計量經(jīng)濟學(xué)復(fù)習(xí)資料-概念和問答

計量經(jīng)濟學(xué)復(fù)習(xí)資料——概念和問答計量經(jīng)濟學(xué)復(fù)習(xí)資料一、基本概念1、計量經(jīng)濟學(xué)以經(jīng)濟理論為指導(dǎo)，以事實為依據(jù)，以數(shù)學(xué)和統(tǒng)計推斷為方法，以電腦技術(shù)為工具，以建立經(jīng)濟計量模型為手段，定量分析研究具有隨機性特征的經(jīng)濟變量關(guān)系的經(jīng)濟學(xué)科。2、相關(guān)關(guān)系 當(dāng)一個或幾個相互聯(lián)系的變量取一定的數(shù)值時，與之相對應(yīng)的另一變量的值雖然不確定，但它仍按某種規(guī)律在一定的范圍內(nèi)變化。3、因果關(guān)系 一個變量(y)的變化是另一個變量(x)的變化所引起的，這兩個變量間的關(guān)系稱為因果關(guān)系4、解釋變量 影響研究對象的變量，它解釋了研究對象的變動。5、被解釋變量 是作為研究對象的變量，又稱因變量。它的變動是由解釋變量做出的解釋。6、總體回歸線 在給定解釋變量Xi條件下因變量Yi的條件均值或期望的軌跡。7、總體回歸函數(shù):總體回歸線所對應(yīng)的函數(shù)E(Y/Xi)=f(Xi)稱為總體回歸函數(shù)?？傮w回歸函數(shù)（PRF）說明被解釋變量Y的平均狀態(tài)（總體條件期望）隨解釋變量X變化的規(guī)律。8、擬合優(yōu)度檢驗：就是檢驗?zāi)Ｐ蛯颖居^測值的擬合程度。（擬合優(yōu)度檢驗的方法：通過構(gòu)造一個可以表征擬合程度的統(tǒng)計量來實現(xiàn)。）9、判定系數(shù)：是告訴人們樣本回歸函數(shù)對數(shù)據(jù)擬合效果的一個總度量。表示在Y的總變異中由回歸模型解釋的那個部分所占的比例或百分比。10、調(diào)整后的判定系數(shù)：由于增加解釋變量個數(shù)引起的R2的增大與擬合好壞無關(guān)，從而對所進行的調(diào)整。調(diào)整的思路是：將殘差平方和與總離差平方和分別除以各自的自由度，以剔除變量個數(shù)對擬合優(yōu)度的影響：11、置信區(qū)間：求兩個正數(shù)和，使得隨機區(qū)間包含真實的概率為，如果這樣的區(qū)間存在，就被稱為置信區(qū)間。12、偏回歸系數(shù)：在多元回歸中，、稱為偏回歸系數(shù)。如度量著保持X3不變的情況下，X2每變化1單位時，Y的均值E(Y|X2,X3)的變化。13、偏相關(guān)系數(shù)：簡單相關(guān)系數(shù)是指雙變量回歸模型中因變量與自變量的線性相關(guān)程度的度量；偏相關(guān)系數(shù)是其它變量保持不變，兩個變量之間的相關(guān)程度的度量。14、方差分析:TSS=ESS+RSS。對TSS的這些構(gòu)成部分的研究從回歸的觀點叫做方差分析（ANOVA)。變量；如果擬合優(yōu)度變化很不顯著，則說明新引入的變量與其它變量之間存在共線性關(guān)系。每一步都要進行F檢驗,以確保每次引入新的變量之前回歸方程中只包含顯著的變量。）第二類方法：差分法（對于以時間序列數(shù)據(jù)為樣本、以直接線性關(guān)系為模型關(guān)系形式的計量經(jīng)濟學(xué)模型，將原模型變換為差分模型，可以有效地消除存在于原模型中的多重共線性。一般講，增量之間的線性關(guān)系遠比總量之間的線性關(guān)系弱得多。）第三類方法：減少參數(shù)估計量的方差、嶺回歸方法（太復(fù)雜應(yīng)該不用掌握）（多重共線性的主要后果是參數(shù)估計量具有較大的方差，所以采取適當(dāng)方法減小參數(shù)估計量的方差，雖然沒有消除模型中的多重共線性，但確能消除多重共線性造成的后果。）簡述異方差性的含義對于不同的樣本點i，隨機誤差項的方差不再是常數(shù)，則認為出現(xiàn)了異方差性。對于每一個樣本點i，隨機誤差項都是隨機變量，服從均值為0的正態(tài)分布；所謂異方差性，是指這些隨機變量服從不同方差的正態(tài)分布。簡述異方差性的后果<1>考慮異方差的OLS估計:能使估計量標(biāo)準(zhǔn)差減少,預(yù)測區(qū)間變窄<2>忽視異方差性的OLS估計：a.