计量经济学（全）

名词解释

回归分析：是一种统计方法，他通过对每一个方程的量化来“解释”被解释变量（y）如何随着一系列解释变量（x）的变动而变动。 随机误差项：是回归方程中除已有解释变量X之外，代表其他所有影响被解释变量Y的因素。

方差膨胀因子：VIF，是一种诊断多重共线性严重性的方法，它是通过观察方程中一给定解释变量被方程中其他所有解释变量所解释的程度进行判断的。 谬误相关：即两个或两个以上变量高度相关，但并非由真实的潜在因果关系所致。 面板数据：同一截面样本的相同变量在两个或两个以上时期的观测值。 截面数据：同一时间点不同个体所收集到的数据。 时间序列数据：同一个体不同时间点所收集到的数据。

虚拟变量：根据某些因素的属性类型而分别取值0或1的变量。 （依据特定状态条件是否成立取值为1或0的变量。）

协整：采用某种方法组合方程中的非平稳变量，使方程的误差项变得平稳，并消除谬误回归。

简答题

导致被解释变量Y出现误差的因素： （1）解释变量X包含的误差；

（2）许多对Y有微小影响的因素没有包含在方程中； （3）被解释变量的某些测量误差在实质上是无法避免的；

（4）潜在的理论方程可能与选定用做回归分析的方程具有不一样的函数形式； （5）对人类行为的一般模型化表述通常都包含一些不可预测的或纯随机的因素。

回归分析的步骤：

（1）查阅文献，建立理论模型；

（2）确立模型——选择解释变量和函数形式； （3）对参数的符号作出假设； （4）搜集、检查和整理数据； （5）估计和评价方程； （6）报告结果。 古典假设：

（1）回归模型是线性的，模型设定无误且含有误差项。 （2）误差项总体均值为0.

（3）所有解释变量与误差项都不相关。

（4）误差项观测值互不相关（不存在序列相关性）。 （5）误差项具有同方差（不存在异方差性）。

（6）任何一个解释变量都不是其他解释变量的完全线性函数（不存在完全多重共线性）。

（7）误差项服从正态分布（该假设是选择性的，但通常被采用） 高斯—马尔科夫定理可以简单的表述为“OLS是BLUE”其中BLUE表示“最优（best，即方差最小）线性（linear）无偏（unbiased）估计量（estimator）”

模型设定的四个重要准则 （1）理论：变量在方程中的含义是不是模糊不清的，从理论上看是不是合理的？ （2）t检验：变量的被估参数在预期假设下是否显著？

（3）调整的判定系数：变量加入后，方程的整体拟合优度（自由度调整后）是否得到改善？

（4）偏误：变量加入方程后，其他变量的参数值是否发生显著改变？ 多重共线性的特征：较高的简单相关系数，较高的方差膨胀因子 多重共线性产生的后果： （1）估计量仍然是无偏的

