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。