计量经济学复习资料-概念和问答

计量经济学复习资料——概念和问答计量经济学复习资料一、基本概念1、计量经济学以经济理论为指导，以事实为依据，以数学和统计推断为方法，以电脑技术为工具，以建立经济计量模型为手段，定量分析研究具有随机性特征的经济变量关系的经济学科。2、相关关系 当一个或几个相互联系的变量取一定的数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。3、因果关系 一个变量(y)的变化是另一个变量(x)的变化所引起的，这两个变量间的关系称为因果关系4、解释变量 影响研究对象的变量，它解释了研究对象的变动。5、被解释变量 是作为研究对象的变量，又称因变量。它的变动是由解释变量做出的解释。6、总体回归线 在给定解释变量Xi条件下因变量Yi的条件均值或期望的轨迹。7、总体回归函数:总体回归线所对应的函数E(Y/Xi)=f(Xi)称为总体回归函数。总体回归函数（PRF）说明被解释变量Y的平均状态（总体条件期望）随解释变量X变化的规律。8、拟合优度检验：就是检验模型对样本观测值的拟合程度。（拟合优度检验的方法：通过构造一个可以表征拟合程度的统计量来实现。）9、判定系数：是告诉人们样本回归函数对数据拟合效果的一个总度量。表示在Y的总变异中由回归模型解释的那个部分所占的比例或百分比。10、调整后的判定系数：由于增加解释变量个数引起的R2的增大与拟合好坏无关，从而对所进行的调整。调整的思路是：将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响：11、置信区间：求两个正数和，使得随机区间包含真实的概率为，如果这样的区间存在，就被称为置信区间。12、偏回归系数：在多元回归中，、称为偏回归系数。如度量着保持X3不变的情况下，X2每变化1单位时，Y的均值E(Y|X2,X3)的变化。13、偏相关系数：简单相关系数是指双变量回归模型中因变量与自变量的线性相关程度的度量；偏相关系数是其它变量保持不变，两个变量之间的相关程度的度量。14、方差分析:TSS=ESS+RSS。对TSS的这些构成部分的研究从回归的观点叫做方差分析（ANOVA)。变量；如果拟合优度变化很不显著，则说明新引入的变量与其它变量之间存在共线性关系。每一步都要进行F检验,以确保每次引入新的变量之前回归方程中只包含显著的变量。）第二类方法：差分法（对于以时间序列数据为样本、以直接线性关系为模型关系形式的计量经济学模型，将原模型变换为差分模型，可以有效地消除存在于原模型中的多重共线性。一般讲，增量之间的线性关系远比总量之间的线性关系弱得多。）第三类方法：减少参数估计量的方差、岭回归方法（太复杂应该不用掌握）（多重共线性的主要后果是参数估计量具有较大的方差，所以采取适当方法减小参数估计量的方差，虽然没有消除模型中的多重共线性，但确能消除多重共线性造成的后果。）简述异方差性的含义对于不同的样本点i，随机误差项的方差不再是常数，则认为出现了异方差性。对于每一个样本点i，随机误差项都是随机变量，服从均值为0的正态分布；所谓异方差性，是指这些随机变量服从不同方差的正态分布。简述异方差性的后果<1>考虑异方差的OLS估计:能使估计量标准差减少,预测区间变窄<2>忽视异方差性的OLS估计：a.普通最小二乘法参数估计量仍然具有无偏性，但不具有效性。而且，在大样本情况下，参数估计量仍然不具有渐近有效性，这就是说参数估计量不具有一致性。b.变量的显著性检验失去意义c.模型的预测失效(一方面，由于上述后果，使得模型不具有良好的统计性质；另一方面，在预测值的置信区间中也包含有随机误差项共同的方差。所以，当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。)简述异方差性检验方法的共同思路由于异方差性就是相对于不同的解释变量观测值，随机误差项具有不同的方差。那么，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”。列举异方差性的检验方法<1>图示检验法Y-X图X-残差图Y-残差图<2>样本排序比较法斯皮尔曼的等级相关检验哥德菲尔德-匡特检验<3>残差回归检验法帕克检验格莱泽检验怀特检验（或者，图示法，帕克检验，格莱泽检验，斯皮尔曼等级相关法，戈德菲尔德—匡特检验，布劳殊—培干—戈弗雷检验和怀特检验）列举异方差性的解决方法当方差为已知时采用加权最小二乘法；未知时采用稳健性标准误差方法简述序列相关性的含义如果一个模型不满足OLS要求计量模型的随机误差项相互独立或不相关的假设，则我们称随机误差项之间存在自相关。（对于不同的样本点，若随机误差项之间存在某种相关性，称为序列相关性。）简述序列相关性的后果1、参数估计量非有效2、OLS估计量仍具有无偏性和一致性，但不是有效估计量3、显著性检验失去意义模型的预测失效（区间预测与参数估计量的方差有关，在方差有偏误的情况下，使得预测估计不准确，预测精度降低）列举序列相关性的检验方法a.图解法：b.回归检验法：以残差估计量为被解释变量，以各种可能相关量，如滞后一阶残差、滞后二阶残差、残差平方等为解释变量，建立各种回归方程对方程进行估计并进行显著性检验，如果存在某一种函数关系，使得方程显著成立，则说明原模型存在自相关性。c.德宾—沃森检验（重要，看PPT）d.拉格朗日乘数检验（GB检验）简述序列相关性检验方法的共同思路序列相关性检验方法有多种，但基本思路相同。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，来判断随机误差项是否具有序列相关性。列举序列相关性解决办法广义最小二乘法和广义差分方法简述模型设定偏误主要类型1、关于解释变量选取的偏误（主要包括漏选相关变量和多选无关变量）2、关于模型函数形式选取的偏误3、测量误差4、对随机误差项的不正确设定简述模型设定偏误的主要后果漏掉一个有关变量：参数估计量有偏非一致，随机误差项的方差估计亦不正确，致使区间估计和假设检验都得不到正确的结论。包含无关变量：参数估计无偏且一致，随机误差项的方差估计量和假设检验都有效；系数参数方差估计变大，参数的统计推断精度降低。因此，不能简单认为与其略掉有关变量不如含有无关变量。增加无关的变量导致估计效率和自由度的损失错误函数形式的偏误这种偏误是全方位的非嵌套模型的概念及其检验方法概念：不能把一个作为另外一个的特殊情形推导出来的模型叫做非嵌套模型。（不准，看PPT）检验方法：（1）判别方法。判别方法的核心思想就是通过拟合优度（调整以后的判定系数）来选择模型，我们知道拟合优度在很多情况下不能很好的说明模型的好坏的