计量经济学的概念

1、1、计量经济学的概念。计量经济学是经济科学领域内的一门应用科学，以一定的经济理论和实际统计资料为基础，运用数学、统计方法与计算机技术，以建立经济计量模型为主要手段，定量分析研 究具有随机特性的经济变量关系。2、数理经济模型与计量经济模型的区别。数理：揭示经济活动中各个因素之间的理论 关系，用确定性的数学方程加以描述。计量：揭示经济活动中各个因素之间的定量 关系，用随机性的数学方程加以描述。3、经典计量经济学模型的一般形式。4、计量经济学的数据类型。时间序列数据：按时间先后排列的统计数据。截面数据：一个或多个变量在某一时点上的 数据集合。合并数据平行数据：既包含时间序列数据又有截面数据。5、建立

2、计量经济学模型的步骤。1理论模型的设计：确定模型所包含的变 量。确定模型的数学形式。拟定模型中 待估计参数的理论期望值。2样本数据的收集：时间序列数据易引起模型随机误差项产生序列相关。截面数据 易引起模型随机误差项产生异方差。样本 数据的质量：完整性、准确性、可比性、一 致性。3模型参数的估计。4模型的检验：经济意义检验。统计检 验：拟合优度检验、变量的显著性检验、方 程的显著性检验。计量经济学检验：序列 相关、异方差法随机误差项、多重共线性解释变量模型预测检验。6、计量经济学模型的应用。1结构分析；2经济预测；3政策评价；4检验与开展经济理论。7、如何正确选择解释变量。作为“变量的原因：1据

3、经济理论和经济 行为分析；2考虑数据的可得性；3考虑 入选变量之间的关系。8、回归分析的目的。1根据自变量的取值，估计应变量的均值；2 检验建立在经济理论根底上的假设；3 根据样本外自变量的取值，预测应变量的均 值。9、总体回归函数PRF和样本回归函数SRF 各变量系数名称及函数方程。10、随机误差项(Ui)的性质或主要内容。1)代表模型中省略的次要变量；2)奥卡姆15、普通最小二乘估计量(或高斯 -马尔可夫定理)的性质。(BLUE最优线性无偏估计量)剃刀原那么；3)样本点的测量误差；4) 一些线性性、无偏性、有效性、最小方差性。1)随机因素。11、最小二乘法(OLS)的判断标准。n2残差平方

4、和e2八 Yi-Y?最小。i412、参数b1,b 2的计算公式。13、普通最小二乘估计量的性质。1)样本回归线通过 Y和X的样本均值，即Y =b1 b2X ； 2)估计的Y均值等于实测的 Y均值，即Y?二丫 ； 3)残差ei的均值为零，即无e/n=0 ； 4)残差ei和预测的Y不相关,bi和b2是线性估计量；2) b1和b2是无偏估计 量，即 E(b1)=B1,E(b 2)=B2； 3)E(?)x2，即 误差方差的OLS估计量是无偏的；4)b1和b2 是有效估计量。16、普通最小二乘估计量的方差和标准差的计算公式。17、给定显著性水平，如何求置信区间。A t 临界值 se(b 2) , b2-

5、t 临界值 se(b2)18、总平方和(TSS)、解释平方和(ESS)、残 差平方和(RSS)三者的关系及计算公式。即a eiY? = 0 ； 5)残差ei和X不相关，即19、拟合优度中判定系数 r2的性质及计算公X eX =0。14、经典(古典)线性回归模型的根本假定。性质：非负性；0冬r2 1，r2愈接近1,假定1:回归模型是参数线性的，但不一定是拟合度越高，愈接近0,拟合度越低，=0,变量线性的。假定 2:解释变量(X)与扰动误丫与X无关。差项(U)不相关。假定3:给定X，扰动项的20、样本相关系数r的性质及计算公式。期望或均值为零，即EU/Xi =0。假定4: U性质：可正可负；-1

