当前位置：文档库 › 计量经济学速成总结

计量经济学速成总结

（转）关于计量经济学

来源：张伦的日志

我笑其太浮躁。但后来想想，这种学习方法不一定适合所有人，但或许适合一部分人群。因此有必要写出来让这部分人群都有所收获，不会因为发不了CSSCI而担忧，不会因为毕业论文不会做计量而担忧。因此有了本文。你是不是属于这样的人群？请看下面：

本文的目标人群：

1、不懂计量的人；

2、想学计量却苦于缺乏时间的人；

3、想学计量却看不懂、推导不了那些恐怖矩阵的人，也就是不想看推导过程，也想发论文的人。

4、不想看计量书，却想写计量论文，发几篇CSSCI，尽快毕业的人。

5、所有想速成的人。

但是目标人群一定要能看懂STATA软件操作手册的人（或者其他软件操作手册）。如果你不认得手册上的字，不要来告诉我。我也不认得。如果你能找到一个懂STATA、EVIEWS的人给你讲解一下，那么你看不懂手册也无所谓。

本文的目标：不看计量推导、不看计量书籍就能发计量论文，而且是大规模批量生产计量论文，甚至是发经济研究和管理世界。

目标能否实现：取决于你能否掌握本黑客教程的内容，能否阅读软件手册。

申明：不是教你如何抄袭作弊，而是教你写计量论文的方法和捷径。

一、计量论文的两大要点是什么？

二、如何判断计量论文的水平高低？

三、做计量的“大杀器”有哪些？

四、瞎倒腾计量的秘诀

五、大规模发CSSCI的建议

一、计量论文的两大要点是什么？

1、计量模型的建立（就是那个方程，表达什么经济含义要知道）；

2、模型中的系数如何估计出来（关键在于估计方法的选择）。

第1个要点涉及你论文主题。你一般要想用数据检验某种经济关系，根据这种经济关系来建立计量模型。如果你不知道要检验什么经济关系，那我劝你就此打住。你发不了经济研究了。

第2个要点。千万种方法的出现，目的都是要把那个系数给估计出来。不同估计方法的估计效果好坏，就是根据各种统计量来判断。如果能选择一种最合适你数据的估计方法，那么这论文基本就成了。

二、如何判断计量论文的水平高低？

掌握了上面两个要点，只是说你能写出一篇计量论文，并不是说能写出一篇高水平的论文。水平的高低在于你处理这两个要点时水平的高低。下面仔细讲解。

如果只是为了写计量论文，只需要“知其然”即可。没有人会因为不会推导OLS估计量而对软件里面出来的结果不知所措。这条途径，最快捷的走法是找一个懂的人，把结果里面的各种东西所表示的意思给你讲一遍，每个东西要注意什么。基本就可以了。在一般的CSSCI上发表论文没有什么问题。如果找不到人，就看STAT A的手册，里面的例子会讲解每个指标参数统计量的含义。这样慢一点，但效果很好，而且也能成为STATA专家。STATA手册比高级计量教材看起来轻松多了，就是告诉你怎么操作软件，然后得到什么结果的。

计量论文中的估计问题，最关键的事情，不是能推导估计量，而是在STATA里面选择一个“合适”的方法估计出来。然后解释结果的经济意义。而计量水平的高低，不在于方法的复杂性，而在于方法的合适程度。因此高水平的计量论文，不必要求作者掌握高深的计量推导，而在于“选择”的技巧。每种计量方法，都有优劣。所谓用人之长，容人之短。水平高的人，能够选择以其之长，攻它之短。同时又能隐藏计量方法内在的拙劣。

其实，计量论文的水平主要决定于论文的主题的重要性。这个话题大家都很关心，就很重要，发表就很容易。所以，你会发现国际顶级期刊上一些计量论文所用的方法很简单。这些论文能发表，主要是他讨论的问题很重要（这涉及第一个要点），采用的方法即使有缺陷，也无

伤大雅。如果问题不是非常重要，只是有新意，但是估计方法比较合适，也能发一个中上等期刊。如果问题属于鸡毛蒜皮之类，那就只能诉诸于超级复杂的计量方法，祈求审稿人看论文时，方法还没看完就已经累得半死，再也没有心情来思考你的问题的重要性，然后也能通过了。

三、做计量的“大杀器”有哪些？

所谓的大杀器，不是指超级复杂的计量方法，而是指这种东西一旦用起来，一般不会有人来攻击。所谓的一招毙命，毙了审稿人的命。计量方法很多，可以说满天飞。但是，真正有价值的方法，被人公认为具有一定可信度的方法（就是所谓的“大杀器”），只有5种。并不是你所看到的所有的方法都有人信。这点大部分初学计量的人都不会意识到。看到书上介绍一个方法，就认为这是一个好方法。其实不是。书上很多方法的介绍，仅仅是出于理论推演的需要，并不是实际研究中都能用的。你如果查阅一下国际上关于经验研究类的论文，会发现大部分论文所用方法无非是：

1、简单回归；

2、工具变量回归；

3、面板固定效应回归；

4、差分再差分回归(difference in differnece)；

5、狂忒二回归(Quantile)。

大杀器就这几种，破绽最少，公认度最高，使用最广泛。真是所谓的老少皆宜、童叟无欺。其他的方法都不会更好，只会招致更多的破绽。你在STATA里面还可以看到无数的其他方法，例如GMM、多层次分析法等。这个GMM实在是一个没有用的忽悠，他还分为diffGMM和系统GMM。其关键思想是当你找不到工具变量时，用滞后项来做工具变量。结果你会发现令人崩溃的情况：不同滞后变量的阶数，严重影响你的结果，更令人崩溃的是，一些判断估计结果优劣的指标会失灵。这完全是胡搞！这GMM的唯一价值在于理论价值，而不在于实践价值。你如果要玩计量，你就可以在GMM的基础上进行修改（玩计量的方法后面讲）。

有人会问：简单回归会不会太简单？我只能说你真逗。STATA里面那么多选项，你加就是了。什么异方差、什么序列相关，一大堆尽管加。如果你实在无法确定是否有异方差和序列相关，那就把选项都加上。反正如果没有异方差，结果是一样的。有异方差，软件就自动给你纠正了。这不很爽嘛。如果样本太少，你还能加一个选项：bootstrap来估计方差。你看爽不爽！bootstrap就是自己提靴子的方法。自己把脚抬起来扛在肩上走路，就这么牛。这个bootstrap 就是用30个样本能做到30万样本那样的效果。有吸引力吧。你说这个简单回归简单还是不简单！很简单，就是加选项。可是，要理论推导，就不简单了。我估计国内能推导的没几个人。经济研究上论文作者，最多只有5%的人能推导，而且大部分是海龟。所以，你不需要

会推导，也能把计量做的天花乱坠。

工具变量(IV)回归，这不用说了，有内生性变量，就用这个吧。一旦有内生性变量，你的估计就有问题了。国际审稿人会拼了老命整死你。国内审稿人大部分不懂这东西（除了经济研究这类刊物的部分审稿人以外）。工具变量的选择只要掌握一个关键点就行：找一个和内生性变量有数据相关的，但是没有因果关系的东西，这就是你的IV了。例如贸易量如果是内生的，那么你找地理距离作为IV。北京到纽约的距离，那是自然形成的，没人认为是由贸易量导致的，这就是没有因果关系。但是你会发现两者在数据上具有相关性。这就很好。这种数据相关性越强，IV的效果就越好。就这么一段话，IV变量回归就讲完了。在STA TA里面，你直接把原回归方程写出来，然后把IV填进去就可以了，回车就得到你的结果。关键是你不一定能找到这样的工具变量。你能找到，这个工具也不大能用。不过要注意，IV不灵不代表你不能发表。经济研究上还不是发了一大堆这样的论文。所以，你只要找到一个IV，效果不是差的太离谱，一般都能发。当然不能发国际一流了。国内是没问题。国内审稿人没人会重复你的结果看看是否有问题，因此你说这个IV效果已经是最好的了，世界上还找不到第二个比这个更好的了，审稿人也没的话说。就发表呗！如果审稿人说，另外一个IV效果可能要比你的好。那你就采纳他的建议用他的IV（尽管他的建议会更差），然后感谢他一下。第二次审稿，难道他还会说自己上次是胡说八道？？？所以就发表了，哈哈哈哈！

