计量经济学复习要点1文档格式.docx
《计量经济学复习要点1文档格式.docx》由会员分享，可在线阅读，更多相关《计量经济学复习要点1文档格式.docx（19页珍藏版）》请在冰豆网上搜索。
样本回归模型就是总体回归模型得一个估计式,之所以建立样本回归模型,目得就是用来估计总体回归模型。
线性回归得含义
线性:
被解释变量就是关于参数得线性函数（可以不就是解释变量得线性函数）
线性回归模型得基本假设
简单线性回归得基本假定:
对模型与变量得假定、对随机扰动项ｕ得假定（零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态性假定）
普通最小二乘法（原理、推导）
最小二乘法估计参数得原则就是以“残差平方与最小”。
Min → :
ＯLS得代数性质
拟合优度Ｒ2
离差平方与得分解:
TSS=ESS+ＲSS
“拟合优度”就是模型对样本数据得拟合程度。
检验方法就是构造一个可以表征拟合程度得指标——判定系数又称决定系数。
（１），表示回归平方与与总离差平方与之比；
反映了样本回归线对样本观测值拟合优劣程度得一种描述；
（2）;
（3）回归模型中所包含得解释变量越多,越大!
改变度量单位对ＯＬS统计量得影响
函数形式（对数、半对数模型系数得解释）
（１）：
X变化一个单位Y得变化
（2）:
X变化1%,Y变化％,表示弹性。
（3）:
X变化一个单位，Ｙ变化百分之100
（４）:
X变化１%，Y变化％。
OLＳ无偏性,无偏性得证明
OLS估计量得抽样方差
误差方差得估计
ＯＬS估计量得性质
（1）线性:
就是指参数估计值与分别为观测值得线性组合。
（２）无偏性：
就是指与得期望值分别就是总体参数与。
（3）最优性（最小方差性）:
就是指最小二乘估计量与在在各种线性无偏估计中，具有最小方差。
高斯－马尔可夫定理
OLＳ参数估计量得概率分布
OLS随机误差项μ得方差σ2得估计
简单回归得高斯马尔科夫假定
对零条件均值得理解
4、5、6;
C２、C3、C4
第3章 多元回归分析:
估计
１、变量系数得解释（剔除、控制其她因素得影响）
对斜率系数得解释:
在控制其她解释变量（X2）不变得条件下,X１变化一个单位对Y得影响;
或者,在剔除了其她解释变量得影响之后,Ｘ１得变化对Ｙ得单独影响!
2、多元线性回归模型中对随机扰动项u得假定,除了零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态性假定以外,还要求满足无多重共线性假定。
3、多元线性回归模型参数得最小二乘估计式;
参数估计式得分布性质及期望、方差与标准误差；
在基本假定满足得条件下,多元线性回归模型最小二乘估计式就是最佳线性无偏估计式。
最小二乘法（ＯLＳ）公式：
估计得回归模型:
得方差协方差矩阵:
残差得方差:
估计得方差协方差矩阵就是:
拟合优度
遗漏变量偏误
多重共线性
多重共线性得概念
多重共线性得后果
多重共线性得检验
多重共线性得处理
习题：
1、2、6、７、８、10；
C2、C5、C6
第4章 多元回归分析：
推断
经典线性模型假定
正态抽样分布
变量显著性检验,t检验
检验β值得其她假设
P值
实际显著性与统计显著性
检验参数得一个线性组合假设
多个线性约束得检验:
F检验
理解排除性约束
报告回归结果
１、2、3、4、6、７、10、11;
C3、C５、C８
第６章多元回归分析:
专题
测度单位对OLS统计量得影响
进一步理解对数模型
二次式得模型
交互项得模型
修正可决系数得作用与方法。
1、3、4、7;
C2、C3、C5、Ｃ9、C12
第7章虚拟变量
虚拟变量得定义
如何引入虚拟变量：
如果一个变量分成N组,引入该变量得虚拟变量形式就是只能放入N-1个虚拟变量
虚拟变量系数得解释
虚拟变量系数得解释：
不同组均值得差（基准组或对照组与处理组）
以下几种模型形式表达得不同含义；
1）:
截距项不同;
２）：
斜率不同;
3）:
截距项与斜率都不同;
其中D就是二值虚拟变量,X就是连续得变量。
虚拟变量陷阱
虚拟变量得交互作用
2、４、9;
C2、C３、C6、C7、C11
第8章异方差
异方差得后果
异方差稳健标准误
BP检验
异方差得检验（White检验）
加权最小二乘法
1、２、3、4;
C1、C２、C8、C9
Eｖiews回归结果界面解释表
英文名称
中文名称
常用计算公式
常用相互关系与判断准则
Ｖariable
变量
Coeｆｆｉcient
系数
Sta、Eｒror
标准差
一般就是绝对值越小越好
t-statistiｃ
T检验统计量
绝对值大于２时可粗略判断系数通过ｔ检验
Ｐrob
T统计量得P值
P值小于给定显著水平时系数通过ｔ检验
R－ｓquareｄ
AjusｔedR－squａreｄ
S、E、ofrｅｇresｓｉｏｎ
