计量经济学的概念

根据样本外自变量的取值，预测应变量的均1、计量经济学的概念。 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。 计量经济学是经济科学领域内的一门应用科10、随机误差项(Ui)的性质或主要内容。 学，以一定的经济理论和实际统计资料为基1）代表模型中省略的次要变量；2）奥卡姆础，运用数学、统计方法与计算机技术，以剃刀原则；3）样本点的测量误差；4）一些建立经济计量模型为主要手段，定量分析研随机因素。 究具有随机特性的经济变量关系。 11、最小二乘法(OLS)的判断标准。 2、数理经济模型与计量经济模型的区别。 2n数理：揭示经济活动中各个因素之间的理论ˆi最小。 残差平方和ei2YiY关系，用确定性的数学方程加以描述。 i1计量：揭示经济活动中各个因素之间的定量12、参数b1,b2的计算公式。 关系，用随机性的数学方程加以描述。 13、普通最小二乘估计量的性质。 3、经典计量经济学模型的一般形式。 1）样本回归线通过Y和X的样本均值，即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。 Yb1b2X；2）估计的Y均值等于实测的Y截面数据：一个或多个变量在某一时点上的ˆY；3）残差ei的均值为零，即数据集合。 均值，即Y合并数据（平行数据）：既包含时间序列数据又有截面数据。 ei/n0；4）残差ei和预测的Yi不相关，5、建立计量经济学模型的步骤。 ˆi0；5）残差ei和Xi不相关，即1）理论模型的设计：①确定模型所包含的变即eiY量。②确定模型的数学形式。③拟定模型中待估计参数的理论期望值。 eiXi0。 2）样本数据的收集：①时间序列数据易引起14、经典（古典）线性回归模型的基本假定。 模型随机误差项产生序列相关。②截面数据假定1：回归模型是参数线性的，但不一定是易引起模型随机误差项产生异方差。③样本变量线性的。假定2：解释变量(X)与扰动误数据的质量：完整性、准确性、可比性、一差项(U)不相关。假定3：给定Xi，扰动项的致性。 期望或均值为零，即EU/Xio。假定4：3）模型参数的估计。 4）模型的检验：①经济意义检验。②统计检2验：拟合优度检验、变量的显着性检验、方Ui的方差为常数或同方差，即var(Ui)。程的显着性检验。③计量经济学检验：序列假定5：无自相关假定，即两个误差项之间不相关、异方差法（随机误差项）、多重共线性相关，即cov(Ui,Uj)0,ji。假定6：回归（解释变量）④模型预测检验。 6、计量经济学模型的应用。 模型是正确设定的。 1）结构分析；2）经济预测；3）政策评价；15、普通最小二乘估计量（或高斯--马尔可4）检验与发展经济理论。 夫定理）的性质。（BLUE最优线性无偏估计7、如何正确选择解释变量。 量） 作为“变量”的原因：1）据经济理论和经济线性性、无偏性、有效性、最小方差性。1）行为分析；2）考虑数据的可得性；3）考虑b1和b2是线性估计量；2）b1和b2是无偏估计入选变量之间的关系。 量，即E(b1)=B1,E(b2)=B2；3）E(ˆ2)2，即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；误差方差的OLS估计量是无偏的；4）b1和b22）检验建立在经济理论基础上的假设；3）是有效估计量。 27、F值和R2的关系，TSS,RSS,ESS用R2表16、普通最小二乘估计量的方差和标准差的示的公式。 计算公式。 R2(k1)，（n为观察值个数，k为17、给定显着性水平，如何求置信区间。 F(1R2)(nk)[b2t临界值·se(b2)，b2t临界值·se(b2)] 18、总平方和(TSS)、解释平方和(ESS)、残包括截距在内的解释变量的个数） 差平方和(RSS)三者的关系及计算公式。 关系：R2=0时，F=0；R2越大，F越大；R2=119、拟合优度中判定系数r2的性质及计算公时，F→∞ 式。 28、校正的判定系数R2的公式及性质。 22性质：①非负性；②0≤r≤1，r愈接近1，拟合度越高，愈接近0，拟合度越低，r2=0，性质：①若k＞1，则R2≤R2；②R2总为正数，Y与X无关。 20、样本相关系数r的性质及计算公式。 R2可能为负数。 性质：①可正可负；②-1≤r≤1，r接近1，正相关好，接近-1，负相关好；③若X与Y29、F值与R2的关系。 在统计上独立，则r=0，反之，则不一定成立。 21、变量显着性检验（t检验）的方法及过F与R2同向变化：当R2=0时，F=0；当R2=1程。 1）双边检验：设Ho:B2＝0，H1:B2≠0；2）单时，F无穷大；R2越大，F越大。 边检验：设Ho:B2≤0，H1:B2＞0。 |t|＞t临界,拒绝零假设. 30、双对数模型的形式及性质。 22、b1,b2与随机扰动项(Ui)的分布。 双对数：lnYi =B1+B2lnXi+Ui ，性质：B2测度为23、多元线性回归模型的假定。 Y对X的弹性。 假定1：回归模型是参数线性的，并且是正确31、半对数模型的形式及性质。 设定的。假定2：X2、X3与扰动项U不相关，半对数：lnYi =B1+B2Xi+Ui ，性质：B2表示X增加一个单位，Y的平均增长率，即因变量的相即cov(x)0。