四川大學(xué)經(jīng)濟(jì)學(xué)院計(jì)量經(jīng)濟(jì)學(xué)(雙語)培訓(xùn)課程期末復(fù)習(xí)匯編

四川大學(xué)經(jīng)濟(jì)學(xué)院計(jì)量經(jīng)濟(jì)學(xué)(雙語)培訓(xùn)課程期末復(fù)習(xí)匯編四川大學(xué)經(jīng)濟(jì)學(xué)院計(jì)量經(jīng)濟(jì)學(xué)(雙語)培訓(xùn)課程期末復(fù)習(xí)匯編四川大學(xué)經(jīng)濟(jì)學(xué)院計(jì)量經(jīng)濟(jì)學(xué)(雙語)培訓(xùn)課程期末復(fù)習(xí)匯編V:1.0精細(xì)整理，僅供參考四川大學(xué)經(jīng)濟(jì)學(xué)院計(jì)量經(jīng)濟(jì)學(xué)(雙語)培訓(xùn)課程期末復(fù)習(xí)匯編日期：20xx年X月計(jì)量經(jīng)濟(jì)學(xué)（雙語）期末復(fù)習(xí)（上）任課老師：張蕊上課時(shí)間：周四第四大節(jié)題型：1、單項(xiàng)選擇題2、判斷對(duì)錯(cuò)，并說明理由3、簡(jiǎn)答題4、推導(dǎo)題5、計(jì)算題6、分析說明題復(fù)習(xí)重點(diǎn)：（一）推導(dǎo)題復(fù)習(xí)：1、最小二乘法地推導(dǎo)過程：（1）最小二乘法（OLS）地基本思想：=1\*GB3①估計(jì)總體回歸函數(shù)地最優(yōu)方法是，選擇地估計(jì)量，使得到地殘差盡可能小=2\*GB3②最小二乘法地基本思路是：選擇參數(shù)，使得全部觀測(cè)值地殘差平方和（Residualsumofsquares，RSS）最小=3\*GB3③殘差和最小地?cái)?shù)學(xué)表達(dá)：（1）（2）最小二乘法地推導(dǎo)過程：根據(jù)最小二乘法原則，確定地準(zhǔn)則是使殘差地平方和最小.那么由微分學(xué)地?cái)?shù)值原理可使（1）式對(duì)和地一階偏導(dǎo)數(shù)為零.于是有：個(gè)人收集整理勿做商業(yè)用途于是有：其中，n為樣本容量，這些聯(lián)立方程稱之為正規(guī)方程（normalequation），我們將normalequation進(jìn)行變換：個(gè)人收集整理勿做商業(yè)用途在（2）式“”左右同乘以在（3）式“”左右同乘以n我們就可以消掉“”，再次聯(lián)立，我們可以得到下式：我們知道：因此，由此我們得到以下式子：2、TSS=ESS+RSS地推導(dǎo)證明：總離差（）分為兩部分，即可以由模型解釋地部分與參差，由此我們得到以下數(shù)量關(guān)系：==所以，有以下關(guān)系式：=這里我們證明接上，我們知道==我們定義：TSS=（總離差平方和）ESS=（回歸平方和）RSS=所以，我們得到TSS=ESS+RSS（二）計(jì)算題復(fù)習(xí)：我們只考慮兩個(gè)變量（一元地各種計(jì)算）1、回歸地計(jì)算（OLS）：（1）公式1：正規(guī)方程組（2）公式2：離差形式2、RSS、TSS、ESS以及擬合優(yōu)度地計(jì)算：（1）TSS==（2）ESS=（3）RSS==TSS-ESS（4）3、規(guī)范差地計(jì)算：首先，我們指出隨機(jī)干擾項(xiàng)地方差是未知地，因此我們用其無偏估計(jì)量來進(jìn)行估計(jì)，以下四個(gè)式子說明了，地方差以及規(guī)范差：（1）（2）（3）（4）4、t檢驗(yàn)地構(gòu)造與計(jì)算、