有人又会问：面板不是还有个随机效应嘛？我只能说，你是看过书的人，所以才知道随机效应。其实随机效应压根就没什么用处。有人信誓旦旦说可以用hausman来检验。我只能告诉你，这检验压根就不可靠。可靠也是理论上可靠，实践上根本没人信。当然中国人都信，不信的都是美国欧洲这样的计量经济学家。你难道不知道hausman还会出现负值！做过这个检验的人都很头疼这个负值，不知道该怎么做。你如果看看一些高手的建议，或者一些书籍，你就会发现，最权威的建议就是：当你无法判断该用固定效应还是随机效应的时候，选择固定效应更可靠。随机效应不是任何时候都可以做，但是固定效应是任何时候都可以做。所以你知道该怎么做了吧。

差分再差分，是固定效应的一个变种，在估计某个事件发生带来的效应时最有用的方法，特简单，看看STATA手册就明白了。狂忒二回归(Quantile)是一般均值回归的一个推广。看名字挺吓人，其实很简单。如果你知道OLS是一个均值回归，那类推就可以知道1/2分位数回归。你知道的，正态分布下，均值就是1/2分位数的地方。均值回归就是1/2分位数回归。知道了1/2回归，你自然知道1/4和3/4分位数回归了。如果还不懂，翻开伍德里奇的书，讲到简单OLS回归时，我记得有一个图，上面对不同位置的x位置画了不同的正态分布密度函数(第2版是figure 2.1，pp26，见下面)。如果是异方差问题，那么不同x位置的正太分布图的方差就有变化。这个图上注明了预测值是E(Y|X)，就是Y的条件期望，就是那根回归预测直线啦。在正态分布下就是Y的密度函数的中心点的连线，就是1/2分位数点的连线。如果那条预测线画在密度函数的1/4和3/4分位数点上，那么预测结果就不是Y的均值（在非正态下可能是均值），而是1/4和3/4分位数点的预测值。这下明白狂忒二回归了吧。分位数回归就是看看那根预测直线在不同的分位数点上有什么结果,得到什么样的回归系数。通常的OLS预测直线，仅仅是一个特例而已。进一步推广，可以推广到任意分位数点回归的情况。道理一样。

伍德里奇《计量经济学导论——现代观点》的图2.1（解释Quantile回归的意义）

不过要注意，大杀器要用对。有内生性变量，你就不要用简单回归了，你得用IV回归。这几种大杀器的精髓一领会，基本上其他东西就难不倒你了。就是STATA里面的选项多选几个或者少选几个的问题。你所要做的就是在STATA里面打钩、设置参数。对付一般的CSSCI论文，已经是绰绰有余了。如果你提了一个大家很感兴趣的问题，就是一个重要问题，那么用用IV，或者固定面板，发个经济研究基本没问题。如果你的问题不是很重要，还想发经济研究，那你就要简单问题复杂化。上面大杀器能解决的问题，你就用更不可靠的方法但更复杂的方法去解决吧。大家用开源软件就会知道，一般开源软件会有一个稳定版本，功能比较少，效果很稳定，能满足你日常几乎所有的需求。还有一个开发版本，专门给那些吃饱了撑着没事干的人倒腾的版本，因为是开发版本，所以很不稳定，经常会出错、崩溃。不过能倒腾的人不怕崩溃，崩溃了能自己修。你要是想倒腾，接着往下看吧。

四、瞎倒腾计量的秘诀

瞎倒腾有两种水平，第一种是低水平，第二种，那你也猜到了，就是高水平瞎倒腾。

低水平瞎倒腾，就是大杀器不够过瘾，要用摄人魂魄、但容易走火入魔的计量方法达到发表经济研究的目的。例如，没事弄弄协整，搞一把单位根检验之类的。听起来头头是道，其实都是杞人忧天。你想想，要是有协整，时间序列你根本不用着急。要是没有协整，你着急也没用。那你还协整个啥！面板来说，你有协整，也没有一个较好的估计方法，期刊上不是还有很多人在用固定效应OLS，或者是加点滞后滞前项变成一个固定效应动态OLS来估计非平稳面板嘛。面板到现在为止也没有一个公认的可靠的协整向量估计方法，否则STATA这样的软件早就提供按钮了（STATA和EVIEW现在只有协整的检验方法，不是协整向量的估计）。既然没有公认可靠的方法，你急啥！

其实，协整这玩意，最大的价值也在于理论价值，实践价值几乎没有。当年格兰杰发表协整思想，说如果变量不平稳，在没有协整关系的情况下，前人回归都不可靠。这话把大家吓个半死。惊魂未定时格兰杰又说，在协整情况下没问题，大部分论文中的经济变量都有协整关系。大家一听，松了口气，原来没有问题。有问题的那些少数自然自讨没趣。从格兰杰当年这搞笑天分，你就知道期刊上那些协整玩意都是忽悠。当然，又是单位根检验，又是协整检验，然后各种估计方法，这就好几页篇幅过去了，经济研究编辑一看，至少进入匿名审稿了。兵法曰：唱空城计，以静制动。意思你知道的。

上面是低水平瞎倒腾。虽然摄人魂魄，但是一旦走火入魔，论文就被毙。风险和收益，你自己把握吧。下面简单谈谈高水平瞎倒腾。这不属于本文的目标范围，但是既然提到瞎倒腾，不提一下这个有点缺陷。能干这事的人，一般都要看过高级计量。不看是不会的。如果你没看过，下面可以直接跳过。

这高水平瞎倒腾，基本上是一招毙命，当然是毙审稿人和主编的命。要毙了自己的命，还不如不瞎倒腾呢。我只讲一下操作步骤。能如此瞎倒腾的人，基本一看就能心领神会。找一篇顶级期刊的名人写的经验研究论文。这类论文通常是问题很重要，方法很傻瓜。然后你去拓展方法。这里改改残差假设，那里修修变量平稳性强度，重新推导一下估计量（这就是为什么走这条路，你就得会推导），得到一个新的分布，然后按照这个新分布来做显著性检验，

得到你想要的结果。看看有什么结果变化。啥变化也没有那几乎是不可能的。即使没大的变化，也会有系数程度大小的变化，或者显著性有所轻微变化。只要有变化，就大做文章，巴拉巴拉一大堆讨论，晕死他再说。这论文写出来，投经济研究自然没什么问题。说实话国内能这么玩的人毕竟少数。你玩把戏，审稿人都不一定看得出来。自然就通过了。如果投国际上一流刊物，那么多人在玩这个把戏，都是火眼金睛，就看你玩的转否。如同马戏团的杂技，有人玩得溜，有人会出破绽。

