最新华政计量经济学问,背出来你就无敌了

1、1、计量经济学是一门(y mn)什么样的学科？计量经济学是一门(y mn)经济学科。计量经济(jngj)学是经济(jngj)理论、统计学和数学三者的结合。（ Frish，1933）对象：经济问题方法：统计学和数学依据：经济学原理计量经济学：定量化的经济学或经济学的定量化,以一定的经济理论和实际统计数据为依据，运用数学、统计学方法和计算机技术，通过建立计量经济模型，定量分析经济变量之间的随机因果关系。共五十二页2、计量经济学的几大功能有哪些、熟悉(shx)每种功能的具体内容,知道这些功能效果的评价？一、结构分析二、经济(jngj)预测三、政策评价四、检验与发展经济理论四大功能中，检验经济理论与结

2、构分析功能的可靠性强，而政策分析与经济预测功能的可靠性较弱共五十二页功能(gngnng)之一、结构分析结构：经济变量(binling)之间的相互关系 结构分析：定量揭示经济变量之间的相互关系。包含：弹性分析、乘数分析和比较静态分析。功能之二、经济预测计量经济学模型的预测是寻找出经济变量过去的变化规律，并据此对经济变量未来的值进行预测。对经济增长率的预测。如对股票价格的预测、共五十二页功能(gngnng)之三、政策评价计量经济(jngj)学模型具有“经济(jngj)政策实验室”功能。刺激汽车购买政策效果的评估功能之四、检验与发展经济学理论 计量经济学模型是检验经济理论的有效工具，在对经济学理论的

3、检验过程中推动经济学理论的发展。 如：消费理论的检验与发展共五十二页计量经济学功能的实现 ：建立(jinl)计量经济学模型，解计量经济学模型物理模型(mxng)几何模型模型：3、计量经济学的功能如何实现？建立与应用计量经济学模型的步骤应包括哪些内容？共五十二页一、建立(jinl)计量经济学模型计量经济学研究问题(wnt)的流程 确定模型包含的变量 确定模型的数学形式二、解模型：通过数据来估计模型中的未知函数或未知参数.1、收集数据：解释变量与被解释变量的取值，即统计上所谓的样本(sample)。 截面数据 时间序列数据 面板数据2、模型估计：运用统计和数学方法对模型中的未知函数（或未知参数）进

4、行估计。3、模型的检验 经济学意义的检验 统计检验 由统计学理论决定 包括：拟合优度检验、方程显著性检验、变量显著性检验 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、共线性检验 模型预测检验 稳定性检验、 预测性能检验共五十二页4、建模型的时候有哪些工作要做、有哪些注意点？模型引入随机扰动项的原因是有哪些？样本数据有几种类型？模型估计(gj)要估计(gj)什么、模型要进行哪些检验，为什么要进行这些检验？知道影响计量经济学模型是否能够成功的三要素。 确定(qudng)模型包含的变量(多次反复)被解释变量：由问题来确定。确定解释变量与被解释变量时的注意1：时间上关系：

5、因果关系，现在和未来不能解释过去，未来不能解释现在。2：没有特别说明，计量经济学模型中的变量视为随机变量（2）原因： 代表影响被解释变量的随机因素 影响被解释变量的未知因素； 代表变量缺失； 被解释变量与解释变量一定的条件下，被解释变量期望的差1.代表影响被解释变量的未知因素2.代表数据的缺失3.代表众多对被解释变量有微小作用的变量的综合4.代表模型设定误差5.代表数据观测误差6.变量的内在随机性【3.6是原生的】确定解释变量的依据：经济学理论和经济行为分析。：用统计检验的方法确定。共五十二页（4）建立模型的理论、估计模型的方法与数据的质量是决定(judng)模型能否成功建立的三要素。（3）参

