计量经济学复习内容
2024-01-25 15:15:05 1 举报AI智能生成
计量经济学GDUT tht 2023-2024复习内容
作者其他创作
大纲/内容
导论
4个步骤(考试一定会考)⭐⭐⭐
模型设定
估计参数
模型检验
模型应用
变量
因果
解释变量
被解释变量
性质
内生变量
y
其数值模型所决定的变量，是模型求解的结果
外生变量
x
其数值是是由模型以外决定的变量
参数估计
普通最小二乘法
极大似然估计法
数据
时间序列数据
按照一定时间顺序和时间间隔 如逐月的物价指数
截面数据
同一个时间某个指标在不同空间的观测数据
面板数据
包括上面2种数据
虚拟变量数据
不能量化的数据 如自然灾害，政治因素等 通常1表示发生，0表示不发生
三个重要因素
变量 ， 参数，随机扰动项
第五章 异方差
含义
异方差性指的是被解释变量观测值的分散程度是随解释变量的变化而变化
所以可以进一步把异方差看成是有某个解释变量的变化而引起的
产生异方差的原因
模型设定误差
测量误差的变化
截面数据中各体各单位的差异
后果
对参数估计式统计特性的影响
参数的OLS估计仍然具有无偏性
参数OLS估计式的方差不再有效
对模型假设检验的影响
严重破坏t检验和D检验的有效性
对预测的影响
预测值的精确度会下降
检验p117
图示检验法(给图会判断)
相关图形分析
残差图形分析
GQ检验（具体做法）
排序
将n个样本按解释变量Xi观测值的大小进行排序
数据分组
提出假设
构造统计量
判断
White检验（具体做法）
计算残差项
做辅助函数
提出假设
构造统计量
判断
补救措施（选择题判断题出题点，要知道是怎么做的）📌📌📌
对模型变化
加权最小二乘法
模型的对数变化法
第六章 自相关
含义
指总体回归模型的随机误差项之间存在相关关系
产生的原因
经济系统的惯性
经济活动的滞后效应
数据处理造成的相关
蛛网现象
模型设定偏误
表现形式（知道就好，不要深入）
对参数估计的影响
无偏性
当随机扰动项存在自相关时，OLS估计量仍然无偏
有效性
𝜌 = 0，即随机误差项无自相关时，两式相等
当𝜌 > 0，OLS估计式不再满足有效性
自相关对模型检验的影响
参数估计值
方差和标准差被低估
方差和标准差被低估
过高估计
𝑡统计量
𝑡统计量
对模型预测的影响
使预测的置信区间不可靠，从而降低了预测精度
自相关的检验
DW检验法（涉及具体的计算！！！一定要会）
计算残差项
提出假设
构造统计量
判断
Breusch-Godfrey检验（LM检验）（实现步骤一定要会！！！）
计算残差项
做辅助函数
提出假设
构造统计量
判断
自相关的补救
广义差分法（计算题）
怎么做的？(判断选择)
p是怎么算的
p150
第8章 虚拟变量回归
设置规则
什么是虚拟变量陷阱
实质是模型中虚拟变量的设置是否会导致完全多重共线性的问题
作为解释变量引入模型会有什么变化？
加法方式
乘法方式
不知道虚拟变量前面的回归系数怎么办？
当它为0和不为0是什么意思？
第二章 简单线性
相关关系的变量都是随机变量，而回归关系Y是随机变量，X不是随机变量
经济变量的关系
确定的函数关系
如 ： Y= 5x
不确定的~，相关关系
相关关系p16
按表现形式
线性相关
非线性相关
按变化方向
正相关
负相关
按相关程度
不完全相关
完全相关
不相关
变量数量
简单相关关系
多重相关/负相关
回归 分析的目的
要根据解释变量的数值去估计所研究的被解释变量的总体平均值
样本相关系数
p18公式
-1 <= r <= 1
只反映线性相关
r = 0 X,Y之间没有线性相关关系
r >0 X,Y之间正相关
r =1 完全正相关
r < 0 X,Y之间负相关
r = -1 完全负相关
函数
样本回归函数
估计值
实际值