再补充一个中等水平的瞎倒腾方法。你也不需要会推导公式，但是你得会用一些傻×程序，例如GAUSS，MATLAB、R等。你平时紧紧盯着那些出新方法的期刊，我指的是国际期刊哦。一旦有一个新方法出来，作者都会附一个程序，例如R程序。你就下载下来。看明白这篇对应论文的摘要、introduction和结论，基本搞清楚这方法是针对什么样的问题的，在什么情况下能用。这就行了。你拿过来把中国数据往里面灌，然后出来一篇论文。因为这方法很新，国内基本没人见过，即使见过也是极少数人。没人见过就好办事。你说自己的结果怎么样可靠，怎么样比别人的结果要好，那就是好。编辑肯定没见过这方法，审稿人只是小概率见过。所以这论文一投就中。

五、大规模发CSSCI的建议

以揭示经济变量之间关系为目的的人，掌握大杀器的用法就够了。发CSSCI没有问题。你把一个数据集用一个方法做一遍，每个方法都做一遍。然后挑最差的一个结果写一篇论文，然后发表。然后次佳的结果写第二篇，推进你第一篇的结论，说你用了新方法有了新发现。准能发。这年头的CSSCI，大部分都是没有什么新结果的，花钱就能发。你要弄出一些新结果来推进一下，那就是上层之作了。然后，你知道的，第三篇文章杀出来了，第四篇文章又杀出来了。别忘了，还有第五种狂忒二方法，CSSCI编辑基本不知道啥东西，你基本上是一招杀敌。这样至少5篇CSSCI。一般研究生博士生都能毕业了。碰到**的学校，你也**一点，再找一个数据集，再整5篇CSSCI。10篇总能让人毕业了吧！！！如果你的学校非要发经济研究管理世界中国社科，那你就再把我上面的五种方法看一遍，融会贯通，让自己能做到对症下药，发经济研究基本没问题。对症下药就是计量方法要选择合适的，那几种大杀器不要用错了地方。

结论

你那学校发经济研究也不能毕业？？？难道你在哈佛念书？那你看错帖子了。哈佛写经验类论文是不能毕业的！！！对于大部分国内学生来说，没人教授计量经济学，很痛苦。有人教授计量，更痛苦。计量经济学的教材、那些漫天飞舞的矩阵，有时间看看，没时间不看也行，不影响写论文。关键是看看软件的手册，有条件找个懂软件的人，一周就能成为计量写作的高手。我猜想看这帖子的大部分人都是属于写经验论文的吧，按照上面的方法，发个10篇CSSCI基本没问题。难道毕业还有问题？

特别申明：以上方法，只是用于应急、被迫发表才能毕业等情况。如果有时间，还需要认真阅读高级计量，不但做到知其然，还要做到知其所以然。

计量经济学应用软件eviews使用方法

计量经济学软件包Eviews 使用说明一、启动软件包假定用户有Windows95/98的操作经验，我们通过一个实际问题的处理过程，使用户对EViews 的应用有一些感性认识，达到速成的目的。 1、Eviews 的启动步骤：进入Windows /双击Eviews 快捷方式，进入EViews 窗口；或点击开始 /程序/Econometric Views/ Eviews ，进入EViews 窗口。２、EViews 窗口介绍标题栏：窗口的顶部是标题栏，标题栏的右端有三个按钮：最小化、最大化（或复原）和关闭，点击这三个按钮可以控制窗口的大小或关闭窗口。菜单栏：标题栏下是主菜单栏。主菜单栏上共有7个选项： File ，Edit ，Objects ，View ，Procs ，Quick ，Options ，Window ，Help 。用鼠标点击可打开下拉式菜单（或再下一级菜单，如果有的话），点击某个选项电脑就执行对应的操作响应（File ，Edit 的编辑功能与Word, Excel 中的相应功能相似）。命令窗口：主菜单栏下是命令窗口，窗口最左端一竖线是提示符，允许用户在提示符后通过键盘输入EViews （TSP 风格）命令。如果熟悉MacroTSP （DOS ）版的命令可以直接在此键入，如同DOS 版一样地使用EViews 。按F1键（或移动箭头），键入的历史命令将重新显示出来，供用户选用。命令窗口信息栏路径主显示窗口（图一）

主显示窗口：命令窗口之下是Eviews的主显示窗口，以后操作产生的窗口（称为子窗口）均在此范围之内，不能移出主窗口之外。状态栏：主窗口之下是状态栏，左端显示信息，中部显示当前路径，右下端显示当前状态，例如有无工作文件等。 Eviews有四种工作方式：（1）鼠标图形导向方式；（2）简单命令方式；（3）命令参数方式[(1)与（2）相结合)] ；（4）程序（采用EViews命令编制程序）运行方式。用户可以选择自己喜欢的方式进行操作。二、创建工作文件工作文件是用户与EViews对话期间保存在RAM之中的信息，包括对话期间输入和建立的全部命名对象，所以必须首先建立或打开一个工作文件用户才能与Eviews对话。工作文件好比你工作时的桌面一样，放置了许多进行处理的东西（对象），像结束工作时需要清理桌面一样，允许将工作文件保存到磁盘上。如果不对工作文件进行保存，工作文件中的任何东西，关闭机器时将被丢失。进入EViews后的第一件工作应从创建新的或调入原有的工作文件开始。只有新建或调入原有工作文件， EViews才允许用户输入开始进行数据处理。建立工作文件的方法：点击File/New/Workfile。选择数据类型和起止日期，并在出现的对话框中提供必要的信息：适当的时间频率（年、季度、月度、周、日）；确定起止日期或最大处理个数（开始日期是项目中计划的最早的日期；结束日期是项目计划的最晚日期，非时间序列提供最大观察个数，以后还可以对这些设置进行更改）。下面我们通过研究我国城镇居民消费与可支配收入的关系来学习Eviews的应用。数据如下：表一下面的图片说明了具体操作过程。 1、打开新建对象类型对话框，选择工作文件Workfile，见图二。

(word完整版)计量经济学期末考试及答案,推荐文档

《计量经济学》课程期末考试题（二）一、单项选择题（每小题1分，共20分） 1、计量经济研究中的数据主要有两类：一类是时间序列数据，另一类是【】 A 、总量数据 B 、横截面数据 C 、平均数据 D 、相对数据 2、计量经济学分析的基本步骤是【】 A 、设定理论模型→收集样本资料→估计模型参数→检验模型 B 、设定模型→估计参数→检验模型→应用模型 C 、个体设计→总体设计→估计模型→应用模型 D 、确定模型导向→确定变量及方程式→估计模型→应用模型 3、在模型的经济意义检验中，不包括检验下面的哪一项【】 A 、参数估计量的符号 B 、参数估计量的大小 C 、参数估计量的相互关系 D 、参数估计量的显著性 4、计量经济学模型用于政策评价时，不包括下面的那种方法【】 A 、工具变量法 B 、工具—目标法C 、政策模拟 D 、最优控制方法 5、在总体回归直线E x y 10)?(ββ+=中，1β表示【】 A 、当x 增加一个单位时，y 增加1β个单位 B 、当x 增加一个单位时，y 平均增加1β个单位 C 、当y 增加一个单位时，x 增加1β个单位 D 、当y 增加一个单位时，x 平均增加1β个单位 6、用普通最小二乘法估计经典线性模型t t t u x y ++=10ββ，则样本回归线通过点【】 A 、 (x ，y ) B 、 (x ，y ?) C 、(x ，y ?) D 、 (x ，y) 7、对于i ki k i i i e x x x y +++++=ββββ????22110Λ，统计量∑∑----)1/()?(/)?(2 2k n y y k y y i i i 服