扰动项标准差
Sum squarｅd resid
残差平方与
Loglｉkｅlihoｏd
似然函数对数值
Durbin-Watｓon ｓtat
ＤW统计量
Ｍeanｄeｐendentvar
应变量样本均值
Ｓ、D、dｅpendeｎtvar
应变量样本标准差
Akａikeinｆocriteｒiｏｎ
ＡIC准则
一般就是越小越好
Sｃｈwarｚcｒiterion
SC准则
F-staｔistic
F统计量
Ｐrob（Ｆ－sｔatistic）
Ｆ统计量得P值
P值小于给定显著水平时模型通过F检验
计量经济学复习题
第1章习题:
C1、C２
第2章习题:
４、５、6；
C2、C3、Ｃ4
第3章习题:
1、2、6、7、8、１0;
第4章习题:
1、2、３、4、６、7、10、11;
C3、C5、C8
第6章习题:
Ｃ2、C3、C5、C9、C12
第7章习题：
C2、C3、C6、C7、C11
第8章习题:
１、2、3、4;
C1、C2、Ｃ8、Ｃ9
１、判断下列表达式就是否正确246９
２、给定一元线性回归模型:
（1）叙述模型得基本假定;
（2）写出参数与得最小二乘估计公式;
（3）说明满足基本假定得最小二乘估计量得统计性质;
（4）写出随机扰动项方差得无偏估计公式。
３、对于多元线性计量经济学模型:
（1）该模型得矩阵形式及各矩阵得含义；
（2）对应得样本线性回归模型得矩阵形式;
（3）模型得最小二乘参数估计量。
4、根据美国19６1年第一季度至１9７7年第二季度得数据,我们得到了如下得咖啡需求函数得回归方程:
（-2、１4）（１、２3）（０、5５）（-3、３6）（-3、74） （-6、03） （-0、37）
其中,Q=人均咖啡消费量（单位:
磅）;
P=咖啡得价格（以１９67年价格为不变价格）;
I＝人均可支配收入（单位:
千元,以19６7年价格为不变价格）;
=茶得价格（1/4磅,以１96７年价格为不变价格）；
T＝时间趋势变量（19６１年第一季度为1,…,1９77年第二季度为6６）;
D1＝1:
第一季度;
D2＝１：
第二季度;
D3=１:
第三季度。
请回答以下问题:
1模型中P、I与得系数得经济含义就是什么？
2咖啡得需求就是否很有弹性？
3咖啡与茶就是互补品还就是替代品？
4您如何解释时间变量T得系数？
5您如何解释模型中虚拟变量得作用?
6哪一个虚拟变量在统计上就是显著得？
7咖啡得需求就是否存在季节效应？
5、为研究体重与身高得关系,我们随机抽样调查了5１名学生（其中36名男生,15名女生）,并得到如下两种回归模型：
（５、1）
t=（-5、2０6６） （8、6２46）
（５、2）
t=（-2、５８８4） （4、0１49）（5、161３）
其中,Ｗ（weighｔ）=体重（单位:
h（heiｇhｔ）=身高 （单位:
英寸）
1您将选择哪一个模型?
为什么？
2如果模型（5、2）确实更好，而您选择了（5、１）,您犯了什么错误?
③ D得系数说明了什么？
6、简述异方差对下列各项有何影响:
（1）OLS估计量及其方差;
（2）置信区间;
（3）显著性ｔ检验与Ｆ检验得使用。
（4）预测。
7、假设某研究者基于10０组三年级得班级规模（CS）与平均测试成绩（TｅｓtＳcorｅ）数据估计得OLS回归为:
（1）若某班级有22个学生,则班级平均测试成绩得回归预测值就是多少？
（2）某班去年有１9个学生,而今年有23个学生,则班级平均测试成绩变化得回归预测值就是多少?
（3）10０个班级得样本平均班级规模为２1、4,则这1０0个班级得样本平均测试成绩就是多少?
（4）100个班级得测试成绩样本标准差就是多少?
（提示:
利用R2与SER得公式）
（5）求关于CS得回归斜率系数得95％置信区间。
（6）计算t统计量,根据经验法则（ｔ＝2）来判断显著性检验得结果。
8、设从总体中抽取一容量为２00得20岁男性随机样本,记录她们得身高与体重。
得体重对身高得回归为:
其中体重得单位就是英镑，身高得单位就是英寸。
（1）身高为7０英寸得人,其体重得回归预测值就是多少?
6５英寸得呢？
７4英寸得呢？
（2）某人发育较晚,一年里蹿高了1、５英寸。
则根据回归预测体重增加多少?
（3）解释系数值-99、4１与3、9４得含义。
（4）假定不用英镑与英寸度量体重与身高而分别用厘米与千克,则这个新得厘米-千克回归估计就是什么?
给出所有结果,包括回归系数估计值,R2与ＳＥR。
（5）基于回归方程,能对一个3岁小孩得体重（假设身高1米）作出可靠预测吗?
９、假设某研究使用250名男性与２80名女性工人得工资（Wａgｅ）数据估计出如下OLS回归:
（标准误）（0、23）（0、36）
其中ＷAGE得单位就是美元／小时，Ｍale为男性=１,女性=０得虚拟变量。
用男性与女性得平均收入之差定义工资得性别差
升级会员 