假定3：误差项均值为0，即对增量。 32、线性模型与半对数模型中B2的含义。 E(Ui)0。假定4：同方差假定，即U的方差线性：B2表示X增加一个单位，Y的绝对量的平均增量，即Y增加B2个单位。 为一常量，var(Ui)2。假定5：误差项Ui半对数：B2表示X增加一个单位，Y的相对量的平均增量，即Y增加100*B2。 和Uj无自相关，即cov(Ui,Uj)0,ji。假定33、线性--对数模型的形式及性质。 6：解释变量X2和X3之间不存在完全共线性，Yi =B1+B2lnXi+Ui ，性质：B2表示X的相对变化即两个解释变量之间无严格的线性关系。假引起的Y的绝对量变化量，即自变量的一个单位相对增量引起因变量平均的绝对增长。 定7：U服从均值为0，方差为2的正态分布，34、因变量取对数的半对数模型Ⅰ与自变量取对数的半对数模型Ⅱ的区别。 即Ui~N(0,2)。 Ⅰ反映自变量的绝对量变化1个单位时，因224、多元线性回归模型的标准误差δ如何变量变化的百分比，lnYi =B1+B2t+Ui ； 计算。 Ⅱ反映自变量变化一个百分比时，因变量的25、多元判定系数R2的计算公式。 绝对变化量，Yi =B1+B2lnX+Ui 26、多元回归的总体显着性检验的原假设和35、倒数模型的形式。 备择假设。 1Yi =B1+B2+Ui Ho:B2=B3=0，H1:B2、B3不全为0。 Xi36、对于线性、双对数、对数--线性、线性A、残差图示法；B、RESET检验（a、如果事--对数、倒数五种系数的总结。 先知道遗漏了哪个变量，只需将此变量引入模型，估计并检验其参数是否显着不为0即 形式 斜率=dY 弹性=dYX 应变量 解释变量 dXY可；bdX、不知道哪个变量遗漏，找个替代变量Z，进行上述检验）； C、MWD---P176X线性 Y=B1+B2X B2 线性线性 。 B2() 45、计量经济学方法中的联立方程问题主要Y表现在哪些方面。 Y双对数 lnY=B1+B2lnX B2 对数对数 B2() 1）随机解释变量问题；2）损失变量信息问X题；3）损失方程之间的相关性信息问题。 对数--线性 lnY =B1+B2X B2(Y) B2(X) 对数 线性 46、变量的分类。 1线性--对数 Y =B1+B2lnX 线性对数 1B() B2() 2内生变量（由系统内产生，并影响系统）和YX外生变量（影响系统，本身不受系统影响），1倒数 线性 非线性 11B() Y =B1+B2() B2(2) 2外生变量与滞后内生变量称为先决变量（只XYXX能作解释变量）。 Δ应变量相同时，可以比较R2。 47、结构式模型与简化式模型的形式。 37、模型中引入虚拟变量的作用。 1）分离异常因素的影响；2）检验不同属性结构：Ct=B1+B2Yt+Ut 类型对因变量的作用；3）提高模型的精度。 简化：YtBo1It1Ut 1B11B11B138、虚拟变量的性质。 1）若一个定性变量有m个类别，则引入m-148、联立方程模型的识别状态。 ；个虚拟变量；2）虚拟变量的取值是随意的；1）可识别：①恰度识别（唯一地估计参数）3）被赋予零值的类别称为基底；4）虚拟变②过度识别（一个或几个参数有若干估计。2）不可识别：不能估计参数。 量的系数称为级差截距系数，表示取值的类值）49、识别规则。 别的截距值与基底截距差别。 k=m-1，恰度识别；k＞m-1，过度识别；k＜39、交互作用效应如何体现。 Yi=B1+B2D2i+B3D3i+B3(D2iD3i)+B4Xi+Ui ，D2i、D3i为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。 交互作用虚拟变量。 50、各方程识别的方法。 40、虚拟变量是定性的。 1）恰度识别：间接最小二乘法（ILS)；2）41、“好的”模型的性质。 1）简约性；2）可识别性；3）拟合优度；4）过度识别：两阶最小二乘法（2SLS) 51、多重共线性 理论一致性；5）预测能力。 形式：1）统计学形式：①Xi、Xj … 相关；42、模型设定偏误的类型。 1）关于解释变量选取的偏误：①漏选相关变②即两个或多个解释变量出现相关性。2）数量，②多选无关变量；2）关于模型函数形式据类型：时间序列数据。3）实际经济现象：滞后变量的引入。 选取的偏误。 后果：1）参数估计量：无偏、有效（经济含43、模型设定偏误的后果。 。2）变量的显着性检验：t检验失1）漏选相关变量：参数估计的偏误；2）多义不合理）。3）模型的预测功能：失效。 选无关变量：估计量无偏、一致但不具有最效（失去意义）小方差性；3）错误函数形成：全方位偏误。 检验：1）是否存在：①简单相关系数法：|t| 接近1，存在较强多重共线性；②综合统计检44、模型设定偏误的检验方法。 21）无关变量：①1个变量——t检验；②n验法：R很大，t值不显着，未通过检验。2）存在范围：①判定系数检验法；②逐步回归22(RUrRr)m法；③逐步剔除法；④逐个引入法；⑤方差个变量——F检验，F 2(1RUr)(nk)1膨胀因子：VIF。 22）漏选变量和不正确函数形式——参数（①1R2R2，R2；②t值；③估计函数的符号） 补救措施：1）排除引起共线性的变量：逐步D-W：1）假设条件：①解释变量X非随机变回归法；2）差分法；3）减少参数估计量的

