1、计量经济学复习指南 2013 版第一部分 线性回归模型1能够识别 Eviews 软件参数估计的结果，并且对不同形式解释变量的经济意义进行解释。水平值-水平值模型：乘数；对数-对数模型：弹性。2掌握拟合优度的计算公式，能够根据拟合优度对模型进行评价。解释为什么要对拟合优度进行调整，掌握 R2 与调整 R2 之间的关系。能够根据调整 R2 判断是否可以将新的解释变量加入模型。3掌握变量显著性检验的框架，包括检验的原假设与备择假设，t 统计量的计算公式（ ） ，能够根据临界值准则和伴随概率准则得出检验结论。)(/jjs4多重共线性的定义（完全共线性和近似共线性） 、后果（使估计量方差增大） 。多重共
2、线性的检验，包括初步判断：模型的拟合优度或者 F 统计量较高，但个别变量不显著则可能存在多重共线性；简单相关系数法和判定系数法。可以利用逐步回归对多重共线性进行修正。附：逐步回归的原理。分为向前和向后回归。向前回归：一开始只选用和被解释变量相关程度最高的解释变量建立模型，然后依次根据调整的 R2、t 统计量或者信息准则加入候选变量；向后回归：一开始将所有候选变量加入模型然后根据准则从模型中剔除。5掌握对线性约束条件是否成立（变量的联合显著性）进行 F 检验的框架，包括检验的原假设与备择假设，F 统计量的计算公式 ，能够根据临界值)1/()1(2knRqFU准则和伴随概率准则得出检验结论。能够利
3、用该检验判断是否应该对模型增加或者减少一组解释变量。6Chow 检验的基本思想，检验的原假设与备择假设， F 检验统计量的构造，能够使用 Chow 检验判断回归模型参数是否存在差异。附：Chow 检验原理。将时间序列分为两个阶段，或者两个不同截面数据形成两个样本。分别使用两个样本的数据估计模型得到 和 以及两个残差平方和k,10 k,10RSS1 和 RSS2。如果我们认为两个模型的回归系数没有显著差异，则将两个样本混合起来估计模型得到的残差平方和 RSS 与 RSS1、RSS 2 之和相近。因此可以构造统计量为 。)1(2/)( /)(121 knRSF7虚拟变量的定义以及引入方式；虚拟变量
4、的设置原则。加法方式（斜率相同，截距不同）： iiii DXY210时， ； 时，0iDiiiXY10iDiii 10)(乘法方式（截距相同，斜率不同）： iiii210时， ； 时，i iii10i iii XY)(10虚拟变量的应用：研究不同类型总体均值是否相等、季节效应、参数是否发生结构变化的检验、门槛效应、等级效应。8模型误设的 RESET 检验的基本原理，检验的原假设与备择假设、检验统计量的构造。能够根据 RESET 检验结果得出检验结论。附：RESET 检验的原理。以拟合值 的若干次幂（称为检验阶数）作为遗漏变量的替Y代，即： ，其中 和 都是解释变量的非线性321210XY 2Y
5、3函数。如果模型设定正确，则 和 前的回归系数不显著，即约束条件成立。21专题二 异方差与序列相关1异方差的定义以及带来的后果（估计量丧失有效性）2异方差检验的基本原理；Breusch-Pagan 检验与 White 检验的辅助回归、原假设与备择假设以及检验统计量的构造。附：Breusch-Pagan 检验与 White 检验的原理Breusch-Pagan 检验：认为异方差具有线性形式，即 。如vxek102果解释变量前的系数不全为 0，则模型是异方差的。因此，Breusch-Pagan 检验就是对辅助回归进行方程的显著性检验，可以构造 F 统计量。White 检验：在 Breusch-Pa
6、gan 检验的基础上加入解释变量的非线性形式。以回归模型为例，进行 OLS 回归得到残差序列 e，构造辅助回归：210XY。利用 LM 统计量判断辅助回归215242132 Xe的显著性，即 )5(2nRLM3异方差的修正加权最小二乘法。如果 ，权重为 。2)()jiiXfVar)(1jiXf4序列相关的定义、带来的后果（估计量丧失有效性） 。一阶序列相关可以表示为；高阶序列相关可以表示为 。ttt1 tpttt 15对一阶序列相关的 DW 检验和对高阶序列相关的 LM 检验。附：DW 检验的原理。辅助回归： 。DW 统计量的表达式为ttte1。DW 统计量的临界值有两个 dL 和 dU，取决
7、于样本)1(21212nttteDW容量 n 和解释变量个数 k（含截距） 。 时，正相关； ，无法确LdDWLDW定。LM 检验的原理。辅助回归为 tptttktt eeXe 110 检验假设为： ， 不全为 0:210pH pH:得到可决系数 R2，并构造 LM 统计量： )()(2pRnLM6使用广义最小二乘法和广义差分法修正序列相关性专题三 离散选择模型1线性概率模型及其存在的问题。注意对线性概率模型回归系数的经济意义进行解释。在 中，在其他因素保持不变的情况下，当 X1 增kXXY210加 1 个单位，Y 取 1 的概率（“成功率” ）增加 个单位。该模型中解释变量的边际效1应是恒定
