计量经济学 知识点及关键词解释 第1-9章 绪论-计量经济学综合实验

计量经济学知识点

第一章绪论

一、知识点列表

序号知识点页码教材章节

1计量经济学的定义P11.1.1

2经典计量经济学P2-P31.1.2

3现代计量经济学P3-P81.1.2

4建立计量经济学模型的主要步骤P81.1.3

5计最经济学应用研究中的数据结构类型P91.1.4

6Stata软件的基本操作P10-P181.3

二、关键词

1、计量经济学的定义

关键词：计量经济学

计量经济学是诞生于20世纪30年代的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；是经济理论、统计学和数学的结合。计量经济学

作为一种实证经济研究方法，其核心问题就是如何实现经济理论、数学和统计学的科学的结

合。

2、经典计量经济学

关键词：经典计量经济学

经典计量经济学是在20世纪30年代创立、40-50年代发展、60年代扩张。它倡导

“经济理论、数学、统计学结合”的本质，具有坚实的概率论基础，注重“利用现有的数据

资料以提取关于经济如何运行的信息”，以及它遵循“关于经济活动的观察（即行为分析）

一关于经济理论的抽象（即理论假说）一建立总体回归模型一获取样本观测数据一估计模型

一检验模型一应用模型”的研究步骤

3、现代计量经济学

关键词：现代计量经济学

现代经济计量经济学是在经典计量经济学长足发展上展开,其目的是如何在模型研究中

充分利用“现有的数据资料”，使其所揭示和描述的“经济如何运行的信息”与现实的经济

运行实际更加吻合。目前.现代计量经济学正在快速发展，其主要研究分支有：时间月列计

量经济学(TimeSeriesEconometrics)、微观计量经济学(Microeconometrics)、非参数计

量经济学(NonparametricEconometrics)面板数据计量经济学(PanelDataEconometrics)