置信區(qū)間地計(jì)算以對(duì)做顯著性檢驗(yàn)為例：t檢驗(yàn)地構(gòu)造：算出t值后，我們查表：如果|t|>，則在地置信度下拒絕了，即通過了顯著性檢驗(yàn)如果|t|<，則在地置信度下通過了，即沒有通過了顯著性檢驗(yàn)置信區(qū)間公式：在地置信區(qū)間是5、F檢驗(yàn)地計(jì)算（見簡(jiǎn)答題復(fù)習(xí)重點(diǎn)）（三）簡(jiǎn)答題復(fù)習(xí)：Chapter0序言1、計(jì)量經(jīng)濟(jì)學(xué)地基本步驟（1）陳列出經(jīng)濟(jì)模型或假設(shè).（2）構(gòu)建計(jì)量經(jīng)濟(jì)學(xué)模型（由普通模型轉(zhuǎn)換成為計(jì)量經(jīng)濟(jì)學(xué)模型）例：消費(fèi)函數(shù)（0<<1）為西方宏觀經(jīng)濟(jì)學(xué)模型，我們沒有考慮殘差，所以，不是計(jì)量經(jīng)濟(jì)學(xué)模型，我們轉(zhuǎn)變此模型為計(jì)量經(jīng)濟(jì)學(xué)模型：（0<<1）.個(gè)人收集整理勿做商業(yè)用途所以，我們可以認(rèn)定計(jì)量經(jīng)濟(jì)學(xué)模型包含三部分，變量、解釋變量、誤差.（3）收集數(shù)據(jù)（4）估計(jì)模型（我們估計(jì)地是變量，上例中為）（5）假設(shè)檢驗(yàn)（6）用計(jì)量經(jīng)濟(jì)學(xué)模型做預(yù)測(cè)與政策分析2、數(shù)據(jù)地類型：時(shí)間序列數(shù)據(jù)：sameobject’datacollectedatregulartimeintervals,suchasdaily,monthly,個(gè)人收集整理勿做商業(yè)用途quarterly,annually橫截面數(shù)據(jù)：dataofdifferentobjectscollectedatthesamepointintime個(gè)人收集整理勿做商業(yè)用途混合數(shù)據(jù)：combinationoftimeseriesandcross-sectiondata個(gè)人收集整理勿做商業(yè)用途Chapter1古典雙變量線性回歸1、古典CLRM’s假設(shè)地基本內(nèi)容：（1）模型是參數(shù)線性地（2）擾動(dòng)項(xiàng)均值為0（3）同方差，每個(gè)地方差為一個(gè)常數(shù)（4）無自相關(guān)，即兩個(gè)誤差項(xiàng)之間不相關(guān)（）（5）解釋變量（X）與擾動(dòng)項(xiàng)不相關(guān)（6）觀測(cè)值足夠多2、在滿足CLRM’s假設(shè)地前提條件，古典回歸模型地特征（即所謂地Blue）（1）線性，即和是隨機(jī)變量Y地線性函數(shù)（2）無偏，（3）最小方差性：地方差小于其他任何一個(gè)地?zé)o偏估計(jì)量地方差地方差小于其他任何一個(gè)地?zé)o偏估計(jì)量地方差附：OLS地其它性質(zhì)（1）（2）（3）3、參數(shù)線性地含義：（參數(shù)線性）（參數(shù)非線性）4、隨機(jī)擾動(dòng)項(xiàng)（PRF中）地表現(xiàn)形式：隨機(jī)擾動(dòng)項(xiàng)地幾點(diǎn)含義：（1）代表了未列入模型中，但有影響因變量Y地種種因素（2）代表了一些隨機(jī)因素（3）代表了測(cè)量誤差（4）代表了模型地設(shè)定誤差Chapter2一元線性回歸模型地假設(shè)檢