6、数估计(gj)估计(gj)解释变量影响被解释变量的未知函数 经济学意义的检验：由经济学规律来决定建模基本原理， 根据模型中参数的符号、大小、关系，对参数估计结果的可靠性进行检验 统计检验：根据样本推断总体计量经济学检验：检验模型是否符合经典假设，符合-，不符合-5、正确理解相关关系与因果关系之间的差异、相关性分析与回归分析之间的差异。（1）相关关系-伴随关系 因果关系-引起、被引起关系 具有因果关系的变量一定具有相关关系，如：收入与消费 具有相关关系的变量未必有因果关系，如：小孩的身高与小树的身高（2）相关性分析-通过样本相关系数推断总体的相关性 回归分析-分析变量之间的因果关系及影响程度,样

7、本推总体 通过回归模型分析因果关系共五十二页6、什么是多元线性总体回归模型(mxng)、什么是多元线性总体回归函数、什么是多元线性样本回归模型(mxng)，什么是多元线性样本回归函数？一元线性回归(hugu)模型一元线性模型总体回归函数一元线性样本回归函数一元线性样本回归模型残差共五十二页7、线性回归模型参数普通最小二乘估计的原理(yunl)是什么？熟记一元线性回归模型参数估计的正规方程组及参数估计的表达形式。一元线性回归模型普通最小二乘估计量与参数的关系。普通(ptng)最小二乘估计的原理：从模型总体随机抽取n样本观测值后，使合理的参数估计量最好得拟合样本数据。亦是观测值与估计值之差的平方和

8、最小。共五十二页最小二乘参数估计量最小二乘估计量的简化(jinhu)：离差或中心化共五十二页最小二乘估计(gj)量是Y1,Y2,Yn的线性组合 。（即最小二乘估计(gj)是线性估计(gj)）普通最小二乘估计量与参数(cnsh)的关系共五十二页系数(xsh)的性质：8、一元、多元(du yun)线性回归模型最小二乘估计残差的性质有哪些？会利用一元、多元(du yun)线性回归模型普通最小二乘估计残差性质进行有关的证明。共五十二页普通(ptng)最小二乘估计残差：即：正规方程组揭示(jish)的是残差的性质。普通最小二乘估计残差的性质：普通最小二乘估计有关的其他性质（课后习题）共五十二页二元线性回

9、归模型(mxng)的拟合值与残差二元线性回归(hugu)模型的残差的性质共五十二页9、衡量参数估计性质(xngzh)好坏的标准有哪些？含义是什么？1、无偏性：若则称是的无偏(w pin)估计。2、有效性：对参数的两个无偏估计，如果则称比有效。3、一致性：的估计，如果对任意的有则称是的一致估计，记作：无偏性、有效性：样本容量一定时，好的估计量应该具有的性质。一致性：样本容量变大时，好的估计量应该具有的性质共五十二页10、一元、多元回归模型的经典假设是什么？高斯马尔可夫定理定理的内容是什么？在经典假定之下， 一元线性回归模型普通最小二乘估计量为什么是无偏(w pin)的、有效的；熟知一元线性回归模

10、型可决系数与斜率普通最小二乘估计的关系、可决系数等于解释变量与被解释变量样本相关系数等有关的证明；(1)经典线性回归(hugu)模型的基本假设：1、解释变量是确定的。2、随机扰动项： 当解释变量一定时，期望为0， 且所有随机扰动项同方差，序列不相关。3、解释变量与随机扰动项不相关，即4、正态性假设：当解释变量一定的条件下，随机扰动项服从正态分布即：共五十二页一元线性回归模型(mxng)经典假定下的推论：1、在线性回归模型(mxng)的经典假定下，随机扰动项独立同服从正态分布，即2、相互独立3：随机扰动项方差的估计可以证明：（2）高斯马尔可夫定理在线性回归模型的经典假定下，最小二乘估计量是方差最