(包括空间计量经济学(SpatialEconometrics))o

4、计量经济学应用研究中的数据结构类型

关键词：横截面数据

横截面数据是对给定的某个时间点的个人、家庭、企业、城市、国家或者一系列其他单

位采集的样本所构成的数据集。它的重要特征是数据假定是从总体中通过随机抽样而得到。

经典计量模型理论以该类数据为基础。

关键词：时间序列数据

时间序列数据是在不同时间点卜收集到的数据,反映了某一事物、现象等随时间的变化

状态或程度。并且时间序列独有的特征是观测值按时间先后排序使得其传递了潜在的重.要信

息。

关键词：面板数据

面板数据是由数据集中每个横截面单位的一个时间序列组成，面板数据前后年份的样本

是相同的，具有可比性。面板数据对同一单位的多次观测，使研究者能控制观测单位的某些

观测不到的特征。

第二章一元线性回归模型

一、知识点列表

序号知识点页码教材章节

1回归分析基本概念P12.1.1

2回归模型的设定P1-P22.1.2

3一元线性回归模型中对模型的假设P32.2.1

4一元线性回归模型中对解释变量的假设P32.2.1

5一元线性回归模型中对随机干扰项的假P3

2.2.1

设

6普通最小二乘法P3-P52.3.1

7最小二乘估计量的统计性质P5-P62.3.2

8一元线性回归模型中的假设检验P62.4.1

9一元线性回归模型中的回归系数的显著

P72.4.2

性检验

10一元线性回归模型的Stata软件操作P8-P172.5

二、关键词

1、回归分析基本概念

关键词：回归分析

在计量经济学中，回归分析方法是研究某一变量关于另一（些）变量间数量依赖关系的

一种方法，即通过后者观测值或预设值来估计或预测前者的（总体）均值。问归的主要作用

是用来描述自变量与因变量之间的数量关系，还能够基于自变量的取值变化对因变量佗取值

变化讲行预测，也能够用来揭示自变量与因变量■之间的因果关系

关键词：解释变量、被解释变量

影响被解称变量的因素或因子记为解释变量，结果变量被称为被解释变量。

2、回归模型的设定

关键词：随机误差项（随机干扰项）

不包含在模型中的解释变量和其他一些随机因素对被解释变量的总影响称为随机误差

项。产生随机误差项的原因主要有：（1）变量选择上的猊差；（2）模型设定上的误差；（3）

样本数据误差；（4）其他原因造成的误差。

关键词：残差项（residual）

通过样本数据对回归模型中参数估计后，得到样本回归模型。通过样本回归模型计算得

到的样本估计值与样本实际值之差，称为残差项。也可以认为残差项是随机误差项的估计值。

3、一元线性回归模型中对随机干扰项的假设

关键词：线性回归模型经典假设

线性回归模型经典假设有5个，分别为：（1）回归模型的正确设立；（2）解释变量是确

定性变量，并能够从样本中重复抽样取得；（3）解释变量的抽取随着样本容量的无限增加,

其样本方差趋于非零有限常数；(4)给定被解释变量，随机误差项具有零均值，同方差和无

序列相关性。(5)随机误差项服从零均值、同方差的正态分布。前四个假设也称为高斯马尔

科夫假设。

4、最小二乘估计量的统计性质

关键词：普通最小二乘法(OrdinaryLeastSquares,OLS)

普通最小二乘法是通过构造合适的样本回归函数，从而使得样本回归线上的点与真实

的样本观测值点的“总体误差”最小，即：被解释变量的估计值与实际观测值之差的平方和

最小。

n9n「

(匕一(y.-p(}-曝了

i=l/=!/=1

关键词：无偏性

由于未知参数的估计量是一个随机变量，对于不同的样本有不同的估计量。这些估计量

对于参数的真实取值，一般都会有偏差，要求不出现偏差几乎是不可能的。但是，如果在多

次试验中所取得的估计量的平均值与参数的真实值相吻合，称为估计量的无偏性。即满足:

£(%)=凡

关键词：有效性

在运用OLS法进行回归系数估计的时候，其系数估计的方差在线性无偏估计类中方差

达到最小。

关键词：一致性

回归系数的最小二乘估计依概率收敛到实际参数值

5、一元线性回归模型中的假设检验

关键词：显著性检验

显著性检验是一种利用样本结果来证实一个虚拟假设真伪的检验程序。它的基本思想是

先对总体参数提出一个假设，然后利用样本信息来判断这一假设是否成立。它通过数据来确

认原假设的合理性，一般总是将期望结果的反面作为原假设，即原假设确定了一个与我们期

望不符的参数值。其原理是概率性质的反证法，小概率事件原理，即小概率事件在1次试验

中几乎是不可能发生。

第三章多元线性回归模型

一、知识点列表

序号知识点页码教材章节

1多元线性回归模型设定的必要性P13.1

2多元线性回归模型的代数和矩阵表示形P1-P3

3.1

式

3多元线性回归模型的参数估计和系数解P2-P3

3.2

释

4多元线性回归模型的基本假设P3-P53.3

5多元线性回归模型的遗漏变量偏误性P53.4.2

6多元线性回归模型的拟合优度检验P5-P63.4.3

7多元线性回归模型变量系数的显著性检

P73.5.1

验（t统计量）

8多元线性1口1归模型参数线性组合的检验

P9-P123.5.2-3.5.3

（F统计量）

9多元线性回归模型整体显著性检验（F统

P133.5.4

计量）

二、关键词

1、多元线性回归模型的代数和矩阵表示形式

关键词：多元线性总体回归模型

多元线性总体回归模型是指被解释变量了与多个解释变量不,马，…,Z之间具有线性

关系，是解群变量的多元线性函数。可以表达为：

£二4)+A内i+A/i+L尸d#4(i=l,2,3,L,〃)