驗(yàn)1、假設(shè)檢驗(yàn)地步驟（1）構(gòu)造假設(shè)：（2）構(gòu)建T統(tǒng)計(jì)量：~（3）進(jìn)行判斷：如果|t|>，則在地置信度下拒絕了，即通過了顯著性檢驗(yàn)如果|t|<，則在地置信度下通過了，即沒有通過了顯著性檢驗(yàn)注1：注2：幾個(gè)關(guān)鍵概念：：顯著水平，這里固定地：置信度：自由度Criticalvalue：臨界值P-value：可能概率2、方差分析：SSD.F.ESS1RSSN-2TSSN-13、預(yù)測(cè)分為點(diǎn)預(yù)測(cè)與區(qū)間預(yù)測(cè)：（略）4、殘差地直方圖應(yīng)服從正態(tài)分布：（略）Chapter3多元回歸分析1、多元回歸地表達(dá)式以及偏回歸系數(shù)：（1）表達(dá)式：（2）以二元回歸為例，解釋偏回歸系數(shù)地含義：成為偏回歸系數(shù)，其具體含義如下：=1\*GB3①度量了在保持不變地情況下，每變動(dòng)一個(gè)單位，Y地均值地改變量=2\*GB3②度量了在保持不變地情況下，每變動(dòng)一個(gè)單位，Y地均值地改變量2、多元線性回歸模型地基本假設(shè)（基本同CLRM’s假設(shè)）（1）擾動(dòng)項(xiàng)均值為0（2）同方差，每個(gè)地方差為一個(gè)常數(shù)（3）無自相關(guān)，即兩個(gè)誤差項(xiàng)之間不相關(guān)（）（4）解釋變量（X）與擾動(dòng)項(xiàng)不相關(guān)（5）假定隨機(jī)擾動(dòng)項(xiàng)服從均值為0，方差為地正態(tài)分布～（0，）（6）無多重共線性：即兩個(gè)變量之間無確切地線性關(guān)系3、普通最小二乘法（OLS）與方差、規(guī)范差地估計(jì)（略）4、擬合優(yōu)度與調(diào)整擬合優(yōu)度地判定：（1）ESS、RSS、TSS地關(guān)系：SSD.F.（二元）D.F.（一般情況）ESS2RSSN-3TSSN-1注意：為解釋變量地個(gè)數(shù)（2）擬合優(yōu)度：落到（0，1）之中，越大，SRF擬合地越好.（3）調(diào)整擬合優(yōu)度=1\*GB3①調(diào)整擬合優(yōu)度地表達(dá)式=2\*GB3②調(diào)整擬合優(yōu)度地特征（A）；當(dāng)k越大時(shí)，越?。˙）可能為負(fù)5、多元回歸地t檢驗(yàn)（同一元，略）6、多元回歸地F檢驗(yàn)（步驟）：（1）提出假設(shè)：（2）構(gòu)建F統(tǒng)計(jì)量：～（3）判定（在給定地條件下）：=1\*GB3①當(dāng)，拒絕，回歸方程顯著成立，這一推斷地錯(cuò)誤概率為=2\*GB3②當(dāng)，接受，回歸方程無顯著意義，即在顯著水平下，變量對(duì)無影響7、與地關(guān)系：我們知道以下關(guān)系式子：∞8、CHOW檢驗(yàn)（略，見虛擬變量）2008—2009年計(jì)量經(jīng)濟(jì)學(xué)（雙語）期末復(fù)習(xí)重點(diǎn)（上）結(jié)束余下部分見2008—2009年計(jì)量經(jīng)濟(jì)學(xué)（雙語）期末復(fù)習(xí)重點(diǎn)（下）版權(quán)所有，盜版必究！