11、小的线性无偏估计量无偏性：即证：有效性：在所有线性无偏估计中，最小二乘估计的方差最小。(2)证明最小方差性一致性：大样本性质：在线性回归模型的经典假定下，普通最小二乘估计具有一致性。共五十二页对模型的经典(jngdin)假定一元(y yun) 对多元线性回归模型的经典假设解释变量是确定性的；随机扰动项期望为0，方差相同，随机扰动项之间不相关,服从正态分布；k个解释变量都是确定性的，且它们之间不相关（即无多重共线性）随机扰动项期望为0，方差相同,随机扰动项之间不相关,服从正态分布; 解释变量与随机扰动项之间不相关（相关系数为0）解释变量与随机扰动项之间不相关（相关系数为0）经典假定之下，多元线性

12、回归模型随机扰动项方差的最小二乘估计为前两个推论同一元一样(3)一元线性模型可决系数与参数估计的关系一元线性模型可决系数与解释变量、被解释变量相关系数的关系共五十二页11、线性回归模型总离差平方和、残差平方和与回归平方和的定义、自由度分别(fnbi)是什么？总离差平方和为什么可以分解？总离差平方和回归(hugu)平方和残差平方和TSS=ESS+RSS自由度n-1n-k-1k12、线性回归模型可决系数的定义是什么？含义是什么？调整的可决系数计算公式什么？为什么要对可决系数进行调整？方程检验的统计量F与可决系数、调整的可决系数之间的关系是什么？共五十二页（1）可决系数R2来反映(fnyng)拟合优

13、度（2）性质：1、可决系数取值范围为：0，1 2、可决系数的意义：拟合优度越高，可决系数越接近(jijn)于1，说明模型拟合得越好。（3）调整的可决系数可决系数的缺陷：可决系数是解释变量个数的不减函数与可决系数的关系（4）可决系数与方程显著性检验F统计量的关系、与可决系数同方向变化。、与可决系数为等价。调整的可决系数越大，AIC、SC越小,模型拟合的越好。共五十二页13、一元线性回归模型变量显著性假设检验的原理是什么,是用什么统计量进行检验？一元线性回归模型的方程的显著性假设检验与变量显著性假设检验有什么关系(gun x)？要能够根据软件的结果识别出变量、方程是显著，还是不显著？(1)一元线性

14、回归模型(mxng)变量的显著性检验假设 H0： =0， H1： 0检验统计量显著性假设检验：|T| t /2 (n-2)时，拒绝零假设。（2）变量显著性检验：（T检验） 多元方程总体显著性检验：（F检验）F=【ESS/K】/【RSS/n-k-1】在一元线性回归中，t检验和F检验是一致的。原假设相同，一元里F=T2，方程的显著性检验与变量的显著性检验之间并不可以互相替代（3）根据概率下结论，P小就拒绝原假设，变量有显著性影响，方程有显著性影响共五十二页14、化为多元线性回归模型有哪些(nxi)基本方法？受约束回归能解决什么(shn me)问题？基本原理是什么(shn me)？能够正确写出受约束

15、的回归模型。方法1、直接置换法(如倒数模型、多项式模型）方法2、取对数变换法 检验回归模型的系数是否满足某些关系MUR：不受约束的回归模型受约束的回归模型MR检验假设H0：如果原假设成立（约束成立），那么，受约束的回归模型与不受约束的回归模型是同一个模型，反映被解释变量与解释变量之间相同的关系，残差应该相差相近。如果受约束的回归模型的残差与不受约束的回归模型的残差差异较大，那么，就拒绝原假设。共五十二页检验(jinyn)统计量：分别为受约束与不受约束回归(hugu)模型的残差平方和。分别为不受约束与受约束回归模型解释变量的个数。推断：若F F(ku-kR,n-kU-1)则拒绝原假设H0，参数没

