计量经济学知识要点.docx

计量经济学复习知识要点
计量经济学定义。P1
统计学、经济理论和数学的结合
建立与应用计量经济学模型的主要步骤。P9-P18
理论模型的设计、样本数据的收集、模型参数的估计、模型的检验、模型的应用
理论模型的设计包含的三部分工作。P9
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
在确定了被解释变量之后，怎样才能正确地选择解释变量。P9-P10
1) 需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律
2) 选择变量要考虑数据的可得性
3) 选择变量时要考虑所有入选变量之间的关系，使得每个解释变量都是独立的
如何恰当地确定模型的数学形式。P11
1） 依据经济行为理论
2） 根据变量数据的散点图判断解释变量与被解释变量之间的数学关系
3） 试模拟
常用的样本数据类型。样本数据质量。P12,P13
时间序列数据、截面数据、虚变量数据
完整性、准确性、可比性、一致性
虚变量。带常数项的计量模型引入虚拟变量个数原则。P13,p145
虚变量数据也称为二进制数据，一般取0或1
M-1 （M为水平数量）
计量经济学模型必须通过四级检验。P14
经济意义检验、统计学检验、计量经济学检验、模型预测检验
计量经济模型成功的三要素。P16
理论、方法、数据
计量经济学模型几方面应用领域。P18-P20
结构分析、经济预测、政策评价、检验与发展经济理论
相关分析与回归分析的区别与关系。P23-P24
联系：二者都是分析具有非确定性关系的变量
区别：1.相关分析仅从数据上测度变量间的相关程度，所分析的变量地位是对称的，都是随机变量
2.回归分析是分析变量的因果关系，所分析的变量地位是不对称的，解释变量被设为非随机变量

随机误差项包含哪些因素影响。P27
1） 代表未知的影响因素
2） 代表残缺数据
3） 代表众多细小影响因素
4） 代表数据观测误差
5） 代表模型设定误差
6） 变量的内在随机性
线性回归模型的基本假设。违背基本假设的计量经济模型是否可以估计。P30,P56-P57
1） 回归模型是正确设定的
2） 解释变量X是确定型变量，并且互不相关
3） 解释变量与随机扰动项不想改
4） 随机扰动项服从零均值、同方差的正态分布
5） 随机扰动项具有零均值、同方差
6） 不同样本点对应的随机扰动项不相关
最小二乘法和最大似然法的基本原理。P33
普通最小二乘法：当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得模型能最好地拟合样本数据
最大似然法： 当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n住样本观测值的概率最大
普通最小二乘法参数估计量的统计性质及其含义。P36-P37
线性性 （估计量βi是Yi的线性函数）
无偏性 （估计量βi的期望值等于模型参数值βi）
有效性 （估计量的方差在所有线性无偏估计量中是最小的）
最小样本容量、满足基本要求的样本容量。P70-P71
最小样本容量： n≥k+1 (有截距) n≥k（无截距）
满足基本要求的样本容量：n≥30 或 n≥3(k+1)（有截距） n≥3k（无截距）
在相同的置信概率下如何缩小置信区间。P79
1） 增大样本容量n
2） 提高模型的拟合优度
3） 提高样本观测值的分散度
非线性计量模型转化成线性模型数学处理方法。P82-P83
直接置换法、对数变换法、级数展开法

异方差性的定义、后果、检验方法及这些检验方法的共同思路、解决办法。P107-P113
定义：对于不同的样本点，随机扰动项的方差不是常数，而是互不相同的。
（表达式：Var(μixi≠σ2 或 Var(μixi=σi2 )
后果：1）参数估计量无偏，但非有效
2）变量的显著性检验失去意义
3）模型的预测失效
检验方法：图示检验法、帕克检验与戈里瑟检验、G-Q检验、怀特(White)检验、（等级相关系数法）
共同思路：检验随机扰动项的方差与解释变量的相关性
解决方法：加权最小二乘法、广义最小二乘法
序列相关性的定义、后果、检验方法及这些检验方法的共同思路、解决办法。P120-P128
定义：模型的随机扰动项违背了相互独立的基本假设
后果：1）参数估计量无偏，但非有效
2）变量的显著性检验失去意义
3）模型的预测失效
检验方法：图示法、回归检验法、D.W.检验法、拉格朗日(LM)检验法、（冯诺曼比检验）
共同思路：首先采用普通最小二乘法估计模型，以求得随机扰动项的“近似估计量”，然后通过分析 “近似估计量”之间的相关性来判断随机扰动项的相关性
解决办法：广义差分法、广义最小二乘法
多重共线性的定义、后果、检验方法、解决办法。P134-P139
定义：某两个或多个解释变量之间出现了相关性
后果：1）完全共线性下参数估计量不存在
2）近似共线性下普通最小二乘法参数估计量方差变大
3）参数估计量经济含义不合理
4）变量的显著性检验失去意义
5）模型的预测失效
检验方法：判定系数法、逐步回归法
解决办法：排除引起共线性的变量、差分法
计量经济学方法中的联立方程问题。P189
1） 随机解释变量问题
2） 损失变量信息问题
3） 损失方程间相关性信息问题

