計量經(jīng)濟學讀書筆記

1、精選優(yōu)質(zhì)文檔-傾情為你奉上計量經(jīng)濟學讀書筆記第一部分 基礎內(nèi)容一、 計量經(jīng)濟學與相關學科的關系數(shù)理經(jīng)濟學數(shù)理統(tǒng)計學經(jīng)濟學統(tǒng)計學數(shù)學經(jīng)濟統(tǒng)計學計量經(jīng)濟學二、 古典假設下計量經(jīng)濟學的建模過程1. 依據(jù)經(jīng)濟理論建立模型2. 抽樣數(shù)據(jù)收集3. 參數(shù)估計4. 模型檢驗（1） 經(jīng)濟意義檢驗（包括參數(shù)符號、參數(shù)大小等）（2） 統(tǒng)計意義檢驗（擬合優(yōu)度檢驗、模型顯著性檢驗、參數(shù)顯著性檢驗）（3） 計量經(jīng)濟學檢驗（異方差檢驗、自相關檢驗、多重共線性檢驗）（4） 模型預測性檢驗（超樣本特性檢驗）5. 模型的應用（結(jié)構(gòu)分析、經(jīng)濟預測、政策評價、檢驗和發(fā)展經(jīng)濟理論）三、 幾個重要的“變量”1. 解釋變量與被解釋變量2.

2、 內(nèi)生變量與外生變量3. 滯后變量與前定變量4. 控制變量四、 回歸中的四個重要概念1. 總體回歸模型（Population Regression Model，PRM)-代表了總體變量間的真實關系。2. 總體回歸函數(shù)（Population Regression Function，PRF）-代表了總體變量間的依存規(guī)律。3. 樣本回歸函數(shù)（Sample Regression Function，SRF）-代表了樣本顯示的變量關系。4. 樣本回歸模型（Sample Regression Model，SRM）-代表了樣本顯示的變量依存規(guī)律?？傮w回歸模型與樣本回歸模型的主要區(qū)別是：描述的對象不同?？傮w回歸

3、模型描述總體中變量y與x的相互關系，而樣本回歸模型描述所關的樣本中變量y與x的相互關系。建立模型的依據(jù)不同。總體回歸模型是依據(jù)總體全部觀測資料建立的，樣本回歸模型是依據(jù)樣本觀測資料建立的。模型性質(zhì)不同。總體回歸模型不是隨機模型，而樣本回歸模型是一個隨機模型，它隨樣本的改變而改變?？傮w回歸模型與樣本回歸模型的聯(lián)系是：樣本回歸模型是總體回歸模型的一個估計式，之所以建立樣本回歸模型，目的是用來估計總體回歸模型。五、 隨機誤差項的內(nèi)容1. 模型中被忽略的影響因素的影響2. 模型關系設定不準確的影響3. 變量的測量誤差影響4. 隨機因素影響六、 一元線性回歸模型的基本假定（古典假定）零均值 同方差 無自

4、相關性 解釋變量與隨機擾動項不相關 隨機擾動項服從正態(tài)分布 解釋變量之間不相關（多重共線性）（屬于多元線性回歸假定）七、 OLS估計式特性（Best Linear Unbiased Estimators）Ø 線性性(Linear,指參數(shù)估計量與分別為觀測值和隨機誤差項的線性函數(shù)或線性組合)Ø 無偏性（Unbiased,指參數(shù)估計量和的均值分別等于總體參數(shù)值與）Ø 最小方差性（Best,有效性，指在所有的線性、無偏估計量中，最小二乘估計量和的方差最?。┑诙糠?計量經(jīng)濟檢驗在古典線性回歸模型中，應用最小二乘法估計的估計量具有BLUE的特性，但是當模型不是線性模型和不

5、滿足古典假設的時候，最小二乘法估計的估計量不再有BLUE的特性。本部分主要解決非、線性回歸模型和違反古典假設下的參數(shù)估計與假設檢驗問題。一、 非線性回歸模型1. 可線性化模型（1） 雙對數(shù)模型（不變彈性模型）（2） 半對數(shù)模型（不變增長模型）（3） 倒數(shù)模型（雙曲線模型）（4） 多項式模型（5） 成長模型A. Logistics成長曲線簡化式B. Gompertz成長曲線2. 不可線性化模型對于非線性化模型，一般采用高斯-牛頓迭代估計法進行估計，即將其展成泰勒級數(shù)之后，再利用迭代估計法進行估計。迭代估計法基本思想：通過泰勒級數(shù)展開先使非線性方程在某一組初始參數(shù)估計值附近線性化，然后對這一線性方

6、程應用OLS法，得出一組新的參數(shù)估計值。重復直至參數(shù)估計值收斂為止。二、 違反古典假設的回歸模型1. 異方差性（針對古典假定）A概念：隨機誤差項的方差不等于一個常數(shù)，即B產(chǎn)生原因（遺漏了重要的解釋變量、模型形式有誤、統(tǒng)計誤差、偶然隨機因素）C后果（增大、無法計算估計誤差和估計區(qū)間、解釋變量顯著性檢驗失效t檢驗失效、預測精度降低）D檢驗（圖示法、解析法Spearman等級相關系數(shù)檢驗、戈德菲爾德匡特Goldfeld-Quandt檢驗、帕克Park檢驗、格里瑟Glejser檢驗、懷特White檢驗）-重點理解，要求解釋檢驗過程E措施(加權(quán)最小二乘法WLS) 2. 自相關性（針對古典假定）A概念：在任何具體時期中，u值都與它自己以前的值（或幾個數(shù)值）相關。B產(chǎn)生原因（經(jīng)濟慣性、模型設定有誤、數(shù)據(jù)處理過程中產(chǎn)生、蛛網(wǎng)現(xiàn)象、隨機現(xiàn)象本身原因）C后果（參數(shù)估計量不再有效但仍無偏、估計誤差和估計區(qū)間變大、t檢驗失效、預測精度降低）D檢驗（圖示法、D-W檢驗） （偏相關系數(shù)檢驗、BG檢驗）E措施（廣義差分法）3. 多重共線性（針對古典假定）A概念：解釋變量之間存在精確的或近似的線性相關關系。B產(chǎn)生原因（經(jīng)濟變量的內(nèi)在聯(lián)系、變量間有相同的變化趨勢、引入滯后模型