计量经济学的概念

1、计量经济学的概念。 2）样本数据的收集：①时间序列数据易引起模型随机误差项产生序列相关。②截面计量经济学是经济科学领域内的一门应用数据易引起模型随机误差项产生异方差。科学，以一定的经济理论和实际统计资料③样本数据的质量：完整性、准确性、可为基础，运用数学、统计方法与计算机技比性、一致性。 术，以建立经济计量模型为主要手段，定3）模型参数的估计。 量分析研究具有随机特性的经济变量关4）模型的检验：①经济意义检验。②统计系。 检验：拟合优度检验、变量的显着性检验、2、数理经济模型与计量经济模型的区别。 方程的显着性检验。③计量经济学检验：数理：揭示经济活动中各个因素之间的理序列相关、异方差法（随机误差项）、多重论关系，用确定性的数学方程加以描述。 共线性（解释变量）④模型预测检验。 计量：揭示经济活动中各个因素之间的定6、计量经济学模型的应用。 量关系，用随机性的数学方程加以描述。 1）结构分析；2）经济预测；3）政策评价；3、经典计量经济学模型的一般形式。 4）检验与发展经济理论。 4、计量经济学的数据类型。 7、如何正确选择解释变量。 时间序列数据：按时间先后排列的统计数作为“变量”的原因：1）据经济理论和经据。 济行为分析；2）考虑数据的可得性；3）截面数据：一个或多个变量在某一时点上考虑入选变量之间的关系。 的数据集合。 8、回归分析的目的。 合并数据（平行数据）：既包含时间序列数1）根据自变量的取值，估计应变量的均值；据又有截面数据。 2）检验建立在经济理论基础上的假设；3）5、建立计量经济学模型的步骤。 根据样本外自变量的取值，预测应变量的1）理论模型的设计：①确定模型所包含的均值。 变量。②确定模型的数学形式。③拟定模9、总体回归函数(PRF)和样本回归函数型中待估计参数的理论期望值。 (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。 确设定的。 1）代表模型中省略的次要变量；2）奥卡15、普通最小二乘估计量（或高斯--马尔姆剃刀原则；3）样本点的测量误差；4）可夫定理）的性质。（BLUE最优线性无偏一些随机因素。 11、最小二乘法(OLS)的判断标准。 ˆi最小。 残差平方和eYiY2ii1n2估计量） 线性性、无偏性、有效性、最小方差性。1）b1和b2是线性估计量；2）b1和b2是无偏估计量，即E(b1)=B1,E(b2)=B2；3）E(ˆ2)2，即误差方差的OLS估计量是无偏的；4）b112、参数b1,b2的计算公式。 13、普通最小二乘估计量的性质。 和b2是有效估计量。 1）样本回归线通过Y和X的样本均值，即16、普通最小二乘估计量的方差和标准差Yb1b2X；2）估计的Y均值等于实测的的计算公式。 ˆY；3）残差ei的均值为零，Y均值，即Y17、给定显着性水平，如何求置信区间。 即ei/n0；4）残差ei和预测的Yi不相[b2t临界值·se(b2)，b2t临界ˆi0；5）残差ei和Xi不相关，关，即eiY值·se(b2)] 即eiXi0。 18、总平方和(TSS)、解释平方和(ESS)、14、经典（古典）线性回归模型的基本假残差平方和(RSS)三者的关系及计算公式。 定。 19、拟合优度中判定系数r2的性质及计算假定1：回归模型是参数线性的，但不一公式。 定是变量线性的。假定2：解释变量(X)与性质：①非负性；②0≤r2≤1，r2愈接近1，扰动误差项(U)不相关。假定3：给定Xi，拟合度越高，愈接近0，拟合度越低，r2=0，扰动项的期望或均值为零，即EU/Xio。Y与X无关。 假定4：Ui的方差为常数或同方差，即20、样本相关系数r的性质及计算公式。 2var(Ui)。假定5：无自相关假定，即两性质：①可正可负；②-1≤r≤1，r接近1，个误差项之间不相关，即正相关好，接近-1，负相关好；③若X与cov(Ui,Uj)0,ji。假定6：回归模型是正Y在统计上独立，则r=0，反之，则不一定成立。 27、F值和R的关系，TSS,RSS,ESS用R2221、变量显着性检验（t检验）的方法及表示的公式。 过程。 1）双边检验：设Ho:B2＝0，H1:B2≠0；2）为包括截距在内的解释变量的个数） 单边检验：设Ho:B2≤0，H1:B2＞0。 