一分鐘看完計量經(jīng)濟學(xué)!!!------開學(xué)后的計量筆記

上傳人:無*** 文檔編號:26639095 上傳時間:2021-08-12 格式:DOC 頁數(shù):4 大?。?4.50KB
收藏 版權(quán)申訴 舉報 下載
一分鐘看完計量經(jīng)濟學(xué)!!!------開學(xué)后的計量筆記_第1頁
第1頁 / 共4頁
一分鐘看完計量經(jīng)濟學(xué)!!!------開學(xué)后的計量筆記_第2頁
第2頁 / 共4頁
一分鐘看完計量經(jīng)濟學(xué)!!!------開學(xué)后的計量筆記_第3頁
第3頁 / 共4頁

下載文檔到電腦,查找使用更方便

12 積分

下載資源

還剩頁未讀,繼續(xù)閱讀

資源描述:

《一分鐘看完計量經(jīng)濟學(xué)!!!------開學(xué)后的計量筆記》由會員分享,可在線閱讀,更多相關(guān)《一分鐘看完計量經(jīng)濟學(xué)!!!------開學(xué)后的計量筆記(4頁珍藏版)》請在裝配圖網(wǎng)上搜索。

1、一分鐘看完計量經(jīng)濟學(xué)?。?!------開學(xué)后的計量筆記 建模是計量的靈魂,所以就從建模開始。 一、 建模步驟:A,理論模型的設(shè)計: a,選擇變量b,確定變量關(guān)系c,擬定參數(shù)范圍 B,樣本數(shù)據(jù)的收集: a,數(shù)據(jù)的類型b,數(shù)據(jù)的質(zhì)量 C,樣本參數(shù)的估計: a,模型的識別b,估價方法選擇 D,模型的檢驗 a,經(jīng)濟意義的檢驗1正相關(guān) 2反相關(guān)等等 b,統(tǒng)計檢驗:1檢驗樣本回歸函數(shù)和樣本的擬合優(yōu)度,R的平方即其修正檢驗 2樣本回歸函數(shù)和總體回歸函數(shù)的接近程度:單個解釋變量顯著性即t檢驗,函數(shù)顯著性即F檢驗,接近程度的區(qū)間檢驗 c,模型預(yù)測檢驗1解釋變量條件條件均值與個值的預(yù)

2、測 2預(yù)測置信空間變化 d,參數(shù)的線性約束檢驗:1參數(shù)線性約束的檢驗 2模型增加或減少變量的檢驗 3參數(shù)的穩(wěn)定性檢驗:鄒氏參數(shù)穩(wěn)定性檢驗,鄒氏預(yù)測檢驗----------主要方法是以F檢驗受約束前后模型的差異 e,參數(shù)的非線性約束檢驗:1最大似然比檢驗 2沃爾德檢驗 3拉格朗日乘數(shù)檢驗---------主要方法使用X平方分布檢驗統(tǒng)計量分布特征 f,計量經(jīng)濟學(xué)檢驗 1,異方差性問題:特征:無偏,一致但標(biāo)準(zhǔn)差偏誤。檢測方法:圖示法,Park與Gleiser檢驗法,Goldfeld-Quandt檢驗法,White檢驗法-------用WLS修正異方差 2,序列相關(guān)性問題

3、:特征:無偏,一致,但檢驗不可靠,預(yù)測無效。檢測方法:圖示法,回歸檢驗法,Durbin-Waston檢驗法,Lagrange乘子檢驗法-------用GLS或廣義差分法修正序列相關(guān)性 3,多重共線性問題:特征:無偏,一致但標(biāo)準(zhǔn)差過大,t減小,正負(fù)號混亂。檢測方法:先檢驗多重共線性是否存在,再檢驗多重共線性的范圍-------------用逐步回歸法,差分法或使用額外信息,增大樣本容量可以修正。 4,隨機解釋變量問題:隨機解釋變量與隨機干擾項獨立----------對OLS沒有壞影響。隨機變量與隨機干擾項同期相關(guān):有偏但一致-----擴大樣本容量可以克服。隨機變量與隨機干擾項同期相關(guān):有偏且