多元线性回归模型相对于一元线性回归模型来说，其解释变量较多，因而计算公式比较

复杂。必要时需要借助计算机来进行。

2、多元线性回归模型的基本假设

关键词：线性于参数

总体I可归模型是关于参数是线性的，因此称其为线性于参数。

关键词：完全共线性

在样本中，没有一个自变量是常数,白变量方间也不存在严格(完全)的线性关系“如

果方程中有一个自变量是其他自变量的线性组合，那么我们说这个模型遇到了完全共线性问

题。

关键词：零条件数学期望

给定解释变量的任何值，误差的期望值为零，即：矶〃|西,々1,王)二0。

关键词：内生解释变量和外生解释变量

如果解释变量满足零条件数学期望，则称该自编为内生解释变量；反之，则为外生解释

变量。

关键词：同方差

对于解释变量的所有观测值，随机误差项有相同的方差，

即：Var(u.)=£(«/)=<^2,(z=1,2,3,L,n)

关键词：无序列相关性

随机误差项两两不相关。即Cov(Ui，u)=E(%,%)=0,(/*jJJ=1,2,3,L,〃)

关键词：最优线性无偏估计量

满足以下假设条件的OLS估计量称为最优线性无偏右计量：（1）线性与参数；（2）X固

定；（3）X有变异；（4）不存在完全共线性；（5）零条步数学期望；（6）同方差；（7）无序

列相关性。

关键词：经典正态线性回归模型

如果回归模型的OLS估计量为最优线性无偏估计量，并且随机误差项〃服从均值为零,

方差为5的正态分布，则称该线性回归模型为经典正态线性回归模型。

3、多元线性回归模型的遗漏变量偏差性

关键词：遗漏变量偏差

遗漏变量导致的OLS估计量的偏差被称为遗漏变量偏差。遗漏变量必须满足以下两个

条件：（1）是被解释变量的一个决定因素；（2）与其他解释变量相关。

4、多元线性回归模型的拟合优度检验

关键词：拟合度

拟合优度是指样本In归直线对观测数据拟合的优劣程度。我们所希望的就是围绕回归

直线的剩余尽可能的小。样本观测值距离回归线越近，拟合优度越好，解释变量对被解释变

量的解释能力也就越强。

关键词：总离差平方和（TotalSumofSquares）

总离差和反映了模型中样本观测值总体离差的大小。记为：

关键词：残差平方和（ResidualSumofSquares）

残差平方和反映样本观测值与估计值偏离的大小，也可以看作是模型中解释变量未解释

的那部分离差的大小.记为：

Z¥=Z（Z-9）2=ESS

关键词：回归平方和（ExplainedSumofSquares）

回归平方和反映模型中解释变量所解释的那部分离差的大小。记为：

TSS=RSS+ESS

关键词：*(R-squared)