2008—2009學(xué)年度第一學(xué)期計(jì)量經(jīng)濟(jì)學(xué)（雙語）期末復(fù)習(xí)（下）任課老師：張蕊上課時(shí)間：周四第四大節(jié)題型：1、單項(xiàng)選擇題2、判斷對(duì)錯(cuò)，并說明理由3、簡(jiǎn)答題4、推導(dǎo)題5、計(jì)算題6、分析說明題復(fù)習(xí)重點(diǎn)：（三）簡(jiǎn)答題復(fù)習(xí)（接上）Chapter4放寬基本假定地模型第一部分：多重共線性1、多重共線性地?cái)?shù)學(xué)表達(dá)以及完全線性相關(guān)（1）完全線性相關(guān)地表達(dá)式：（1）（2）（2）所謂多重共線性地概念：=1\*GB3①式子（1）與（2）是完全共線性地表達(dá)式，在這種極端地情況下，相關(guān)系數(shù)為1，OLS失效個(gè)人收集整理勿做商業(yè)用途=2\*GB3②當(dāng)相關(guān)系數(shù)為0時(shí)，則不存在多重共線性問題=3\*GB3③當(dāng)相關(guān)系數(shù)時(shí)，則我們研究地多重共線性問題2、多重共線性地原因以及后果：（1）產(chǎn)生原因：=1\*GB3①經(jīng)濟(jì)變量之間固有地聯(lián)系=2\*GB3②經(jīng)濟(jì)變量在時(shí)間上，有同方向變動(dòng)地趨勢(shì)=3\*GB3③模型本身地原因：將某些解釋變量地滯后值作為單獨(dú)地新解釋變量包含在模型中個(gè)人收集整理勿做商業(yè)用途（2）多重共線性所產(chǎn)生地后果：注：在OLS模型下，多重共線性仍然是無偏且有效地=1\*GB3①用最小二乘法估計(jì)地回歸系數(shù)、方差都比較大，模型精度降低，增加了估計(jì)地困難個(gè)人收集整理勿做商業(yè)用途=2\*GB3②由于估計(jì)值方差增大，置信區(qū)間變寬、t值變小，某些系數(shù)可能不顯著，從而接受零檢驗(yàn)個(gè)人收集整理勿做商業(yè)用途=3\*GB3③可能會(huì)很高，且難以衡量單個(gè)解釋變量對(duì)地貢獻(xiàn)=4\*GB3④回歸系數(shù)符號(hào)可能有誤，不符合經(jīng)濟(jì)理論=5\*GB3⑤最小二乘估計(jì)量及其規(guī)范差對(duì)數(shù)據(jù)地微小變化很敏感3、多重共線性地判定（診斷）方法：（1）直觀判斷：很高，但許多不顯著（2）觀察兩兩相關(guān)性注：兩兩相關(guān)性是多重共線性地充分不必要條件，因?yàn)槎嘀毓簿€性可能存在兩個(gè)以上地變量之間（3）利用不包括某一解釋變量所構(gòu)成地可絕系數(shù)：=1\*GB3①將多元線性回歸模型寫成以下函數(shù)形式：=2\*GB3②設(shè)定其判定系數(shù)為.假定依次缺一個(gè)解釋變量所得到地回歸方程為=3\*GB3③我們定義可絕系數(shù)，，……，其中我們知道對(duì)應(yīng)為缺地方程地可絕系數(shù)=4\*GB3④判定法則：個(gè)可絕系數(shù)中最大地所對(duì)應(yīng)地便是多元線性回歸方程中產(chǎn)生多重共線性最嚴(yán)重地那個(gè)變量.個(gè)人收集整理勿做商業(yè)用途（4）利用解釋變量之間所構(gòu)成地回歸方程地可絕系數(shù)=1\*GB3①設(shè)解釋變量為，分別構(gòu)成個(gè)回歸方程=2\*GB3②我們定義可絕系數(shù)，，……，其中我們知道對(duì)應(yīng)地是以為解釋變量地回歸方程=3\*GB3③判定法則：個(gè)可絕系數(shù)中最大、最接近于1地所對(duì)應(yīng)地便是多元線性回歸方程中產(chǎn)生多重共線性最嚴(yán)重地那個(gè)變量.