发布时间 : 星期日 文章【财务知识】计量经济学讲义到四章计量经济学东北财经大学王更新完毕开始阅读741a837c81c4bb4cf7ec4afe04a1b0717ed5b355
(二)理论数学模型的设定 (三)理论计量经济模型的设定 (四)数据获得
(五)计量经济模型的参数估计 (六)假设检验 (七)预测
(八)利用模型进行控制或制定政策
第四节 计量经济学的内容
一、理论计量经济学
二、应用计量经济学
第一讲 考核要求
识记：计量经济学、模型与计量经济模型
领会：计量经济学性质、计量经济学与其他学科的关系、计量经济学的研究内容、计量经济模型建立与应用的基本过程。
第二讲 双变量回归模型及其估计问题
第一节 回归分析的性质
一、基本问题
（一）“回归”的基本含义
1.“回归”一词的历史渊源 2.“回归”的现代释义 （二）相关概念
1.统计关系与确定性关系 2.相关关系与因果关系 3.回归分析与相关分析
二、计量经济分析所用数据的性质与来源
（一）数据类型
1.时间序列数据 2.横截面数据 3.面板数据 （二）数据来源
1.原始数据 2.第二手数据 （三）数据的准确性
第二节 总体回归函数与样本回归函数
一、总体回归函数
（一）一个人为的例子 （二）总体回归函数
1.因变量（又称回归子、被解释变量、应变量、预测子、回归子、响应变量、内生变量）
2.自变量（又称回归元、解释变量、预测元、回归元、控制变量或刺激变量、外生变量） 3.回归系数的意义 4.模型形式
线性形式（对变量的线性、对参数的线性）和非线性形式（对变量的非线性和对参数的非线性）
（二）总体回归模型
1.总体回归函数的随机设定
随机干扰或随机误差、系统性或确定性、随机或非系统性 2.随机干扰项的意义
随机干扰项的基本含义、随机干扰项存在的原因 3.总体回归模型
（三）样本回归函数与样本回归模型
1.样本回归函数
概念、估计量（统计量）、残差 2.样本回归模型
第三节 双变量回归模型：估计问题
一、普通最小二乘法
（一）基本思想
1. 评价拟合方程优劣的指标
总距离最小（即残差绝对值之和）的优点及缺点、残差平方和的优点及缺点
2.最小二乘法的基本原理
基本准则:使得残差平方和达到最小的样本回归方程 利用微积分原理构造标准方程或称正态方程 最小二乘估计量（OLS）的表达式 离差的含义及用离差表示的OLS 3.OLS的数值性质 （二）最小二乘法的基本假定
1.经典（又称高斯或标准）线性回归模型（CLRM） 2.CLRM的假定：每一假定的含义及作用 3.这些假定的真实性 （三）OLS的精度或标准差
1.OLS精度的含义 2.OLS精度或标准差的计算 3.随机误差项方差的估计 4.OLS方差的特点
（四）OLS的统计性质：高斯—马尔可夫定理
1.线性性 2.无偏性 3.最小方差性
4.高斯—马尔可夫定理
二、判定系数R2
（一）判定系数的意义
1.判定系数R2的含义 2.文图或巴伦坦图 （二）判定系数R2的计算
1.总平方和（TSS）的计算及分解 2.判定系数R2的计算公式 3.判定系数R2与相关系数的关系 4.相关系数r的性质
第四节 两个说明性例子
第二讲 考核要求
识记：总体回归函数与总体回归模型、样本回归函数与样本回归模型、随机误差项（扰动项）、普通最小二乘估计量（OLS）及其精度指标、判定系数R2。
领会：1.相关分析与回归分析；2.确定性关系与不确定性关系（统计关系）；
3.总体回归模型与函数的意义；4.样本回归模型与函数的意义；5.随机误差项（随机扰动项）存在的理由；6.最小二乘法的基本思想；7.CLRM的假定；8.OLS的性质；9.判定系数R2与相关系数的关系；10.相关系数的性质。
简单应用：1.运用模型描述经济变量之间的关系；2.最小二乘法的基本原理；3.拟合优度指标的应用。
综合应用：1.根据经济理论构造计量经济理论模型；2.运用最小二乘法估计样本回归方程；3.对样本回归方程优劣做出的评价。
第三讲 双变量回归模型的区间估计及其假设检验
第一节 正态性假定：经典正态线性回归模型
一、正态性假定
（一）正态性假定的含义
E(
i)=0，方差同等于某一常数，即
i ,
var(
i
i)= E(2
i)=2，不同时
期的随机干扰项不相关，即cov(
这些假定可更简洁叙述为：
ui ～N(0,
j)= E(j)=0 i≠j
2)
由于两个正态变量的零协方差或零相关就意味着两个变量互相独立，所以，随机干扰项是独立且服从于正态分布的统计量。 （二）随机干扰项做正态假定的理由
1.随机干扰项代表回归模型中未明显引进的许多变量的总影响，由于这个变量是独立且同分布的随机变量，所以利用中心极限定理可证明，这样的随机变量，随着个数无限地增大，它们的总和将趋近于正态分布。
2.中心极限定理还告诉我们，即使变量个数并不很大或这些不是严格独立的，它们的总和仍可视同正态分布。
3.正态分布变量的任何线性函数都是正态分布的。
4.两个正态变量的零协方差或零相关就意味着两个变量互相独立。
二、在正态假定下OLS估计量的性质
（一）无偏性 （二）最小方差性
（三）一致性：随着样本含量无限地增大，估计量将收敛到它们的真值。 （四）各回归系数是服从于正态分布的。 （五）（n-2）/服从n-2个自由度的
分布。
（六）最小二乘估计量的联合分布独立于。
（七）OLS估计量在整个无偏估计类中，无论是线性或非线性估计，都有最小方差。故最小二乘估计量是最优无偏估计量。