计量经济学心得

计量经济学学习心得报告通过这个学期学习的计量经济学这门课程，王新华老师在我们学习计量经济学给了我们很多细心的讲解和耐心的指导，我们针对学习内容主要学到的主要有两点：一：对EVIES软件的熟练操作与应用，学会了Eviews软件，我感觉自己真的是很幸运，因为毕竟有些软件是属于那种有价无市的，如果没有老师的传授我不可能从市场上或是从思想上认识到它；二：对于计量经济学各种案例分析的认识我是很深刻的，在这一次对一个案例进行回归分析讲述中，我不但巩固了老师课堂所讲的知识，也提高了胆识，增长了见识，也学会了团队与协作的力量。以下我将着重从两个方面阐述我对计量经济学知识的一些认识以及个人从中学到的经验与心得。一：计量经济学教我了我很多。在学习计量经济学的过程中，我可以旁征博引，同时老师也给了我很多有意思的启发，因为即将面临考研的抉择，这门课也是我考研过程中必备的一门课程，因此，它作为一门核心必修课，我们都会很用心得听讲，并对一些重要的知识做了记录，从而为自己的考研奠定一定的基础。二：计量经济学的系统知识计量经济学的定义为：用数学方法探讨经济学可以从好几个方面着手，但任何一个方面都不能和计量经济学混为一谈。计量经济学与经济统计学绝非一码事；它也不同于我们所说的一般经济理论，尽管经济理论大部分具有一定的数量特征；计量经济学也不应视为数学应用于经济学的同义语。经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说，都是必要的，但本身并非是充分条件。三者结合起来，就是力量，这种结合便构成了计量经济学。计量经济学关心统计工具在经济问题与实证资料分析上的发展和应用，经济学理论提供对于经济现象逻辑一致的可能解释。因为人类行为和决策是复杂的过程，所以一个经济议题可能存在多种不同的解释理论。当研究者无法进行实验室的实验时，一个理论必须透过其预测与事实的比较来检验,计量经济学即为检验不同的理论和经济模型的估计提供统计工具。在计量经济学一元线性回归模型，我认识到：变量间的关系及回归分析的基本概念，主要包括：其次有一元线形回归模型的参数估计及其统计检验与应用，包括：我也学会了参数的最大似然估计法语最小二乘法。对于最小二乘法，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的拟合样本数据，而对于最大似然估计法，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组样本观测值的概率最大。显然，这是从不同原理出发的两种参数估计方法。即：

计量经济学-李子奈-计算题整理集合

计算分析题（共3小题，每题15分，共计45分） 1、下表给出了一含有3个实解释变量的模型的回归结果：方差来源平方和（SS ）自由度（d.f.）来自回归65965 — 来自残差— — 总离差(TSS) 66056 43 （1）求样本容量n 、RSS 、ESS 的自由度、RSS 的自由度（2）求可决系数)37.0(-和调整的可决系数2 R （3）在5%的显著性水平下检验1X 、2X 和3X 总体上对Y 的影响的显著性（已知0.05(3,40) 2.84F =）（4）根据以上信息能否确定1X 、2X 和3X 各自对Y 的贡献？为什么？ 1、（1）样本容量n=43+1=44 （1分） RSS=TSS-ESS=66056-65965=91 （1分） ESS 的自由度为: 3 （1分） RSS 的自由度为: d.f.=44-3-1=40 （1分）（2）R 2=ESS/TSS=65965/66056=0.9986 （1分） 2R =1-(1- R 2)(n-1)/(n-k-1)=1-0.0014?43/40=0.9985 （2分）（3）H 0：1230βββ=== （1分） F=/65965/39665.2/(1)91/40 ESS k RSS n k ==-- （2分） F >0.05(3,40) 2.84F = 拒绝原假设（2分）所以，1X 、2X 和3X 总体上对Y 的影响显著（1分）（4）不能。（1分）因为仅通过上述信息，可初步判断X 1，X 2，X 3联合起来对Y 有线性影响，三者的变化解释了Y 变化的约99.9%。但由于无法知道回归X 1，X 2，X 3前参数的具体估计值，因此还无法判断它们各自对Y 的影响有多大。 2、以某地区22年的年度数据估计了如下工业就业模型 i i i i i X X X Y μββββ++++=3322110ln ln ln 回归方程如下： i i i i X X X Y 321ln 62.0ln 25.0ln 51.089.3?+-+-= （-0.56）(2.3) (-1.7) (5.8) 2 0.996R = 147.3=DW 式中，Y 为总就业量；X 1为总收入；X 2为平均月工资率；X 3为地方政府的

计量经济学期末考试试卷B

读书破万卷下笔如有神山东轻工业学院08/09学年第二学期《计量经济学》期末考试试卷（B卷）（本试卷共7 页）适用班级：经管学院07级所有学生 20 分）共（本题共一、单项选择题10 小题，每小题2 分，得分请将其代码填写在每小题列出的四个备选项中只有一个 1. 在多元回归中，调整后的判定系数与判定系数的关系有（） A． < B． > C． D．关系不能确定 2R＝1时有（）根据判定系数2. 与F统计量的关系可知，当 A．F＝－1 B．F＝0 C．F＝1 D． F＝∞ 3.DW检验法适用于检验（） A．异方差性 B．序列相关 C．多重共线性 D．设定误差 2=0.98，X1的t值＝如果一个二元回归模型的 4. OLS结果为R0.00001,X2的t 值＝0.0000008，则可能存在（）问题。 A. 异方差 B. 自相关 C. 多重共线 D. 随机解释变量读书破万卷下笔如有神

5. 在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近1，则表明模型中存在（） A．异方差性 B．序列相关 C．多重共线性 D．拟合优度低 6.容易产生自相关的数据是（） A．横截面数据 B．时间序列数据 C．年度数据 D．混合数据 ????中，模型：检验7. 线性回归??????x?ux?x?y i20ik1i12kii?时，所用的统计量为：（）),2,(,?0?k?,1H:0? i ?i0????????ii1k?1?t?nt??ttn?k．． B A ?????? ??VV ????ii1??n?tFnk?1,?k?1ktF?．． D C?????? ii22???? ??VV ii2????，8. 对于线性回归模型：检验随机误差项是否u?xxy????????x tkt221ttt0k1存在自相关的统计量是：（） ???2ee?d61?tti2t?1t??d B． A．??1r nn2? ??n1nn???2e t1?t??2n?r i?t．． D C?t?? ?V2r1?i9. 若回归模型中的随机误差项存在一阶自回归形式的序列相关，则估计模型参数应采用（） A．普通最小二乘法 B．加权最小二乘法 C．广义差分法 D．工具变量法 d和d,在给定显著水平下，若DW统计量的下和上临界值分别为则当10. ul d DW d 时，可认为随机误差项（）ul

计量经济学课后习题1-8章

计量经济学课后习题总结第一章绪论 1、什么事计量经济学？计量经济学就是把经济理论、经济统计数据和数理统计学与其他数学方法相结合，通过建立经济计量模型来研究经济变量之间相互关系及其演变的规律的一门学科。 2、计量经济学的研究方法有那几个步骤？（1）建立模型：包括模型中变量的选取及模型函数形式的确定。（2）模型参数的估计：通过搜集相关是数据，采用不同的参数估计方法，进行模型参数估计。（3）模型参数的检验：包括经济检验、以及统计学方面的检验。（4）经济计量模型的应用：经济预测、经济结构分析、经济政策评价。 3、经济计量模型有哪些特点？经济计量模型是一个代数的、随即的数学模型，它可以是线性或非线性（对参数而言）形式。 4、经济计量模型中的数据有哪几种类型（1）定量数据：时间序列数据、截面数据、面板数据（2）定型数据：虚拟变量数据第二章一元线性回归模型 1、什么是相关关系？它有那几种类型？（书上没有确切的答案）（1）相关关系：当一个或几个相互联系的变量取一定的数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。变量间的这种相互关系，称为具有不确定性的相关关系（2）相关关系的种类 1.按相关程度分类：（1）完全相关：一种现象的数量变化完全由另一种现象的数量变化所确定。在这种情况下，相关关系便称为函数关系，因此也可以说函数关系是相关关系的一个特例。（2）不完全相关：两个现象之间的关系介于完全相关和不相关之间（3）不相关：两个现象彼此互不影响，其数量变化各自独立 2.按相关的方向分类：（1）正相关：两个现象的变化方向相同（2）负相关：两个现象的变化方向相反 3.按相关的形式分类（1）线性相关：两种相关现象之间的关系大致呈现为线性关系（2）非线性相关：两种相关现象之间的关系并不表现为直线关系，而是近似于某种曲线方程的关系