ei是只要估计出样本回归的参数就可以计算的数值
总体回归函数
条件期望表示方式
个别值表示方式(随机设定形式)
区别⏳
总体回归函数虽然是未知但他是确定的
总体参数
样本回归函数是随抽样波动而变化的，有许多条，是未知的总体回归线的近似反应
样本回归函数的参数是随抽样而变化的随机变量
基本假定⭐⭐⭐
对随机扰动项的假设
零均值假定
同方差假定
无自相关假定
随机扰动项ui与解释变量Xi不相关
正态性假定
对模型的假设
假定模型设定是正确的
模型选择了正确的变量
模型选择了正确的函数
线性的判断
就变量而言是线性的
Y的条件期望（均值）是X 的线性函数
就参数而言是线性的
Y的条件期望（均值）是参数的线性函数
对变量的假设
解释变量X是确定性变量，不是随机变量，在重复抽样中去固定值
解释变量X在所抽取的样本中具有变异性
普通最小二乘法⭐⭐⭐
目的
用样本信息建立的样本回归函数“尽可能接近”地去估计总体回归函数
最小二乘准则
性质
5个性质 理解背
样本回归线通过样本均值
被解释变量估计值与剩余项ei不相关
解释变量Xi与剩余项不相关
统计性质
无偏性
有效性
一致性
统计特性
线性
无偏
有效
拟合优度的度量⭐⭐⭐
TSS 总离差平方和
ESS 回归平方和
RSS 残差平方和
可决系数
特点
可决系数是非负的统计量
可决系数是样本观测值的函数，是随样本而变动的随机变量
与样本相关系数的关系
区别
数值上可决系数是相关系数的平方
假设检验
t检验和P检验的具体过程
原假设
表示解释变量对被解释变量没有显著影响
备择假设
表示解释变量对被解释变量有显著影响
区间估计也要会
stata数据面板要会读，能根据数据计算
第三章 多元线性回归模型
为了更好地研究被解释变量是如何受多个解释变量影响的
总体线性回归函数
k-1是解释变量的个数; Ui为随机扰动项，
样本回归线性函数
古典假定⭐⭐⭐
零均值假定
假定随机扰动项的期望或均值为0
同方差和无自相关假定
假定随机扰动项方差相同 假定随机扰动项互不相关
随机扰动项与解释变量不相关假定
无多重共线性假定（多元中增加的）
假定各解释变量之间不存在线性关系or个解释变量观测值之间线性无关
正态性假定
估计方法
最小二乘法
参数最小二乘法的性质
线性性质
无偏性
最小方差性(有效性)
OLS估计
极大似然估计法
矩估计
广义矩估计
随机扰动项方差的估计
公式
k = 解释变量的个数 + 1
拟合优度⭐⭐⭐⭐⭐
TSS = ESS + RSS
自由度
(n-1) = (k-1) + (n - k)
多重可决系数
修正的可决系数⭐⭐
为什么要修正？
多重可决系数有一个重要性质，它是模型中解释变量个数的不减函数，在样本容量不变的情况下，随着模型中解释变量的增加，
TSS不会改变，但ESS可能增大。当被解释变量相同，而解释变量个数不同时多重可决系数去比较2个模型的拟合优度会带来缺陷
TSS不会改变，但ESS可能增大。当被解释变量相同，而解释变量个数不同时多重可决系数去比较2个模型的拟合优度会带来缺陷
公式⭐⭐
F检验
F检验和可决系数的联系&区别
伴随着可决系数和修正可决系数的增加，F统计量的值将不断增加
可决系数和修正可决系数只能提供对拟合优度的度量，它们的值究竟要达到多大才算模型通过检验
对此并没有给出确定界限。F检验不同，它可以在给定显著性水平下，给出统计意义上严格的结论
对此并没有给出确定界限。F检验不同，它可以在给定显著性水平下，给出统计意义上严格的结论
多元线性回归分析中，F检验和t检验的关系是什么？
为什么在作了F检验以后还要做t检验
为什么在作了F检验以后还要做t检验
因为方程的整体线性关系显著比不一定表示每个解释变量对被解释变量的影响是显著的。
因此，还必须分别对每个解释变量进行显著性检验