R?有时称为判定系数，可以用来解释波动于总波动之比，因此被解释成为y的样本波

动中被x解释的部分。记为：

SSESSR

Ro2—........=1t--------

SSTSST

5、多元线性回归模型变量系数的显著性检验（t统计量）

关键词：自由度

自由度指的是计算某一统计量时，取值不受限制的变量个数。通常左。其中n

为样本数量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计量的

个数。

关键词：标准误

标准误是在给定样本大小下（里面有多少个观测值），样本的某个统计量的抽样分布的

标准差。

第四章回归分析专题

一、知识点列表

序号知识点页码教材章节

1对数-对数模型P14.4.1

2对数-线性模型P14.1.2

3线性-对数模型P24.1.3

4倒数模型P24.2.1

5多项式回归模型P24.2.2

6无截距模型P24.2.3

7虚拟变量回归P34.4

8各种模型的Stata应用P4-P104.5

9分位数回归的提出背景P114.6.1

10分位数回归原理、估计方法及扩展P12-P134.6.2

11分位数回归的假设检验（拟合优度检验、

约束回归检验、斜率相等检验和斜率对称P15-P164.6.3

性检验）

12贝叶斯估计的相关基本概念P18-P194.7.1

13线性单方程计量经济学模型的贝叶斯估

P19-P234.7.2

计

二、关键词

1、对数-对数模型

关键词：对数-对数模型

对数-时数模型旨在将非线性形式变量转换为简单变量。

记为：Iny=PxInx,+Inx24-InA+Inu

4度最了y对*的弹性，即y的单位变动引起再单位变动的百分比，因此我们也称对

数-对数模型为常弹性模型

2、对数-线性模型

关键词：对数-线性模型

研究者时常对某一经济变量的增长率感兴趣，而对数-线性模型可以符合他们的使用需

求。记为：lny=a+/x+〃。被

解释变量是对数形式，解释变量是水平值，该模型也称为半对数模型。在此模型中，p

表示的火•单位变动引起y相对量的平均增量，即），变动100/7%。正因对数一线性模型具备

度量变量增长率的特性，故此模型亦称增长率模型。

3、倒数模型

关键词：倒数模型

通常把如下形式的模型称为倒数模型：匕=6+四,+4。倒数模型的一个显著特征

Xi

是，随着X的无限增大，,趋于零，y将逐渐接近4的渐进值或极值。所以，当变量X无

X

限增大时，倒数回归模型将逐渐趋于渐近值或极值。

4.多项式回归模型

关键词：多项式回归模型

研究一个因变量与一个或多个自变量间多项式的回归分析方法，称为多项式回归。如果

自变量只有一个时，称为一元多项式回归；如果自变量有多个时，称为多元多项式回归。可

记为：

K=a+/3\Xi+d++内。

多项式回归的最大优点就是可以迪过增加X的高次项对实测点进行逼近，直至满意为

止。因此可以将多项式回归当做处理非线性问题的一种方法。

5、虚拟变量回归

关键词：虚拟变量

虚拟变量(DummyVariables)又称虚设变量、名义变量或哑变量，用以反映质的属性

的•个人工变量，是量化了的自变量，通常取值为0或1。引入哑变量可使线形回归模型变

得更复杂，但对问题描述更简明，一个方程能达到两个方程的作用，而且接近现实。

6、分位数回归

关键词：分位数回归

分位数回归是估计一组回归变量X与被解释变量Y的分位数之间线性关系的建模方法。

7、贝叶斯估计

关键词：先验分布

先验分布，是概率分布的一种。与“后验分布”相疝。先验分布与试验结果无关，或与

随机抽样无关，反映在进行统计试验之前根据其他有关参数口的知识而得到的分布

第五章放宽基本假定的模型

一、知识点列表

序号知识点页码教材章节

1多重共线性概念P15.1

2多重共线性产生的原因P15.1.2

3多重共线性的后果P1-P35.1.3

4多重共线性的检验（判断多重共线性是否P3

5.1.4

存在、确定多重共线性的范围）

5克服多重共线性的方法（排除引起共线性P3-P11

5.1.5

的变量、岭回归法）

6异方差性概念、类型和来源P115.2.1

7异方差性的检验（图示法、布罗施一帕甘、

P12-P145.2.2

G-Q法、怀特法）

8异方差性的修正（加权最小二乘法、异方

P14-P155.2.3

差稳健标准误法）

9序列相关性的定义及后果P225.3.1

10序列相关的检验方法（图示法、回归检验

法、D.W.检验法、拉格朗日乘数检验法、P22-P255.3.1

自相关图法、Q统计量检验）

11序列相关性的修正（广义最小二乘法、广

义差分法、序列相关稳健标准误法、序列P27-P315.3.2

相关稳健估计方法）

二、关键词

1、多重共线性概念

关键词：多重共线性

对于回归模型：y二夕0+夕2七2+L内，如果某两个或多个解释变量之

间出现了相关性，则称为存在多重共线性。而多重共线性又可分为完全共线性和近似共线性

（交互相关）。

2、异方差性概念、类型和来源

关键词：异方差性

对于回归模型：X=4+LBgk+〃,，如果出现

Var（ui|X",Xi2,Xz3,•••,Xik）=岑，，=1,2,3,…,〃

即对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异

方差性。可以认为被解群变量的波动幅度随解释变量不同而变化时，产生了异方差。并且异

方差可以分为以下三类：CD单调递增型（随机干扰的方程随被解释变量的增大而增大）；

（2）单调递减型（随机干扰的方程随被解释变量的增大而减少）；（3）复杂型（随机干扰的

方程随被解释变量的增大而减少）。

3、异方差性的检验

关键词：布罗施一帕甘检验（B-P检验）

布罗施一帕甘检验（B-P检验）是通过将OLS残差的平方对模型中解释变量做回归的一

种检查异方差的方法。。

关键词：G-Q（Goldfeld-Quandt）检验

G-Q检验是先按某一解释变量对样本排序，再对排序后的样本一分为二，对两个子样本

分别进行普通最小二乘回归，然后利用两个子样本的残差平方和之比构造F统计量进行检

验异方差的方法。

关键词：怀特（White）检验

怀特（While）检验是将OLS残差的平方对OLS拟合值和拟合值的平方进行回归佗一种

异方差检验方法。其最一般的形式是将OLS残差的平方对解释变量、解释变量的平方和和解

释变量之间所有多余的交互项进行回归。

3、异方差性的修正

关键词：加权最小二乘法

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。其中，每个残差平方都用一个等于误差（估计）方差的倒数作