计量经济学

名词解释 1、因果效应：在理想化随机对照实验中得到的，某一给定的行为或处理对结果的影响 2、实验数据：来源于为评价某种处理（某项政策）抑或某种因果效应而设计的实验 3、观测数据：通过观察实验之外的实际行为而获得的数据 4、截面数据：对不同个体如工人、消费者、公司或政府机关等在某一特定时间段内收集到的数据 5、时间序列数据：对同一个体（个人、公司、国家等）在多个时期内收集到的数据 6、面板数据：即纵向数据，是多个个体分别在两个或多个时期内观测到的数据 7、离散型随机变量：一些随机变量是离散的连续型随机变量：一些随机变量是连续的 8、期望值：随机变量经过多次重复实验出现的长期平均值，记作E （Y ） 9、期望：Y 的长期平均值，记作μY 10、方差：是Y 距离其均值的偏差平方的期望值，记作var （Y ） 11、标准差：方差的平方根来表示偏差程度，记作σY 12、独立性：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息 13、标准正态分布：指那些均值102==σμ、方差的正态分布，记作N （0，1） 14、简单随机抽样：n 个对象从总体中抽取，且总体中的每一个个体都有相等的可能性被选入样本 15、独立分布：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息，那么这两个变量X 和Y 独立分布 16、偏差：设Y Y E Y Y μμμμ-??）（为的一个估计量，则偏差是；一致性：当样本容量增大时，Y μ ?落入真实值Y μ的微小领域区间内的概率接近于1，即Y Y μμ与?是一致的有效性：如果Y μ ?的方差比Y μ~更小，那么可以说Y Y μμ~?比更有效 17、最小二乘估计量：21)(m i n i -Y ∑ =最小化误差m -i Y 平方和的估计量m 18、P 值：即显著性概率，指原假设为真的情况下，抽取到的统计量与原假设之间的差异程度至少等于样本计算值与原假设之间差异程度的概率 19、第一类错误：拒绝了实际上为真的原假设 20、一元线性回归模型：i i 10i μββ+X +=Y ；1β代表1X 变化一个单位所导致Y 的变化量 21、普通最小二乘（OLS ）估：选择使得估计的回归线与观测数据尽可能接近的回归系数，其中近似程度用给定X 时预测Y 的误差的平方和来度量 22、回归2R ：可以由i X 解释（或预测）的i Y 样本方差的比例，即TSS SSR TSS ESS R -==12 23、最小二乘假设：①给定i X 时误差项i μ的条件均值为零：0)(i i =X μE ； ②从联合总体中抽取的，，，，），，（n ...21i i i =Y X 满足独立同分布； ③大异常值不存在：即i i Y X 和具有非零有限的四阶距 24、1β置信区间：以95%的概率包含1β真值的区间，即在所有可能随机抽取的样本中有95%包含了1β的真值 25、同方差：若对于任意i=1，2，...，n ，给定）（条件分布的方差时χμμ=X X i i i i var 为常数且不依赖于χ，则称误差项i μ是同方差

计量经济学期末考试题库(完整版)及答案

计量经济学题库、单项选择题(每小题1分) 1?计量经济学是下列哪门学科的分支学科(C)O A.统计学 B.数学 C.经济学 D.数理统计学 2?计量经济学成为一门独立学科的标志是(B)。 A. 1930年世界计量经济学会成立 B. 1933年《计量经济学》会刊出版 C. 1969年诺贝尔经济学奖设立 D. 1926年计量经济学(EConOIniCS) —词构造出来 3.外生变量和滞后变量统称为(D)O A.控制变量B?解释变量 C.被解释变量 D.前定变量 4.横截面数据是指(A)O A.同一时点上不同统计单位相同统计指标组成的数据 B.同一时点上相同统计单位相同统计指标组成的数据 C.同一时点上相同统计单位不同统计指标组成的数据 D.同一时点上不同统计单位不同统计指标组成的数据 5.同一统计指标，同一统计单位按时间顺序记录形成的数据列是(C)O A.时期数据 B.混合数据 C.时间序列数据 D.横截面数据 6.在计量经济模型中，由模型系统部因素决定，表现为具有一定的概率分布的随机变量，其数值受模型中其他变量影响的变量是(B )o A.生变量 B.外生变量 C.滞后变量 D.前定变量 7.描述微观主体经济活动中的变量关系的计量经济模型是(A )o A.微观计量经济模型 B.宏观计量经济模型 C.理论计量经济模型 D.应用计量经济模型 &经济计量模型的被解释变量一定是(C )o A.控制变量 B.政策变量 C.生变量 D.外生变量 9.下面属于横截面数据的是(D )o A.1991-2003年各年某地区20个乡镇企业的平均工业产值 B.1991-2003年各年某地区20个乡镇企业各镇的工业产值 C.某年某地区20个乡镇工业产值的合计数 D.某年某地区20个乡镇各镇的工业产值 10.经济计量分析工作的基本步骤是( A )0 A.设定理论模型一收集样本资料一估计模型参数一检验模型 B.设定模型一估计参数一检验模型一应用模型 C：个体设计f总体估计f估计模型f应用模型D.确定模型导向一确定变量及方程式一估计模型一应用模型 11.将生变量的前期值作解释变量，这样的变量称为( A.虚拟变量 B.控制变量 12.( B )是具有一定概率分布的随机变量， A.外生变量 B.生变量 13.同一统计指标按时间顺序记录的数据列称为( A.横截面数据 B.时间序列数据据 14?计量经济模型的基本应用领域有( A.结构分析、经济预测、政策评价 C.消费需求分析、生产技术分析、 15.变量之间的关系可以分为两大类， A.函数关系与相关关系 C.正相关关系和负相关关系 D )0 C.政策变量它的数值由模型本身决定。 C.前定变量 B )0 C.修匀数据 A )0 B.弹性分析、D.季度分析、它们是(A 乘数分析、政策模拟年度分析、中长期分析 )o B.线性相关关系和非线性相关关系D.简单相关关系和复杂相关关系 D ?滞后变量D.滞后变量D.原始数

计量经济学总结

计量经济学复习范围一、回归模型的比较 1.根据模型估计结果观察分析 (1)回归系数的符号与值的大小就是否符合经济理论要求 (2)改变模型形式之后就是否使判定系数的值明显提高 (3)各个解释变量t 检验的显著性 2.根据残差分布观察分析在方程窗口点击View \ Actual,Fitted,Residual\Tabe(或Graph) (1)残差分布表中,各期残差就是否大都落在σ ?±的虚线框内。 (2)残差分布就是否具有某种规律性,即就是否存在着系统误差。 (3)近期残差的分布情况二、判断新的解释变量引入模型就是否合适(遗漏变量检验) 1、基本原理如果模型逐次增加一个变量, 由于增加一个新的变量,ESS 相对于RSS 的增加,称为这个变量的“增量贡献”或“边际贡献”。不引入:0H (即引入的变量不显著) ())'','(~)''/(/' k k F k n RSS k ESS ESS F new old new --= 或 )'','(~/)1(/)(''2' 22k k F k n R k R R F NEW OLD NEW ---= 其中,'k 为新引进解释变量的个数,''k 为引进解释变量后的模型中参数个数。判别增量贡献的准则:如果增加一个变量使2R 变大,即使RSS 不显著地减少,这个变量从边际贡献来瞧,就是值得增加的。若F>F 或者对应的P 值充分小,拒绝则认为引入新的解释变量合适;否则,接受则认为引入新的解释变量不合适。三、伪回归的消除如果解释变量与被解释变量均虽随时间而呈同趋势变动,如果不包含时间趋势变量而仅仅就是将Y 对X 回归,则结果可能仅仅反映这两个变量的同趋势特征而没有反映它们之间的真实关系,这种回归也称为伪回归。

