計量經(jīng)濟學期末復習總結-閱讀頁
2025-05-02 12:35本頁面
【正文】 （4）模型不再具有良好的統(tǒng)計性質(zhì)；（5），預測置信區(qū)間失去意義，故預測失效。檢驗①X去掉中間的個樣本；③OLS構造統(tǒng)計量：⑤（5）懷特檢驗①YXOLS根據(jù)②得到的可決系數(shù)計算值=~2④LM如果大于臨界值，則存在異方差。711什么是序列相關？產(chǎn)生原因（1）經(jīng)計時間序列數(shù)據(jù)慣性（2）模型設定的偏誤（3）滯后效應（5）數(shù)據(jù)的編造影響（1）參數(shù)估計量無偏但非有效（2）隨機誤差項方差估計量有偏（3）擬合優(yōu)度檢驗和方程顯著性檢驗無效（4）變量顯著性檢驗檢驗統(tǒng)計量和相應的參數(shù)置信區(qū)間無意義（5）模型的預測失效檢驗（1）圖示法（2）回歸檢驗法（3）杜賓沃森檢驗（DW條件a.解釋變量是非隨機的；c.回歸模型不應把滯后被解釋變量作為解釋變量之一，即解釋變量中不能出現(xiàn)；e.②mt統(tǒng)計量④（2）廣義差分法（3）科克倫奧克特迭代法（4）杜賓兩步法虛擬變量什么是虛擬變量？作用：為了尋求某些定性因素對的影響虛擬變量在模型中的表現(xiàn)形式（加法和乘法）（1）虛擬變量模型：同時含有一般解釋變量和虛擬變量的模型；（2）虛擬變量可以作為解釋變量，也可以作為被解釋變量；（3）一般形式：=+X+2+；Pageof虛擬變量的引入方式（1）加法方式224。反映斜率的變化（3）臨界指標的虛擬變量的引入224。某一年為轉(zhuǎn)折點在經(jīng)濟發(fā)生轉(zhuǎn)折時，可通過建立臨界指標的虛擬變量來反映。=+X+(tX)Dtmt其中=1t239。tt，為X這樣引入是為了曲線的連貫性。 *238。*（4）數(shù)值變量作為虛擬變量引入224。兩虛擬變量之間存在交互關系虛擬變量的設置原則（1）每個變量的值只有“1”或“0”；（2）每一定性變量所需的虛擬變量個數(shù)要比該定性變量的類別數(shù)目少mm1“虛擬變量陷阱”根據(jù)虛擬變量的設置原則，一般情況下，如果定性變量有個類別，則需在模型中引入個變量。m這種由于引入虛擬變量個數(shù)與類別個數(shù)相等導致的模型無法估計的問題，稱為“虛擬變量陷阱”。(2)滯后變量模型可以反映過去的經(jīng)濟活動對現(xiàn)期經(jīng)濟行為的影響，從而描述了經(jīng)濟活動的運動過程，使模型成為動態(tài)模型。（1）什么是滯后效應？某些經(jīng)濟變量不僅受到同期各種因素的影響，也可能受到過去某些時期的某些經(jīng)濟變量的影響。224。（2）滯后效應產(chǎn)生原因①技術原因：在現(xiàn)實經(jīng)濟運行中，從生產(chǎn)到流通再到使用，每一個環(huán)節(jié)都需要一段時間，從而形成時滯。制度原因：契約、管理制度等因素也會造成經(jīng)濟行為一定程度的滯后。主觀原因人們對于信息的了解往往存在不全面或者易受心理因素的影響，從而對于新的變化反應遲鈍。911（3）滯后變量模型①②③ 自回歸模型：僅包含被解釋變量對自身滯后變量的回歸，不包含解釋變量的滯后變量，但可能包含解釋變量的同期變量。自回歸分布滯后模型：既含有被解釋變量對自身滯后變量的回歸，也包括解釋變量的滯后變量。有限自回歸分布滯后模型：滯后期長度有限。無限自回歸分布滯后模型：滯后期長度無限。=+X+X+X++X+：短期或即期乘數(shù)bii1,2,...XYbsi=0i：長期乘數(shù)或均衡乘數(shù)——XY229。ib229。（2）參數(shù)估計①沒有先驗準側確定滯后期長度；b.同名變量滯后值之間可能存在高度線性相關，即模型會存在高度的多重共線性。分布滯后模型的修正估計方法【a.V阿爾蒙多項式法】【c.224。為了消除無限分布滯后期【特點】以一個滯后被解釋變量代替了大量的滯后解釋變量，節(jié)省了自由度；與tX【產(chǎn)生問題】模型存在隨機干擾項的一階自相關性；滯后被解釋變量與隨機項不獨立。XY（1）自回歸模型的構造①XYX局部調(diào)整模型224。一般用于物資儲備問題，在已知的情況下，YX1011（2）參數(shù)估計自回歸模型可能存在隨機解釋變量問題（①普通最小二乘法），即滯后的被解釋變量很可能與隨機干擾項之間存在相關關系，以及隨機干擾項可能存在自身的序列相關問題。格蘭杰因果關系檢驗考慮與之間的因果關系，即的滯后變量對是否有顯著的影響（T的滯后變量對是否有顯著的影響（T例如：考慮各滯后期對的影響的檢驗約束模型：=+yt1... +yt+,t1,2,...,T無約束模型：=+yt1...+yt++ +ppεt=RSSRRSSUF=(RSSRRSSU//(nkFp,)其中，p為FF【FY能解釋的部分（兩個殘差平方和的差）占和共同解釋的部分（無約束模型的殘差平方和）的比重，顯然，如果這個比重越大，表明的影響越明顯】Pageo
教學教案相關推薦
鄂ICP備17016276號-1