UiUi1i,(11)，量；②扰动项：方差：①改变样本，②增加样本容量。

评价：1）为了利用模型预测应变量的未来均为自相关系数[马尔可夫一阶自回归过程值（坏事）；2）除预测，还估计参数（好事）。 （AR(1)过程）]；③解释变量中不包含应变52、异方差 量的滞后值；④回归模型中含有截距项；⑤没有缺失数据。 形式：1）var(Ui)2；2）即随机误差项的

Ho:0,即不存在一阶自相关；Ho:0,

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。 即Ui存在一阶自相关。 后果：1）无偏、无效；2）t检验失效（失去 意义）；3）失效。 无法判定时是“

0 dL du 2 4-du 4-dL 4 d ~2表示随机误差项的方差）检验（以e：1）图i无补救：1）一阶差分法；2）广义差分法：D-W无负正无自示检验法：散点扩大、缩小或复杂趋势；2）自法法自中估计。 相判相~2f(x)，则存在异方相判戈星瑟或帕克检验：ei差；3）White检验：①先用OLS估计方程得残差ei；②做ei2对所有原始变量等的回归；

2③求辅助回归方程中的R2（nR2~XK；1）

④得到的X值超过临界值，则有异方差，或P很低，拒绝Ho，无异方差。

补救：1）加权最小二乘法（WLS）：①对原模型加权，再采用OLS估计参数；②对较小的ei2赋予较大的权数；③对较大的ei2赋予较小的权数。2）重新设定模型：改变PRF。 53、自相关 形式：1）cov(Ui,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）UtUt1t（-1＜＜1），为自协

方差系数或一阶相关系数。

原因：1）惯性；2）设定误差：模型中遗漏了显着的变量；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；2）t检验失效（失去意义）；3）失效。

~iYi(Yˆi)els——近似估计量）检验（e：1）图

示法；2）回归检验法：反复试算；3）杜宾-瓦森（D-W）检验。