计量经济学分析计算题Word版

计量经济学分析计算题（每小题10分） 1．下表为日本的汇率与汽车出口数量数据， X:年均汇率（日元/美元） Y:汽车出口数量（万辆）问题：（1）画出X 与Y 关系的散点图。（2）计算X 与Y 的相关系数。其中X 129.3＝，Y 554.2＝，2 X X 4432.1∑ （－）＝，2 Y Y 68113.6∑（－）＝，()()X X Y Y ∑－－＝16195.4 （3）采用直线回归方程拟和出的模型为 ?81.72 3.65Y X =+ t 值 1.2427 7.2797 R 2=0.8688 F=52.99 解释参数的经济意义。 2．已知一模型的最小二乘的回归结果如下： i i ?Y =101.4-4.78X 标准差（45.2）（1.53） n=30 R 2=0.31 其中，Y ：政府债券价格（百美元），X ：利率（%）。回答以下问题：（1）系数的符号是否正确，并说明理由；（2）为什么左边是i ?Y 而不是i Y ；（3）在此模型中是否漏了误差项i u ；（4）该模型参数的经济意义是什么。 3．估计消费函数模型i i i C =Y u αβ++得 i i ?C =150.81Y + t 值（13.1）（18.7） n=19 R 2=0.81 其中，C ：消费（元） Y ：收入（元）已知0.025(19) 2.0930t =，0.05(19) 1.729t =，0.025(17) 2.1098t =，0.05(17) 1.7396t =。

问：（1）利用t 值检验参数β的显著性（α＝0.05）；（2）确定参数β的标准差；（3）判断一下该模型的拟合情况。 4．已知估计回归模型得 i i ?Y =81.7230 3.6541X + 且2X X 4432.1∑ （－）＝，2 Y Y 68113.6∑ （－）＝，求判定系数和相关系数。 5．有如下表数据日本物价上涨率与失业率的关系（1）设横轴是U ，纵轴是P ，画出散点图。根据图形判断，物价上涨率与失业率之间是什么样的关系？拟合什么样的模型比较合适？（2）根据以上数据，分别拟合了以下两个模型：模型一：1 6.3219.14 P U =-+ 模型二：8.64 2.87P U =- 分别求两个模型的样本决定系数。 7．根据容量n=30的样本观测值数据计算得到下列数据：XY 146.5＝，X 12.6＝，Y 11.3＝，2X 164.2＝，2Y ＝134.6，试估计Y 对X 的回归直线。 8．下表中的数据是从某个行业5个不同的工厂收集的，请回答以下问题：

如何快速写出计量经济学的论文

当初一个舍友来自西部地区，从没学过计量（OLS都没学过）。但毕业论文老板要求用数据说话，发愁。我于心不忍，告诉她：我每天晚上自习回来，睡觉前花10分钟给你讲解一下STATA的操作和出来的各项结果意义。第一天，我讲了OLS。画了一张散点图和一根直线，用了1分钟就让她完全理解了OLS的精髓，这是用来干啥的。后面9分钟讲解了STATA的操作和OLS的各种变种。结果只一个星期，讲完五种方法（下面会介绍），她信心大增。后来一下子发了好几篇CSSCI，计量做的天花乱坠，让人误以为是一个大师。毕业论文也顺利通过。她说我的方法是当今世界上最快的计量速成法。她说，以后有时间要好好看看计量书，打打基础。我推荐她读伍德里奇的那本现代观点。但她论文发表了好多篇，至今还没看那本书。问其原因：“看了一下OLS，跟你讲的没啥区别，就是多了些推导。那些推导看不看都不影响我用软件。现在没空看，先发论文再说。” 我笑其太浮躁。但后来想想，这种学习方法不一定适合所有人，但或许适合一部分人群。因此有必要写出来让这部分人群都有所收获，不会因为发不了CSSCI而担忧，不会因为毕业论文不会做计量而担忧。因此有了本文。你是不是属于这样的人群？请看下面：本文的目标人群： 1、不懂计量的人； 2、想学计量却苦于缺乏时间的人； 3、想学计量却看不懂、推导不了那些恐怖矩阵的人，也就是不想看

推导过程，也想发论文的人。 4、不想看计量书，却想写计量论文，发几篇CSSCI，尽快毕业的人。 5、所有想速成的人。但是目标人群一定要能看懂STATA软件操作手册的人（或者其他软件操作手册）。如果你不认得手册上的字，不要来告诉我。我也不认得。如果你能找到一个懂STATA、EVIEWS的人给你讲解一下，那么你看不懂手册也无所谓。本文的目标：不看计量推导、不看计量书籍就能发计量论文，而且是大规模批量生产计量论文，甚至是发经济研究和管理世界。目标能否实现：取决于你能否掌握本黑客教程的内容，能否阅读软件手册。申明：不是教你如何抄袭作弊，而是教你写计量论文的方法和捷径。目录一、计量论文的两大要点是什么？二、如何判断计量论文的水平高低？三、做计量的“大杀器”有哪些？四、瞎倒腾计量的秘诀五、大规模发CSSCI的建议一、计量论文的两大要点是什么？

计量经济学期末考试及答案3

《计量经济学》课程期末考试试卷（三）一、单项选择题（每小题1分，共20分） 1、计量经济学的理论模型设计工作，不包括下面【】方面。 A 、选择变量 B 、确定变量之间的数学表达式 C 、收集数据 D 、确定待估计参数理论预期值 2、计量经济学模型成功的三要素不包括【】。 A 、理论 B 、应用 C 、数据 D 、方法 3、相关关系是指变量间的【】关系。 A 、逻辑依存 B 、因果 C 、函数依存 D 、随机数学 4、截面数据是指同一时间条件下【】组成的数据。 A 、不同统计单位相同统计指标 B 、相同统计单位相同统计指标 C 、相同统计单位不同统计指标 D 、不同统计单位不同统计指标 5、参数β的估计量β?被称为“最有效估计”是指ββ=)?(E 且【】。 A 、0)?(=β Var B 、=)?(βVar 最小 C 、0)?(2=-ββ D 、ββ-?最小 6、可决系数2R 的取值范围是【】。 A 、2R ≤－1 B 、2R ≥1 C 、0≤2R ≤1 D 、－1≤2R ≤1 7、下列关于模型参数估计的说法中正确的是【】。 A 、一致性是指：样本量趋于无穷时，估计量收敛到参数真值。 B 、方差最小的估计量一定最好。 C 、对于无偏估计而言，均方误差最小与方差最小等价。 D 、对任意线性回归模型而言，最小二乘估计与最大似然估计等价。 8、下列模型不可化为线性回归模型的是【】。 A 、i i i AX Y μα += B 、i i i LnX Y μββ++=10 C 、i i i X LnY μββ++=10 D 、i i i LnX LnY μββ++=`0

