计量经济学复习重点

计量经济学复习要点第一章计量经济学的性质计量经济学是以经济理论和经济数据的事实为依照，运用数学和统计学的方法，经过成立数学模型来研究经济数目关系和规律的一门经济学科。研究的主体（出发点、归宿、核心）：经济现象及数目变化规律研究的工具（手段）：模型数学和统计方法方法手段要听从研究对象的实质特色（与数学不一样）,方法是为经济问题服务计量经济研究的三个方面理论：即说明所研究对象经济行为的经济理论（计量经济研究的基础）数据：对所研究对象经济行为观察所获得的信息(计量经济研究的原料或依照)方法：模型的方法与预计、查验、剖析的方法(计量经济研究的工具与手段计量经济学与有关学科的联系与差别联系：●计量经济学研究的主体—经济现象和经济系的数目规律●计量经济学一定以经济学供给的理论原则和经济运转规律为依照●经济计量剖析的结果：对经济理论确立的原则加以考证、充分、完美差别：●经济理论重在定性剖析,其实不对经济关系供给数目上的详细胸怀●计量经济学对经济关系要作出定量的预计，对经济理论提出经验的内容学习计量经济学的必需性计量经济学研究的基本思路和步骤模型设定（选择变量和数学关系式）、预计参数（确立变量间的数目关系）、模型查验（查验所得结论的靠谱性）、模型应用（作经济剖析和经济展望）模型的设定、参数预计、模型查验的要求模型设定要求●要有科学的理论依照●选择适合的数学形式（单调方程、联立方程线性形式、非线性形式）●模型要兼备真切性和适用性●包括随机偏差项●方程中的变量要拥有可观察性参数预计要求参数的预计值：所预计参数的详细数值参数的预计式：预计参数数值的公式模型中的变量及其种类从变量的因果关系划分：被解说变量（应变量）——要剖析研究的变量解说变量（自变量）—说明应变量改动主要原由的变量（非主要原由纳入随机偏差项）从变量的性质划分内生变量—其数值由模型所决定的变量，是模型求解的结果外生变量—其数值由模型之外决定的变量（有关观点：前定内生变量、前定变量）注意:外生变量数值的变化能够影响内生变量的变化，内生变量却不可以反过来影响外生变量计量经济研究中数据的种类时间数列数据（同一空间、不一样时间）、截面数据（同一时间、不一样空间）、混淆数据（面板数据PanelData）、虚构变量数据参数预计的方法种类单调方程模型最常用的是一般最小二乘法、极大似然预计法等联立方程模型常用二段最小二乘法和三段最小二乘法等成立计量经济模型的依照第二章1、变量间的关系：函数关系——有关关系有关系数——对变量间线性有关程度的胸怀◆有关关系的种类●?从波及的变量数目看简单有关、多重有关（复有关）?从变量有关关系的表现形式看线性有关——分布图靠近一条直线、非线性有关——分布图靠近一条曲线??从变量有关关系变化的方向看正有关——变量同方向变化，同增同减、负有关——变量反方向变化，一增一减不有关2、现代意义的回归：一个被解说变量对若干个解说变量依存关系的研究实质：由固定的解说变量去预计被解说变量的均匀值3、整体回归函数（PRF）：将整体被解说变量Y的条件均值表现为解说变量X的某种函数样本回归函数（SRF）：将被解说变量Y的样本条件均值表示为解说变量X的某种函数。●样本回归函数的函数形式应与设定的整体回归函数的函数形式一致。●样本回归线还不是整体回归线，至多不过未知整体回归线的近似表现。整体回归函数与样本回归函数的差别与联系4、随机扰动项：被解说变量实质值与条件均值的偏差，代表清除在模型之外的全部因素对Y的影响。引入随机扰动项的原由??未知影响要素的代表??没法获得数据的已知影响要素的代表??众多渺小影响要素的综合代表??模型的设定偏差??变量的观察偏差??变量内在随机性5、简单线性回归的基本假定：Yi12Xiui对模型和变量的假定：假定解说变量X是非随机的，或许固然是随机的，但与扰动项U是不有关的,假定解说变量X在重复抽样中为固定值.假定变量和模型无设定偏差对随机扰动项u的假定:6、一般最小二乘法（OLS）预计参数的基本思想及预计式；7、的无偏预计8、对回归系数区间预计的思想和方法9、拟合优度：样本回归线对样本观察数据拟合的好坏程度，拟合优度的胸怀成立在对总变差分解的基础上可决系数：在总变差分解基础上确立的，模型解说了的变差在总变差中的比重可决系数的计算方法、特色与作用。