《计量经济学》各章重点知识总结整理笔记

《《计量经济学》各章重点知识总结整理笔记》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、《计量经济学》各章重点知识总结整理笔记第二章1、变量间的关系分为函数关系与相关关系。相关系数是对变量间线性相关程度的度量。2、现代意义的回归是一个被解释变量对若干个解释变量依存关系的研究，回归的实质是由固定的解释变量去估计被解释变量的平均值。简单线性回归模型是只有一个解释变量的线性回归模型。EYX()3、总体回归函数（PRF）是将总体被解释变量Y的条件均值ii表现为解释变量^YX的某种函数。样本回归函数（SRF）是将被解释变量Y的样本条件均值i表示为解释变量X的某种函数。总体回归函数与样本回归函数的区别与联系。4、随机扰动项ui是被解释变量实

2、际值Yi与条件均值EYX()ii的偏差，代表排除在模型以外的所有因素对Y的影响。5、简单线性回归的基本假定：对模型和变量的假定、对随机扰动项u的假定（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）6、普通最小二乘法（OLS）估计参数的基本思想及估计式；OLS估计式的分布性质及期望、方差和标准误差；OLS估计式是最佳线性无偏估计式。7、对回归系数区间估计的思想和方法。8、拟合优度是样本回归线对样本观测数据拟合的优劣程度，可决系数是在总变差分解基础上确定的。可决系数的计算方法、特点与作用。9、对回归系数假设检验的

3、基本思想。对回归系数t检验的思想与方法；用P值判断参数的显著性。10、被解释变量平均值预测与个别值预测的关系，被解释变量平均值的点预测和区间预测的方法，被解释变量个别值区间预测的方法。11、运用EViews软件实现对简单线性回归模型的估计和检验。第二章主要公式表1、总体回归函数YXii12uiEYX()iii12X^^^^^2、样本回归函数YXeYXii12iii123、基本假定Eu()0EY()Xiii12Var()uVarY()2Covuu(,)()Euu0iiijij2CovuX(

4、,ii)0uNi~(0,)4、最小二乘估计^NXYXYxyiiiiii222NX()X2iixi2^^^XYXXYiiiiiYX12122NXii()X5、参数OLS估计^E()kk式的期望^226、参数OLS估计^X2iVar()22Var()12式的方差xiNxi^7、参数估计式的标SE()2^X2x2iiSE()12准误差Nxi28、的无偏估计^e22in2^^9、t检验统计量*222tt~(2n)^^^^SE()

5、SE()22^^2228、样本可决系数yei2y2122r22eiyiiyyir12yi^^^^^^9、参数估计的置信Pt[(SE)tSE()]12222222区间10、平均值预^^1(XX)22^^1(XX)FF测区间[,YtFF2222Yt]nxiinx11、个别值预测区^^1(XX)2FYYFt1F22间nxi第三章1、多元线性回归模型是将总体回归函数描述为一个被解释变量与多个解释变量之间线性关系的模型。通常多元线性回归模型可以用矩阵形式表示

6、。2、多元线性回归模型中对随机扰动项u的假定，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的最小二乘估计式；参数估计式的分布性质及期望、方差和标准误差；在基本假定满足的条件下，多元线性回归模型最小二乘估计式是最佳线性无偏估计式。4、多元线性回归模型中参数区间估计的方法。5、多重可决系数的意义和计算方法，修正可决系数的作用和方法。6、F检验是对多元线性回归模型中所有解释变量联合显著性的检验，F检验是在方差分析基础上进行的。7、多元回归分析中，为了分别

7、检验当其它解释变量不变时，各个解释变量是否对被解释变量有显著影响，需要分别对所估计的各个回归系数作t检验。8、利用多元线性回归模型作被解释变量平均值预测与个别值预测的方法。第三章主要公式表1、多元线性回归模型EYXX(,,)XXXXik12122i33ikkiYXXXuii12233ikkiiY=Xβ+UE()YXβ2、样本回归函数^^^^^YXXXii12233ikki^^^^YXXXeii12233ikkii^^Y=Xβ3、基本假定E(U)=02,

8、ikCovuu(,)Euu()ikikRank(X)=k0,ikCovX(,)0(1uj,2,,)kuN~(0,2)jiii4、最小二乘估计XY