個(gè)人收集整理勿做商業(yè)用途（5）本證值與條件指數(shù)：=1\*GB3①我們定義條件數(shù)（k）為：=2\*GB3②我們定義條件指數(shù)（CI）為：=3\*GB3③經(jīng)驗(yàn)判定：（A）：方程存在輕度多重共線性（B）：多重共線性問題較為嚴(yán)重（C）：多重共線性問題非常嚴(yán)重（6）方差膨脹因子（）：=1\*GB3①方差膨脹因子地定義：我們知道：==2\*GB3②地經(jīng)驗(yàn)判定：則方程存在嚴(yán)重多重共線性=3\*GB3③容許度地定義4、多重共線性地補(bǔ)救方法（因?yàn)闆]有固定地辦法，所以略寫）（1）什么都不做（2）利用“先驗(yàn)”信息（3）變換模型形式（4）擴(kuò)大樣本容量（5）刪除變量注：可能會(huì)導(dǎo)致模型失去BLUE地特征第二部分：異方差1、異方差地含義：在古典假設(shè)中，我們知道，而在放寬基本假設(shè)地條件下，，這就是異方差2、異方差產(chǎn)生地原因與后果：（1）產(chǎn)生地原因：=1\*GB3①統(tǒng)計(jì)失誤，以致略去某些變量=2\*GB3②測(cè)量失誤，數(shù)據(jù)收集技術(shù)地改進(jìn)=3\*GB3③特異變量（極大或極?。┑爻霈F(xiàn)=4\*GB3④橫截面數(shù)據(jù)（2）產(chǎn)生地后果：=1\*GB3①OLS回歸，是無偏但不是有效地，失去了BLUE地特征，失去了最小地方差個(gè)人收集整理勿做商業(yè)用途=2\*GB3②很難構(gòu)建t檢驗(yàn)（顯著性檢驗(yàn)）和置信區(qū)間=3\*GB3③不再是無偏估計(jì)量，故進(jìn)一步導(dǎo)致不再無偏=4\*GB3④預(yù)測(cè)精度下降，異方差導(dǎo)致OLS地估計(jì)量變大，失去了預(yù)測(cè)地精度3、異方差地診斷（重點(diǎn)是White檢驗(yàn)）（1）殘差地圖形檢驗(yàn)（2）Goldfeld-Quandt檢驗(yàn)（3）Park檢驗(yàn)（4）Glejser檢驗(yàn)（5）White檢驗(yàn)：=1\*GB3①假定兩個(gè)解釋變量地線性回歸模型：（3）=2\*GB3②White檢驗(yàn)地基本過程： （A）用OLS進(jìn)行回歸，然后計(jì)算（B）做輔助回歸：（C）求出輔助回歸地，計(jì)算與樣本容量地乘積：注：在零假設(shè)，不存在異方差條件下，服從分布，自由度為式子（3）中地解釋變量地個(gè)數(shù)（不包括截距項(xiàng)）～（D）判定異方差：a）若計(jì)算出超過了所選顯著水平下地臨界值，則拒絕零假設(shè)，原線性回歸模型存在異方差性b）若計(jì)算出小于所選顯著水平下地臨界值，則接受零假設(shè)，原線性回歸模型不存在異方差性4、異方差地解決辦法——加權(quán)平均最小二乘法（WLS）（1）擾動(dòng)項(xiàng)方差已知地情況=1\*GB3①將模型兩端除以方差地平方差=2\*GB3②我們將方程改寫成：（4）=3\*GB3③我們可以保證（=）是同方差地，所以，當(dāng)我們對(duì)式子（4）進(jìn)行回歸地時(shí)候，我們又會(huì)得到一個(gè)BLUE地方程個(gè)人收集整理勿做商業(yè)用途（2）擾動(dòng)項(xiàng)方差未知地情況：=1\*GB3①假設(shè)誤差地方差與成比例（A）表達(dá)式：（B）回歸方程如下：=2\*GB3②假設(shè)誤差地方差與成比例（A）表達(dá)式：（B）回歸方程如下：其它補(bǔ)救方法（略）第三部分：自相關(guān)1、自相關(guān)地含義數(shù)學(xué)定義式：（）2、自相關(guān)地原因及后果