（2）估计量的方差和标准差将会增大 （3）多重共线性下的统计量会变小

（4）估计量对模型设定的变化变得极其敏感

（5）方程的整体拟合程度以及不存在多重共线性的变量的参数估计几乎不受影响

多重共线性的诊断

（1）考察两个变量之间的简单相关系数（超过0.8，说明相关性更强） （2）方差膨胀因子：VIF（VIF的值越大，多重共线性的程度就越严重） 多重共线性的补救措施

什么都不做；去掉多余的变量；增大样本容量

若方程的误差项存在序列相关性，则违背了古典假设，若用普通最小二乘法估计方程，至少会产生以下三种后果： （序列相关的后果：）

（1）纯序列相关不会导致对参数的有偏估计

（2）序列相关使普通最小二乘估计量不再是线性无偏估计量中方差最小的 （3）序列相关导致标准差的普通最小二乘估计量有偏，并使假设检验不可靠 异方差性的后果

（1）纯异差方差性并不会导致异方差性有偏

（2）异方差性通常会导致普通最小二乘估计量不再具有最小方差性

（3）异方差性将导致标准差的普通最小二乘估计量有偏，因而导致假设检验结果不可信

异方差性的检验

Park检验是通过检验残差来推断误差项是否存在异方差性

White检验也是用残差平方作为回归方程的被解释变量，不同的是，它还包含了原方程所有的解释变量、解释变量的平方项和解释变量的交叉相乘项 异方差性的补救措施

（1）修正异方差性的标准差 （2）重新定义变量

分布滞后模型，采用普通最小二乘估计方程会产生一系列的问题：

（1）X的各期滞后值之间可能存在严重的多重共线性，会导致参数估计值不精确。

（2）很大程度上，由于存在多重共线性，参数估计值β未必会符合经济理论具有平滑递减的特征。相反，分布滞后模型会呈现不规则变化的特征。 （3）自由度倾向于下降，有时甚至是大幅下降。

时间序列的平稳性和非平稳性（如何判断时间序列是否平稳） 如果时间序列变量X是平稳的，那么： （1）Xt的均值不随时间发生变化 （2）Xt的方差不随时间发生变化

（3）Xt与Xt-k之间的简单相关系数取决于滞后长度（k），而与其他变量无关（对所有k来说）

处理非平稳时间序列的标准步骤 （1）设定模型

（2）采用恰当的DF检验方程检验所有变量的非平稳性

（3）若变量不存在单位根，则已变量的原始形式（Y和X）估计方程

（4）若变量存在单位根，则通过DF检验，检验残差的平稳性来检验协整关系 （5）如果变量存在单位根但并不协整，那么，把模型的函数形式转换为1阶差分，再估计方程

（6）如果变量存在单位根并且是协整的，那么，以变量的原始形式估计方程

多元线性回归模型方程中回归参数β1的经济意义是在X2和X3的值不变的情况下，X1每增加1单位对被解释变量Y的影响。同理，β2给出在X1和X3的值不变的情况下，X2每增加1单位对被解释变量的影响。

总离差平方和（TSS）=回归离差平方和(ESS)+残差平方和(RSS)

R^2的取值区间为0<=R^2<=1，R^2的值越接近1，表明拟合优度越好。 简单相关系数r的平方等于判定系数R^2。 r^2=R^2 自由度 = 观测次数（N）- 估计参数个数（K-1） 自由度越低，估计值的可靠性就越低。

调整的判定系数R^2_衡量的是调整了自由度后，回归方程解释Y与其均值离差的比例。

和判定系数R^2一样，调整的判定系数R^2_最高可能值为1，但最低却不为零。如果判定系数R^2极低，调整的判定系数R^2_可能为负。 遗漏变量和不相干变量对参数估计值的影响 对参数估计值的影响 遗漏变量 不相干变量 偏误 有偏 无偏 方差 减小 增大 对数模型中的参数βk可以解释为：在其他解释变量保持不变的情况下，如果Xk增加1%，Y将增加βk%。既然弹性是固定不变的，那么，此处斜率就是变化的。 d检验值为0，意味着序列存在完全正相关，d值为2意味着不存在序列相关性，d值为4意味着序列存在完全负相关。 长期乘数衡量的是，当所有的滞后效应都表现出来后，收入的变化对消费量的总体影响。

均衡条件QD与QS相等，简约方程为：Qt=π0+π1X1t+π2X2t+π3X3t+v1t Pt=π4+π5X1t+π6X2t+π7X3t+v2t 二阶段最小二乘法的过程：

第一价段：对与每个内生变量相对应的简约式方程进行回归，这里的内生变量在联立方程系统中作为解释变量。

第二阶段：用简约式方程中得到的^Ys替代出现在结构式方程右边的Ys，然后用普通最小二乘估计修正后的结构式方程。

本文来源：https://www.bwwdw.com/article/cgd2.html