计量经济学学习心得报告
通过这个学期学习的计量经济学这门课程，王新华老师在我们学习计量经济学给了我们很多细
心的讲解和耐心的指导，我们针对学习内容主要学到的主要有两点：一：对EVIES软件的熟练操作与应用，学会了Eviews软件，我感觉自己真的是很幸运，因为毕竟有些软件是属于那种有价无市的，如果没有老师的传授我不可能从市场上或是从思想上认识到它；二：对于计量经济
学各种案例分析的认识我是很深刻的，在这一次对一个案例进行回归分析讲述中，我不但巩固
了老师课堂所讲的知识，也提高了胆识，增长了见识，也学会了团队与协作的力量。
以下我将着重从两个方面阐述我对计量经济学知识的一些认识以及个人从中学到的经验与心得。
一：计量经济学教我了我很多。
在学习计量经济学的过程中，我可以旁征博引，同时老师也给了我很多有意思的启发，因为即
将面临考研的抉择，这门课也是我考研过程中必备的一门课程，因此，它作为一门核心必修课，我们都会很用心得听讲，并对一些重要的知识做了记录，从而为自己的考研奠定一定的基础。
二：计量经济学的系统知识
计量经济学的定义为：用数学方法探讨经济学可以从好几个方面着手，但任何一个方面都不能
和计量经济学混为一谈。
计量经济学与经济统计学绝非一码事；它也不同于我们所说的一般经
济理论，尽管经济理论大部分具有一定的数量特征；计量经济学也不应视为数学应用于经济学
的同义语。
经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系
来说，都是必要的，但本身并非是充分条件。
三者结合起来，就是力量，这种结合便构成了计
量经济学。
计量经济学关心统计工具在经济问题与实证资料分析上的发展和应用，经济学理论提供对于经
济现象逻辑一致的可能解释。
因为人类行为和决策是复杂的过程，所以一个经济议题可能存在
多种不同的解释理论。
当研究者无法进行实验室的实验时，一个理论必须透过其预测与事实的
比较来检验,计量经济学即为检验不同的理论和经济模型的估计提供统计工具。
在计量经济学一元线性回归模型，我认识到：变量间的关系及回归分析的基本概念，主要包括：其次有一元线形回归模型的参数估计及其统计检验与应用，包括：
我也学会了参数的最大似然估计法语最小二乘法。
对于最小二乘法，当从模型总体随机抽取n
组样本观测值后，最合理的参数估计量应该使得模型能最好的拟合样本数据，而对于最大似然
估计法，当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽
取该n组样本观测值的概率最大。
显然，这是从不同原理出发的两种参数估计方法。
即：
1.一元回归模型：
关于拟合优度的检验，也就是检验模型对样本观测值的拟合程度。
被解释变量Y的观测值围绕其均值的总离差平方和可分解为两个部分：一部分来自于回归线，另一部分来自于随机势力。
所以，我们用来自回归线的回归平方和占Y的总离差的平方和的比例来判断样本回归线与样本观测值的拟合优度。
这个比例，我们也较它可决系数，它的取值范围是0<=R2<=1。
关于变量的显着性检验，是要考察所选择的解释变量是否对被解释变量有显着的线性影响。
所应用的方法是数理统计学中的假设检验。
我们在进行变量显着性检验时所应用的方法主要是t 检验。
这在之前我们的概率论与统计学的课程中都有所涉及，不算是新的知识。
关于置信区间估计。
当我们要判断样本参数的估计值在多大程度上可以“近似”的替代总体参数的真值，往往需要通过构造一个以样本参数的估计值为中心的“区间”，来考察它以多大的概率包含这真是的参数值。
这样的方法就是我们所说的参数检验的置信区间估计。
当我们希望缩小置信区间时，可以采用的方法有增大样本容量和提高模型的拟合优度。
2.多元回归模型
多元回归分析与一元回归分析的几点不同：
关于修正的可绝系数。
我们可于发现，在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是:将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响。
这样就引出了我们这里说的调整的可绝系数。
关于对多个解释变量是否对被解释变量有显着线性影响关系的联合性F检验。
F检验的思想来自于总离差平方和的分解式：TSS=ESS+RSS。
通过比较F值与临界值的大小来判定原方程总体上的线性关系是否显着成立。
3. 放宽基本假定模型
异方差性，即相对于不同的样本点，也就是相对于不同的解释变量观测值，随机干扰项具有不同的方差，那么检验异方差，也就是检验随机干扰项的方差与解释变量观测值之间的相关性。
还有序列相关性和多重共线性
经过这次对于案例回归分析，老师的指导，使得自己对于论文的查找和内容的筛选也得了不少学习，通过案例的分析中可以用最小二乘法，很好的分析出各种不同因素对我们国内税收的增长情况，让我们的开阔了自己的视野和学习了更多的知识。
国贸1402 组长：谢文组员：徐芳缘，李不言，朱韵楠，何文鑫，杨炎龙，刘硕硕，李小红。