内生变量、先决变量、外生变量。P190-P191
内生变量：它是具有某种概率分布的随机变量，由模型系统决定，同时也对模型系统产生影响。一般是经济变量。
外生变量：它是确定性变量或是具有临界概率分布的随机变量，影响模型系统，但本身不受模型系统的影响。一般是经济变量、条件变量、虚拟变量、政策变量。
先决变量：外生变量与滞后内生变量的统称。
结构式模型P191
根据经济理论和行为规律建立的描述经济变量之间直接关系结构的计量经济学方程系统
结构式方程及其类型、结构式参数P192
结构式方程：结构式模型中的方程
结构式参数：结构方程的参数
结构方程的类型：
1）随机方程 （行为方程、技术方程、制度方程、统计方程）
2）恒等方程 （定义方程、平衡方程、经验方程）
简化式模型P194、简化式参数
简化式模型：用所有先决变量作为每个内生变量的解释变量所形成的模型
简化式参数：简化式方程的参数
VERY IMPORTANT！简化式参数反映了先决变量对内生变量的直接与间接影响之和。
单方程计量经济学模型与联立计量经济学模型的区别。笔记
1） 方程个数（单方程计量经济学模型用一个方程解释变量之间的依存关系；联立计量经济学模型用多个方程解释变量之间的依存关系）
2） 研究对象（单方程计量经济学模型所处的是单一经济环境，联立计量经济学模型面对的是复杂的经济系统）
3） 揭示变量间的关系（单方程计量经济学模型解释方程单项计量经济关系，联立计量经济学模型解释经济现象之间的双向计量关系）
方程的识别、模型的识别、恰好识别、过度识别。P196
方程的识别：判别联立方程计量经济学模型中某个结构方程是否具有确定的统计形式
模型的识别：如果一个模型中的所有随机方程都是可以识别的，则认为该联立方程计量经济学模型系统可以识别
恰好识别：如果某个随机方程具有一组参数估计量
过度识别：如果某个随机方程具有多组参数估计量

结构式识别条件（秩条件、阶条件）P201
联立方程计量经济学模型的结构式，BY+ΓX=N中的第i个方程中包含gi个内生变量（含被解释变量）和ki个先决变量（含常数项），模型系统中内生变量和先决变量的数目仍用g和k表示，矩阵B0Γ0表示第i个方程中未包含的变量（包括内生变量和先决变量）在其他g-1个方程中对应系统所组成的矩阵，于是，判断第i个结构式方程识别状态的结构式条件为
1）如果RB0Γ0<g-1，则第i个结构是不识别
2）如果RB0Γ0=g-1，则第i个结构方程可以识别，并且
如果k-ki=gi-1，则第i个结构方程恰好识别
如果k-ki>gi-1，则第i个结构方程过度识别
其中符号R表示矩阵的秩，一般将该条件的前一部分称为秩条件，用以判断结构方程是否识别；后一部分称为阶条件，用以判断结构方程恰好识别或过度识别。
实际应用中我们可以采用经验方法，来解决联立方程的识别问题，那么，运用这种方法在建立模型时应该遵守什么原则？P205
在建立某个结构方程时，要使该方程包含前面每个方程中都不包含的至少1个变量（内生或先决变量）；同时使前面每个方程中都包含至少1个该方程所未包含的变量，并且互不相同
联立方程计量模型估计方法种类及名称。P206
单方程估计方法：每次只估计模型系统中的一个方程，依次逐个估计
系统估计方法：同时对全部方程进行估计，同时得到所有方程的参数估计量
联立方程计量模型的单方程估计方法主要解决的问题。P206
联立方程计量经济学模型系统每个方程中的随机解释变量问题，同时尽可能地利用单个方程中没有包含的而在模型系统中包含的变量样本观测值的信息，但是没有考虑模型系统方程之间的相关性对单个方程参数估计量的影响。
（1. 随机解释变量问题。 2.变量间的相关性信息问题）
单方程估计方法种类
间接最小二乘法、二阶段最小二乘法、工具变量法、
有限信息最大似然法、最小方差比方法
系统估计方法种类
三阶段最小二乘法、完全信息最大似然法

狭义工具变量法、间接最小二乘法、二阶段最小二乘法的适用条件，基本思路及其参数估计量的统计性质。
1）狭义工具变量法
适用条件：恰好识别的结构方程
基本思路：选择适当的工具变量替代结构方程中的随机解释变量，以消除其与误差项的高度相关，最后用OLS估计得到结构参数估计值
估计量的统计性质：小样本下有偏，大样本下渐进无偏
2）间接最小二乘法
适用条件：恰好识别的结构方程
基本思路：先把要估计的结构方程转化为简化方程，然后运用OLS估计简化式参数，最后利用参数关系体系估计出结构式参数
估计量的统计性质：小样本下有偏，大样本下渐进无偏
3）二阶段最小二乘法
适用条件：恰好识别与过度识别的结构方程
基本思路：1.把结构式方程转化为简化式方程，用OLS进行估计，用简化方程求出结构方程中随机解释变量的估计值
2.用所求出的随机解释变量的估计值作为工具变量去替换结构方程中该随机变量的样本观测值，然后再用OLS估计结构方程，得到结构参数估计值
估计量的统计性质：小样本下有偏，大样本下渐进无偏
为什么在实际中经常采用OLS法对联立方程模型参数进行估计，为什么普通最小二乘法被普遍采用P224
1） 小样本特性
2） 充分利用样本数据信息
3） 确定性误差传递
4） 样本容量不支持
5） 实际模型的递推结构