6、r 1，r接近1，的方差为常数或同方差，即var(Ui) = ：2。假定正相关好，接近-1，负相关好；假设 X与Y5:无自相关假定，即两个误差项之间不相关,在统计上独立，那么r=0，反之，那么不一定成立。即cov(Ui,Uj) =0, j G。假定6:回归模型是正21、变量显著性检验(t检验)的方法及过程。确设定的。1)双边检验：设 H:B2= 0, Hi：B2工0； 2)单边检验：设 H0:B20。|t| t临界,拒绝零假设.22、bb=与随机扰动项UJ的分布。23、多元线性回归模型的假定。假定1：回归模型是参数线性的，并且是正确 设定的。假定2： X2、X3与扰动项U不相关， 即covx；

7、=0。假定3:误差项均值为 0，即EJ =0。假定4:同方差假定，即U的方差 为一常量，varUi2。假定5:误差项U和 U无自相关，即covUi,Uj =0, j T。假定6： 解释变量X2和X3之间不存在完全共线性，即 两个解释变量之间无严格的线性关系。假定 7： U服从均值为0,方差为的正态分布， 即 Ui No,、2。24、 多元线性回归模型的标准误差3 2女M可计 算。25、多元判定系数 R的计算公式。26、多元回归的总体显著性检验的原假设和 备择假设。括截距在内的解释变量的个数2 2 2 关系：R=0时，F=0; R越大，F越大；R=1时，Fix28、校正的判定系数 R彳的公式及性

8、质。性质：假设k 1,那么R2 m-1，过度识别；kv m-1，不可识别。m方程个数；k :不包括在 该方程中所有变量的个数。50、各方程识别的方法。1恰度识别：间接最小二乘法ILS ； 2过度识别：两阶最小二乘法2SLS51、多重共线性形式：1统计学形式： X、X 相关；即两个或多个解释变量出现相关性。2数据类型：时间序列数据。3实际经济现象： 滞后变量的引入。后果：1参数估计量：无偏、有效经济含 义不合理。2变量的显著性检验：t检验失 效失去意义。3模型的预测功能：失效。检验：1是否存在：简单相关系数法：|t| 接近1，存在较强多重共线性；综合统计检 验法：氏很大，t值不显著，未通过检验。

9、2 存在范围：判定系数检验法；逐步回归 法；逐步剔除法；逐个引入法；方差回归法；2差分法；3减少参数估计量的 方差：改变样本，增加样本容量。评价：1为了利用模型预测应变量的未来均 值坏事；2除预测，还估计参数好事。52、异方差形式；1 varUi、2 ； 2即随机误差项的的 方差不是常数；3截面数据；4单调型递 增、单调型递减、复杂型。后果：1无偏、无效；2 t检验失效失去 意义；3失效。检验一以2表示随机误差项的方差：1图 示检验法：散点扩大、缩小或复杂趋势；2戈星瑟或帕克检验：2 = fx,那么存在异方差；3White检验：先用OLS估计方程得残差巳； 做e2对所有原始变量等的回归；求辅助

10、 回归方程中的R2 n R2 ；得到的X值超过临界值，那么有异方差，或P很低，拒绝H，无异方差。补救一：1加权最小二乘法WLS:对原模 型加权，再采用OLS估计参数；对较小的e2 赋予较大的权数；对较大的 e2赋予较小的 权数。2重新设定模型：改变 PRF53、自相关形式：1 covUi,Uj =0; 2即随机误差项之 间存在某种相关性；3时间序列数据；4 小二叫+时-1 vpv 1， p为自协方 差系数或一阶相关系数。原因：1惯性；2设定误差：模型中遗漏 了显著的变量；3设定误差：不正确的函数 形式；4蛛网现象；5数据的“偏造。 后果：1无偏无效；2t检验失效失去意 义；3失效。检验e=YiY?els 近似估计量：1图F V 示法；2回归检验法：反复试算；3杜宾- 瓦