10、对回归系数的假定查验对回归系数t查验的思想与方法用P值判断参数的显着性11、对被解说变量的展望被解说变量均匀值展望与个别值展望的关系被解说变量均匀值的点展望和区间展望的方法模型查验经济意义查验：预计的解说变量的系数为0·758511，说明城镇居民人均可支配收入每增添1元，人均年花费支出均匀将增添0·758511元。这切合经济理论对边沿花费偏向的界定。点展望：西部地域的城市居民人均年可支配收入第一步争取达到1000美元(按现有汇率即人民币8270元)，代入预计的模型得?第Yf1二步282再争.2434取达到0.7585111500美8270元(即人6555民币.13212405元)，利用所预计的模型可展望这时城市居民可能达到的人均年花费支出水平?282.24340.75851112405第三章Yf29691.577多元线性回归模型是将整体回归函数描绘为一个被解说变量与多个解说变量之间线性关系的模型。往常多元线性回归模型能够用矩阵形式表示：uYββX1iβX2i...βXpiii012p多元线性回归模型中对随机扰动项u的假定:零均值假定、E(ui)0(i1,2,L,n)同方差假定、无自有关假定、随机扰动与解说变量不有关假定、2正态性假定、ui~N(0,σ)无多重共线性假定。假定各解说变量之间不存在线性关系，或各个解说变量观察值之间线性没关。或解说变量观察值矩阵列满秩(列)。多元线性回归模型参数的最小二乘预计式及希望、方差和标准偏差：预计式：β?kβk最小方差特征：希望值：在基本假定知足的条件下，多元线性回归模型最小二乘预计式是最正确线性无偏预计式。多元线性回归模型中参数区间预计的方法。多重可决系数的意义和计算方法：修正可决系数的作用和方法：β2βσ?P[βσ?2itαn-11-ie2?R1-?e2(n-k)1-F检R21-RSS2i(Y-Y)2(n-1)n-k(Y-Y)TSS1-(Y-Y)2ii验是在方差剖析基础上i进行的。FESS(k-1)~F(k-1,n-k)8.多元回归剖析中，为了分别查验当其他解说变量不变时，各个解说变量能否对被解RSS(n-k)释变量有显着影响，需要分别对所预计的各个回归系数作t查验?β?*?j-?jβj-βj~t(n-k)点t展望：Yf^XFβ?X(XX)-1XE(Y)?σ?X(XX)-1XY-t?σ?cYt均匀值：FFF2FFF2F个别值：??-1??1-1FFFFF事例剖析中国税收增添的剖析理论剖析影响中国税收收入增添的主要要素可能有：1）从宏观经济看，经济整体增添是税收增添的基根源泉。2）社会经济的发展和社会保障等都对公共财政提出要求，公共财政的需求对当年的税收收入可能会有必定的影响。3）物价水平。中国的税制构造以流转税为主，以现行价钱计算的GDP和经营者的收入水平都与物价水平有关。4）税收政策要素。第四章多重共线性多重共线性是指各个解说变量之间有正确或近似正确的线性关系。多重共线性的结果：假如各个解说变量之间有完整的共线性，则它们的回归系数是不确立的，并且它们的方差会无量大。假如共线性是高度的但不完整的，回归系数可预计，但有较大的标准偏差。回归系数不可以正确地预计。产生多重共线性的背景：经济变量之间拥有共同变化趋向。模型中包括滞后变量。利用截面数据成立模型也可能出现多重共线性。样本数据自己的原由。诊疗共线性的经验方法：表现为可决系数异样高而回归系数的t查验不显着。变量之间的零阶或简单有关系数。多个解说变量时，较低的零阶有关也可能出现多重共线性，需要检查偏有关系数。假如R2高而偏有关系数低，则多重共线性是可能的。用解说变量间协助回归的可决系数判断。简单有关系数查验法含义：简单有关系数查验法是利用解说变量之间的线性有关程度去判断能否存在严重多重共线性的一种简易方法。判断规则：一般而言，假如每两个解说变量的简单有关系数(零阶有关系数)比较高，比如大于，则可以为存在着较严重的多重共线性。