计量经济学复习提纲第一章绪论一、计量经济学的含义二、计量经济学与其他学科的联系与区别三、计量经济学的内容体系四、计量经济学的研究步骤五、计量经济学的发展概况需要掌握的主要内容1.如何理解计量经济学?(研究对象、理论基础、与经济学的区别、所研究变量的特点)计量经济学是经济学的一个分支,(起因:对经济问题的定量研究名词:1926年弗瑞希仿造出“Biometrics” “Econometrics”标志:1930年成立计量经济学会 1933年创刊《Econometrica》说明:“计量经济学” “经济计量学”)“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。
”2.狭义计量经济学研究的是具有因果关系的经济现象,用的是回归的分析方法。
3.计量经济学的建模步骤?一、理论模型的设计 : 确定模型包含的变量;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区间二、样本数据的收集三、模型参数的估计四、模型的检验计量经济学模型成功的三要素 :理论,数据,方法,三者缺一不可.4.选择解释变量时需要注意的问题:(1)根据经济规律确定变量的数目(2)考虑数据的可得性(3)考虑所有入选变量的关系,要求各变量独立。
---否则会引起多重共线性5.如何确定模型的数学形式?(1)根据经济理论(2)画散点图(3)试模拟6.什么是时间序列数据?在不同时间点上收集到的数据,这类数据反映了某一事物、现象等随时间的变化状态或程度。
如我国国内生产总值从1949到2009的变化就是时间序列数据。
什么是截面数据?截面数据就是同一时间点上各个主体的数据,比如2007年各省的GDP数据放在一起就是一组截面数据与之相对的是时间序列数据(要求能够判断)7.数据的要求:完整性、准确性、可比性、一致性。
8.模型的检验内容:(每一项里又具体包括哪些内容?F、t检验步骤是什么?)经济学检验: 根据拟定的符号、大小、关系以判断其合理性。
统计学检验: 由数理统计理论决定, 包括拟合优度检验(R2), 总体显著性检验(F检验), 变量显著性检验(t检验)计量经济学检验: 由计量经济学理论决定, 包括异方差性检验, 序列相关性检验, 多重共线性检验模型的预测检验: 由模型的应用要求决定, 包括稳定性检验:扩大样本重新估计,预测性能检验:对样本外一点进行实际预测模型应用的四个方面:结构分析、经济预测、政策评价、检验与发展经济理论。
第二章与第三章回归模型(包括一元与多元回归)第一节回归分析概述1、回归分析:研究一个变量关于另一个(些)变量的统计以及关系的计算方法和理论,其用意在于通过后者的已知值或者设定值,去估计和预测前者的(总体)均值。
2、相关分析与回归分析的区别:清楚相关分析无须考察两者是否有因果关系;回归分析则更关注变量间的因果关系分析。
3、总体回归函数与总体回归模型的形式总体回归函数:用来描述在给定解释变量X条件下被解释变量Y的期望轨迹的函数。
Y=总体回归模型:在总体回归函数中加入随机误差项就总体回归模型。
Y=4、随机误差项的含义:随机误差项是在模型设定中省略下来而又集体的影响着被解释变量Y的全部变量的替代物。
5、随机误差项的内容有哪些?或者为什要在总体回归函数中引入随机误差项:(1)代表未知的影响因素,(2)代表残缺数据,(3)代表众多细小影响因素,(4)代表数据观测误差,(5)代表模型设定误差,(6)变量的内在随机性6、回归系数的经济含义是什么?(要会具体问题具体分析)第二节基本假设1、回归模型的一般形式与基本假定一般形式:Y=β0+β1 X+μ基本假设:(1)回归模型是正确设定的,(2)解释变量X是确定性变量,不是随机变量,在重复抽样中取固定值,(3)解释变量X在所抽取的样本中具有变异性,而且随着样本容量的无限增加,解释变量X的样本方差趋于一个非零的有限常数,(4)随机误差项μ具有给定X的零均值、同方差以及不序列相关性(5)随机误差项与解释变量之间不相关(6)随机误差项服从零均值、同方差的正态分布。
记住:正态分布并不是得到最佳无偏估计的必要条件,只要满足前4个假设就可以得到最佳无偏估计。
第三节参数估计1、普通最小二乘法(OLS)概念:残差平方和最小的准则,就是最小二乘准则,最大似然法(LM)概念: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。
普通最小二乘法与最大似然法之间的区别:普通最小二乘法(估计量无偏)、最大似然法(估计量有偏)在满足一系列基本假设的情况下,模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。
2、正规方程组最小二乘估计量的表达形式其中3、最小二乘法估计量的统计性质:线性性、无偏性、有效性(证明过程)模型参数估计出后,需考虑参数估计值的精度,即是否能代表总体参数的真值,或者说需考察参数估计量的统计性质。
一个用于考察总体的估计量,可从如下几个方面考察其优劣性:(1)线性性,即它是否是另一随机变量的线性函数;(2)无偏性,即它的均值或期望值是否等于总体的真实值;(3)有效性,即它是否在所有线性无偏估计量中具有最小方差。