16、关系15、知道估计参数所需要的的最小样本容量、满足经典假设要求的样本容量？样本最小容量必须不少于模型中待估参数的个数,即 n k+1一般经验认为:当n30或者至少n3(k+1)时，样本容量合适共五十二页16、正确解释多元线性回归模型(mxng)（双对数模型(mxng)、普通模型(mxng)）参数的意义。熟知多元线性回归模型估计输出结果，及相应的关系。熟悉常见的模型估计及计量经济学检验软件输出结果，能根据软件给出的结果进行相关的计算。1、多元(du yun)线性模型参数解释：参数的意义：其他解释变量一定的条件下，解释变量变化一个单位，对被解释变量均值的影响，反映边际2、双对数模型参数的意义：其他

17、解释变量一定的条件下，解释变量变化一个百分点，被解释变量均值变动的百分点是多少，参数反映的是弹性。共五十二页R-squared可决系数(xsh)Sum squared resid残差平方和RSSLog likelihood对数(du sh)似然函数的函数值Adjusted R-squared调整的可决系数S.E. of regressionMean dependent var被解释变量的均值S.D. dependent var被解释变量的标准差Akaike info criterion赤池信息准则AICSchwarz criterion施瓦茨准则SCt-statistic t统计量的值F-st

18、atistic F统计量的值共五十二页17、异方差的含义是什么？模型存在异方差的后果(hugu)是什么（只要知道后果(hugu)，证明不做要求）？异方差如何进行检验（理解white异方差检验的基本原理、要能叙述此方法进行检验的过程）；模型存在异方差时，加权最小二乘法的原理是什么（要能完整叙述）？要能根据软件的结果识别是否有异方差。异方差(fn ch)同方差异方差一般情况下，异方差是指不同的样本点所对应的随机扰动项的方差不同，随机扰动项的方差是样本点的函数。存在异方差的后果模型存在异方差时普通最小二乘估计量的性质。1、仍具有线性性、无偏性，一致性；但不具有有效性 2、关于变量的显著性检验的原有做

19、法失去意义3、模型的预测失效共五十二页对异方差(fn ch)进行的检验：怀特（White）检验以二元模型(mxng)为例怀特（White）检验设：检验假设：法1：对上述方程进行检验（F统计量）法2：在同方差假设下辅助回归可决系数渐近服从辅助回归解释变量的个数White异方差检验：如果原模型不存在异方差，那么， nR2应该比较小；反之，如果发现nR2比较大，那么有理由认为有异方差存在。若 ，则拒绝原假设H0，即模型存在异方差；否则模型不存在异方差。共五十二页模型(mxng)具有异方差时，模型(mxng)求解加权最小二乘法(chngf)：是对原模型变形，使之变成一个新的、不存在异方差的模型， 然后

20、采用OLS估计其参数。情形1：如果随机扰动项方差与解释变量的关系已知：易证：变换后的模型其随机扰动项同方差，用OLS法估计性质最优对新模型进行的普通最小二乘估计就是对原模型进行的加权最小二乘估计共五十二页情形2、如果(rgu)随机扰动项方差与解释变量关系未知方法(fngf)一：对此模型进行的普通最小二乘估计就是对原模型进行的加权最小二乘估计。方法二：估计：设其中函数的形式为：共五十二页OLS：共五十二页情形(qng xing)2情形(qng xing)118、序列相关的含义是什么？模型存在序列相关的后果是什么（只要知道后果，证明不做要求）？序列相关如何进行检验（有哪些方法，原理是什么，要能完整

21、叙述出这些检验来）；模型存在序列相关时，应该用什么方法进行估计？能根据软件的结果识别是否有序列相关。DW统计量与残差相关系数之间的关系？熟记DW检验适用条件与判别规则。共五十二页模型存在序列(xli)相关的后果模型(mxng)参数估计量仍然是线性性、无偏、一致的估计量，但是参数估计量不具有有效性此外，变量的显著性检验失效，模型的预测精度下降含义：模型随机扰动项之间存在相关性序列相关性的检验方法一：计算残差的样本相关系数（或图示）由：是否显著不为0，推断原模型是否存在自相关。H0：或图示作出 与 的散点图，用此图来反映随机扰动项之间的相关关系。方法二、杜宾-瓦森（Durbin-Watson）检验

