计量经济学考试重点整理.docx
- 文档编号:4766425
- 上传时间:2022-12-08
- 格式:DOCX
- 页数:22
- 大小:64.83KB
计量经济学考试重点整理.docx
《计量经济学考试重点整理.docx》由会员分享,可在线阅读,更多相关《计量经济学考试重点整理.docx(22页珍藏版)》请在冰豆网上搜索。
计量经济学考试重点整理
计量经济学考试重点整理
第一章:
P1:
什么是计量经济学?
由哪三组组成?
定义:
“用数学方法探讨经济学可以从好几个方面着手,但任何一个方面都不能和计量经济学混为一谈。
计量经济学与经济统计学绝非一码事;它也不同于我们所说的一般经济理论,尽管经济理论大部分具有一定的数量特征;计量经济学也不应视为数学应用于经济学的同义语。
经验表明,统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说,都是必要的,但本身并非是充分条件。
三者结合起来,就是力量,这种结合便构成了计量经济学。
”
P9:
理论模型的设计主要包含三部分工作,即选择变量,确定变量之间的数学关系,拟定模型中待估计参数的数值范围。
P12:
常用的样本数据:
时间序列,截面,虚变量数据
P13:
样本数据的质量(4点)
完整性;准确性;可比性;一致性
P15-16:
模型的检验(4个检验)
1、经济意义检验
2、统计检验
丄拟合优度检验
丄总体显著性检验
厶变量显著性检验
3、计量经济学检验
丄异方差性检验
4-列相关性检验
丄共线性检验
4、模型预测检验
4稳定性检验:
扩大样本重新估计
丄预测性能检验:
对样本外一点进行实际预测
P16计量经济学模型成功的三要素:
理论、方法和数据。
P18-20:
计量经济学模型的应用
1、结构分析
丄经济学中的结构分析是对经济现象中变量之间相互关系的研究。
丄结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。
丄计量经济学模型的功能是揭示经济现彖中变屋之间的相互关系,即通过模型得到弹性、乘数等。
2、经济预测
丄计量经济学模型作为一类经济数学模型,是从用于经济预测,特别是短期预测而发展起来的。
丄计量经济学模型是以模拟历史、从已经发生的经济活动中找出变化规律为主要技术手段。
丄对于非稳定发展的经济过程,对于缺乏规范行为理论的经济活动,计量经济学模型预测功能失效。
丄模型理论方法的发展以适应预测的需要。
3、政策评价
厶政策评价是指从许多不同的政策中选择较好的政策予以实行,或者说不同的政策对经济目标所产生的影响的差异。
*经济数学模型可以起到“经济政策实验室”的作用。
尤其是计量经济学模型,揭示了经济系统中变量之间的相互联系,将经济目标作为被解释变量,经济政策作为解释变量,可以很方便地评价各种不同政策对目标的影响
4、理论检验与发展
4实践是检验真理的唯一标准。
丄任何经济学理论,只有当它成功地解释了过去,才能为人们所接受。
丄计量经济学模型提供了一种检验经济理论的好方法。
丄对理论假设的检验可以发现和发展理论。
第二章:
P23-24:
相关分析和回归分析的含义及其联系
1、相关分析:
主要是研究随机变量间的相关形式及相关程度。
(相关分析适用于所有统计关系。
)相关分析的局限:
不能说明变量间的相关关系的具体形式;不能从一个变量去推测另一个变量的具体变化
2、回归分析:
回归分析是研究一个变量关于另一个(些)变量的具体依赖关系的计算方法和理论。
回归分析目的:
根据已知的解释变量的数值,去估计被解释变量的平均值。
3、相关分析和回归分析的区别与联系(不知道要不要)
联系:
都是研究非确定性变量间的统计依赖关系,并能度量线性依赖程度的大小。
区别:
从研究目的上看:
相关分析是研究变量间相互联系的方向和程度:
回归分析是寻求变量间联系的具体数学形式,是要根据自变量的固定值去估计和预测因变量的值。
从对变量的处理来看:
相关分析中的变量均为随机变量,不考虑两者的因果关系:
回归分析是在变量因呆关系的基础上研究自变量对因变量的具体影响,必须明确划分自变量和因变量,回归分析中通常假定自变量为非随机变量,因变量为随机变量。
P26-27:
随机干扰项:
观察值Y闱绕它的期望值的离差,是一个不可观测的随机变量,又称为随机干扰项或随机误差项。
1
引入随机干扰项的原因
1)代表未知的影响因素;4)代表数据观测误差;
2)代表残缺数据;5)代表模型设定误差;
3)代表众多细小影响因素;6)变量的内在随机性。
P26、28:
样本回归函数和总体回归函数的公式
总体回归函数:
在给定解释变量X条件下被解释变量Y的期塑轨迹称为总体回归线,或更一般地称为总体回归曲线。
相应的函数称为(双变量)总体回归函数(PRF)。
确定形式:
随机形式:
乙=E(Y\A;)+ut=0o+0兀+山
样本回归函数SRF画一条直线以尽好地拟合该散点图,由于样本取自总体,可以该直线近似地代表总体回归线。
该直线称为样本回归线(sampleregressionlmes)。
样本回归线的函数形式称为样本回归函数.