关系：R=0时，F=0；R越大，F越大；R=1|t|＞t临界,拒绝零假设. 时，F→∞ 22、b1,b2与随机扰动项(Ui)的分布。 28、校正的判定系数R2的公式及性质。 23、多元线性回归模型的假定。 性质：①若k＞1，则R2≤R2；②R2总为正假定1：回归模型是参数线性的，并且是数，R2可能为负数。 正确设定的。假定2：X2、X3与扰动项U不29、F值与R2的关系。 相关，即cov(x)0。假定3：误差项均值F与R2同向变化：当R2=0时，F=0；当R2=1为0，即E(Ui)0。假定4：同方差假定，时，F无穷大；R2越大，F越大。 var(Ui)2。即U的方差为一常量，假定5：30、双对数模型的形式及性质。 误差项Ui和Uj无自相关，即双对数：lnYi =B1+B2lnXi+Ui ，性质：B2测cov(Ui,Uj)0,ji。假定6：解释变量X2度为Y对X的弹性。 和X3之间不存在完全共线性，即两个解释31、半对数模型的形式及性质。 变量之间无严格的线性关系。假定7：U半对数：lnYi =B1+B2Xi+Ui ，性质：B2表示X服从均值为0，方差为2的正态分布，即增加一个单位，Y的平均增长率，即因变2Ui~N(0,)。 量的相对增量。 224、多元线性回归模型的标准误差δ如32、线性模型与半对数模型中B2的含义。 何计算。 线性：B2表示X增加一个单位，Y的绝对225、多元判定系数R的计算公式。 量的平均增量，即Y增加B2个单位。 26、多元回归的总体显着性检验的原假设半对数：B2表示X增加一个单位，Y的相和备择假设。 对量的平均增量，即Y增加100*B2。 Ho:B2=B3=0，H1:B2、B3不全为0。 222R2(k1)，（n为观察值个数，kF(1R2)(nk)33、线性--对数模型的形式及性质。 Δ应变量相同时，可以比较R。 2Yi =B1+B2lnXi+Ui ，性质：B2表示X的相对37、模型中引入虚拟变量的作用。 变化引起的Y的绝对量变化量，即自变量1）分离异常因素的影响；2）检验不同属的一个单位相对增量引起因变量平均的绝性类型对因变量的作用；3）提高模型的精对增长。 度。 34、因变量取对数的半对数模型Ⅰ与自变38、虚拟变量的性质。 量取对数的半对数模型Ⅱ的区别。 1）若一个定性变量有m个类别，则引入Ⅰ反映自变量的绝对量变化1个单位时，m-1个虚拟变量；2）虚拟变量的取值是随因变量变化的百分比，lnYi =B1+B2t+Ui ； 意的；3）被赋予零值的类别称为基底；4）Ⅱ反映自变量变化一个百分比时，因变量虚拟变量的系数称为级差截距系数，表示的绝对变化量，Yi =B1+B2lnX+Ui 35、倒数模型的形式。 Yi =B1+B21+Ui Xi取值的类别的截距值与基底截距差别。 39、交互作用效应如何体现。 Yi=B1+B2D2i+B3D3i+B3(D2iD3i)+B4Xi+Ui ，D2i、D3i36、对于线性、双对数、对数--线性、线为交互作用虚拟变量。 性--对数、倒数五种系数的总结。 形式 40、虚拟变量是定性的。 斜率=dY 弹性=dYX 应变量 解释变41、“好的”模型的性质。 dXdXY量3 ）拟合优度；1）简约性；2）可识别性；线性 双对数 对数--线性 线性--对数 倒数 Y=B1+B2X lnY=B1+B2lnX lnY =B1+B2X B2 B2(Y) XXB) 2(4）理论一致性；线性5 ）预测能力。线性 Y42、模型设定偏误的类型。 B2 对数 对数1）B2关于解释变量选取的偏误：(X) 对数 线性 ①漏选相关变量，②多选无关变量；2）关于模型函数B2(Y) Y =B1+B2lnX B2(1) XB2(1) 形式选取的偏误。线性 Y对数 43、模型设定偏误的后果。 Y =B1+B2(1) XB2(1) 2X1B）漏选相关变量：参数估计的偏误；) 2）2(线性 非线性 1XY多选无关变量：估计量无偏、一致但不具有最小方差性；3）错误函数形成：全方位简化：Yt偏误。 44、模型设定偏误的检验方法。 Bo11ItUt 1B11B11B148、联立方程模型的识别状态。 1）可识别：①恰度识别（唯一地估计参数）；