计量经济学重点知识归纳整理

1.普通最小二乘法(Ordinary Least Squares,OLS)：已知一组样本观测值 {}n i Y X i i ,2,1:),(?=，普通最小二乘法要求样本回归函数尽可以好地拟合这组值，即样本回归线上的点∧ i Y 与真实观测点Yt 的“总体误差”尽可能地小。普通最小二乘法给出的判断标准是：被解释变量的估计值与实际观测值之差的平方和最小。 2.广义最小二乘法GLS ：加权最小二乘法具有比普通最小二乘法更普遍的意义，或者说普通最小二乘法只是加权最小二乘法中权恒取1时的一种特殊情况。从此意义看，加权最小二乘法也称为广义最小二乘法。 3.加权最小二乘法WLS ：加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。 4.工具变量法IV ：工具变量法是克服解释变量与随机干扰项相关影响的一种参数估计方法。 5.两阶段最小二乘法2SLS, Two Stage Least Squares ：两阶段最小二乘法是一种既适用于恰好识别的结构方程，以适用于过度识别的结构方程的单方程估计方法。 6.间接最小二乘法ILS ：间接最小二乘法是先对关于内生解释变量的简化式方程采用普通小最二乘法估计简化式参数，得到简化式参数估计量，然后过通参数关系体系，计算得到结构式参数的估计量的一种方法。 7.异方差性Heteroskedasticity ：对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。 8.序列相关性Serial Correlation ：多元线性回归模型的基本假设之一是模型的随机干扰项相互独立或不相关。如果模型的随机干扰项违背了相互独立的基本假设，称为存在序列相关性。 9.多重共线性Multicollinearity ：对于模型i k i i X X X Y μββββ++?+++=i k 22110i ，其基本假设之一是解释变量X 1,X 2,…,Xk 是相互独立的。如果某两个或多个解释

定量研究案例

一篇转帖的文章，作者真的很强大！本文的缘起：当初一个舍友来自西部地区，从没学过计量（OLS都没学过）。但毕业论文老板要求用数据说话，发愁。我于心不忍，告诉她：我每天晚上自习回来，睡觉前花10分钟给你讲解一下STATA的操作和出来的各项结果意义。第一天，我讲了OLS。画了一张散点图和一根直线，用了1分钟就让她完全理解了OLS的精髓，这是用来干啥的。后面9分钟讲解了STATA的操作和OLS的各种变种。结果只一个星期，讲完五种方法（下面会介绍），她信心大增。后来一下子发了好几篇CSSCI，计量做的天花乱坠，让人误以为是一个大师。毕业论文也顺利通过。她说我的方法是当今世界上最快的计量速成法。她说，以后有时间要好好看看计量书，打打基础。我推荐她读伍德里奇的那本现代观点。但她论文发表了好多篇，至今还没看那本书。问其原因：“看了一下OLS，跟你讲的没啥区别，就是多了些推导。那些推导看不看都不影响我用软件。现在没空看，先发论文再说。” 我笑其太浮躁。但后来想想，这种学习方法不一定适合所有人，但或许适合一部分人群。因此有必要写出来让这部分人群都有所收获，不会因为发不了CSSCI而担忧，不会因为毕业论文不会做计量而担忧。因此有了本文。你是不是属于这样的人群？请看下面：本文的目标人群： 1、不懂计量的人； 2、想学计量却苦于缺乏时间的人； 3、想学计量却看不懂、推导不了那些恐怖矩阵的人，也就是不想看推导过程，也想发论文的人。 4、不想看计量书，却想写计量论文，发几篇CSSCI，尽快毕业的人。 5、所有想速成的人。但是目标人群一定要能看懂STATA软件操作手册的人（或者其他软件操作手册）。如果你不认得手册上的字，不要来告诉我。我也不认得。如果你能找到一个懂STATA、EVIEWS的人给你讲解一下，那么你看不懂手册也无所谓。本文的目标：不看计量推导、不看计量书籍就能发计量论文，而且是大规模批量生产计量论文，甚至是发经济研究和管理世界。目标能否实现：取决于你能否掌握本黑客教程的内容，能否阅读软件手册。申明：不是教你如何抄袭作弊，而是教你写计量论文的方法和捷径。

计量经济学期末试卷

?第一题判断题10×2=20分（从以下题目中任选10题，判断对错；如果2 ? P66 1，OLS法是使残差平方和最小化的估计方法。对 2，计算OLS估计值无需古典线性回归模型的基本假定。对 3，若线性回归模型满足假设条件（1）——（4），但扰动项不服从正态分布，则尽管OLS估计量不再是BLUE，但仍为无偏估计量。错只要满足（1）——（4），OLS估计量就是BLUE 4，最小二乘斜率系数的假设检验所依据的是t分布，要求??的抽样分布是正态分布。对 5,R =TSS/ESS 错R =ESS/TSS 6，若回归模型中无截距项，则Σet=0未必成立。对 7，若原假设未被拒绝，则它为真。错只能说不能拒绝原假设 8，在双变量回归模型中，б 的值越大，斜率系数的方差越大。错Var(??)=б /Σxt 只有当Σxt 恒定，上述说法才正确。 P149

1，尽管存在严重多重共线性，普通最小二乘法估计量仍然是最佳线性无偏估计量。对 2，如果分析的目的仅仅是为了预测，则多重共线性并无妨碍。对 3，如果解释变量两两之间的相关系数都低，则一定不存在多重共线性。错即使解释变量两两之间的相关系数都低，也不能排除存在多重共线性的可能性 4，如果存在异方差性，通常用的t检验和F检验是无效的。对 5，当存在自相关时，OLS估计量既不是无偏的，也不是有效的。注意：本书中无偏性不成立仅两种情况： 1，模型中忽略了有关的解释变量。 2，随机解释变量与扰动项同期无关。错在扰动项自相关的情况下OLS估计量仍为无偏估计量，但不再具有最小方差的性质，即不是BLUE 6，消除一阶自相关的一阶差分变换法假定自相关系数必须等于1。对 7，模型中包含无关的解释变量，参数估计会有偏，并且会增大估计量的方差，即增大误差。错模型中包含无关的解释变量，参数估计仍无偏，但会增大估计量的方差，即增大误差 8，多元回归中，如果全部“斜率”系数各自t检验都不显著，则R 值也高不了。

计量经济学知识点总结

绪论计量经济学：根据理论和观测的事实，运用合适的推理方法使之联系起来同时推导，对实际经济现象进行的数量分析。计量经济学（定量分析）是经济学（定性分析）、统计学和数学（定量分析）的结合。目的：把实际经验的内容纳入经济理论，确定变现各种经济关系的经济参数，从而验证经济理论，预测经济发展的趋势，为制定经济策略提供依据。类型：理论计量经济学和应用计量经济学计量经济学的研究步骤：（一）模型设定：要有科学的理论依据选择适当的数学形式方程中的变量要具有可观测性（二）估计参数：参数不能直接观测而且是未知的（三）模型检验：经济意义的检验、统计推断检验、计量经济学检验、模型预测检验（四）模型应用：经济分析、经济预测、政策评价和检验、发展经济理论计量经济模型：计量经济模型是为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，是以数学形式对客观经济现象所作的描述和概括。计量经济研究中应用的数据包括：①时间序列②数据截面③数据面板④数据虚拟变量数据第二章简单线性回归模型：只有一个解释变量的线性回归模型相关系数：两个变量之间线性相关程度可以用简单线性相关系数去度量总体相关系数：对于研究的总体，两个相互关联的变量得到相关系数。总体相关系数Var方差Cov协议方差