4、非一致--------工具變量法可以克服 二、 參數(shù)估計量性質(zhì)的分析:a小樣本和大樣本性質(zhì) b無偏性 c有效性 d一致性 e Gauss-Markov定理 三、 A虛擬解釋變量問題 a,加法方式:定性因素對截距的影響 b,乘法方式:定性因素對斜率項產(chǎn)生的影響 c,加法與乘法結(jié)合方式:定性應(yīng)訴對截距和斜率項同時產(chǎn)生影響 B滯后變量問題 a,分布滯后模型:經(jīng)驗加權(quán)法,Almon多項式法,Koyck方法---來減少滯后項的數(shù)目 b,自回歸模型:工具變量法,OLS法 C模型設(shè)定偏誤問題 a,解釋變量選取偏誤1漏選相關(guān)變量:OLS在小樣本下有偏,大樣本下不

5、一致 2多選無關(guān)變量:OLS估計量無偏且一致,但無效 b,模型函數(shù)形式選取偏誤:OLS有偏非一致且無效 c,1用t檢驗和f檢驗檢驗無關(guān)變量 2用RESET檢驗是否遺漏相關(guān)變量或模型函數(shù)選取錯誤 四、 聯(lián)立方程計量經(jīng)濟學(xué)模型的單方程估計 a,工具變量法IV b,ILS-----ab適用于恰好識別 c,2SLS---適用于恰好識別和過度識別 五、 二元離散選擇模型 a,Probit離散選擇模型:將隨機干擾項的概率分布設(shè)定為標(biāo)準(zhǔn)正態(tài)分布----用最大似然估計法或GLS b,Logit離散選擇模型:將隨機干擾項的概率分布設(shè)定為logistic分布得到---用最大似然

6、估計法或GLS 六、 隨機時間序列模型: a,純自回歸AR模型----用Yule-Walker方程或OLS估計 b,純移動平均MA模型 c,自回歸移動平均ARMA模型----bc可以用矩估計法,對非平穩(wěn)的時間序列檢驗協(xié)整性可用Engle-Granger兩步法或直接估計法。 注:此文只是小弟開學(xué)讀書筆記的總結(jié)只能當(dāng)個工程表,讓大家知道所學(xué)階段和所用罷了 另:據(jù)小弟開學(xué)后了解的教材方面 最初入門書首推古扎拉蒂的《計量經(jīng)濟學(xué)基礎(chǔ)》,上下兩本,想很快對計量經(jīng)濟學(xué)有全方位認(rèn)識的弟兄可以看這本書的精寫版《經(jīng)濟計量學(xué)精要》,機械工業(yè)出版社,世紀(jì)館書店就有第二版賣,好幾十塊---想

7、要免費電子版的姐妹們可以聯(lián)系我==。 伍德里奇的《計量經(jīng)濟學(xué)導(dǎo)論》真是討論風(fēng)格的啊,適合于中級使用,高級的書最經(jīng)典的莫過于格林的《計量經(jīng)濟學(xué)分析》 ,還有《Econometrics Introduction》,中國人寫的書還是李子奈的《計量經(jīng)濟學(xué)》比較清楚,難度中級偏高級。 研究的方面,微觀注意面板數(shù)據(jù),宏觀注意時間序列,面板數(shù)據(jù)推薦伍德里奇的《橫截面與面板數(shù)據(jù)的經(jīng)濟計量分析》,68元,人大出版社,時間序列推薦漢米爾頓的《時間序列分析》,傳說中的經(jīng)典教材。在此小弟加一句,盡量對照著英文看中文,因為翻譯的很難==。 Stata方面,咱們?nèi)舜髨D書館三層英文借閱室有本《Using Stata》開頭的書,據(jù)說,所有的stata的書都是以它為模本,在以F222開頭的書架好像。 就這么多了,大家一起努力,共同進步?。?!

展開閱讀全文
溫馨提示:
1: 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
2: 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
3.本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
5. 裝配圖網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

相關(guān)資源

更多
正為您匹配相似的精品文檔
關(guān)于我們 - 網(wǎng)站聲明 - 網(wǎng)站地圖 - 資源地圖 - 友情鏈接 - 網(wǎng)站客服 - 聯(lián)系我們

copyright@ 2023-2025  sobing.com 裝配圖網(wǎng)版權(quán)所有   聯(lián)系電話:18123376007

備案號:ICP2024067431-1 川公網(wǎng)安備51140202000466號


本站為文檔C2C交易模式,即用戶上傳的文檔直接被用戶下載,本站只是中間服務(wù)平臺,本站所有文檔下載所得的收益歸上傳人(含作者)所有。裝配圖網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對上載內(nèi)容本身不做任何修改或編輯。若文檔所含內(nèi)容侵犯了您的版權(quán)或隱私,請立即通知裝配圖網(wǎng),我們立即給予刪除!