【金融计量学复习大纲】 (1).doc

金融计量学总复习一定要做练习，只是看书不做题不行。我讲过的内容都考。一、 填空（10分-15分），基本每章都有二、 单项（10分），基本每章都有三、综合问答（40分左右）， （侧重1，4，5，8章）四、综合计算（30分）（侧重2，3，5章）五、证明（10分左右） 教材39页的证明，60页的9，10题，70页的证明，73-74页的证明都看看第一章（考点：填空或者简答）1.计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科。2.区分数理经济模型和计量经济模型：（1）数理经济模型揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。（2）计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。3.计量经济学的内容体系分类（1）计量经济学有广义和狭义之分：广义计量经济学：是利用经济理论、数学以及统计学定量研究经济现象的经济计量方法的统称。包括回归分析方法、投入产出分析方法、时间序列分析方法等。狭义计量经济学：也就是我们通常所说的计量经济学，以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。（2）根据研究对象和内容侧重面不同，可以分为理论计量经济学和应用计量经济学。（3）按数据类型划分为：截面分析；时间序列分析；平行数据分析；离散数据分析；模糊数据分析。（4）按模型类型划分：单方程模型与联立方程模型（单方程模型的研究对象是单一经济现象，揭示存在其中的单向因果关系。联立方程模型的研究对象是一个经济系统，揭示存在其中的复杂的因果关系。）；线性模型与非线性模型；静态模型与动态模型；参数模型与非参数模型。（5）按估计方法划分：从最小二乘原理出发的估计方法；从最大似然原理出发的估计方法；矩估计方法；非样本信息估计方法。4.建立计量经济学模型的步骤：（1）理论模型的设计；（主要包含三部分工作：即选择变量、确定变量之间的数学关系、拟定模型中待估计参数的数值范围）（2）样本数据的收集；（样本数据的质量问题大体上可以概括为完整性、准确性、可比性和一致性）（3）模型参数的估计；（模型参数的估计方法，是计量经济学的核心内容）（4）模型的检验。（经济意义检验、统计学检验、计量经济学检验和预测检验）5.计量经济学模型成功的三要素：理论、方法和数据。理论：即经济理论，所研究的经济现象的行为理论，是计量经济学研究的基础。方法：主要包括模型方法和计算方法，是计量经济学研究的工具与手段，是计量经济学不同于其它经济学分支学科的主要特征。数据：反映研究对象的活动水平、相互间联系以及外部环境的数据，或更广义讲是信息，是计量经济学研究的原料。6.经典计量经济学方法的核心是采用回归分析的方法揭示变量之间的因果关系。7.计量经济学模型的应用大体可以被概括为四个方面：结构分析、经济预测、政策评价、检验与发展经济理论。结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。8 如何正确选择解释变量？（1） 需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律；（2） 选择变量要考虑数据的可得性；（3） 选择变量时要考虑所有入选变量之间的关系，使得每个解释变量都是独立的；9 常见的样本数据有：时间序列数据、截面数据和虚变量数据。第二章：一元线性回归模型8.经济变量之间的关系，大体可分为两类：确定性关系或函数关系：研究的是确定性现象非随机变量间的关系。统计依赖关系或相关关系：研究的是非确定性现象随机变量间的关系。9. 回归分析是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。其中：前一个变量被称为被解释变量（Explained Variable）或因变量（Dependent Variable）。后一个（些）变量被称为解释变量（Explanatory Variable）或自变量（Independent Variable）。10.总体回归函数：给定解释变量X的某个确定值Xi，与之统计相关的被解释变量Y的总体均值（期望值）可以表示为： 上式说明了被解释变量Y平均地说随解释变量X变化的规律，一般称为总体回归函数或总体回归方程。总体回归模型：若总体回归函数（方程）为： ，则可以变形为 ，后者在总体回归函数（方程）的基础上引入了随机项，称为总体回归模型。11.随机误差项包括了哪些因素的影响？（1）在解释变量中被忽略的因素的影响；（2）变量观测值的观测误差的影响；（3）模型关系的设定误差的影响；（设定误差：指设定方程偏离了真实方程，如遗漏了某些重要的解释变量，或引入了不相干的解释变量，或者模型形式设定有问题。）（4）其它随机因素的影响。产生并设计随机误差项的主要原因：理论的含糊性；数据的欠缺；节省原则。12.样本回归函数： 利用样本数据，采用适当的方法估计得到的总体回归函数的近似形式，就叫做样本回归函数或样本回归方程（sample regression function，SRF）。对应的曲线称为样本回归线（sample regression curves）例：若总体回归函数为如下线性形式：，则对应的样本回归函数一般表示为：13.样本回归模型：若样本回归函数为， ，则，后者在样本回归函数的基础上引入了残差项ei，称为样本回归模型。14.回归分析构成计量经济学的方法论基础，其主要内容包括： （1）根据样本观察值对计量经济模型（属于回归模型）参数进行估计，求得回归方程；（2）对回归方程及其参数进行检验；（3）利用回归方程进行分析、评价及预测。15.线性回归模型的特征：（1）通过引入随机误差项，将变量之间的关系用一个线性随机方程来描述，并用随机数学的方法来估计方程中的参数；（2）在线性回归模型中，被解释变量的特征由解释变量与随机误差项共同决定。