确定形式:
随机形式:
E=£+A二A)++ei
P29:
图2.1.3
丄回归分析的主要目的:
根据样本回归函数SRF,估计总体回归函数PRFo这就要求设计一方法构造SRF使其尽可能接近PRFo这里的PRF可能永远无法知道。
P30-32:
一元线性回归模型的基本假设
假设1、回归模型是正确的。
(选择了正确的变量;选择了正确的函数形式。
)
丄假设2、解释变量X是确定性变量,不是随机变量,在重复抽样中取固定值。
丄假设3、解释变量X在所抽取的样本中具有变异性,而且随着样本容量的无限增加,解释变量X的方差趋于一个非零的有限常数。
丄假设4、随机误差项卩具有给定X条件卞的零均值、同方差和不序列相关性:
E(山)=0
Vai(pii)=ag2
Cov(|ii.|ij)=0i,j=1,2,...,n
丄假设5、随机误差项卩与解释变量X之间不相关:
Cov(Xi,闻=0i=l,2,...,n
丄假设6、随机误差项卩服从零均值、同方差、零协方差的正态分布注意:
♦如果假设1、2满足,则假设3也满足;
♦如果假设4满足,则假设2也满足。
Pi~N(0,吋)i=l,2,...,n
P33:
最小二乘法的推导过程(推导至2.3.5)
0=乞匕一X)'-(九+
普通最小二乘法(OLS)给出的判断标准是:
二者之差的平方和|1
最小。
P38-40:
最小二乘估计法的性质(重点看前三个,知道线性性和无偏性的推导)
(1)线性性,即它是否是另一随机变量的线性函数;
(2)无偏性,即它的均值或期望值是否等于总体的真实值:
(3)有效性,即它是否在所有线性无偏估计量中具有最小方差。
2、无偏性,即估计量九、A的均值(期望)等于总体回归
参数真值久与A
P44:
图2.4.2区别那三个平方和(TSS,ESS,RSS)
TSS二ESS+RSS
Y的观测值I制绕其均值的总离差(totalvariation冋分解为两部分:
一部分来自回归线(ESS),另一
部分则来自随机势力(RSS)o_
♦总体平方和TSS=Ex2=-p2
♦回归平方和ESS=^y;=Y(X<-y)2
P45:
可决系数R2统计量
拟合优度检验:
对样本回归直线与样本观测值之间拟合程度的检验。
度量拟合优度的指标:
判定系数(可决系数)R2
tRSS
=1
TSS
可决系数的取值范teh[o,i]
R2越接近1,说明实际观测点离样本线越近,拟合优度越高。
P46-47:
t检验(245)
Sa
P49:
如何才能缩小置信区间(2个)
增大样本容量臥因为在同样的置信水平下,n越人,t分布表中的临界值越小:
同时,增人样本容量,还可使样本参数估计量的标准差减小;
提高模型的拟合优度。
因为样本参数估计屋的标准差弓残差平方和呈正比,模型拟合优度越高,残差平方和应越小。
第二章主要公式表
1、总体回归函数
X=0i+%•
E(Y\X.)=p^piXl
2、样本回归函数
K=A+02K+q
⑺+加
3、基本假定
如)=0射)=阳0仝「
畑(气)=Var(Y^)=a2Cov(u.9u.)=E(u.u.)=0
=0叫~N(0,a2)
4、最小—乘估计
2ND—Z"才
匹代匹Xf
5、参数OLS估计
式的期望
曲)"
6、参数OLS估计
式的方差
A"2AX2
皿(04亍血(0JF筈
7、参数估计式的标
准误差
胧(炖)-r——;1yx-
s,g)=彳左?
8、的无偏估计
n-2
9、t检验统计量
广=屯諮=二^~5-2)
SE(0JS£(0J
8、样本可决系数
1=XZL+XS广-云
D:
工片D;r2=]-y^
9、参数估计的置信
区间
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 计量 经济学 考试 重点 整理