因此，还必须分别对每个解释变量进行显著性检验
第四章 多重共线性
要求：给到一个数据分析结果，能判断模型是否存在多重共线性
看模型整体表现，如果整体表现非常好，F检验通过可决系数高。
但是某些重要的回归系数正负号有问题，或者t检验没通过，这样才能判断模型是否存在多重共线性
但是某些重要的回归系数正负号有问题，或者t检验没通过，这样才能判断模型是否存在多重共线性
背景
经济变量之间具有共同变化趋势
模型中包含滞后变量
利用截面数据建立模型也可能出现多重共线性
样本数据自身的原因
完全多重共线性和不完全多重共线性的含义⏳
完全多重共线性的后果
求不出来
参数估计值的方差无限大
参数的估计值不确定
不完全多重共线性产生的后果
参数估计值的方差与协方差增大
对参数区间估计时，置信区间趋于变大
存在严重多重共线时，假设检验容易做出错误的判断
当多重共线性严重时，可能造成可决系数较高
多重共线性的检验（出题点）
方差扩大因子法
简单相关系数检验法
相关系数
只是多重共线性存在的充分条件，而不是必要条件
直观判断法
当增加或者剔除一个解释变量，或者改变一个观测值时，回归参数的估计值发生较大变化，回归方程可能存在严重的多重共线性
定性分析认为，一些重要的解释变量的回归系数的标准误差较大，在回归方程中没有通过显著性检验时，可初步判断可能存在严重的多重共线性
有些解释变量的回归系数所带正负号与定型分析结果违背时，很可能存在多重共线性。
模型的可决系数较高，F检验显著，但某些重要解释变量的偏回归系数t检验不显著，可能会存在多重共线性问题
修正多重共线性的经验方法(优点和缺点)⏳
1.剔除变量法
如果剔除的变量是重要的变量。有可能引起模型的设定误差
2.增大样本容量
增加样本数据在实际计量分析中常面临许多困难
样本容量增加，会减小回归系数的方差，标准误差也同样会减小。因此尽可能地收集足
够多的样本数据可以改进模型参数的估计
够多的样本数据可以改进模型参数的估计
3.变换模型形式
差分会丢失一些信息，差分模型的误差项可能存在序列相关，可能会违背经典线性回归模型的相关假设，在具体运用时要慎重
4.利用非样本先验信息
5.横截面数据与时序数据并用
当横截面估计在不同截面直接有大的变化时，这是一个值得考虑的方法
6.变量变化
7.逐步回归法
8.岭回归法
第7章内生性
定义
原因（必考）✍️
后果
工具变量
定义
变量与内生解释变量高度相关，但与随机扰动项不相关，
被称为工具变量
被称为工具变量
选择规则
两阶段最小二乘法
过度识别检验
什么时候用？
第10章 回归分析专题
特殊函数形式
对数-对数模型
对数-线性模型
线性-对数模型
度量单位的改变⭐⭐⭐
什么是中介变量和调节变量，怎么样检验？（必考）📌📌
调节效应
如果变量X与变量Y有关系，但X与Y的关系受第三个变量M的影响，那么M就是调节变量。调节变量所起的作用叫调节效应。
类型
加强型
削弱型
颠覆型
中介效应
凡是X影响Y，并且X是通过一个中间变量M对Y产生影响的，那么M就是中介变量。中介变量起的作用就叫中介效应
类型
完全中介
x对y的影响完全通过M，没有M的作用，X就不会影响Y
部分中介
X对Y有直接影响，但一部分影响是通过M的
中介效应显著的条件
自变量的变化能显著地影响因变量的变化
自变量的变化能显著地影响中介变量的变化
中介变量的变化能显著地影响因变量的变化
当控制中介变量后，自变量对因变量的影响应等于0或显著降低
第 11章
处理效应评估
方法
双重差分
基本思想
通过对处理实施前后处理组和控制组之间变化差异的比较，构造出反应处理效果的双重差分统计量，得到政策净效应
使用条件
合成控制
基本思想
使用条件
断点回归📌📌
基本思想
使用条件
它们的思想和使用条件
0 条评论
下一页
