些是先决变量。3联立方程模型的识别。结合教材197-200页的例子区分模型的识别状态（不可识别、恰好识别、过度识别）。注意：恒等方程不需要识别。4工具变量法。在求解一阶条件时，对于内生变量使用工具变量进行替代。选择的工具变量要满足以下几个条件：（i）与随机误差项不相关（这是很自然的）；（ii）与被替代的解释变量高度相关；（iii）与其他解释变量无多重共线性。5两阶段最小二乘法。工具变量只适合恰好识别的方程（唯一的工具变量替代内生变量）。如果存在多个工具变量，则可以构造内生解释变量对这些工具变量的回归，将回归的拟合值替代内生变量。因此，两阶段最小二乘法也适用于过度识别的方程。专题五 时间序列分析1三种趋势过程的表达式，可以根据拟合优度或者RESET检验选择恰当的趋势过程。如果y和x都存在趋势成份，则建立的模型可能是虚假回归。掌握对时间序列退势的方法，利用退势后的变量建立模型可以判断原模型是否是虚假回归。2（弱）平稳过程的定义，为什么在时间序列分析中要求过程是平稳的。根据平稳过程的定义，证明白噪声过程是平稳过程；随机行走过程是非平稳过程。能够利用恰当的方法判断随机行走过程的具体形式（标准、带漂移项、带漂移项和趋势项）3理解自相关函数的定义和性质。白噪声的自相关函数近似服从0均值、方差为1/n的正态分布。能够根据这一分布对自相关函数是否为0进行检验。4单整过程的定义。两个I(1)过程建立回归模型可能产生虚假回归问题。利用差分后的变量建立模型可以判断原模型是否是虚假回归。这里总结一下虚假回归的定义：当用两个互相独立的非平稳时间序列（例如含有趋势或者随机行走）建立回归模型时，常常得到一个具有统计显著性的回归函数。5DF单位根检验框架，包括原假设与备择假设、统计量、临界值（包括临界值与t统计量的关系）以及ADF检验的改进之处。附：DF检验的检验框架。辅助回归为，原假设与备择假设为和，检验统计量为。一定要注意DF检验是单边检验，拒绝域在左边。DF检验具有三种形式分别对应三种类型的随机行走过程，检验使用的临界值是不同的。标准DF检验要求随机干扰项为白噪声过程，但在实际中，这一假设并不一定成立，Dickey和Fuller对标准DF检验进行改进，提出了ADF检验。改进的方法就是在辅助回归中加入若干的滞后项，辅助回归为。6协整的定义：两个I(1)变量的线性组合是I(0)的。如果两个变量是协整的，则表明二者存在长期均衡关系。要掌握EG两步法进行协整检验的步骤：首先估计二者的回归模型，这一步又被称为协整回归；然后对回归残差进行DF或者ADF平稳性检验（包含三种形式）。一定要注意协整检验中的D