总体回归函数：将总体被解释函数Y的条件期望表现为解释变量X的函数总体个体随机扰动项引入随机扰动项的原因？ ①作为未知影响因素的代表②作为无法取得数据的已知因素的代表③作为众多细小因素的综合代表④模型的设定误差⑤变量的观测误差⑥经济现象的内在随机性。简单线性回归的基本假定？（1）零均值假定时，即在给定解释变量Xi得到条件下，随机扰动项Ui的条件期望或条件均值为零。（2）同方差假定，即对于给定的每一个Xi，随机扰动项Ui的条件方差等于某一常数。（3）无相关假定，即随机扰动项Ui的逐次值互不相干，或者说对于所有的i和j（I不等于j），ui和uj的协方差为零。（4）随机扰动项ui与解释变量Xi不想管（5）正态性假定，即假定随机扰动项ui服从期望为零、方差为的正态分布。最小二乘准则：用使估计的剩余平方和最小的原则确定杨讷回归函数最小二乘估计量评价标准：无偏性、有效性、一致性。统计特性：线性特性、无偏性、有效性。 E（）= P28

计量经济学计算题解法汇总

计量经济学：部分计算题解法汇总 1、求判别系数——R^2 已知估计回归模型得 i i ?Y =81.7230 3.6541X + 且2X X 4432.1∑ （－）＝，2Y Y 68113.6∑（－）＝， 2、置信区间有10户家庭的收入（X ，元）和消费（Y ，百元）数据如下表： 10户家庭的收入（X ）与消费（Y ）的资料 X 20 30 33 40 15 13 26 38 35 43 Y 7 9 8 11 5 4 8 10 9 10 若建立的消费Y 对收入X 的回归直线的Eviews 输出结果如下： Dependent Variable: Y Adjusted R-squared F-statistic Durbin-Watson （1（2）在95%的置信度下检验参数的显著性。（0.025(10) 2.2281t =，0.05(10) 1.8125t =，0.025(8) 2.3060t =，0.05(8) 1.8595t =）（3）在90%的置信度下，预测当X ＝45（百元）时，消费（Y ）的置信区间。（其中29.3x =，2()992.1x x - =∑）答：（1）回归模型的R 2 ＝，表明在消费Y 的总变差中，由回归直线解释的部分占到90％以上，回归直线的代表性及解释能力较好。（2分）家庭收入对消费有显著影响。（2分）对于截距项，

检验。（2分）（3）Y f =+×45＝（2分） 90%置信区间为（，+），即（，）。（2分）注意：a 水平下的t 统计量的的重要性水平，由于是双边检验，应当减半 3、求SSE 、SST 、R^2等已知相关系数r ＝，估计标准误差?8σ＝，样本容量n=62。求：（1）剩余变差；（2）决定系数；（3）总变差。（2）2220.60.36R r ===（2分） 4、联系相关系数与方差（标准差），注意是n-1 在相关和回归分析中，已知下列资料： 222X Y i 1610n=20r=0.9(Y -Y)=2000σσ∑＝，＝，，，。（1）计算Y 对X 的回归直线的斜率系数。（2）计算回归变差和剩余变差。（3）（2）R 2=r 2==，总变差：TSS ＝RSS/(1-R 2)=2000/=（2分）

计量经济学软件包Ev

菜单栏：标题栏下是主菜单栏。主菜单栏上共有7个选项： File，Edit，Objects，View，Procs，Quick，Options，Window，Help。用鼠标点击可打开下拉式菜单（或再下一级菜单，如果有的话），点击某个选项电脑就执行对应的操作响应（File，Edit的编辑功能与Word, Excel中的相应功能相似）。命令窗口：主菜单栏下是命令窗口，窗口最左端一竖线是提示符，允许用户在提示符后通过键盘输入EViews（TSP风格）命令。如果熟悉MacroTSP（DOS）版的命令可以直接在此键入，如同DOS版一样地使用EViews。按F1键（或移动箭头），键入的历史命令将重新显示出来，供用户选用。主显示窗口：命令窗口之下是Eviews的主显示窗口，以后操作产生的窗口（称为子窗口）均在此范围之内，不能移出主窗口之外。状态栏：主窗口之下是状态栏，左端显示信息，中部显示当前路径，右下端显示当前状态，例如有无工作文件等。 Eviews有四种工作方式：（1）鼠标图形导向方式；（2）简单命令方式；（3）命令参数方式[(1)与（2）相结合)] ；（4）程序（采用EViews 命令编制程序）运行方式。用户可以选择自己喜欢的方式进行操作。二、创建工作文件工作文件是用户与EViews对话期间保存在RAM之中的信息，包括对话期间输入和建立的全部命名对象，所以必须首先建立或打开一个工作文件用户才能与Eviews对话。工作文件好比你工作时的桌面一样，放置了许多进行处理的东西（对象），像结束工作时需要清理桌面一样，允

计量经济学期末试卷(满分70分)

计量经济学期末试卷（2004年6月，满分70分）一（24分）将中国城镇居民按照人均年收入分成组，以2003年的组平均数为样本观测值，建立中国城镇居民消费函数模型，以人均年消费额为被解释变量，经过理论分析和经验检验，选择人均年收入和人均储蓄余额作为解释变量，解释变量和被解释变量之间的关系为直接线性关系。模型形式为： ⑴分别写出该问题的总体回归函数、总体回归模型、样本回归函数和样本回归模型； ⑵分别写出随机误差项具有同方差且无序列相关、具有异方差但无序列相关、具有异方差且具有一阶序列相关时的方差—协方差矩阵； ⑶当模型满足基本假设时，写出关于普通最小二乘法参数估计量的正规方程组； ⑷直观判断该模型是否具有异方差性？为什么？ ⑸如果该模型存在异方差性，写出加权最小二乘法参数估计量的矩阵表达式，并指出在实际估计时权矩阵是如何选择的； ⑹指出“偏回归系数” 的实际含义，并指出解释变量满足什么条件时可以用一元回归模型得到相同的的估计结果？ ⑺如果仅以入均收入200元及以上的收入组为样本，用OLS和ML分别估计模型，参数估计量是否等价？为什么？ ⑻如果模型中未包括显著的解释变量，可能导致模型违背哪些基本假设？二（8分）简要回答下列问题： ⑴C-D生产函数模型和CES生产函数模型关于要素替代弹性和技术进步的假设分别是什么？ ⑵建立城镇居民食品类需求函数模型如下：其中V为人均购买食品支出额、Y为人均收入、为食品类价格、为其它商品类价格。指出各个参数估计量的经济意义和数值范围。三（8分）某联立方程计量经济学模型有3个方程、3个内生变量、3个外生变量和样本观测值始终为1的虚变量C，样本容量为n。其中第二个方程为 ⑴能否采用OLS方法估计该结构方程？为什么？ ⑵如果采用工具变量方法估计该方程，如何选择的工具变量？（指出两种选择）四（16分）中国的银行系统正遭受着坏帐的困扰，有估计认为全部坏帐足以让整个银行系统崩溃。毫无疑问坏帐是资源配置被扭曲的一个例子，换句话说如果没有坏帐，中国的GDP增长率也许会更高。为检验这一理论，假设你已经收集了中国银行系统坏帐累计总额的时序数据，以及其它一些总量数据如GDP，人口和总投资。 ⑴写出一个能够描述该问题的计量经济学模型，并解释。 ⑵写出检验下述命题的原假设：“坏帐对当期GDP增长率无影响”。 ⑶为1中你的模型提供合适的计量经济学估计方法，详细说明。 ⑷要让3中你的估计量满足一致性，必须满足什么条件？五（14分）假设你想研究国企和外企生产率的差别，为此你建立了如下的模型：