方差扩大（膨胀）因子法●方差膨胀因子越大，表示解说变量之间的多重共性越严重。反过来，方差膨胀因子越靠近于1，多重共线性越弱。●经验表示，方差膨胀因子≥10时，说明解说变量与其他解说变量之间有严重的多重共线性，且这类多重共线性可能会过分地影响最小二乘预计。降低多重共线性的经验方法：利用外面或先验信息；横截面与时间序列数据并用；剔除高度共线性的变量(如逐渐回归)；数据变换；获得补凑数据或新数据；选择有偏预计量（如岭回归）。经验方法的成效取决于数据的性质和共线性的严重程度。修正多重共线性的经验方法剔除变量法把方差扩大因子最大者所对应的自变量第一剔除再从头成立回归方程，直至回归方程中不再存在严重的多重共线性。注意:若剔除了重要变量，可能惹起模型的设定偏差。增大样本容量假如样本容量增添，会减小回归参数的方差，标准偏差也相同会减小。所以尽可能地采集足够多的样本数据能够改良模型参数的预计。问题：增添样本数据在实质计量剖析中常面对很多困难。变换模型形式一般而言，差分后变量之间的有关性要比差分前弱得多，所以差分后的模型可能降低出现共线性的可能性，此时可直接预计差分方程。问题：差分会丢掉一些信息，差分模型的偏差项可能存在序列有关，可能会违反经典线性回归模型的有关假定，在详细运用时要谨慎。利用非样本先验信息经过经济理论剖析能够获得某些参数之间的关系，能够将这类关系作为拘束条件，将此拘束条件和样本信息联合起来进行拘束最小二乘预计。横截面数据与时序数据并用第一利用横截面数据预计出部分参数，再利用时序数据预计出此外的部分参数，最后获得整个方程参数的预计。注意：这里包括着假定，即参数的横截面预计和从纯粹时间序列剖析中获得的预计是相同的。逐渐回归法（1）用被解说变量对每一个所考虑的解说变量做简单回归。（2）以对被解说变量贡献最大的解说变量所对应的回归方程为基础，按对被解说变量贡献大小的次序逐一引入其他的解说变量。若新变量的引入改良了和F查验，且回归参数的t查验在统计上也是显着的，则在模型中保存该量。计算各解说变量的有关系数表示各解说变量间的确存在严重的多重共线性第五章异方差性异方差性是指模型中随机偏差项的方差不是常量，并且它的变化与解说变量的改动有关。产生异方差性的主要原由有：（一）模型中省略了某些重要的解说变量、（二）模型的设定偏差、（三）数据的丈量偏差，（四）截面数据中整体各单位的差别，利用均匀数作为样本数据等。存在异方差性时对模型的OLS预计仍旧拥有无偏性，但最小方差性不可立，进而致使参数的显着性查验无效和展望的精度降低。查验异方差性的方法有多种：常用的有图形法Goldfeld-Qunandt查验、作用：查验递加性(或递减性)异方差。基本思想：将样安分为两部分，而后分别对两个样本进行回归，并计算两个子样的残差平方和所组成的比，以此为统计量来判断能否存在异方差。（一）查验的前提条件：要求查验使用的为大样本容量、除了同方差假定不可立外，其他假定均知足。White查验、（一）基本思想：不需要对于异方差的任何先验信息，只要要在大样本的状况下，将OLS预计后的残差平方对常数、解说变量、解说变量的平方及其交错乘积等所组成一个协助回归，利用协助回归成立相应的查验统计量来判断异方差性。查验的特色要求变量的取值为大样本、不单能够查验异方差的存在性，同时在多变量的状况下，还可以判断出是哪一个变量惹起的异方差。ARCH查验查验的基本思想在时间序列数据中，可以为存在的异方差性为ARCH过程，并经过查验这一过程能否成立去判断时间序列能否存在异方差。Glejser查验查验的基本思想由OLS法获得残差，获得绝对值，而后将对某个解说变量回归，依据回归模型的显着性和拟合优度来判断能否存在异方差。查验的特色不单能对异方差的存在进行判断，并且还可以对异方差随某个解说变量变化的函数形式进行诊疗。该查验要求变量的观察值为大样本。异方差性的主要方法是加权最小二乘法，也能够用变量变换法和对数变换法。变量变换法与加权最小二乘法实质是等价的。第六章自有关当整体回归模型的随机偏差项在不一样观察点上相互有关时就产生了自有关问题。自有关的出现有多种原由。时间序列的惯性、模型设定错误、数