22、法共五十二页该方法只能检验(jinyn)模型随机扰动项之间是否存在一阶自相关。该方法的适用条件是： -解释变量X是确定性的； -回归模型中不含有(hn yu)滞后被解释变量作为解释变量； -回归含有截距项。即DW不能对这种模型是否具有自相关进行检验：D.W. 统计量:对原模型进行OLS估计，用残差构造统计量。显然：H0: =0DW检验：共五十二页DW与残差自相关系(gun x)数的关系(gun x)：完全(wnqun)一阶正相关， = 1， D.W. 0 ；完全一阶负相关， = -1, D.W. 4；不存在相关性，= 0， D.W. 2 ； D.W检验规则: 计算DW值 给定，由n和参数个数的

23、多少查DW分布表，得临界值dL和dU 比较、判断 0D.W.dL 存在正自相关 dLD.W.dU 不能确定 dU D.W.4dU 无自相关4dU D.W.4 dL 不能确定4dL D.W.4 存在负自相关 经验：DW近似为2时，不存在自相关。共五十二页方法(fngf)之三：拉格朗日乘数（Lagrange multiplier）检验适用于序列相关的所有情况，以及模型中存在滞后被解释(jish)变量的情形。进行如下辅助回归：先检验是否存在一阶序列相关。H0: =0检验：残差项是否显著，转化为变量的显著性假设检验。nR2大，拒绝原假设，0，有一阶序列相关，要检验是否仅具有一阶共五十二页若检验原模型有

24、一阶序列相关(xinggun)，再检验是否仅存在一阶序列相关。进行如下(rxi)辅助回归：H0: 2=0检验新引入的残差项是否显著，转化为变量的显著性假设检验。进行如下辅助回归：若原模型有自相关，但不是仅存在一阶序列相关，再检验是否仅存在二阶序列相关。H0: 3=0检验新引入的残差项是否显著，转化为变量的显著性假设检验。仿以上过程检验直到仅存在某p阶序列相关时为止。共五十二页模型存在(cnzi)序列相关时参数的估计方法广义(gungy)差分法Newey-West standard errors调整法将具有自相关的原模型变换为无自相关的模型，再用OLS估计比如随机扰动项仅存在一阶自相关：此模型为

25、原模型的广义差分模型，随机扰动项之间是不相关的，可以用OLS进行估计。对变换后的模型进行的普通量小二乘估计就是对原模型的广义差分估计。是随机变量，此时满足随机扰动项满足的所有假定。广义差分法实施的过程采用OLS法估计 共五十二页得到随机扰动项的“近似(jn s)或估计”：残差对上式采用(ciyng)OLS法估计 采用OLS法对上述模型进行估计 共五十二页19、多重共线的含义是什么？模型存在多重共线的后果是什么（只要知道后果，证明不做要求）？二元模型中的方差膨胀(png zhng)因子的计算公式是什么（能根据二元模型中的解释变量的样本相关系数计算方差膨胀(png zhng)因子的大小）？。多重共

26、线如何进行检验（有哪些方法，要能完整叙述出这些检验来）；模型存在多重共线时，如何处理？能根据软件的结果识别是否有可能有多重共线的问题。如果两个或多个解释(jish)变量之间出现了相关性，则称为模型出现了多重共线性多重共线性的后果1、完全共线性的后果：参数估计量不存在2、近似共线性存在时的后果,OLS估计量非有效存在近似共线性时，模型的预测功能降低)var(b1多重共线性使参数估计量的方差增大，定义 为方差膨胀因子相关系数绝对值|r|00.450.330.24相关系数平方r200.20.10.06方差膨胀因子1/1-r211.251.111.05共五十二页多重共线性的检验(jinyn)如果将模型