第三章：多元线性回归模型16.单方程线性回归模型的一般形式总体回归模型：总体回归方程：样本回归模型：样本回归方程：17.将非线性关系化为线性关系的数学处理方法：（1）直接置换法；（2）对数变换；（3）级数展开。18.线性回归模型的基本假设（1）解释变量X是确定性变量，不是随机变量；解释变量之间互不相关。 （2）随机误差项具有均值和同方差： E(mi)=0 i=1,2, ,n Var (mi)=sm2 i=1,2, ,n（3）随机误差项在不同样本点之间是独立的，不存在序列相关： Cov(mi, mj)=0 ij i、j= 1,2, ,n（4）随机误差项与解释变量之间不相关： Cov(Xji, mi)=0 i=1,2, ,n；j= 1,2, ,k （5）随机误差项服从均值、同方差的正态分布： miN(0, sm2 ) i=1,2, ,n19.最小二乘法给出的判断标准是：二者之差的平方和最小，即最小。20.最小二乘估计量：最小二乘参数估计量的离差形式：随机误差项方差的估计量为：21.普通最小二乘参数估计量具有线性性、无偏性、最小方差性等优良性质。具有这些优良性质的估计量又称为最佳线性无偏估计量，即BLUE估计量。（高斯马尔可夫定理：在给定经典线性回归的假定下，最小二乘参数估计量是具有最小方差的线性无偏估计量。）22.最小样本容量：是指从最小二乘原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。样本容量必须不少于模型中解释变量的数目（包括常数项），这就是最小样本容量：满足基本要求的样本容量：虽然当nk+1时，可以得到参数估计量，但除了参数估计量质量不好以外，一些建立模型所必须的后续工作也无法进行。一般经验认为，当n30或者至少n3(k+1)，才能说满足模型估计的基本要求。23.偏回归系数，是指多元线性回归模型中解释变量前的系数。偏相关系数：是指在控制或消除其他变量影响的情况下，衡量多个变量中的某两个变量之间线性相关程度的指标。24. 计量经济学模型的统计检验主要包括：拟合优度检验；方程的显著性检验；变量的显著性检验。拟合优度检验：就是检验模型对样本观测值的拟合程度。 TSS=ESS+ RSSTSS为总体平方和（Total Sum of Squares），反映样本观测值总体离差的大小；ESS为回归平方和（Explained Sum of Squares），反映由模型中解释变量所解释的那部分离差的大小；RSS为残差平方和（Residual Sum of Squares），反映样本观测值与估计值偏离的大小，也是模型中解释变量未解释的那部分离差的大小。R2和调整后的R225.用以进行方程的显著性检验的方法主要有三种：F检验、t检验、r检验。方程显著性的F检验：变量显著性的t检验： 26.区间估计：用一个取值区间来表达对总体参数的估计。该数值区间称为总体参数的置信区间。该数值区间将总体参数包含在内的概率称为置信水平。参数的区间估计：27.如何缩小参数的置信区间：（1）增大样本容量；（2）更主要的是提高模型的拟合优度；（3）提高样本观测值的分散度。第四章：经典单方程计量经济学模型：放宽基本假定模型（本章总结不详细，自己要总结，包括概念，产生原因，后果，估计方法，比较重要）28.异方差：对于模型 （i=1,2,n），同方差性假设为（i=1,2,n），如果出现（i=1,2,n），即对于不同的样本点i 随机误差项的方差不再是常数，则认为出现了异方差性。（一）异方差一般可归结为三种类型：（1）单调递增型：si2随Xi的增大而增大；（2）单调递减型：si2随Xi的增大而减小；（3）复杂型：si2与Xi的变化呈复杂形式。（二）异方差性的后果：（1）参数估计量非有效；（2）变量的显著性检验失去意义；（3）模型的预测失效。（三）检验方法的共同思路：检验异方差性，也就是检验随机误差项的方差与解释变量观测值之间的相关性及其相关的“形式”。 检验方法：（1）图示检验法；（2）解析法：G-Q（戈德菲尔德-匡特）检验、戈里瑟（Gleiser）检验与帕克（Park）检验（四）解决异方差性的办法加权最小二乘法(WLS)加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。加权最小二乘法的具体步骤：29. 对于模型，（i=1,2,n），随机误差项互相独立的基本假设表现为： ij，i,j=1,2,n，如果出现 ij，i,j=1,2,n，即对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性，则认为存在序列相关。如果仅存在（i=1,2,n-1），则称为一阶序列相关，或自相关（autocorrelation）。（一）序列相关产生的原因：（1）惯性；（2）设定误差：模型中遗漏了显著的变量；（3）设定误差：不正确的函数形式；（4）蛛网现象；（5）数据的“编造”。（二）序列相关性的后果：（1）参数估计量非有效；（2）变量的显著性检验失去意义；（3）模型的预测失效。（三）序列相关性的检验：序列相关性检验方法有多种，但基本思路是相同的：首先，采用普通最小二乘法估计模型，以求得随机误差项的“近似估计量”： 然后，通过分析这些“近似估计量”之间的相关性，以达到判断随机误差项是否具有序列相关性的目的。检验方法：（1）图示法；（2）解析法：:回归检验法、杜宾-瓦森（Durbin-Watson）检验法。杜宾-瓦森（Durbin-Watson）检验法：D.W.统计量： 若 0D.W.dL 则存在正自相关 dLD.W.dU 不能确定 dUD.W.4-dU 无自相关 4-dUD.W.4-dL 不能确定 4-dLD.W.0，X=(X1t,X2t,Xkt)T，则认为序列X1t,X2t,Xkt是(d,b)阶协整，记为XtCI(d,b)，a为协整向量（cointegrated vector）。一般来讲，如果两个序列是不同阶数的单整序列，则它们的线性组合也将是单整的，且单整阶数等于两个序列中的较高者。 但是，对于两个单整阶数相同的单整