普通最小二乘法參數(shù)估計量仍然具有無偏性，但不具有效性。而且，在大樣本情況下，參數(shù)估計量仍然不具有漸近有效性，這就是說參數(shù)估計量不具有一致性。b.變量的顯著性檢驗失去意義c.模型的預(yù)測失效(一方面，由于上述后果，使得模型不具有良好的統(tǒng)計性質(zhì)；另一方面，在預(yù)測值的置信區(qū)間中也包含有隨機誤差項共同的方差。所以，當(dāng)模型出現(xiàn)異方差性時，參數(shù)OLS估計值的變異程度增大，從而造成對Y的預(yù)測誤差變大，降低預(yù)測精度，預(yù)測功能失效。)簡述異方差性檢驗方法的共同思路由于異方差性就是相對于不同的解釋變量觀測值，隨機誤差項具有不同的方差。那么，檢驗異方差性，也就是檢驗隨機誤差項的方差與解釋變量觀測值之間的相關(guān)性及其相關(guān)的“形式”。列舉異方差性的檢驗方法<1>圖示檢驗法Y-X圖X-殘差圖Y-殘差圖<2>樣本排序比較法斯皮爾曼的等級相關(guān)檢驗哥德菲爾德-匡特檢驗<3>殘差回歸檢驗法帕克檢驗格萊澤檢驗懷特檢驗（或者，圖示法，帕克檢驗，格萊澤檢驗，斯皮爾曼等級相關(guān)法，戈德菲爾德—匡特檢驗，布勞殊—培干—戈弗雷檢驗和懷特檢驗）列舉異方差性的解決方法當(dāng)方差為已知時采用加權(quán)最小二乘法；未知時采用穩(wěn)健性標(biāo)準(zhǔn)誤差方法簡述序列相關(guān)性的含義如果一個模型不滿足OLS要求計量模型的隨機誤差項相互獨立或不相關(guān)的假設(shè)，則我們稱隨機誤差項之間存在自相關(guān)。（對于不同的樣本點，若隨機誤差項之間存在某種相關(guān)性，稱為序列相關(guān)性。）簡述序列相關(guān)性的后果1、參數(shù)估計量非有效2、OLS估計量仍具有無偏性和一致性，但不是有效估計量3、顯著性檢驗失去意義模型的預(yù)測失效（區(qū)間預(yù)測與參數(shù)估計量的方差有關(guān)，在方差有偏誤的情況下，使得預(yù)測估計不準(zhǔn)確，預(yù)測精度降低）列舉序列相關(guān)性的檢驗方法a.圖解法：b.回歸檢驗法：以殘差估計量為被解釋變量，以各種可能相關(guān)量，如滯后一階殘差、滯后二階殘差、殘差平方等為解釋變量，建立各種回歸方程對方程進行估計并進行顯著性檢驗，如果存在某一種函數(shù)關(guān)系，使得方程顯著成立，則說明原模型存在自相關(guān)性。c.德賓—沃森檢驗（重要，看PPT）d.拉格朗日乘數(shù)檢驗（GB檢驗）簡述序列相關(guān)性檢驗方法的共同思路序列相關(guān)性檢驗方法有多種，但基本思路相同。首先，采用普通最小二乘法估計模型，以求得隨機誤差項的“近似估計量”然后，通過分析這些“近似估計量”之間的相關(guān)性，來判斷隨機誤差項是否具有序列相關(guān)性。列舉序列相關(guān)性解決辦法廣義最小二乘法和廣義差分方法簡述模型設(shè)定偏誤主要類型1、關(guān)于解釋變量選取的偏誤（主要包括漏選相關(guān)變量和多選無關(guān)變量）2、關(guān)于模型函數(shù)形式選取的偏誤3、測量誤差4、對隨機誤差項的不正確設(shè)定簡述模型設(shè)定偏誤的主要后果漏掉一個有關(guān)變量：參數(shù)估計量有偏非一致，隨機誤差項的方差估計亦不正確，致使區(qū)間估計和假設(shè)檢驗都得不到正確的結(jié)論。包含無關(guān)變量：參數(shù)估計無偏且一致，隨機誤差項的方差估計量和假設(shè)檢驗都有效；系數(shù)參數(shù)方差估計變大，參數(shù)的統(tǒng)計推斷精度降低。因此，不能簡單認為與其略掉有關(guān)變量不如含有無關(guān)變量。增加無關(guān)的變量導(dǎo)致估計效率和自由度的損失錯誤函數(shù)形式的偏誤這種偏誤是全方位的非嵌套模型的概念及其檢驗方法概念：不能把一個作為另外一個的特殊情形推導(dǎo)出來的模型叫做非嵌套模型。（不準(zhǔn)，看PPT）檢驗方法：（1）判別方法。判別方法的核心思想就是通過擬合優(yōu)度（調(diào)整以后的判定系數(shù)）來選擇模型，我們知道擬合優(yōu)度在很多情況下不能很好的說明模型的好壞的