计量经济学主要知识点

《计量经济学主要知识点》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《计量经济学》《经济计量学》《Econometrics》一、主要知识点第一章绪论第一节计量经济学一、经济计量学的产生过程1930世界经济计量学会二、经济计量学与其他学科的关系计量经济学的定义第二节建立计量经济学模型的步骤和要点一、数据类型1、时间序列数据2、截面数据3、面板数据二、经济变量与经济参数（一）、经济变量1、内生变量和外生变量内生变量(endogenousvariable)：随机变量，模型自身决定；内生变量影响模型中内生变量，同时又受外生变量和其它内生变量影响。外生变量(exogeno

2、usvariable)：通常为非随机变量，在模型之外决定。而外生变量只影响模型中的内生变量，不受模型中任何其它变量影响。2、解释变量与被解释变量3、滞后变量与前定变量（二）建模步骤和要点。。。模型假定把所研究的经济变量之间的关系用适当的数学模型表达出来。估计参数模型检验：经济意义的检验、统计推断的检验、计量经济的检验、预测的检验第三节计量经济学模型的应用模型应用：政策评价、经济预测、结构分析、检验和发展经济理论第二章一元线性回归模型第一节概述一、相关关系与回归分析1、函数关系与统计相关关系2、相

3、关分析与回归分析的区别和联系二、总体回归模型与样本回归模型1、总体回归模型（PRF）：总体回归函数随机扰动项2、样本回归模型（SRF）：样本回归函数残差第二节简单线性回归模型的参数估计一、对线性回归模型的假设（古典假定）如何表示？1、零均值假定2、同方差假定1、无自相关假定2、与解释变量不相关3、正态性假定二、普通最小二乘法（OLS）1、OLS的思想参数估计式2、Yi的分布三、普通最小二乘估计量的统计性质高斯—马尔可夫定理BLUE1、参数估计量的性质高斯-马尔科夫定理2、总体方差/随机扰动项方差

4、的估计式3、参数估计量的概率分布四、最大似然估计的概念第二节简单线性回归模型的检验一、对估计值的直观判断（经济意义的检验）二、拟和优度的检验1、TSS=ESS+RSS2、TSSESSRSS各自的含义3、R2的构造4、5、[0，1]三、对的显著性检验（T检验）检验步骤四、均值预测与个值预测的置信区间P49第二章多元线性回归模型第一节概述一、基本概念偏回归系数及其解释二、多元线性回归的基本假定如何表示和理解？1、零均值假定2、同方差假定3、无自相关假定4、无多重共线性5、扰动项与解释变量不相关6、正

5、态性假定第二节多元线性回归模型的最小二乘估计一、矩阵形式的OLS参数估计式二、总体方差/随机扰动项方差的OLS估计式三、参数估计量的性质：同一元情形四、样本容量问题第三节多元回归模型的检验一、拟和优度检验1、判定系数2、调整后的判定系数一、对单个回归系数的显著性检验（T检验）检验步骤二、总体回归模型的显著性检验（F检验）检验步骤第二节预测对个值预测、区间预测的理解：p74第三节可以线性化的其他函数形式一、线性回归模型的形式：对参数而言是线性的回归系数的含义:边际效应二、几种常见的线性回归模型1、

6、双对数模型回归系数的经济含义:弹性2、半对数模型3、倒数变换模型第六节受约束回归基本思想和检验步骤第二章违背经典假设的回归模型第一节异方差一、异方差1、异方差，指的是回归模型中的随机误差项的方差不是常数。即2、产生的原因：截面数据异常值的出现、遗漏重要的解释变量二、异方差条件下普通最小二乘估计的性质1、OLS估计量仍然是线性无偏估计量；2、参数估计量的方差估计是有偏的，也导致变量的显著性检验失效；3、参数的区间估计及预测失效三、异方差的检验1、图示法注意横纵坐标及不同类型的判断2、样本分段拟和（

7、Goldfeld-Quant）3、残差回归检验法①、White检验辅助回归的构造检验统计量检验步骤②、Park检验四、异方差情形下参数的估计加权最小二乘（WLS）的思想如何选择权重第二节序列相关一、序列相关的含义又称自相关性，是指。。。；产生的原因一阶自相关：二、序列相关条件下普通最小二乘估计的性质1、OLS估计量是线性无偏的2、估计量的方差不再满足最小方差性3、参数的显著性检验失效三、序列相关的检验1、图示法检验自相关横纵坐标及基本图形2、DW检验检验步骤：（1）、（2）、检验统计量（3）、接

8、受原假设与拒绝原假设的规则3、LM检验辅助回归检验步骤一、序列相关情形下参数的估计1、一阶差分：或近似等于1时采用一阶差分法2、广义差分（广义最小二乘特例）：基本思想；实际操作中未知，一般采用的估计值，并进行迭代完成。第二节多重共线性一、多重共线性的含义1、完全共线性2、近似共线性（不完全共线性）二、多重共线性的后果1．2．3．4.。。三、检验1、简单相关系数法：r、2、方差膨胀因子法：VIF大于10判断四、多重共线性的处理：1、追加样本信息：2、使用非样本先验信息3、进行变量形式的转换第三节随