計(jì)量經(jīng)濟(jì)學(xué)讀書筆記

1、精選優(yōu)質(zhì)文檔-傾情為你奉上計(jì)量經(jīng)濟(jì)學(xué)讀書筆記第一部分 基礎(chǔ)內(nèi)容一、 計(jì)量經(jīng)濟(jì)學(xué)與相關(guān)學(xué)科的關(guān)系數(shù)理經(jīng)濟(jì)學(xué)數(shù)理統(tǒng)計(jì)學(xué)經(jīng)濟(jì)學(xué)統(tǒng)計(jì)學(xué)數(shù)學(xué)經(jīng)濟(jì)統(tǒng)計(jì)學(xué)計(jì)量經(jīng)濟(jì)學(xué)二、 古典假設(shè)下計(jì)量經(jīng)濟(jì)學(xué)的建模過程1. 依據(jù)經(jīng)濟(jì)理論建立模型2. 抽樣數(shù)據(jù)收集3. 參數(shù)估計(jì)4. 模型檢驗(yàn)（1） 經(jīng)濟(jì)意義檢驗(yàn)（包括參數(shù)符號、參數(shù)大小等）（2） 統(tǒng)計(jì)意義檢驗(yàn)（擬合優(yōu)度檢驗(yàn)、模型顯著性檢驗(yàn)、參數(shù)顯著性檢驗(yàn)）（3） 計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)（異方差檢驗(yàn)、自相關(guān)檢驗(yàn)、多重共線性檢驗(yàn)）（4） 模型預(yù)測性檢驗(yàn)（超樣本特性檢驗(yàn)）5. 模型的應(yīng)用（結(jié)構(gòu)分析、經(jīng)濟(jì)預(yù)測、政策評價(jià)、檢驗(yàn)和發(fā)展經(jīng)濟(jì)理論）三、 幾個(gè)重要的“變量”1. 解釋變量與被解釋變量2.

2、 內(nèi)生變量與外生變量3. 滯后變量與前定變量4. 控制變量四、 回歸中的四個(gè)重要概念1. 總體回歸模型（Population Regression Model，PRM)-代表了總體變量間的真實(shí)關(guān)系。2. 總體回歸函數(shù)（Population Regression Function，PRF）-代表了總體變量間的依存規(guī)律。3. 樣本回歸函數(shù)（Sample Regression Function，SRF）-代表了樣本顯示的變量關(guān)系。4. 樣本回歸模型（Sample Regression Model，SRM）-代表了樣本顯示的變量依存規(guī)律?？傮w回歸模型與樣本回歸模型的主要區(qū)別是：描述的對象不同?？傮w回歸

3、模型描述總體中變量y與x的相互關(guān)系，而樣本回歸模型描述所關(guān)的樣本中變量y與x的相互關(guān)系。建立模型的依據(jù)不同。總體回歸模型是依據(jù)總體全部觀測資料建立的，樣本回歸模型是依據(jù)樣本觀測資料建立的。模型性質(zhì)不同?？傮w回歸模型不是隨機(jī)模型，而樣本回歸模型是一個(gè)隨機(jī)模型，它隨樣本的改變而改變?？傮w回歸模型與樣本回歸模型的聯(lián)系是：樣本回歸模型是總體回歸模型的一個(gè)估計(jì)式，之所以建立樣本回歸模型，目的是用來估計(jì)總體回歸模型。五、 隨機(jī)誤差項(xiàng)的內(nèi)容1. 模型中被忽略的影響因素的影響2. 模型關(guān)系設(shè)定不準(zhǔn)確的影響3. 變量的測量誤差影響4. 隨機(jī)因素影響六、 一元線性回歸模型的基本假定（古典假定）零均值 同方差 無自