为权数。

关键词：异方差-稳健标准误法

异方差-稳健标准误法是对未知形式的异方差保持（渐近）稳健的误差。通过先采用普

通最小二乘估计量，再对估计量的方差进行修正，从而消除异方差性的后果。

4、序列相关性的定义及后果

关键词：序列相关性

在时间序列或面板数据模型中，不同时期的误差之间存在相关性，从而称为序列的相关

性。

4、序列相关的检验方法

关键词：D.W.检验法

在经典线性回归假设下，用于检验时间序列【可归模型之误差项中的一阶序列相关的检验

方法。

关键词：忖格朗日乘数（LM）检验

拉格朗日乘数检验法是仅在大样本下用于检验遗漏变量、异方差性、序列相关和不同模

型设定问题的检验方法。

关键词：自相关系数

自相关系数是用来刻画时间序列X,与其滞后项的相关性程度。若一个时间序列Xf>其

滞后k阶的白相关系数为：

之（%一元）（%-元）

“二15^--------------

—一）2

r=l

关键词：偏自相关系数

偏自相关系数刻画的是X,与滞后k阶的X1之间的条件相关性。X,与X,—的估计偏

自相关系数外,*的计算公式为：

f]k=\

k-l

而T---------k>T

1—ZeiM-j

J=I

其中，乙是滞后k阶的自相关系数。

5、序列相关性的修正

关键词：广义最小二乘法

广义最小二乘法是通过对原始模型的转换，解释了误差方差的已知结构（异方差性）、

误差中的序列相关形式或同时解释二者的方法。

关键词：广义差分法

广义差分法是一类克服序列相关性的有效方法，是符原模型变换为满足普通最小二乘法

的差分模型，在进行普通最小二乘估计。

关键词：序列相关稳健估计法

序列相关稳健估计法是通过采用最小二乘法估计原模型，滞后再对参数估计曷的方程或

标准差进行修正，从而克服序列相关性。

关键词：序列相关稳健估计方法

序列相关的稳健性估计方法又称之为Newey-West方法，该方法与广义最小二乘法相似,

只改变标准误的估计值，而不改变回归系数的估计值。为了不忽略高阶自相关，样本容量的

变化对估计值的影响，Nowoy-West方法先计算样本的1〃或者1/3次幕，然后检验残差的

自相关性。

第六章工具变量回归

一、知识点列表

序号知识点页码教材章节

1内生性问题产生原因及分类P16.1

2工具变量选取P26.2.1

3工具变量应用P36.2.2

4两阶段最小二乘法P4-P5G.3

5解释变量的内生性检验P56.4.1

6过渡识别约束检验P56.4.2

二、关键词

1、内生性问题产生原因及分类

关键词：内生性问题

内生性问题是模型中的一个或多个解释变量与随机扰动项相关的问题。变量的内生性问

题是不可避免的，其产生的原因主要有（1）遗漏变量；（2）测量误差；（3）双向交互影响。

2、工具变量选取

关键词：工具变量

工具变量是在含有内生解释变量的方程中，不出现在方程中、与方程中的误差无关且与

内生解释变量（偏）相关的变量。

3、两阶段最小二乘法

关键词：两阶段最小二乘法

两阶段最小二乘法是在做内生解释变量对所有外生变量的回归时,将得到的拟合值作为

内生解释变量的工具变量，由此进行模型参数估计。

4、解释变量的内生性检验

关键词：豪斯曼（Hausman）检验

豪斯曼检验是如果X是内生变量，通过寻找一外生变量Z作为工具变量，通过对比工具

变量法和普通最小二乘法的估计结果是否存在差异，从而对解释变量的内生性检验。

5、过渡识别约束检验

关键词：过渡识别约束检验