8、的，并且存在异方差问题以及随机误差项非正态问题。2Logit 模型和 probit 模型的基本思想、成功率的计算、解释变量边际效应的计算。令 为 probit 或者 logit 模型的拟合结果。则成功率可以根据kX*10以下两个公式计算。probit 模型： ；logit 模型：*)(1YP*1YeP在此基础上我们还可以计算某个解释变量的边际效应。的边际效应：jx jjjj YgxGxXYP*)()()|1(3Logit 和 probit 模型的拟合优度检验。 ， 为模02log/1LRMcFaden0l型中所有解释变量的系数都为 0 时的对数似然函数值，在软件中表示为“Restr. log
9、likelihood”， 为拟合模型后的对数似然函数值，在软件中表示为“Log likelihood”。Llog专题四 联立方程模型1单方程计量经济学模型与联立计量经济学模型的区别；计量经济学方法中的联立方程问题。由于存在内生变量，解释变量与随机误差项相关，参数估计有偏。2联立方程模型中的基本概念：包括变量（内生变量、先决变量、外生变量） 、结构式与简化式等。能够在结构式模型中识别出哪些变量是内生变量，哪些是先决变量。3联立方程模型的识别。结合教材 197-200 页的例子区分模型的识别状态（不可识别、恰好识别、过度识别） 。注意：恒等方程不需要识别。4工具变量法。在求解一阶条件时，对于内生变
10、量使用工具变量进行替代。选择的工具变量要满足以下几个条件：（i）与随机误差项不相关（这是很自然的） ；（ii）与被替代的解释变量高度相关；（iii）与其他解释变量无多重共线性。5两阶段最小二乘法。工具变量只适合恰好识别的方程（唯一的工具变量替代内生变量） 。如果存在多个工具变量，则可以构造内生解释变量对这些工具变量的回归，将回归的拟合值替代内生变量。因此，两阶段最小二乘法也适用于过度识别的方程。专题五 时间序列分析1三种趋势过程的表达式，可以根据拟合优度或者 RESET 检验选择恰当的趋势过程。如果 y 和 x 都存在趋势成份，则建立的模型可能是虚假回归。掌握对时间序列退势的方法，利用退势后的
11、变量建立模型可以判断原模型是否是虚假回归。2 （弱）平稳过程的定义，为什么在时间序列分析中要求过程是平稳的。根据平稳过程的定义，证明白噪声过程是平稳过程；随机行走过程是非平稳过程。能够利用恰当的方法判断随机行走过程的具体形式（标准、带漂移项、带漂移项和趋势项）3理解自相关函数的定义和性质。白噪声的自相关函数近似服从 0 均值、方差为 1/n的正态分布。能够根据这一分布对自相关函数是否为 0 进行检验。4单整过程的定义。两个 I(1)过程建立回归模型可能产生虚假回归问题。利用差分后的变量建立模型可以判断原模型是否是虚假回归。这里总结一下虚假回归的定义：当用两个互相独立的非平稳时间序列（例如含有趋
12、势或者随机行走）建立回归模型时，常常得到一个具有统计显著性的回归函数。5DF 单位根检验框架，包括原假设与备择假设、统计量、临界值（包括临界值与 t统计量的关系）以及 ADF 检验的改进之处。附：DF 检验的检验框架。辅助回归为 ，原假设与备择假设为tttY1和 ，检验统计量为 。一定要注意 DF 检验是单边检验，0:H0:)(/se拒绝域在左边。DF 检验具有三种形式分别对应三种类型的随机行走过程，检验使用的临界值是不同的。标准 DF 检验要求随机干扰项为白噪声过程，但在实际中，这一假设并不一定成立，Dickey 和 Fuller 对标准 DF 检验进行改进，提出了 ADF 检验。改进的方法
13、就是在辅助回归中加入若干 的滞后项，辅助回归为 。tY tpiititt uYY16协整的定义：两个 I(1)变量的线性组合是 I(0)的。如果两个变量是协整的，则表明二者存在长期均衡关系。要掌握 EG 两步法进行协整检验的步骤：首先估计二者的回归模型，这一步又被称为协整回归；然后对回归残差进行 DF 或者 ADF 平稳性检验（包含三种形式） 。一定要注意协整检验中的 DF 统计量与单位根检验中的 DF 统计量临界值不同。7平稳的 AR(1)过程的表达式，能够计算 AR(1)过程的均值、方差和自相关函数。AR(p)过程的滞后算子表达式、特征方程与特征根以及平稳性条件。8MA(1)过程的表达式，能够计算 MA(1)过程的均值、方差和自相关函数。理解可逆性的定义：MA(q)过程均可以表示为一个 AR()过程，这称为可逆性。