：（1）原因：=1\*GB3①被解釋變量地自相關(guān)=2\*GB3②蛛網(wǎng)現(xiàn)象=3\*GB3③統(tǒng)計(jì)誤差=4\*GB3④數(shù)據(jù)地加工處理與傳輸（2）自相關(guān)地后果：=1\*GB3①OLS回歸，是無偏但不是有效地，失去了BLUE地特征，失去了最小地方差個(gè)人收集整理勿做商業(yè)用途=2\*GB3②OLS地方差估計(jì)是有偏地，擾動(dòng)項(xiàng)和回歸參數(shù)地方差嚴(yán)重低估=3\*GB3③由于=2\*GB3②地存在，T檢驗(yàn)中地t值被嚴(yán)重高估，因此T檢驗(yàn)和F檢驗(yàn)不可靠個(gè)人收集整理勿做商業(yè)用途=4\*GB3④通常計(jì)算地不能準(zhǔn)備度量真實(shí)地=5\*GB3⑤預(yù)測(cè)地方差與規(guī)范差也可能是無效地注：自相關(guān)與異方差一樣，都使OLS估計(jì)量無偏但無效，失去了BLUE地特征；使所有地預(yù)測(cè)、檢驗(yàn)與置信區(qū)間不可靠個(gè)人收集整理勿做商業(yè)用途3、自相關(guān)地判斷（1）圖示檢驗(yàn)法（2）游程檢驗(yàn)（簡(jiǎn)）：=1\*GB3①排列殘差符號(hào)序列=2\*GB3②查Swed-Eisenhart臨界值表=3\*GB3③判定自相關(guān)：（A）如果是正自相關(guān)，那么游程值會(huì)很小（B）如果是正自相關(guān)，那么游程值會(huì)很大（3）Durbin—Watson檢驗(yàn)（重點(diǎn)）=1\*GB3①使用條件：（A）變量是隨機(jī)變量（B）擾動(dòng)項(xiàng)地產(chǎn)生機(jī)制是一階自回歸：（）（C）不適合解釋變量地滯后模型（D）大樣本，充分大=2\*GB3②統(tǒng)計(jì)量地構(gòu)造：=3\*GB3③與地關(guān)系：當(dāng)n足夠大時(shí)，我們可以認(rèn)為：=4\*GB3④運(yùn)行檢驗(yàn)：（A）提出以下假設(shè)零假設(shè)：被擇假設(shè)：（B）用OLS回歸算出（C）計(jì)算：（D）根據(jù)從表上查出和（E）我們可以得出以下結(jié)論：，拒絕，正自相關(guān)，接受，非自相關(guān)，拒絕，負(fù)自相關(guān)或，不能判斷（4）參差自回歸4、自相關(guān)地補(bǔ)救（一階差分法）（1）補(bǔ)救過程（以一元為例）（1）（2）將（2）式左右均乘以得到：（3）（3）式—（1）式得：（4）令：所以：新地回歸方程變?yōu)椋海ㄏ俗韵嚓P(guān)）（2）地確定=1\*GB3①根據(jù)檢驗(yàn)：因?yàn)?，所以?2\*GB3②從殘差中估計(jì)=3\*GB3③迭代法Chapter5虛擬變量1、虛擬變量地含義：變量取“0”或“1”表示“存在”或“缺席”2、虛擬解釋變量：（1）舉例說明虛擬解釋變量地使用：所以我們可以看到：女性地工資：男性地工資：（2）合適地虛擬變量數(shù)量：如果我們有m種變量，我們需要設(shè)個(gè)虛擬變量.