4、相關(guān)性 解釋變量與隨機(jī)擾動(dòng)項(xiàng)不相關(guān) 隨機(jī)擾動(dòng)項(xiàng)服從正態(tài)分布 解釋變量之間不相關(guān)（多重共線性）（屬于多元線性回歸假定）七、 OLS估計(jì)式特性（Best Linear Unbiased Estimators）Ø 線性性(Linear,指參數(shù)估計(jì)量與分別為觀測值和隨機(jī)誤差項(xiàng)的線性函數(shù)或線性組合)Ø 無偏性（Unbiased,指參數(shù)估計(jì)量和的均值分別等于總體參數(shù)值與）Ø 最小方差性（Best,有效性，指在所有的線性、無偏估計(jì)量中，最小二乘估計(jì)量和的方差最?。┑诙糠?計(jì)量經(jīng)濟(jì)檢驗(yàn)在古典線性回歸模型中，應(yīng)用最小二乘法估計(jì)的估計(jì)量具有BLUE的特性，但是當(dāng)模型不是線性模型和不

5、滿足古典假設(shè)的時(shí)候，最小二乘法估計(jì)的估計(jì)量不再有BLUE的特性。本部分主要解決非、線性回歸模型和違反古典假設(shè)下的參數(shù)估計(jì)與假設(shè)檢驗(yàn)問題。一、 非線性回歸模型1. 可線性化模型（1） 雙對數(shù)模型（不變彈性模型）（2） 半對數(shù)模型（不變增長模型）（3） 倒數(shù)模型（雙曲線模型）（4） 多項(xiàng)式模型（5） 成長模型A. Logistics成長曲線簡化式B. Gompertz成長曲線2. 不可線性化模型對于非線性化模型，一般采用高斯-牛頓迭代估計(jì)法進(jìn)行估計(jì)，即將其展成泰勒級數(shù)之后，再利用迭代估計(jì)法進(jìn)行估計(jì)。迭代估計(jì)法基本思想：通過泰勒級數(shù)展開先使非線性方程在某一組初始參數(shù)估計(jì)值附近線性化，然后對這一線性方

6、程應(yīng)用OLS法，得出一組新的參數(shù)估計(jì)值。重復(fù)直至參數(shù)估計(jì)值收斂為止。二、 違反古典假設(shè)的回歸模型1. 異方差性（針對古典假定）A概念：隨機(jī)誤差項(xiàng)的方差不等于一個(gè)常數(shù)，即B產(chǎn)生原因（遺漏了重要的解釋變量、模型形式有誤、統(tǒng)計(jì)誤差、偶然隨機(jī)因素）C后果（增大、無法計(jì)算估計(jì)誤差和估計(jì)區(qū)間、解釋變量顯著性檢驗(yàn)失效t檢驗(yàn)失效、預(yù)測精度降低）D檢驗(yàn)（圖示法、解析法Spearman等級相關(guān)系數(shù)檢驗(yàn)、戈德菲爾德匡特Goldfeld-Quandt檢驗(yàn)、帕克Park檢驗(yàn)、格里瑟Glejser檢驗(yàn)、懷特White檢驗(yàn)）-重點(diǎn)理解，要求解釋檢驗(yàn)過程E措施(加權(quán)最小二乘法WLS) 2. 自相關(guān)性（針對古典假定）A概念：在任何具體時(shí)期中，u值都與它自己以前的值（或幾個(gè)數(shù)值）相關(guān)。B產(chǎn)生原因（經(jīng)濟(jì)慣性、模型設(shè)定有誤、數(shù)據(jù)處理過程中產(chǎn)生、蛛網(wǎng)現(xiàn)象、隨機(jī)現(xiàn)象本身原因）C后果（參數(shù)估計(jì)量不再有效但仍無偏、估計(jì)誤差和估計(jì)區(qū)間變大、t檢驗(yàn)失效、預(yù)測精度降低）D檢驗(yàn)（圖示法、D-W檢驗(yàn)） （偏相關(guān)系數(shù)檢驗(yàn)、BG檢驗(yàn)）E措施（廣義差分法）3. 多重共線性（針對古典假定）A概念：解釋變量之間存在精確的或近似的線性相關(guān)關(guān)系。B產(chǎn)生原因（經(jīng)濟(jì)變量的內(nèi)在聯(lián)系、變量間有相同的變化趨勢、引入滯后模型