P:拥有这类兴致的估计量称为最佳线性无偏估计。
第四节统计检验1、回归模型的统计检验(拟合优度检验、参数的显著性检验、模型的显著性检验)(1)拟合优度是指检验模型对样本观测值的拟合程度,用R2表示,该值越接近于1,模型对样本观测值拟合得越好。
可决系数:TSS(总离差平方和):自由度为:n-1ESS(回归平方和):自由度为:kRSS(回归平方和):自由度为:n-k-1调整的可决系数:即(2)参数的显著性检验(t检验)t统计量的表达形式:在零均值假设下服从自由度t(n-k-1)(t值的计算必考)检验的经济意义:当小于临界值时,未通过检验,大于临界值则通过检验,如果每一个回归系数都通过了t检验,说明模型中的每一个自变量都是显著娥,未通过显著性检验的系数所对应的变量,应结合实际情况考虑将其去除,这是自变量选择的一个最常用的方法。
(3)方程总体线性的显著性检验(F检验)F统计量的表达形式:在零均值假设下服从自由度为(k,n-k-1)检验的经济意义:若F大于临界值,则拒绝零假设,认为在显著性水平下,y对自变量有显著的线性关系,回归方程是显著的;反之,则不能拒绝原假设,认为回归方程不显著。
(4)总离差平方和、回归平方和与残差平方和之间的关系:TSS=RSS+ESS大题:多元线性回归模型结合多重共线性例如:3、根据下面Eviews回归结果回答问题。
Dependent Variable: DEBTMethod: Least SquaresDate: 05/31/06 Time: 08:35Sample: 1980 1995Included observations: 16Variable Coefficient Std. Error t-Statistic Prob.C 155.6083 ()0.269042 0.7921INCOME ()0.063573 12.99003 0.0000COST-56.43329 31.45720 ( ) 0.0961 R-squared0.989437 Mean dependent var 2952.175 Adjusted R-squared( ) S.D. dependent var 1132.051 S.E. of regression124.9807 Akaike info criterion 12.66156 Sum squared resid203062.2 Schwarz criterion 12.80642 Log likelihood-98.29245 F-statistic ( ) Durbin-Watson stat 1.940201 Prob(F-statistic) 0.000000注:DEBT ——抵押贷款债务,单位亿美元;INCOME ——个人收入,单位亿美元;COST ——抵押贷款费用,单位%。
(1) 完成Eviews 回归结果中空白处内容。
(2) 写出回归分析报告,并解释参数的意义。
答案:(1)提出原假设H0 0β= ,H1:0β≠。
统计量t =18.7,临界值 ,由于18.7>2.1098,故拒绝原假设H0:0β= ,即认为参数 是显著的。
(2)由于 ˆˆ()t sb ββ=,故 ˆ0.81ˆ()0.043318.7sb t ββ===。
(3)回归模型R2=0.81,表明拟合优度较高,解释变量对被解释变量的解释能力为81%,即收入对消费的解释能力为81%,回归直线拟合观测点较为理想。
附加:1、判定系数R 2 与F 值的关系:R 2=0.F=0. R 2=1.F=2、在一元线性回归中,t 检验与F 检验是一致的。
3、受约束回归是用F 统计量来判断的4、关于样本容量,即样本容量必须不少于模型中解释变量数目(包括常数项),这就是最小样本容量,一般经验认为,当n 30或至少n 3(k+1)时,才能满足模型估计的基本要求,一般是选择题,如下:在多元线性回归模型中对样本容量的最低要求是(k 为解释变量个数):( )A. n ≥k+1B. n<k+1C. n ≥30 或n ≥3(k+1)D. n ≥30 第四章 放宽基本假定的模型第一节 异方差(无偏非有效性)1、 异方差性:对于不同的样本点,随机误差项的方差不再是常数,而互不相同,则认为出现了异方差性,一般经验告诉我们,对于采用截面数据作样本的计量经济学问题,由于在不同样本点上解释变量以外的其他因素的差异较大,所以往往存在异方差性。
2、 异方差产生的后果及检验方法后果:参数估计量非有效;变量的显著性检验失去意义;模型的预测失效。
几种异方差的检验方法:(1)图示法:(1)用X-Y 的散点图进行判断, (2)X-~e i 2的散点图进行判断(2)帕克(Park)检验与戈里瑟(Gleiser)检验,若在统计上是显著的,表明存在异方差性。
(3)戈德菲尔德-匡特(Goldfeld-Quandt)检验,G-Q 检验以F 检验为基础,适用于样本容量较大、异方差递增或递减的情况。
G-Q 检验的思想:先将样本一分为二,对子样①和子样②分别作回归,然后利用两个子样的残差平方和之比构造统计量进行异方差检验。