1）无关变量：①1个变量——t检验；②n②过度识别（一个或几个参数有若干估计22(RURrr)m个变量——F检验，F 2(1RUr)(nk)值）。2）不可识别：不能估计参数。 49、识别规则。 2）漏选变量和不正确函数形式——参数k=m-1，恰度识别；k＞m-1，过度识别；k

（①R2，R2；②t值；③估计函数的符号） ＜m-1，不可识别。m：方程个数；k：不包

A、残差图示法；B、RESET检验（a、如果括在该方程中所有变量的个数。 事先知道遗漏了哪个变量，只需将此变量50、各方程识别的方法。 引入模型，估计并检验其参数是否显着不1）恰度识别：间接最小二乘法（ILS)；2）

为0即可；b、不知道哪个变量遗漏，找个过度识别：两阶最小二乘法（2SLS) 替代变量Z，进行上述检验）；C、51、多重共线性 MWD---P176。 形式：1）统计学形式：①Xi、Xj … 相关；

45、计量经济学方法中的联立方程问题主②即两个或多个解释变量出现相关性。2）

要表现在哪些方面。 数据类型：时间序列数据。3）实际经济现1）随机解释变量问题；2）损失变量信息象：滞后变量的引入。 问题；3）损失方程之间的相关性信息问题。 后果：1）参数估计量：无偏、有效（经济46、变量的分类。 含义不合理）。2）变量的显着性检验：t

内生变量（由系统内产生，并影响系统）检验失效（失去意义）。3）模型的预测功和外生变量（影响系统，本身不受系统影能：失效。 响），外生变量与滞后内生变量称为先决变检验：1）是否存在：①简单相关系数法：量（只能作解释变量）。 |t| 接近1，存在较强多重共线性；②综47、结构式模型与简化式模型的形式。 合统计检验法：R2很大，t值不显着，未结构：Ct=B1+B2Yt+Ut 通过检验。2）存在范围：①判定系数检验法；②逐步回归法；③逐步剔除法；④逐模型加权，再采用OLS估计参数；②对较

221小的赋予较大的权数；③对较大的eeii赋个引入法；⑤方差膨胀因子：VIF。 21R2予较小的权数。2）重新设定模型：改变补救措施：1）排除引起共线性的变量：逐

PRF。 步回归法；2）差分法；3）减少参数估计53、自相关 量的方差：①改变样本，②增加样本容量。 形式：1）cov(Ui,Uj)0；2）即随机误差

评价：1）为了利用模型预测应变量的未来

项之间存在某种相关性；3）时间序列数据；

均值（坏事）；2）除预测，还估计参数（好4）UtUt1t（-1＜＜1），为

事）。

自协方差系数或一阶相关系数。

52、异方差 原因：1）惯性；2）设定误差：模型中遗形式：1）var(Ui)2；2）即随机误差项

漏了显着的变量；3）设定误差：不正确的

的的方差不是常数；3）截面数据；4）单函数形式；4）蛛网现象；5）数据的“偏

调型递增、单调型递减、复杂型。

造”。 后果：1）无偏、无效；2）t检验失效（失后果：1）无偏无效；2）t检验失效（失

去意义）；3）失效。

去意义）；3）失效。

2~表示随机误差项的方差）检验（以e：1）i~iYi(Yˆi)els——近似估计量）检验（e：1）

图示检验法：散点扩大、缩小或复杂趋势；图示法；2）回归检验法：反复试算；3）

~2f(x)，则存在2）戈星瑟或帕克检验：ei杜宾-瓦森（D-W）检验。

异方差；3）White检验：①先用OLS估计D-W：1）假设条件：①解释变量X非随机

2方程得残差ei；②做ei对所有原始变量等

UiUi1i,(11)，变量；②扰动项：2的回归；③求辅助回归方程中的R

为自相关系数[马尔可夫一阶自回归过2（nR2~XK；④得到的X值超过临界1）

程（AR(1)过程）]；③解释变量中不包含值，则有异方差，或P很低，拒绝Ho，无应变量的滞后值；④回归模型中含有截距异方差。

项；⑤没有缺失数据。

补救：1）加权最小二乘法（WLS）：①对原Ho:0,即不存在一阶自相关；Ho:0,

即Ui存在一阶自相关。 无法判定时是“” 正无无无负自法自自法0 ddL u 2 4-du 4-dL 4 d 相判相判相补救：1）一阶差分法；2）广义差分法：D-W中估计。