过度识别约束检验是假设有一个内生回归变量，两个工具变量且没有包含的外生变量。

则可以计算两个不同的两阶段最小二乘法估计量：其中一个利用第一个工具变量，另一个利

用第二个工具变量。由于抽样变异性，这两个估计量不会相同，但如果两个工具变量都是网

上，则这两个估计量往往比较接近。如果有这两个工具变量得到的估计非常不同，则可以得

出其中一个或两个工具变量都有内生性问题的结论。

第七章时间序列分析

一、知识点列表

序号知识点页码教材章节

1时间序列数据的性质P17.1

2时间序列模型分类P1-P27.2.

3时间序列的平稳性的定义及判别P2-P37.3.1

4时间序列的平稳性检验（DF检验、ADF检P3-P5

7.3.2

验）

5协整的定义P57.4.1

6时间序列协整检验P57.4.2

7误差修正模型P67.4.3

二、关键词

1、时间序列数据的性质

关键词：时间序列

时间序列（或称动态数列）是指将同一统计指标的数值按其发生的时间先后顺序排列而

成的数列。时间序列的数据具有以下特征：（1）时间序列是按照时间顺序排列的；（2）时间

序列数据的随机性来自于自己，变量的结果实现无法准确预料。

关键词：随机过程

随机过程，是依赖于参数的一组随机变最的全体，参数通常是时间。随机变最是随机现

象的数显表现，其取值随着偶然因素的影响而改变。

2、时间序列模型分类

关键词：时间序列的静态模型

时间序列的静态模型是指，在构建时间序列模型中，考察的是解释变量与被解释变量同

期起关系，及在探讨即期影响。

关键词：时间序列的有限分布滞后模型

时间序列的有限分布滞后模型是指在构建时间序列模型中，考虑了解释变量对被解释变

量的影响存在一定的时滞3

3、时间序列的平稳性的定义及判别

关键词：时间序列的平稳性

时间序列的平稳性是指如果从这个序列中任取一个随机变量集，并把这个序列向前移动

任意时期，其联合概率分布是否保持不变。时间序列的平稳性又可以分为严平稳和宽平柞两

种类型。

关键词：白噪声序列

白噪声序列是满足随机时间序列零均值和同方差的独立分布序列。

关键词：单位根检验

单位根检验是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了。

单位根就是指单位根过程，可以证明，序列中存在单位根过程就不平稳，会使回归分析中存

在伪回归。常见的单位根检验方法有ADF检验和DF检验。

4、协整的定义

关键词：协整

两个或多个非平稳的时间序列的线性组合可能是平稳的，如果这样的线性组合存在，那

么称这个非平稳的时间序列是协整(cointegration)的。需要注意的是作为对非平稳变量

之间关系的描述，协整向量不是唯一的；同时，协整变量必须具有相同的单整阶数；并且,

协整变量之间具有的共同的趋势成分在数量上成比例。

5、时间序列协整检验

关键词：恩格尔-格兰杰检验法

恩格尔-格兰杰检验法是用来检验时间序列协整关系的，主要是通过对回归方程的残差

进行单位根检验，从而判断时间序列是否具有协整关系。

6、误差修正模型

关键词：误差修正模型

协整关系描述了•种变量之间长期均衡的关系，而实际经济生活中，变量在短期内往往

会偏离长期均衡从而使得模型精确度下降。误差修正模型(errorcorrectionmodel,ECM)

的提出是为了增强模型的准确度，描述的是短期内的非均衡关系，方法是通过利用协整回归

得到的误差项，建立短期动态模型来缓解长期协整回归模型的缺点。

第八章面板数据模型

一、知识点列表