27、用OLS估计出以后，R2与F值较大，但t检验值较小，变量不显著，而且参数的意义不合理，此时，可以断定(dundng)解释变量存在多重共线性。印象1：分别对于各解释变量进行回归时，变量都显著，但是对于解释变量的全体进行回归时，变量都不显著，则此时模型可能存在多重共线性。印象2:（1）检验多重共线性是否存在，是完全多重共线性，还是近似多重共线性。（2）判断哪些变量之间存在共线性。1、检验多重共线性是否存在 (1)对两个解释变量的模型，多重共线性的检验方法：简单相关系数法：求出X1与X2的样本相关系数r，若|r|很大、甚至接近于1，则说明两变量存在较强的多重共线性。 (2)对多个解释变量的模型：考察

28、多个解释变量之间的相关系数是否比较大，若有两个解释变量之间的相关系数比较大，则存在多重共线性。共五十二页判定系数检验法用模型中每一个解释变量分别对其余解释变量进行辅助回归，计算相应的拟合优度。如果某一种回归Xji=1X1i+2X2i+LXLi的可决系数较大(jio d)，说明Xj与其他X间存在共线性。对相应回归方程的显著性进行检验2、判断存在多重共线性的范围：是哪些解释(jish)变量存在多重共线性。F检验：克服多重共线性的方法1、第一类方法：排除引起共线性的变量逐步回归法2、第二类方法：差分法适用于时间序列数据模型;将原模型变换为差分模型,可以有效地消除原模型中的多重共线性。 一般讲，对于经

29、济数据，增量之间的线性关系远比总量之间的线性关系弱得多。共五十二页首先、找出拟合最好(zu ho)的一元回归模型分别(fnbi)用ln(Y)对每一个解释变量做一元回归模型，选择可决系数、或AIC最小的模型。 逐步回归 若引入后，拟合优度变化显著，则引入变量为独立解释变量，即不共线 第二，在拟合最好的一元模型基础上，分别引入其他解释变量，做二元模型，根据调整可决系数显著提高、且引入的解释变量与已有解释变量无共线决定最佳的二元回归模型。 第三，在拟合最好的二元模型基础上，分别引入其他解释变量，做三元模型，根据调整可决系数显著提高、且引入的解释变量与已有解释变量无共线决定最佳的三元回归模型。共五十二

30、页20、随机(su j)解释变量的含义是什么？模型存在随机(su j)解释变量的后果是什么（只要知道后果，证明不做要求）？模型存在随机(su j)解释变量时，补救的方法是什么？（知道工具变量应该具备的条件、检验随机(su j)解释变量与随机(su j)扰动项是否相关的hausman检验的过程；要能叙述一元模型的工具变量法估计的过程，能够熟练写出一元模型斜率的工具变量估计的结果，且注意其与普通最小二乘估计的区别）1、随机解释(jish)变量问题的含义 经典假设:解释变量X1,X2,Xk是确定性变量。 如果存在一个或多个解释变量不是确定性变量，而是随机变量，则称原模型出现随机解释变量问题。 2、模

31、型存在随机解释变量的后果1、如果X与u不相关，参数OLS估计量仍然具有线性性、无偏、一致估计量。2、如果X与u同期不相关，异期相关，得到的参数估计量有偏、但却是一致的。3、如果X与u同期相关，得到的参数估计量有偏、不是一致的。共五十二页3、模型中有随机解释变量且与随机扰动项相关时的参数(cnsh)的估计：工具变量法条件：1.与随机扰动项不相关；2.与随机解释变量高度相关；3.与其他解释变量不相关工具(gngj)变量估计与普通最小二乘估计的区别：以一元回归模型为例新模型：新模型的普通最小二乘估计即为原模型的工具变量估计：仅X1与随扰项相关，取工具变量Z1i，得辅助回归ols估计则，ols估计共五十二页一元模型工具(gngj)变量估计与参数的关系4、工具变量(binling)法估计量是一致估计量共五十二页随机(su j)解释变量的检验检验随机解释变量与随机扰动(rodng)项是否具有相关性1