（如果我們?cè)O(shè)m個(gè)，就會(huì)出現(xiàn)多重共線性）（3）虛擬解釋變量地應(yīng)用：=1\*GB3①結(jié)構(gòu)檢驗(yàn)（A）如果是時(shí)間斷點(diǎn)，我們可以知道：模型變換成帶有虛擬變量地模型如下：（B）如果中有一個(gè)統(tǒng)計(jì)顯著，我們便認(rèn)為在這個(gè)時(shí)間斷點(diǎn)發(fā)生了結(jié)構(gòu)改變附：結(jié)構(gòu)檢驗(yàn)與CHOW檢驗(yàn)地比較（略，但我們知道用虛擬變量進(jìn)行地結(jié)構(gòu)檢驗(yàn)優(yōu)于CHOW檢驗(yàn)）=2\*GB3②季度分析：我們定義：D2=0，D3=0，D4=0，第一季度D2=1，D3=0，D4=0，第二季度D2=0，D3=1，D4=0，第三季度D2=0，D3=0，D4=1，第四季度=3\*GB3③piecewiselinearregression分析：因此我們得到：3、虛擬被解釋變量：（1）LMP=1\*GB3①LMP模型地意義：（A）我們?cè)O(shè)立模型（B）可以將其轉(zhuǎn)換為虛擬被解釋變量模型：=2\*GB3②基本估計(jì)方法：OLS=3\*GB3③用OLS方法估計(jì)LMP地問題：（A）LPM中地誤差項(xiàng)并不服從正態(tài)分布，但隨著n增加，LMP地誤差項(xiàng)地分布形式趨近于正態(tài)分布（B）誤差項(xiàng)存在異方差（C）估計(jì)地Y值可能落在【0，1】之外（D）實(shí)際上對(duì)來說并不是線性地（2）LOGIT模型=1\*GB3①LOGIT模型地形式：=2\*GB3②LOGIT模型地特點(diǎn)：（A）模型能夠確保落在【0，1】地范圍內(nèi)（B）模型與實(shí)際地經(jīng)濟(jì)理論相一致：對(duì)來說并不是線性地=3\*GB3③估計(jì)LOGIT模型地方法：（A）單個(gè)數(shù)據(jù)數(shù)據(jù)：ML（最大似然估計(jì)法）（B）分組數(shù)據(jù)：OLS（普通最小二乘法）Chapter6回歸模型地補(bǔ)充問題1、對(duì)數(shù)模型（Cobb-douglas為例）（1）轉(zhuǎn)換為對(duì)數(shù)：（2）令：我們得到新地線性回歸模型：（3）解釋與地含義：我們認(rèn)為：=1\*GB3①測(cè)量地是對(duì)Y地彈性（資本彈性）=2\*GB3②測(cè)量地是對(duì)Y地彈性（勞動(dòng)彈性）=3\*GB3③，規(guī)模效益遞增2、半對(duì)數(shù)模型：（1）情況一：令：模型轉(zhuǎn)變?yōu)椋海?）情況二：令：模型轉(zhuǎn)變?yōu)椋海?）以情況二為例子，說明地含義：（半彈性）3、倒數(shù)模型：令：模型轉(zhuǎn)變?yōu)椋阂饬x：隨著X地不斷增長(zhǎng)，Y逐漸趨近其極值*4、POLYNOMIALMODEL2008—2009年計(jì)量經(jīng)濟(jì)學(xué)（雙語）期末復(fù)習(xí)重點(diǎn)（下）結(jié)束2008-12

版權(quán)申明本文部分內(nèi)容，包括文字、圖片、以及設(shè)計(jì)等在網(wǎng)上搜集整理。版權(quán)為張儉個(gè)人所有Thisarticleincludessomeparts,includingtext,pictures,anddesign.CopyrightisZhangJian'spersonalownership.用戶可將本文的內(nèi)容或服務(wù)用于個(gè)人學(xué)習(xí)、研究或欣賞，以及其他非商業(yè)性或非盈利性用途，但同時(shí)應(yīng)遵守著作權(quán)法及其他相關(guān)法律的規(guī)定，不得侵犯本網(wǎng)站及相關(guān)權(quán)利人的合法權(quán)利。除此以外，將本文任何內(nèi)容或服務(wù)用于其他用途時(shí)，須征得本人及相關(guān)權(quán)利人的書面許可，并支付報(bào)酬。Usersmayu